论文部分内容阅读
油松毛虫(Dendrolimus tabulaeformis)是我国北方地区主要的森林虫害,每年对油松及其他寄主植被造成的损失不计其数。不能准确监测灾害发生情况、预测灾害发生风险是油松毛虫灾害大面积扩散的主要原因之一。利用遥感技术能够快速、准确的获取森林灾害类型以及灾害发生程度、灾害发生面积等信息,从而实现森林病虫害的动态监测及预测,为及时有效的灾害防治提供有力依据。本文以辽宁省建平县为实验区,油松毛虫灾害为研究对象,利用低空无人机高光谱、高空间分辨率及星载时间序列遥感数据,分别在单木、样地及县域尺度上研究灾害识别、监测和预测方法。通过高光谱数据降维、高光谱数据空谱分类及数理统计分析,提出了“基于类间不稳定性-连续投影变换”(ISIC-SPA)的高光谱数据波段优选组合算法以及基于优化支持向量机的空谱分类算法,并在此基础上构建油松毛虫灾害发生程度识别模型、灾害发生面积监测模型;通过星载遥感影像和气象数据的时间序列分析,提出了气候变化条件下的县域尺度灾害预测技术框架,并构建了灾害发生面积短期预测模型。实现了不同尺度油松毛虫灾害发生位置、发生面积以及灾害等级的信息获取,形成了“星-机-地”一体化的油松毛虫灾害监测及预测技术体系。论文的主要研究内容及成果如下:(1)单木尺度上,提出基于机载高光谱成像数据波段优选的油松毛虫灾害程度识别方法,并在此基础上构建油松毛虫灾害程度识别模型。首先在经过数据平滑的机载高光谱影像上,利用野外调查获取的油松单木位置信息,提取冠幅范围内所有像素的平均光谱作为该单木的光谱信息;通过对比分析主成分分析(PCA)、连续投影变换(SPA)以及基于类间不稳定性波段优选(ISIC)算法的结果,提出“基于类间不稳定性-连续投影变换”(ISIC-SPA)的高光谱数据波段优选组合算法,实现油松失叶率敏感波段的提取。利用ISIC-SPA波段优选算法提取出的敏感波段为:466nm、522nm、618nm、702nm、714nm、950nm,通过偏最小二乘回归拟合(PLSR),构建单木尺度油毛虫危害程度识别模型:P=231.5840-0.0513*Band466-0.04 06*Band522-0.0717*Band618-0.0118*Band702-0.0 0 82*Band714-0.0052*Band950,模型拟合精度为78.9%。结果表明:本文提出的ISIC-SPA-PLSR机载高光谱数据单木尺度油松毛虫灾害程度识别方法可行有效。(2)样地尺度上,提出一种基于优化支持向量机的空谱分类方法,并将其应用于该尺度下的危害油松识别上。研究所提出的空谱分类方法主要利用边缘保持滤波算法,对基于支持向量机(SVM)光谱分类结果形成的初始概率图进行优化,依据概率最大化准则确定优化后的像元所属类别。在以高清CCD影像和高光谱图像PCA分解形成的假彩色图像作为引导图的两种情况下,分别应用联合双边滤波和引导滤波进行SVM概率优化,通过对比分析平均结构相似性,发现以高清CCD影像为引导图的基于引导滤波的优化支持向量机空谱分类算法的分类精度和危害油松分类精度分别达到:95.13%和90.21%,效果最好且优于原有SVM分类结果。结果表明:基于优化支持向量机的空谱分类方法能够有效地识别样地尺度危害油松范围。(3)构建基于植被指数的县域尺度油松毛虫灾害发生面积率监测模型。利用1990年-2016年(剔除未获取数据的2005年和2013年)共25年的Landsat TM/ETM+以及Landsat 8 OLI数据,运用随机森林分类方法,提取研究区各年油松面积(分类精度89.44%),计算油松毛虫发生面积率。通过其与各类植被指数的相关性分析,筛选出秋季指数(AI)、中红外比值指数(MIR)、水分胁迫指数(MSI)、归一化植被指数(NDVI)、第五波段归一化近红外指数(NDII5)和反射率吸收指数(RA)共6个指数参与模型构建。为更好地消除因子间多重共线性影响,采用基于变量二次筛选的逐步偏最小二乘回归拟合算法,构建县域尺度油松毛虫灾害发生面积率监测模型:Y=-16.0413-1.5442AI+6.7884MIR+10.7365MSI-5.8108NDVI+10.3746NDII5+9.8881RA,模型拟合精度为80.80%,能够满足实际应用需求。(4)构建基于气象因子的县域尺度油松毛虫危害发生面积率预测模型,并应用基于时间序列的气象因子短期预测数据,实现未来气候变化条件下的油松毛虫灾害发生面积预测。以三年平均气象数据为因变量,以油松毛虫发生面积率为自变量,通过因子相关性分析,确定平均温度(T)、极端最高温(HT)、极端最低温(LT),平均相对湿度(H)、降水量(P)、日照时数(S)和平均风速(W)进行模型拟合,并通过基于变量二次筛选的逐步偏最小二乘回归拟合算法,构建县域尺度油松毛虫灾害发生面积率预测模型为:Y=-13.0221+0.5481T+0.0381HT-0.0188H-0.0039P+0.0032S+0.2680W,模型拟合精度为81.17%。在此基础上,通过相关气象因子数据基于时间序列分析的未来预测,完成2017年-2021年的油松毛虫灾害发生面积率预测。结果显示:未来5年里,在无人为干预条件下,研究区油松毛虫灾害发生面积主要集中在轻度及中度危害范围,在2020年有上升趋势,需要提前做好防范。