高光谱遥感技术在森林病虫害监测中的应用

赵洪莹，舒清态，王柯人，袁梓健，谭德宏

(西南林业大学，云南 昆明 650224)

1 引言

森林资源是自然界的重要组成部分，在生态系统中占有举足轻重的地位。森林病虫害是主要的森林灾害之一，破坏森林资源的同时，还造成了一定的经济损失，同时给生态环境也带来了严重的负面影响，被人们称之为“无烟的森林火灾”。近年来，我国森林病虫害发生面积较大，每年发生面积达870万hm2以上，造成木材生长量减少1700多万m3，经济损失超过880亿元[1]。林业生产的发展和生态环境的建设与森林病虫息息相关，森林病虫的发生严重制约着林业的可持续发展进程。因此，监测森林病虫害的发生发展对生态文明建设具有重要的意义。随着森林资源问题的日益凸显，人们也愈发关注森林病虫害的发生及其影响，遥感技术的发展和应用已成为森林病虫害监测的一个新的发展方向和研究热点。高光谱遥感技术的出现，使得遥感监测森林病虫害这一新领域得到了进一步的拓宽，了解和掌握高光谱遥感技术的原理及其在病虫害早期监测中的可行性，对实现森林病虫害的早期防治具有重大的意义和价值。

2 高光谱遥感技术概念

高光谱遥感是一种利用窄电磁波段获取感兴趣的地面物体光谱信息的技术，同时也是一门综合科学，它将信息处理与计算机技术相结合，是“高光谱分辨率遥感”的缩写[2]。在高光谱遥感技术兴起之前，有许多不可识别的物质，但是自从高光谱遥感出现以来，除了定性检测之外，在某些领域还可以对物质进行定量检测。高光谱遥感技术具有多波段、高光谱分辨率、相邻波段间高相关性、高空间分辨率等突出优势[3]。从技术上讲，高光谱遥感技术是光谱技术和成像技术的结合。当使用光谱信息收集波段宽小于10 nm的地面物体时，会形成完全连续的光谱曲线，这在其他遥感技术中是无法获得的[4]。普通遥感装备的遥感器一般只有几个波段，最多十几个波段，而且每个波段的宽度都要大于100 nm，并且在电磁波谱上表现出不连续的特点，无法探测更多的物质特征，而高光谱遥感波段窄，弥补了这一不足，可以探测到宽波段遥感无法探测到的物体。在高分辨率下，不同的特征之间光谱特性的细微差别是不同的，加之提高了空间分辨率，让高光谱遥感技术广泛应用于各个领域中。

3 高光谱监测病虫害的原理

高光谱遥感监测病虫害主要是通过测量植物的生存能力，如植物中叶绿素含量和化学成分的变化[5]。绿色植物的光谱反射率有其显著的特征，并且会随着波长的变化而变化。在可见光波段，植物的反射率在0.5～0.7 μm处很低，在近红外波段，在0.7～0.9 μm处明显增加，这是因为绿色植物可以吸收该波段的辐射能量。当植物受到病虫害侵染后，植物体内的叶绿素会逐渐减少，吸收光的能力也随之减弱，可见光的反射率会明显提高，红外区域的反射率会显著降低。病虫害的发生会严重影响植物在不同波段的光谱值，尤其是近红外波段[6]。总之，利用高光谱遥感技术监测森林资源病虫害主要是分析植物化学成分的变化，从而获取病虫害信息，为利用高光谱遥感技术监测植被病虫害提供依据。

4 高光谱遥感数据获取方法

4.1 卫星高光谱数据

高光谱分辨率遥感技术作为当前遥感领域的前沿技术，其发展是近几十年来人类对地观测技术的重大突破之一。1983年，第一台航空成像光谱仪AIS-1问世。2000年11月，世界上第一个成功发射的星载民用成像光谱仪是由美国发射的Hyperion。我国高光谱遥感技术起步较晚，但是发展迅速，目前，具有高光谱分辨率、高精度、高灵敏度观测能力的“高分五号”卫星是我国最先进的高光谱探测卫星，多项指标都达到了国际先进水平。高光谱遥感技术在提高光谱分辨率的同时，也在不断地向着高空间分辨率方向发展。

齐兴兰等以福建省沙县为研究区，以Modis遥感数据为基础，利用红边参数、归一化差异指数和比值植被指数，对马尾松毛虫灾害的范围和程度进行了分析，结果表明，归一化差异指数对重灾区比较敏感。并结合地面资料，找出了不同害虫危害程度各指标的临界值，确定不同受灾地区，其中比例植被指数分析马尾松毛虫危害最准确[7]。

4.2 利用地面光谱监测植被病虫害的研究进展

地面高光谱数据通常由地面成像光谱仪和室内光谱仪获取，与星载高光谱探测仪器合作开发的地面高光谱仪器同时投入使用；地面光谱仪不但提供了小尺度空间病虫害的信息，与此同时小尺度空间病虫害的管理水平也得到了提高，在提取小尺度空间病虫害信息方面具有广阔的应用前景；目前用于森林病虫害监测所用的高光谱仪器主要是由美国ADS公司生产的便携式野外高光谱仪器。Mazen Salman通过室内光谱仪获得可见光和近红外光谱，利用偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)两种分类方法来确定了橄榄叶斑病病原体潜伏感染的严重程度，取得了显著的分类效果[8]。张素兰等利用马尾松地面高光谱资料，研究了6种光谱特征参数与害虫危害程度之间的关系，通过线性回归方程建立害虫危害程度估计模型，为松材线虫病的早期监测和防治提供技术支持[9]。

4.3 无人机遥感技术

随着科技的发展，无人机作为一种搭载传感器的遥感平台，为遥感领域开辟了新的思路。与其他遥感技术相比，它因成本低、操作简单、空间分辨率高、获取图像的时间和地理限制少而逐渐被应用到各行各业。然而，目前国内外基于无人机遥感的研究主要集中在地质调查、自然灾害、数字城市建设等方面。植被病虫害监测的研究仍处于探索阶段[10]。Nasi等使用基于无人机的高光谱图像数据来识别树皮甲虫感染的每个阶段。结果表明，不同阶段(即基于高光谱无人机成像的机器视觉技术可以在单棵树的水平上识别健康、感染和死亡的树)；当检测三种云杉(健康、感染和死亡)时，与两种云杉(健康和死亡)相比，总体准确率为76%，最佳总体准确率为90%。基于高分辨率高光谱成像的调查方法对森林健康管理具有重要的实用价值，可以预测特定时间小蠹虫的爆发[11]。Juan Sandino等研究了真菌病害对茶树的侵染情况，并收集了无人机、高光谱图像传感器、数据处理算法等技术的数据，共提取了11385个样本。结果表明，健康树种的检出率为97.24%，受影响树种的检出率为94.72%[12]。

Zhang,Ning等利用无人机高光谱成像技术，通过三种波段选择算法对高光谱数据进行降维，并建立最小二乘回归模型，利用最佳波段对落叶进行定量估计，从而识别和确定油松林毛虫对树木的危害程度[13]。兰玉斌等通过获取柑橘低空病害的高光谱图像，提取并计算柑橘黄龙病林冠感兴趣区域的平均光谱，探索出一种快速高效的柑橘黄龙病害虫识别方法，并建立了柑橘黄龙病的判别模型，表明利用低空高光谱遥感监测柑橘黄龙病林冠的方法是可行的，可以大大提高柑橘管理的效率和政府防控病害的力度[14]。

5 高光谱遥感技术在森林病虫害监测中的研究应用

植物在生长过程中与环境因素相互作用的综合光谱信息被称之为植物的光谱特征。基于病虫害光谱响应的生理机制和光谱数据监测病虫害[15]。监测方法主要包括以下方面。

5.1 基于病虫害光谱响应特征进行监测

不同高光谱波段植物对病虫害的响应不同，病虫害引起的不同症状和光学特性是病虫害遥感监测的基础。作物病虫害的光谱响应可以近似为病虫害引起的色素、水分、形态和结构变化的函数，因此它通常是多效性的，并且与每种病虫害的特征相关[16～18]。

Lausch A等利用决策树的分类方法地面分辨率为4 m和7 m的高光谱遥感数据的光谱带、植被指数和光谱波段组合的差异，能有效的估算生命力等级以及云杉植被的侵袭阶段[19]。刘文雅获得松材线虫病整个发病周期的冠层高光谱数据和相应时期的生理生化参数，通过多种方法建立了感病松树叶绿素、类胡萝卜素和含水量的高光谱估测模型，为松材线虫病的动态监测提供了一种参考方法[20]。刘文雅通过获取松材线虫病完整发病周期的松树冠层的高光谱数据与相应时期的生理生化参数，采用多种方法建立感病松树叶绿素、类胡萝卜素和含水量的高光谱估测模型，为松材线虫病的动态监测提供了一种可借鉴的方法[21]。王植等研究了高光谱技术在板栗病虫害监测中的应用，指出受攻击的植物通常可分为3个阶段:绿色攻击、红色攻击和灰色攻击。在绿色攻击阶段，根据光谱反射率的差异和遥感数字图像上结构异常的记录，将其作为高光谱遥感监测的参数，结合地面调查，开展板栗病虫害监测的应用研究[22]。

为了实现对茶叶病害的准确预测，芦兵等利用荧光透射光谱技术研究了茶叶红叶病害叶片的荧光透射光谱特征。用高光谱仪器采集叶片的原始荧光透射光谱。通过分析三组叶片样本的平均光谱强度曲线，将特征波长对应的高光谱图像的荧光光谱信息与相应的纹理信息融合，验证了利用荧光透射光谱信息对3种病叶进行分类的可行性[23]。Abdullah,Haidi等通过检测叶片的生物化学参数和光谱特征，对树皮甲虫的早期绿色攻击进行了研究。研究表明，侵染树皮甲虫的早期不仅使叶片的生化含量下降，而且在健康和感染针头的平均反射光谱上也有显著差异[24]。王克健研究了柑橘黄龙病叶片与健康叶片的淀粉含量及光谱特征，分析了淀粉含量与柑橘黄龙病感染的相关性，筛选出敏感的特征光谱，建立了柑橘黄龙病特征光谱预测模型[25]。Niemann,K Ola等利用高光谱遥感技术对山松甲虫进行监测，主要对1种色素特征(685 nm)和2种色素特征(970 nm和1200 nm)进行了分析，结果发现，色素特征(685 nm)和吸水特征(1200 nm)可区分健康、早期绿色攻击和红色攻击[26]。张衡等在判断马尾松是否感染松萎蔫病时，分析了波长593 nm处光谱反射率的一阶导数光谱特征，结合叶绿素的质量分数，在人为发现感病前期即表现出良好的监测效果[27]。

5.2 基于植被指数进行监测

基于对植被生长状况和不同波段植物生长曲线变化的认识，研究者提出了多种反映植被生长状况的特征指标。通观察不同病虫害生长条件下的植被特征参数，建立多种监测森林病虫害的植被指数。Ju,Yunwei等人利用高光谱遥感技术，通过马尾松的光谱特征和叶绿素含量，探索松材线虫危害早期检测的可能性，并将危害程度划分为6个等级，得出完全侵染阶段的标准化差异植被指数值与叶绿素含量变化显著相关，特定光谱特征与叶绿素含量的结合是一种监测病虫害的可靠方法[28]。

彭赞隆等通过研究受不同程度胁迫下的马尾松，分析其冠层的物理参数(如单簇针叶体积、针叶长度等)与马尾松林冠层光谱指数之间的关系，找出了适合于不同染病阶段的高光谱植被指数可用于不同受灾阶段的松树预报监测[29]。So-Ra Kim等研究松材线虫对松树枯萎病的影响，并用高光谱光谱仪采集了感染松材线虫病的松材线虫的叶片反射光谱。利用现有的10个植被指数检测松材线虫感染[30]。邓世晴利用地面非成像的松针高光谱数据，用光谱数据分析了健康松树和枯死松树的光谱特征，计算光谱曲线一阶导数。通过欧氏距离识别枯死松树的最敏感的波段为近红外波段和红波段。用28种光谱指标分析了健康松树和枯死松树之间的光谱可分性，其中22种光谱指标对不同程度的健康松针和枯死松针具有较好的光谱可分性[31]。

5.3 建模反演

植被生理生化参数能很好地反映植被的长势，进行建模反演是监测森林病虫害的关键，目前，基于高光谱遥感建立的估算植被生理参数的模型较多。主要有多元统计方法、人工神经网络、小波分析、支持向量机、随机森林等。这些方法已应用于植被生理参数的估测，从而提高了对森林病虫害的监测精度。

王小龙等为了快速、准确、无损伤地鉴别棉花虫害类别，采用便携式光谱分析仪对受蚜虫和红蜘蛛危害的棉花叶片以及正常棉花叶片的高光谱数据进行采集和分析。采用K近邻和SVM算法区分受红蜘蛛和蚜虫侵染的叶片以及正常叶片。利用主成分分析方法(PCA)进行特征降维，并利用网格搜索法进行参数寻优。结果表明，利用高光谱数据可以区分受蚜虫和红蜘蛛侵害以及正常的棉花叶片[32]。马菁、张学俭利用光谱辐射仪，对处于盛果期的健康枸杞冠层和感染了木虱、瘿螨、负泥虫、白粉病的染病枸杞冠层进行光谱特征测定。根据光谱反射率测量结果，分析了侵染前后枸杞冠层的光谱特征及其变化规律，筛选出枸杞病虫害遥感识别的最佳光谱范围和优化组合，并确定红色波段(680～760 nm)为枸杞病虫害识别的最敏感波段。通过逐步回归分析，建立病情指数的回归反演模型[33]。黄铁成以春尺蠖为对象，使用MODIS NDVI数据重构基于像元的时间序列曲线，分析春尺钱灾害在遥感图像时间序列上的响应，构建春尺蠖危害遥感监测模型[34]。Kyle Mullen利用高光谱遥感结合卫星图像监测中欧山松大小蠹侵染北美西部森林，评估了3个不同分类器(逻辑回归，线性判别分析，随机森林)的性能，结果显示，使用8个WV-2波段作为预测因子的随机森林分类器，分类准确性达到70.6%[35]。Heim,RHJ等为了检测入侵性致病性真菌对桃金娘科植物的潜在威胁，使用便携式现场光谱仪获取健康的叶片、感病后经过杀菌剂处理和未经处理的叶片的光谱特征，原始光谱及其一阶导数的反射光谱都用随机森林分类器进行分类，结果表明原始光谱的整体精度为78%，对于一阶导数反射光谱的整体精度为95%，为基于传感器对的桃金娘锈检测和监视系统提供了基础[36]。Zhang,Sulan等通过ASD光谱仪测量马尾松树木的光谱来确定松树枯萎病的高光谱特征，从光谱带中提取了16个光谱特征建立偏最小二乘回归模型，最终的结果是能够很好地预测马尾松枯萎病的发生情况[37]。Foster,Adrianna C等利用地物光谱仪获取未侵染云杉和新侵染云杉针叶的光谱反射率，并且通过随机森林分析，可区分未受侵染和受侵染的树木，结果也表明短波红外区域是检测云杉甲虫侵染早期的关键区域[38]。

6 展望

由于高光谱遥感图像具有连续光谱、多波段、实效性好和数据量大的特点，其在林业中的应用研究逐渐成为现代林业研究的重点。遥感技术在害虫监测中的应用已经逐渐从理论走向实践，但仍有许多问题需要进一步探索和研究。大规模害虫发生的实时动态监测和预警是未来的一个重要趋势。今后，高光谱技术在森林病虫害监测中的发展方向将集中在以下几个方面。

(1)将多尺度的高光谱遥感相结合。将大、小尺度成像光谱遥感数据与不同精度的森林病虫害信息相结合，弥补了传统单一数据源调查方法的不足，可以更好地实现森林病虫害的监测。

(2)综合使用多源遥感数据。目前，针对森林病虫害的遥感监测预测研究主要依靠传统的光学遥感手段，与热红外、荧光、气象卫星数据呈现出严重脱节的态势，需要尝试利用多个平台的遥感数据结合使用，丰富数据源信息，提高病虫害监测预警能力。

(3)人们对病害光谱变化特征的差异性认识不足。不同病虫害对植物的胁迫和水肥胁迫往往导致叶片枯黄萎蔫等相似的外部形态特征，有时引起相类似的光谱变化，而某些光谱变化特征在不同的胁迫类型中能表现出显著差异性，如何区分“异物同谱”“同物异谱”以及各种非病虫害的胁迫所引起光谱变化，是实现大面积森林病虫害监测的重点与难点。

(4)建立健全森林病虫害光谱数据库。根据不同森林病虫害种类、不同危害程度和不同病虫害寄主，利用地面光谱仪获取精准的光谱数据，从而建立丰富完整的森林病虫害光谱数据库。

(5)建立健全森林虫害监测和高光谱预警平台，同时结合地面调查数据和高光谱遥感数据，搭建森林病虫害监测预警平台，实现病虫害的预测、预警、监测、决策等多方面的实时监管。