基于遥感技术的林区病虫害监测系统

李 阳

（甘肃省白龙江林业生态监测和调查规划院 甘肃兰州 730030）

中国是全球遭受森林病虫害较为严重的国家，病虫害的肆虐，给国家带来了不可估量的损失。近年来，在“天保工程”的政策环境下，病虫害监测与防治已然成为当前林业建设工作的重头戏，要求及时、准确掌握病虫害的发生动态与位置信息，确保能在第一时间采取防治措施，避免产生巨大的林业经济损失。传统的林业监测工作需要大量人力，给基层林业工作者造成较大的工作负担，且监测效果不如人意。对此，引入遥感技术能够根据病树的波谱特征确定病树位置，及时对所监测森林的参数予以提取，可达到有效监测病虫害的目的。

1 主要病虫害情况

甘肃省白龙江林区位于青藏高原东部边缘的岷山山脉，属于国家重点林区。林区内有多种类型的植被，包含云杉、秦岭冷杉、岷江柏木、连香树、独叶草等在内的20 余种国家保护植物。在林区下辖洮河、迭部、舟曲、白水江林业局境内23 个国有林场利用步查、标准地调查、取样调查，结合查阅《白龙江林业》杂志，白龙江林区主要病虫害种类多达48 种[1]，受害树种以落叶松、柳树、冷杉、云杉为主，分布于海拔2 040 m～2 920 m 的高原地区，且主要病虫害为云杉落叶病、落叶松落叶病、云杉叶锈病和狭冠网蝽。

2 基于遥感技术的林区病虫害监测系统设计

遥感技术是20 世纪60 年代兴起的一种探测技术。为监测林区病虫害情况，甘肃省白龙江林区运用遥感技术，对同一区域、同一时间的健康林木与受害林木的差异进行收集、处理，上传至电子终端转换为遥感影像，通过识别技术识别健康树木与受害树木的差异信息[2]。结合实际工作观察及遥感技术的影像资料来看，当病虫害繁殖至一定程度，并侵蚀云杉、冷杉、马尾松等针叶林时，针叶颜色会由绿色渐渐变为褐黄色，受侵蚀严重的针叶会脱落至地面。综合搜集的数据和分析病虫害发生规律可以看出，基于时间序列模型，通过比较叶面积指数和植被指数变化，能够发现遭受病虫害的树木[3]。

2.1 遥感监测指标选取

构建时间序列模型的第一步为选定合适指标，剔除云、地形等对指标的影响，强化植被信息和病虫害信息。不同指标均存在局限性和适应性问题，实际选择指标过程中要基于植被种类、植被生长情况和研究区特征，定量描述不同条件下的林区植被生长情况[4]。

常用的森林病虫害监测指标有NDVI（归一化差异植被指数）、EVI（增强型植被指数）、RVI（比值植被指数）三种。其中，NDVI 是通过计算近红外波段和红光波段之间的差异来定量化植被的生长状况，可借助此指数的时序变化曲线分析土地利用类型和土地覆盖类型，掌握植被变化特征。NDVI 的计算公式为：

式中，ρRED表示红光波段反射率，ρNIR表示近红外波段反射率。NDVI的范围始终在-1～1 之间，绿色植被区的NDVI范围普遍在0.2～0.8 之间。

EVI 具有较强的抗大气干扰能力和抗噪声能力，常用于植被茂盛，具有大量叶绿素的地区（如热带雨林），适用于非山区等地形影响较小的区域。其计算公式为：

其中，ρBLUE表示蓝光波段的反射率[5]。

RVI 是一种基于影像特性的指数，根据影像中植被区域的植被反射率与非植被区域的反射率之比得出，反映植被反射率的相对差异，是用来评估植被状况的一种遥感参数。其计算公式为：

基于上述三个指标的基本特征，结合研究区病虫害特点、树种类型和地面调查数据，最终决定选取NDVI 作为监测病虫害的指标。实际应用环节，先预处理监测影像，提取出NDVI 影像，结合林业地面调查数据、森林资源规划数据以及甘肃省白龙江林区地理国情普查数据等，提取模型的病虫害信息。

2.2 监测评估模型的建立

计算NDVI 变化率的公式为：

其中，VIT1为T1 时期的影像，即受害前影像；VIT2为T2 时期的影像，即受害后影像[6]。

监测人员利用GPS 定位技术，进行外业调查，并结合作业区气候情况，实地勘察作业区树种，按照沿对角线的路线准确记录受害面积和受害情况，形成林地受害情况统计表。按照20 m×20 m 标准记录同一林型和立地条件的感病指数和林木被害率，调查病虫害种类和树木被害程度，推动防治工作的开展[7]。

以白龙江林区的云杉为例，分析地面调查点的NDVI 变化率和云杉受害程度，验证二者是否存在相关性，计算相关系数的公式为：

其中，i为用于验证的地面调查点数，yi为第i个地面调查点的实际值，xi为第i个地面调查点的估测值。当r为0.01 或者0.05 时，证明以上两个量存在相关性，且较为显著，基于两要素所设计的模型具有充分的可信度，可在后续研究中继续使用。

收集整理多个地面调查点的数据，对所收集的数据进行随机抽选并开展回归分析，借助F检验法对模型的适用性进行判定检验[8]。此检验法是将受害等级和地面调查点受害程度分别作为自变量x和因变量y，二者符合线性回归方程关系，检验公式为：

当F＞F(m,n-m-1,a)（其中，a为置信区间，n-m-1 为自由度，n为样本数，m为自变量个数）时，自变量与因变量间符合y=ax+c线性回归规律，且较为显著。

为验证上述评估模型的科学性，将剩余实地调查点作为真实值进行验证，对应公式为：

其中，Ei为地面调查点的估测精度。

3 基于遥感技术的林区病虫害监测系统应用

3.1 地面调查信息

在白龙江林区，云杉落叶病为主要病虫害，本研究所建立的模型用于监测此种病害。选定甘南藏族自治州舟曲林业局作为观测区域，林区处于东经103°51′30″—104°45′30″，北纬33°13′—34°1′范围内，7月—9 月为当地云杉落叶病高发时间段，本次调查时间选在2022 年7 月底，设定样地点58 个，对58 个样地点的数据进行采集，部分地面调查点信息见表1。

表1 舟曲林区病虫害地面调查点信息（部分）

3.2 检验模型

通过回归分析可得出，当处于可靠性为0.01 的CL（置信系数），所构建出的模型具有充分的科学性与可靠性，并利用F检验法检验模型[9]，所得到的估测模型检验结果如表2 所示。

表2 估测模型检验表

由表2 可知，F=25.754＞F(1,56,0.01)，可以判定所设计的模型具有适用性和可信度。

受害程度和NDVI 变化率之间的估测模型为：

设定病害等级对应的区间范围：当Y＜0.4 时，林区为正常状态；当0.4≤Y＜1.0时，林区为轻度受害；当1.0≤Y＜2.0 时，林区为中度受害；当Y≥2.0 时，林区为重度受害。

3.3 监测结果

对舟曲林区基于遥感技术所得到的监测结果进行统计，结果如表3 所示。

表3 舟曲林区遥感监测及地面调查数据

以地面调查数据为正常值，遥感监测数据为测量值，通过表3 结果可知，测量值与正常值的误差仅为4.65%，误差较小，说明遥感监测数据与地面调查结果差异小，所得到的遥感监测结果可信[10]。因此，借助本研究所设计的模型能够得到病虫害遥感监测结果图，结合图像分析监测结果，能够确定发生病虫害的位置和轻重程度，符合林业生产和林区保护要求。

4 结语