论文部分内容阅读
油松毛虫对人工油松林造成了严重的危害。据统计,辽宁省建平县油松毛虫的发生面积为年均120,000hm2,年均直接经济损失340万元。如何有效地监测预防松毛虫虫害,提高油松林分的质量,减少经济损失,是亟待解决的问题。近年来随着遥感技术特别是高光谱遥感技术的快速发展,可以实现植物叶绿素含量、含水率等生物化学参数的遥感定量化诊断,以便对受害植物的受害程度做出综合的分析,从而提高灾害程度监测的精度。本研究将高光谱技术应用于油松毛虫危害程度的监测,提取受害油松的生理信息和光谱信息,研究其与受害程度(即失叶率)的耦合关系。论文以辽宁省建平县不同受害程度的油松为研究对象,根据野外调查数据和无人机高光谱数据,采用相关性分析的方法提取油松针叶叶绿素含量、含水率的敏感光谱指数NDSI、DSI、RSI,用一元线性回归的方法反演叶绿素含量和含水率,用多元线性回归和人工神经网络两种方法建立模型反演不同受害程度油松的失叶率。其中较高失叶率的多元回归反演模型为y=0.799-31.85× dDSI(427,811)-142.01 × dDSI(797,482)+0.067× dRSI(774,677),较低失叶率的多元回归反演模型为 y=0.13+2.22×NDSI(808,816)+2.53×NDSI(881,920),精度分别为92.97%和83.1%;利用人工神经网络的反演精度为78.98%。结果表明两种模型均能反演油松的失叶率,多元回归反演模型精度较高;将失叶率反演模型应用于无人机高光谱影像,有助于利用多尺度、多时相的数据进行农林病虫害遥感监测。