遥感技术在森林病虫害监测研究中的应用*

亓兴兰，肖丰庆，曹祖宁，刘 健，陈 芳

(1.福建林业职业技术学院，福建 南平 353000；2.南平市农业农村局，福建 南平 353000；3.南平市延平区林业局，福建 南平 353000；4.3S技术与资源优化利用福建省高校重点实验室，福建 福州 350002；)

森林病虫害严重影响森林健康，是森林的主要灾害之一。对森林病虫害进行快速精准的灾前预警、灾情监测与评估是非常重要的。传统地面调查方法，花费巨大的人力物力与财力，适时性差且精确度不高。经过多年的探索与发展，应用遥感技术监测森林病虫害，具有大范围、实时、准确度高等优势，日益引起国内外专家与政府的重视。

1 森林病虫害遥感监测原理

除了火灾、冻害等自然或人为灾害外，森林受到的灾害还来自于病与虫等有害生物，这些有害生物对森林的侵害有时会爆发成灾，此时为森林病虫灾害。关于森林病虫害的种类很多，有食叶的、蛀杆的、坏根的等，其对树木的危害方式与危害部位不同，但最终的结果都是阻碍林木的生长，甚至于造成林木的枯萎死亡。森林病虫害对林木的危害可以引起其外貌树冠形态的变化与内部生理的变化。林木外貌树冠变化表现为落叶、卷叶、叶片枯萎发黄、林木枯死等；树木内部生理变化主要指树冠树叶的叶绿素组织遭到破坏，叶片内部组织结构发生变化，从而引起植物的光合作用、养分的吸收与运输等功能的变异与机能的衰退，表现为叶色的变化、细胞结构改变与叶绿素含量与含水量也相应发生改变。由此导致林木光谱反射率的变化，利用遥感技术就可以检测森林病虫害。

应用遥感技术检测病虫害，主要是利用植物在近红外波段的光谱特性。健康植物在0.60～0.76 μm红光波段，起先反射率甚低，在0.65 μm附近达到一个低谷，随后又上升，在0.70～0.80 μm反射率陡峭上升，到0.80 μm附近达到最高峰，即在0.75～1.30 μm的近红外区，形成反射率高峰。植物在近红外区的反射率高峰效应程度受叶片叶绿素浓度影响。植物由于品种、地理位置、营养情况、生长阶段不同，其在各波谱段的反射值略有差异，但其光谱曲线的总体趋势形状特征不会改变。植物感染病虫害后，引起外貌树冠形态与内部生理变化，其叶片叶绿素与含水量减少，导致在近红外波段植物反射率降低，近红外区的反射率高峰效应削弱甚至消失，同时绿光波段反射率也降低且其反射峰位置向红光转移，即红光波段反射率上升。据此，植物光谱反射率的变化，是植物病虫害发生的征兆，也是遥感监测森林病虫害的依据。

2 森林病虫害遥感监测发展历程

2.1 起步期

20世纪30年代国外对铁杉尺镬落叶林进行航空摄影观察，并陆续开展了航空遥感监测森林病虫害的相关试验研究，遥感监测森林病虫害就此拉开序幕[1]。40年代，雷达技术与红外摄影技术也逐渐发展起来。美国学者应用雷达技术结合航空遥感监测迁飞性沙漠蝗虫。Sager等应用航空红外摄影技术结合雷达监测沙漠蝗虫的迁飞路线与生态环境等，效果良好[2]。50年代开始，航空遥感监测森林病虫害不再局限于对森林病虫害区域的目测调查与勾绘，也可进行森林病虫害种群动态监测与数量变化分析。俄罗斯利用航空遥感技术，进行欧洲松小蠢等病虫害的种群动态监测；澳大利亚等国将航空遥感与计算机技术相结合，进行柑桔叶虱等害虫种群数量变动分析；人们还应用航空雷达遥感技术监测预测南方松小蠢的扩散范围[3]。应用航空遥感监测森林病虫害，监测面积大、周期短，快速准确，但花费昂贵，难以推广普及，很多国家仍以传统的地面调查为主要方法。

2.2 开拓期

20世纪70年代，人们开展了应用航天遥感技术监测自然资源的研究，同时也开展了森林病虫害的监测研究，但由于影像技术缺陷及天气干扰等因素的影响，效果不理想。1972年Landsat1卫星成功发射，人们开始探讨应用卫星遥感技术监测病虫害。80年代，卫星遥感技术进一步发展，人们对卫星传感器进行深入研发与研究。1982年美国成功发射Landsat4(搭载TM传感器)，其获取的影像具有分辨率(空间分辨率、光谱分辨率)高、重复周期短、多光谱等特性。特别是Landsat后续系列卫星及法国SPOT卫星等的成功发射，标志着卫星遥感监测病虫害进入开拓期。1978年，中国应用遥感卫星监测腾冲地区松叶蜂虫虫害林木，并测定建立了健康林木与受害林木的光谱数据库，分析其光谱特征；美国检测舞毒蛾虫害，并定量测定受害的阔叶林面积，分析其受害程度；日本应用Landsat影像监测森林病虫害；1988年，加拿大应用Landsat影像分析花旗松林卷叶蛾虫害。

2.3 发展期

20世纪80年代末，美国独辟蹊径，研发航空录像技术监测病虫害。在北美地区，人们应用此项技术监测评估云杉小蠹、舞毒蛾等重大病虫害，获得了不错的成绩。中国引进此项技术，用于监测和评估马尾松毛虫虫害等多种森林病虫害[1]。浙江省利用运五飞机、广西应用滑翔机分别进行航空遥感监测松毛虫虫害，通过与GPS连接，获取的航空影像含有坐标、海拔等航行信息，对图像进行拼接、增强等处理，经过信息提取，可以有效识别失叶大于50%的虫害区域[4]。90年代，随着成像光谱遥感技术的发展，其获取的图像光谱多、信息丰富，同时光谱分辨率与空间分辨率更高、信息更详细。我国在“八五”期间设立科技攻关项目，探讨应用TM影像监测马尾松毛虫虫害的技术方法[2]，刘清旺[5]、戴昌达、武红敢[6]等人也开展了TM影像监测松毛虫虫害的应用研究。近年来，随着快速高效、机动灵活的无人机技术与高光谱遥感技术的发展及应用，遥感监测病虫害工作精细化并进入全面发展期。

3 利用遥感技术监测森林病虫害研究进展

3.1 航空遥感

航空监测森林林冠变化，最早开始于利用彩色红外(CIR)航空影像对铁杉尺镬落叶林的观察试验[1,4]。在美国德州，Appel等利用CIR影像确定了橡树枯萎病的中心与死亡率，同时为了提高橡树枯萎病的防治，基于CIR影像对此病的相关病学参数进行分析，取得不错成绩[7-8]。Ulliman、Everitt也用CIR影像开展和加强了橡树枯萎病的研究[9-10]。他们先把橡树分为健康树、病树和死树三种，利用机载数字成像技术在不同高度航测，获取不同分辨率的影像，获取三种类型树的反射光谱并进行分析。比较发现，在红光和绿光波段，死树的反射率最高，健康树最低，而在近红外波段，情况刚好相反。基于此，把橡树病害程度分为3级。Haara等用CIR影像监测芬兰受害云杉林的林冠变化[11]。他们对选取的样地进行树种、位置、失叶情况等地面调查；对研究区的两期CIR影像进行正射校正等处理，对样地内的树进行分段识别和分类，再对整个研究区进行分类，获取研究区云杉林失叶分类结果，并利用Kappa统计参数评价分类结果。结果表明应用CIR影像完全可以判别死的或失叶严重的云杉林灾害区域[4]。

机载彩色近红外(CIR)数字影像也用于果园病虫害的监测。Fletcher等利用机载彩色近红外数字成像技术分析受根腐病侵袭的柑橘林林冠变化，发现在近红外波段，健康树与病树反射率差异显著，病树反射率降低明显；而在绿光和红光波段，两者基本无差异，从而有效检测出染病的柑橘树[12]。

航空遥感监测森林病虫害的数据源还有机载多光谱数据和其它航空影像等。Leckie等基于机载多光谱数据利用主成分分析等图像处理技术监测冷杉林失叶量，进行图像分类制图，其最高精度为70%[13]。Olthof等基于机载多光谱数据，结合土壤、郁闭度等森林生境因子数据建立了1个森林健康指数，用于评价森林健康状况[4,14]。Ryapolov V YA等利用航空影像基于种群密度预测落叶松毛虫的种群动态，但未检验预测准确性[4,15]。

3.2 卫星遥感

Radeloff等利用TM影像，结合虫害种群数据，监测受色卷蛾侵害的松树失叶，并分析松树失叶与林地立地质量、虫害种群等之间的关系[16]。他们选用虫害发生前的1987年、1992年以及虫害爆发的1993年三期TM影像。在野外随机选择33个样地，调查虫害种群数据，在1987年和1993年的影像中找到相匹配的虫害样地，测定影像的反射率，两期影像相减，获得两期影像的反射率的差值，进行差值与虫害的相关性分析，最后进行波谱混合分析。研究发现：失叶林地在近红外波段和中红外波段反射率提高，TM4波段提高了5%，原因是失叶林地中有阔叶树，提高了近红外波段反射率，同时阔叶树也限制了虫害种群发展；近红外波段的反射率与虫害呈负相关，混交阔叶树的松林和纯松林相差10%；虫害爆发期的针叶量与虫害相关性为负，此项技术提高了虫害监测精度。刘文雅基于影像光谱特征，建立松材线虫病最优估测模型[17]；亓兴兰等基于SPOT影像，监测分析马尾松松毛虫害[18-19]；朱程浩等分析了油松毛虫灾害[20]。

3.3 雷达遥感

掌握害虫迁飞、迁移行为及其机制，可以采取有效措施控制虫害的发生与发展。雷达遥感监测可以昼夜进行，不受天气影响；能快速扫视大空间区域内的昆虫，可探测1～2 km地域内50～1 000 mg的昆虫，不影响昆虫正常迁飞行为，是应用较好的监测迁飞性害虫的遥感技术。雷达技术监测的迁飞性害虫主要有午毒蛾、草地蝗、棉铃虫、沙漠蝗等。Sager等应用雷达技术提取分析沙漠蝗的迁飞轨迹，取得不错成绩[2,4]。国内最早于1986年应用雷达技术探测马尾松毛虫踪迹。1987年，薛贤清等基于雷达探测马尾松毛虫，发现在143 m和1 020 m高度，雷达均能探测到毛虫成虫踪迹[21]。1996年，车锡冰等应用雷达技术监测油松毛虫成虫，基于自然种群迁飞规律与其影响因子气象因子进行逐步回归分析[22]。

3.4 高光谱遥感

20世纪80年代，高光谱遥感技术开始用于病虫害监测，通过获得地表空间图像与地物的连续光谱信息，反演其细微特征信息，实现实时、快速、准确识别目标地物[23]。人们利用非成像光谱仪获取高光谱数据，采用光谱曲线模型分析地物反射光谱特征，实现病虫害快速准确检测。Rumpf T等测量受病害甜菜，采用支持向量机法分析获取的数据，精度97%[24]。王震等用野外光谱仪测量受松材线虫侵害的马尾松，研究分析其反射光谱曲线[25]。王晓堂等测量受松萎焉病危害的马尾松，获取其叶绿素等理化指标，采用比值光谱指数DIR确定病害树木的叶绿素阈值，以判断树木是否感染病害并建模[26]。徐华潮等用野外光谱仪测量受松材线虫侵害的黑松，研究不同染病阶段的光谱特征参数[27]。杜华强等测量了3个样地的受松材线虫病危害的马尾松，探讨基于分形理论进行高光谱遥感探测森林病虫害[28]。

1983年，人们基于成像光谱仪获取了第一幅高光谱影像。此后几十年，高光谱成像光谱仪技术迅速发展，光谱分辨率达到纳米级别，人们越来越多利用高光谱成像系统采集高光谱影像监测森林病虫害。王植等利用高光谱影像，分析光谱反射率的差异和结构异常，结合地面调查数据，监测板栗病虫害[29]。柴阿丽等利用光谱成像技术识别黄瓜褐斑病，效果良好[30]。邓小玲等用高光谱图像识别柑橘叶片病害，准确率可达90%[31]。Juan Xing[32]、Gamal ElMasry[33]等利用400～1 000 nm的高光谱成像系统对苹果损伤情况进行检测试验，前者准确率可达84.6%，后者发现损伤时间为1 h的苹果识别率最高。黄文倩等也利用320～1 100 nm的高光谱成像系统进行了阿克苏苹果损伤情况检测，总体识别率98%[34]。赵芸利用400～1 000 nm的高光谱成像系统监测受菌核病污染的油菜叶片，效果良好[35]。Youwen Tian等采集黄瓜受害叶片的高光谱图像监测黄瓜霜霉病，精度可达90%[36]。蔡健荣[37]与E.Bauriegel等[38]基于高光谱成像系统进行了植物病虫害识别试验，前者识别柑橘果锈，识别率最高达90%；后者监测小麦镰刀菌病害，正确率最高达87%。Apan等基于高光谱影像识别甘蔗叶锈病，效果良好[39]。

除了地面高光谱影像，人们也应用高空高光谱影像监测森林病虫害。刘良云等[40]、杨可明等[41]基于多时相机载高光谱影像监测冬小麦条锈病，获取其受害范围和程度，效果良好。曾庆伟[42]、柳萍萍[43]基于星载Hyperion影像精细分类森林，获得不错成绩。

4 结语

世界各国都开展了将遥感技术与计算机技术相结合的探索研究，将其引入到森林病虫害的预测预报、估测防治等应用领域，获得了良好的效果。研究内容主要包括：森林失叶量检测、林冠动态变化分析、森林受害程度/等级确定、受害森林的光谱特征变化研究、森林缺素症研究、森林景观健康的遥感监测、森林生境因子的模拟、森林病虫害的遥感估测模型与预测预警研究等。

遥感监测森林病虫害手段多样，监测病虫害种类多。遥感监测森林病虫害，监测手段主要有航空遥感、航天遥感、雷达遥感与高光谱遥感。辅助数据有野外调查样地资料、林地立地条件、昆虫种群、生境因子等数据。各种地面调查等辅助信息可以提高监测精度，有利于灾情评估。监测的主要森林病虫害有铁杉尺蠖、梨带蓟马、马尾松松毛虫、甲虫等。

卫星遥感因为其大区域、大尺度、多光谱的特性，用于监测森林病虫害有其优势，仍然是监测的主要手段，其主要遥感数据源有TM、SPOT等中低分辨率影像。快鸟(Quick Bird)和依科诺斯(IKONOS)等多光谱高空间分辨率影像，由于价格昂贵应用不多。今后需要加强高空间分辨率影像在森林病虫害监测中的应用研究，以提高病虫害监测精度。高分辨率(光谱、空间、时间)影像数据具有广阔的应用空间，特别是随着林业精准化提升，高光谱数据探测病虫害成为新的研究热点。无人机技术的应用，更提高了病虫害的检测准确率。