松毛虫危害下的马尾松林冠层光谱特征可辨性分析

许章华， 刘健， 陈崇成， 余坤勇， 黄旭影， 王美雅

(1．福州大学环境与资源学院，福州　350116； 2．福建农林大学3S技术应用研究所，福州　350002；3．福建农林大学林学院，福州　350002； 4．三明学院，三明　365000； 5．福州大学地理空间

松毛虫危害下的马尾松林冠层光谱特征可辨性分析

许章华1， 刘健2,3,4， 陈崇成5， 余坤勇2,3， 黄旭影1， 王美雅1

(1．福州大学环境与资源学院，福州350116； 2．福建农林大学3S技术应用研究所，福州350002；3．福建农林大学林学院，福州350002； 4．三明学院，三明365000； 5．福州大学地理空间

信息技术国家地方联合工程研究中心，福州350002)

摘要：深入挖掘寄主光谱响应机制是推进马尾松毛虫害遥感快速监测与预警的必要基础。将采集于福建省长汀县、南平市建阳区的46条马尾松林冠层光谱曲线数据设为规则组，利用单因素方差分析法实现不同危害等级可辨性波长的选择。研究表明，不同危害等级下的马尾松林冠层光谱数据呈现极显著差异(P<0.01)，其中，中度—重度危害的马尾松林冠层光谱可辨性在516.51～598.99 nm和700.68～706.18 nm位置上有显著差异(P<0.05)，在708.92～810.62 nm位置上有极显著差异(P<0.01)。为此，以519.20 nm，540.72 nm，758.40 nm和785.88 nm波段处光谱反射率为组合，以健康状态下的马尾松林冠层光谱数据为标准样本，基于空间距离法、相关系数法及光谱角制图法分别建立松毛虫危害等级的定量化判定规则，并利用将乐县、南平市延平区、华安县的34条验证组光谱曲线数据对此规则进行验证。结果显示，空间距离法的判定效果远优于相关系数法与光谱角制图法； 无松毛虫危害、轻度危害、中度危害以及重度危害的空间距离判定规则依次为： <0.355 3，[0.355 3，0.742 5)，[0.742 5，0.963 1)及≥0.963 1，判定精度为88.24%，准确率达97.06%。

关键词：马尾松毛虫害； 光谱特征可辨性； 单因素方差分析； 空间距离法； 相关系数法； 光谱角制图法

0引言

森林虫害是森林健康与生态安全的重要威胁。不同虫害对森林的危害部位亦不相同，都会影响林木生长，使林木冠层与林相发生变化[1-3]，具体可表现为叶色变化、叶片物理结构变化、叶与植株变形、叶片上产生的残留物及叶绿素含量变化等，使受害林木在光谱、纹理等特征上发生明显变化[4-5]； 而这也成为虫害遥感监测的重要依据。Ahern 等[6]通过对遥感影像光谱特征的大量分析，获取了病虫危害下的森林面积及危害程度等信息； Bowers[7]基于高分辨率遥感影像，借助光谱分析与空间分析方法对香液冷杉林冠变化进行监测； 武红敢等[8]利用TM与SPOT数据对马尾松毛虫害遥感监测进行了初步探讨，得到TM5/TM4和TM7/TM4(即短波红外/近红外)是监测森林病虫害有效参数的重要成果； 云丽丽等[9]计算了7种植被指数和TM4在松毛虫害发生后油松的光谱值，得出TM4，TM4/TM3，(TM 4- TM 3)/(TM 4+ TM 3)是监测松毛虫害的特征指数； Latifi 等[10]利用多时相Landsat与SPOT数据，研究了欧洲云杉八齿小蠹的空间特征，建立了随机森林模型。马尾松毛虫(Dendrolimus punctatus Walker)为食叶性害虫，通过危害松针，使松林冠层特征发生变化，如松针呈被啃食状、叶片枯黄、枝干干枯等，从而使马尾松林冠层产生光谱反射率差异和纹理结构异常等现象。20世纪90年代，吴继友等[11-12]开展了松毛虫危害的光谱特征研究，分析了山东省招远市不同危害等级下的原始光谱与一阶微分光谱的变化规律，主要表现为光谱红边蓝移及叶绿素反射峰红移等现象。近年，笔者曾以福建省南平市延平区实测的51条马尾松林冠层的高光谱数据为基础，对无危害、轻度危害、中度危害和重度危害等4个松毛虫危害等级的光谱反射率及一阶微分光谱特征进行分析，亦得到“绿峰”红移、红边位置蓝移等类似规律，但在部分波长范围其变化较为复杂[13]。此外，前期研究发现了松毛虫不同危害等级下松林冠层的若干显著性差异波长，但定量化描述仍有不足。基于此，本文进一步探索松毛虫危害下的马尾松林冠层光谱特征的可辨性，为继续推进松毛虫害遥感监测技术的提升与突破打好基础。

1实验区概况

选择福建省长汀县、南平市建阳区与延平区、将乐县、华安县为实验区。各县(区)在自然禀赋上相似度较高，森林资源十分丰富，森林覆盖率均在75%左右，将乐县更是接近85%，居全省之首。人工林占绝对优势，纯林比重大，抵御病虫害等生态风险的能力不足，故长期以来森防检疫都是这些林区(县)的重要工作之一。

2研究方法

2.1松林冠层光谱测定

松林冠层光谱测定采用合肥仪思特光电技术有限公司生产的ISI921VF-256野外地物光谱辐射计，波长范围为可见光-近红外的380～1 050 nm，波段数为256个，光谱分辨率为4 nm，视场角3°； 选择晴朗少云天气，测量平均精度设为3，每转换1个测位均对照白板予以校正。在光谱测定过程中，需要借助地形差及竹竿测得松林冠层光谱，部分条件不足区域通过采集离体样本现场测量，由此测得松林冠层光谱数据。将松毛虫危害等级划分为无危害、轻度危害、中度危害及重度危害4个等级(图1)，其判定过程详见文献[13]。

(a) 无危害 (b) 轻度危害 (c) 中度危害 (d) 重度危害

图1不同危害等级下的松林照片

Fig.1Pine forests photos of different pest levels

筛选得到80条光谱曲线数据用于本文研究，其中长汀县、南平市建阳区共46条，将乐县、南平市延平区、华安县共34条。前者用于可辨性波长的分析与定量化判定规则的建立，设为“规则组”； 后者则用于对判定规则的检验，设为“验证组”。各实验区测点分布见图2，光谱测定时间见表1。

图2　马尾松林冠层光谱测点分布

组别试验区调查时间光谱曲线数规则组长汀县2012.4.23—4.24南平市建阳区2012.4.26无危害5条、轻度危害10条、中度危害10条、重度危害21条验证组将乐县2012.2.26—3.01南平市延平区2012.3.09—3.10华安县2012.3.19—3.21无危害5条、轻度危害7条、中度危害7条、重度危害15条

2.2不同危害等级冠层光谱可辨性波长选择

采用单因素方差分析(One-way ANOVA)比较无危害、轻度危害、中度危害和重度危害等4个危害等级下马尾松林冠层光谱在各个波长处是否存在显著性差异。若P<0.01，表明在该波长位置上不同危害等级有极显著差异； 若P<0.05，表明有显著差异； 若P>0.05，表明无显著差异。单因素方差分析在SPSS 17.0平台上实现。结合分析结果及应用要求，实现不同危害等级可辨性波长的有效选择。

2.3不同危害等级定量化判定规则建立

采用空间距离法、相关系数法和光谱角制图法对4个危害等级的光谱可辨性进行进一步分析，建立松毛虫不同危害等级定量化判定规则。

1)空间距离法。该方法是常用的相似性度量方法，基于向量空间模型构建，即如果特征向量的特征个数为N，则将向量视为N维向量空间的一个点，通过计算向量之间的距离衡量二者的相似程度。理想的相似性度量方法应与人类视觉特性一致，如果视觉上相似，则距离较小，反之，距离较大。空间距离的计算公式为

(1)

式中：D为2个样本的空间距离；Xi、Xj为第i和j个样本；n为样本数。

2)相关系数法。说明2个对象之间相关关系密切程度的统计分析指标，值的范围为(-1，1)。相关系数的计算公式为

(2)

3)光谱角制图法(spectral angle mapping，SAM)。该方法是一种光谱匹配技术，通过计算测试光谱与参考光谱之间的“角度”来确定相似性。参考光谱曲线可从地物标准光谱数据库中获取，也可从待分类图像上获取。其实现公式为

(3)

式中：n为波段数；xi和yi分别表示2个光谱向量在第i波段上的响应值；α为光谱角，其变化范围是[0，π/2]。光谱角图像像元值也可采用cosα表示，其变化范围是[0，1]，本文采用该表示法。

利用各样本与不同危害等级下松林冠层光谱的空间距离、相关系数及光谱角余弦值可一一获得样本的归属，由此判定样本的危害等级。考虑到定量化判定规则的简明性、可应用性，本文以未受松毛虫危害的健康松林为标准，计算其平均值建立“标准样本”，分别计算无危害、轻度危害、中度危害、重度危害与“标准样本”的空间距离、相关系数及光谱角余弦值，由此建立不同危害等级的定量化判定规则。

3结果与分析

3.1松毛虫危害下马尾松林冠层波长可辨性分析

分别将规则组5条无危害、10条轻度危害、10条中度危害及21条重度危害的光谱数据进行均值计算。由于本文主要研究可见光及红边区域的光谱特征，同时考虑到与常用多光谱遥感影像蓝光、绿光、红光和近红外等标准谱段的对应性，故只保留了810 nm以内的数据。由此，绘制不同受害等级下的马尾松林冠层反射率曲线(图3)。

图3　松毛虫不同危害等级下的马尾松林冠层光谱反射率曲线

松毛虫不同危害等级下的松林冠层光谱单因素方差分析结果见表2。

表2　松毛虫不同危害等级下的松林冠层光谱单因素方差分析

① 注： *表示P<0.05，有显著差异； **表示P<0.01，有极显著差异。

分析表2发现，松毛虫不同危害等级间的马尾松林冠层光谱数据差异显著； 无—轻度危害、无—中度危害、无—重度危害、轻度—中度危害、轻度—重度危害、中度—重度危害两两比较显示，除中度—重度危害外，各危害等级间的松林冠层反射率均有极显著差异(P<0.01)，而中度—重度危害在516.51～598.99 nm和700.68～706.18 nm位置上有显著差异(P<0.05)，在708.92～810.62 nm位置上呈极显著差异(P<0.01)，在其他波长范围则无显著差异(P>0.05)。

开展松毛虫危害下的马尾松林冠层光谱特征可辨性研究旨在进一步挖掘松毛虫危害的光谱响应机制，并为实现该虫害的遥感快速、精确监测与预警打好基础。因此，在对地面实测光谱数据进行分析的同时需要考虑与遥感影像紧密联合。ISI921VF-256野外地物光谱辐射计测得的光谱数据含256个波段，对应于Landsat TM/ETM+，ALOS AVNIR-2及HJ-1 CCD等国内外多光谱影像数据的蓝光、绿光、红光及近红外波段。诸多研究亦表明[14-17]，由上述波段计算或反演而得的多个植被指数、叶面积指数等对松毛虫害的响应较为敏感，故综合考虑单因素方差分析结果及研究成果应用的便捷性，分别在蓝光、绿光、红光和近红外波段上选择差异最为显著的波长，以此作为松毛虫危害下马尾松林冠层可辨性波长。在虫害遥感的相关研究中，有一被称为“红边”的特殊波长，通常指绿色植物在680～780 nm的波长范围，它是植物光谱分析的重要特征[18-19]，本文分析结果亦发现，该区域范围内各虫害等级下的松林冠层光谱差异普遍显著。分别选择519.20 nm，540.72 nm，758.40 nm和785.88 nm波段来建立松毛虫危害等级定量化判定规则。

3.2松毛虫危害等级的定量化判定

3.2.1基于空间距离法判定规则的建立

以所选4个可辨性波长为组合，分别计算46组规则组样本与标准样本的空间距离，并利用求平均、标准差等方法确定无危害、轻度危害、中度危害、重度危害与标准样本的空间距离判定规则(表3)，确保规则组样本自检精度最高。

表3　基于空间距离法的松毛虫危害等级判定规则

表3显示，重度危害与标准样本的空间距离≥0.963 1，表明重度危害下与健康状态的松林冠层光谱特征相异性最大； 其次为中度危害，其与标准样本的空间距离为[0.742 5，0.963 1)； 再次为轻度危害，与标准样本的空间距离为[0.355 3，0.742 5)； 无危害与标准样本的空间距离<0.355 3，即两者的松林冠层光谱特征相异性最小。也就是说，随着松毛虫危害等级的上升，松林冠层光谱特征与健康状态的相异性逐渐增大。

3.2.2基于相关系数法判定规则的建立

参照3.2.1节规则的建立方法，得到基于相关系数法的松毛虫危害等级判定规则(表4)。

表4　基于相关系数法的松毛虫危害等级判定规则

由表4可知，中度危害与标准样本的相关系数最大，无危害次之，再次为重度危害，轻度危害最小。与空间距离法显示的规律不同，相关系数并不随着松毛虫危害等级的上升而同向增大或反向减小。中度危害下的松林冠层光谱与健康松林的相关性最大，说明二者反射率间更接近于比例变换； 轻度危害下的松林冠层光谱与标准样本的相关性最小，表明松林初受松毛虫危害后，其冠层特征发生相对剧烈的变化，不同波长上的反射率和吸收率紊乱。总体上看，不同危害等级下的松林冠层光谱特征相关性均较大，表明受松毛虫危害下的松林冠层仍保留植被的基本光谱特征，比如在550 nm附近位置，受危害的松林冠层反射率仍较两侧高，“绿峰”仍然存在，呈现被“拉平”的特征并渐趋消失[13]； 此外，高相关性亦为判定规则的建立增加了难度。

3.2.3基于光谱角制图法判定规则的建立

同理，建立基于光谱角制图法的松毛虫危害等级判定规则(表5)。

表5　基于光谱角制图法的松毛虫危害等级判定规则

从表5中可以看出，光谱角余弦判定规则及其规律与基于相关系数法所得到的结果类似，中度危害与标准样本的光谱角余弦值最大，即二者光谱夹角最小，光谱曲线的相似性最高； 无危害次之，再次为重度危害，轻度危害最小，表明轻度危害下的松林冠层光谱与健康松林冠层光谱夹角最大，两者相似性最低。

3.2.4定量化判定规则的验证与比较

利用验证组中的34组样本，分别根据空间距离判定规则、相关系数判定规则及光谱角余弦判定规则实现样本松毛虫危害等级的判定，计算并比较3种定量化判定规则下的判定精度与准确率(表6)。

表6　3种定量化判定规则的验证与比较

判定精度为判定正确的样本数与总样本数的比值。准确率的计算方法为： 若判定的危害等级与实际等级完全一致，计1； 无危害与有危害之间互相混淆，计0； 在轻度危害、中度危害与重度危害3个有危害等级间，若相差1级为基本符合，计75%； 若相差2级，计50%[20]； 以其平均值作为松毛虫危害等级判定的准确率。

由表6可看出，基于空间距离法的判定精度最高，达88.24%； 基于相关系数法的判定精度次之，为58.82%； 基于光谱角制图法的判定精度最低，为55.88%。3种判别规则的判定精度顺序为： 空间距离判定规则>相关系数判定规则>光谱角余弦判定规则。比较准确率可知，3种定量化判定规则的准确率依次为97.06%，76.47%和79.41%，准确率顺序为： 空间距离判定规则>光谱角余弦判定规则>相关系数判定规则。由此可见，空间距离判定规则对松毛虫不同危害等级下的马尾松林冠层光谱的判定效果最佳，相关系数与光谱角余弦的判定效果差异不大，但从判定精度和准确率方面都远劣于空间距离法。

4结论

马尾松林冠层光谱是松毛虫危害的重要响应特征，深入挖掘其响应机制是推进该虫害遥感快速监测与准确预警的基础。不同危害等级下的马尾松林冠层光谱数据呈现极显著差异(P<0.01)，中度—重度危害的光谱可辨性相对较低，仅在516.51～598.99 nm，700.68～706.18 nm位置上有显著差异(P<0.05)，在708.92～810.62 nm位置上有极显著差异(P<0.01)，其他波长范围则无显著差异(P>0.05)。以519.20 nm，540.72 nm，758.40 nm和785.88 nm位置上的反射率数据为基础，分别基于空间距离法、相关系数法及光谱角制图法建立松毛虫危害等级的定量化判定规则，空间距离判定规则的判定效果最佳，判定精度为88.24%，准确率达97.06%。

本研究的不足之处在于仅考虑了单个波段的光谱特征，因此未来可更深入地开展光谱组合特征的可辨性问题研究。

参考文献(References)：

[1]陈高,代力民,姬兰柱,等.森林生态系统健康评估Ⅰ.模式、计算方法和指标体系[J].应用生态学报,2004,15(10):1743-1749.

Chen G,Dai L M,Ji L Z,et al.Assessing forest ecosystem health I. Model,method and index system[J].Chinese Journal of Applied Ecology,2004,15(10):1743-1749.

[2]Abdel-Rahman E M,Mutanga O,Adam E,et al.Detecting Sirex noctilio grey-attacked and lightning-struck pine trees using airborne hyperspectral data,random forest and support vector machines classifiers[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,88:48-59.

[3]Dodds K J,Orwig D A.An invasive urban forest pest invades natural environments-Asian longhorned beetle in northeastern US Hardwood forests[J].Canadian Journal of Forest Research,2011,41(9):1729-1742.

[4]郭志华,肖文发,蒋有绪.遥感在林冠动态监测研究中的应用[J].植物生态学报,2003,27(6):851-858.

Guo Z H,Xiao W F,Jiang Y X.Applications of remote sensing to monitoring forest canopy dynamics[J].Acta Phytoecologica Sinica,2003,27(6):851-858.

[5]亓兴兰,刘健,胡宗庆,等.基于纹理特征的SPOT-5影像马尾松毛虫害信息提取[J].西南林业大学学报,2012,32(1):46-50,111.

Qi X L,Liu J,Hu Z Q,et al.SPOT-5 image texture analysis based Dendrolimus punctatus damage information collection[J].Journal of Southwest Forestry College,2012,32(1):46-50,111.

[6]Ahern F J,Erdle T,Maclean D A,et al.A quantitative relationship between forest growth rates and thematic mapper reflectance measurements[J].International Journal of Remote Sensing,1991,12(3):387-400.

[7]Bowers W.Forest structural damage assessment using image semi variance[J].Canadian Journal of Remote Sensing,199420:28-36.

[8]武红敢,黄建文,乔彦友,等.松毛虫早期灾害点遥感监测研究初报[J].林业科学,1995,31(4):379-384.

Wu H G,Huang J W,Qiao Y Y,et al.A preliminary study of remote sensing detection of damage by pine caterpillar[J].Scientia Silvae Sinicae,1995,31(4):379-384.

[9]云丽丽,栾庆书,金若忠,等.辽西地区油松毛虫遥感监测的研究[J].防护林科技,2010(2):14-17.

Yun L L,Luan Q S,Jin R Z,et al.Monitoring technique for Dendrolimus tabulaeformis Tsai et Liu by TM imagery in western Liaoning[J].Protection Forest Science and Technology,2010(2):14-17.

[10]Latifi H,Schumann B,Kautz M,et al.Spatial characterization of bark beetle infestations by a multidate synergy of SPOT and Landsat imagery[J].Environmental Monitoring and Assessment,2014,186(1):441-456.

[11]倪健,吴继友,蒋本和.赤松林受虫害后生物学及光谱学特征的变化[J].植物生态学报,1994,18(4):322-327.

Ni J,Wu J Y,Jiang B H.Changes of the biological and spectral characteristics of the pine caterpillar-damaged red pine forest in the spring[J].Acta Phytoecologica Sinica,1994,18(4):322-327.

[12]吴继友,倪健.松毛虫危害的光谱特征与虫害早期探测模式[J].环境遥感,1995,10(4):250-258.

Wu J Y,Ni J.Spectral characteristics of the pine leaves damaged by pine moth and a model for detecting the damage early[J].Remote Sensing of Environment China,1995,10(4):250-258.

[13]许章华,刘健,余坤勇,等.松毛虫危害马尾松光谱特征分析与等级检测[J].光谱学与光谱分析,2013,33(2):428-433.

Xu Z H,Liu J,Yu K Y,et al.Spectral features analysis of Pinus massoniana with pest of Dendrolimus punctatus Walker and levels detection[J].Spectroscopy and Spectral Analysis,2013,33(2):428-433.

[14]杨俊泉,陈尚文,沈建中,等.马尾松毛虫危害区植被指数时序变化特征研究[J].国土资源遥感,1997,9(4):7-13.doi:10.6046/gtzyyg.1997.04.02.

Yang J Q,Chen S W,Shen J Z,et al.Study for the character of NFVI time-series variation of pine caterpillar moth injury region by NOAA satellite image[J].Remote Sensing for Land and Resources,1997,9(4):7-13.doi:10.6046/gtzyyg.1997.04.02.

[15]许章华,刘健,龚从宏,等.马尾松毛虫寄主有效叶面积指数遥感反演模型研究[J].中南林业科技大学学报,2012,32(10):72-78.

Xu Z H,Liu J,Gong C H,et al.Effective leaf area index retrieving models for host of Dendrolimus punctatus Walker[J].Journal of Central South University of Forestry and Technology,2012,32(10):72-78.

[16]刘志明,晏明,张旭东,等.用气象卫星监测大范围森林虫害方法研究[J].自然灾害学报,2002,11(3):109-114.

Liu Z M,Yan M,Zhang X D,et al.Methodical study on monitoring wide-range forest insect pest by meteorsat[J].Journal of Natural Disasters,2002,11(3):109-114.

[17]亓兴兰,刘健,陈国荣,等.应用MODIS遥感数据监测马尾松毛虫害研究[J].西南林学院学报,2010,30(1):42-46.

Qi X L,Liu J,Chen G R,et al.Studies on monitoring of Dendrolimus punctatus damage with MODIS data[J].Journal of Southwest Forestry University,2010,30(1):42-46.

[18]Pu R L,Gong P,Biging G S,et al.Extraction of red edge optical parameters from Hyperion data for estimation of forest leaf area index[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(4):916-921.

[19]Cho M A,Debba P,Mutanga O,et al.Potential utility of the spectral red-edge region of SumbandilaSat imagery for assessing indigenous forest structure and health[J].International Journal of Applied Earth Observation and Geoinformation,2012,16:85-93.

(责任编辑： 陈理)

Canopy spectral characteristics distinguishability analysis of Pinus massoniana forests with Dendrolimus punctatus Walker damage

XU Zhanghua1, LIU Jian2,3,4, CHEN Chongcheng5, YU Kunyong2,3, HUANG Xuying1, Wang Meiya1

(1.CollegeofEnvironmentandResources,FuzhouUniversity,Fuzhou350116,China； 2.InstituteofGeomaticsApplication,FujianAgricultureandForestryUniversity,Fuzhou350002,China； 3.CollegeofForestry,FujianAgricultureandForestryUniversity,Fuzhou350002,China； 4.SanmingUniversity,Sanming365000,China； 5.NationalEngineeringResearchCentreofGeospatialInformationTechnology,FuzhouUniversity,Fuzhou350002,China)

Abstract:The deep mining of host spectral response mechanism is the necessary foundation for Dendrolimus punctatus Walker damage remote sensing fast monitoring and early warning. 46 canopy spectral curve data of Pinus massoniana forests collected in Changting County of Jianyang District were set as the rule group, and the one-way ANOVA was used to realize the distinguished wavelengths selection with different pest levels, and the results showed that there were highly significant differences of pine forests canopy spectral data with different pest levels (P<0.01), in which there were significant differences at 516.51～598.99 nm and 700.68～706.18 nm of spectral distinguishability between moderate damage and severe damage (P<0.05), and highly significant differences at 708.92～810.62 nm (P<0.01). Thus, based on the combination of spectral reflectance of 519.2 nm, 540.72 nm, 758.4 nm, 785.88 nm and taking the healthy pine forests canopy spectral data as the standard sample, the authors constructed the quantitative determination rules of pest levels of Dendrolimus punctatus Walker, relying on the methods of spatial distance, correlation coefficient and spectral angle mapping respectively. The rules were verified with the test group of 34 spectral curve data collected in Jiangle County, Yanping District of Nanping City, and Huaan County, and the results showed that the determination effect of spatial distance method was by far better than that of the correlation coefficient method and spectral angle mapping method. The spatial distance determination rules of non-damage, mild damage, moderate damage and severe Dendrolimus punctatus Walker damages were as follows: <0.355 3,[0.355 3,0.742 5),[0.742 5,0.963 1) and ≥0.9631, with the determination accuracy being 88.24% and the accurate rate being 97.06%.

Keywords:Dendrolimus punctatus Walker damage; spectral characteristics distinguishability; one-way ANOVA; spatial distance method; correlation coefficient method; spectral angle mapping method

doi:10.6046/gtzyyg.2016.02.07

收稿日期：2014-12-31；

修订日期：2015-03-11

基金项目：国家自然科学基金青年科学基金项目(编号： 41501361)、福建省资源环境监测与可持续经营利用重点实验室开放基金项目(编号： ZD1403)和福州大学人才基金项目(编号： XRC-1345)共同资助。

中图法分类号：TP 79; P 237

文献标志码：A

文章编号：1001-070X(2016)02-0041-07

第一作者简介：许章华(1985-),男,博士,讲师,研究方向为资源环境遥感、城乡规划与GIS应用。Email： fafuxzh@163.com。

通信作者：刘健(1963-),男,博士,教授,博士生导师,研究方向为森林经营管理与3S技术应用。Email： fjliujian@126.com。

引用格式： 许章华,刘健,陈崇成,等.松毛虫危害下的马尾松林冠层光谱特征可辨性分析[J].国土资源遥感,2016,28(2):41-47.(Xu Z H,Liu J,Chen C C,et al.Canopy spectral characteristics distinguishability analysis of Pinus massoniana forests with Dendrolimus punctatus Walker damage[J].Remote Sensing for Land and Resources,2016,28(2):41-47.)