孟繼森 劉寶生 祖國浩

摘 ? 要：利用大地衛(wèi)星資料以影像分類方法，偵測楊樹毛蟲害發(fā)生的位置，估測其不同受害程度的發(fā)生面積，并比較各時期影像產(chǎn)生的分類結(jié)果，推測楊樹毛蟲害大規(guī)模發(fā)生周期，并以變遷偵測方法，觀察楊樹毛蟲害災(zāi)區(qū)發(fā)生前后變化的情形。在影像分類上，將比較不同資料維度對于“光譜角分類”結(jié)果的影響，以及應(yīng)用“判定樹法”利用各種由衛(wèi)星影像衍生出的資料來進(jìn)行病蟲害的偵測。

關(guān)鍵詞：楊樹;毛蟲;災(zāi)害;偵測

1 ? 影像輻射糾正

1.1 ? 影像相對輻射糾正處理

應(yīng)用Idrisi32的大氣校正模式ATMOSC的全校正模式（fullcorrection model）來進(jìn)行，輸入各影像拍攝的GMT時間，各波段波長、影像光學(xué)厚度、gain、offset及太陽高度等參數(shù)來執(zhí)行各影像的大氣糾正工作。接著以ERDAS IMAGINE軟件中所包含的直方圖匹配模組，將各期影像各波段的直方圖與標(biāo)準(zhǔn)影像進(jìn)行匹配、同態(tài)化的處理。

1.2 ? 相對輻射糾正效果評估——均方根誤差

均方根誤差（root-mean-square error，RMSE）可對于相對輻射糾正的效果上作較客觀的量化比較，量測糾正后影像與參考影像在統(tǒng)計上的一致性。當(dāng)糾正后影像與參考影像在同一波段的各像元亮度值差異小時，表示糾正后影像接近于參考影像，本研究將同態(tài)化前后的影像以全影像進(jìn)行計算，其公式如下：

其中，i為衛(wèi)星影像的第i波段;

j為衛(wèi)星影像中第j個像元;

DNij為糾正前后從屬影像的亮度值;

DN′if為參考影像的亮度值;

N為全影像的像元數(shù)。

2 ? 噪聲移除處理

2.1 ? 影像質(zhì)量的評估方法——訊雜比

影像質(zhì)量的好壞，取決于所包含訊息的多寡，當(dāng)衛(wèi)星影像中所包含的噪聲越少，該影像的質(zhì)量就越佳，而訊雜比（SNR）是一種普遍用來評估影像質(zhì)量的方法，它是利用一奇數(shù)邊的移動窗口，計算移動窗口內(nèi)的平均值（local mean， LM）與標(biāo)準(zhǔn)偏差的比值來計算各像元的訊雜比，再將影像中所有的像元的訊雜比平均，得到全影像的訊雜比[1]。

2.2 ? 最小噪聲比率轉(zhuǎn)換處理

在高光譜影像中，噪聲的存在非常普遍，因為噪聲會造成材質(zhì)分辨與計算材質(zhì)豐富度的干擾，故為了獲取優(yōu)良的光譜訊號，必須將雜訊去除。故Green等人在1988年發(fā)展出最大雜訊比率轉(zhuǎn)換，此轉(zhuǎn)換以主軸轉(zhuǎn)換的概念，利用“噪聲與訊號的比值（noise to signal ratio）”取代PCT用來選擇主軸的最大變異數(shù)，以噪聲的含量來排列主軸影像，影像質(zhì)量依照其主軸順序的增加而提升。而“最小”噪聲比率轉(zhuǎn)換（ MNF）則根據(jù)“最大”噪聲比率轉(zhuǎn)換的概念，但依據(jù)訊雜比（SNR）的大小來排列主軸，產(chǎn)生的影像質(zhì)量MNF第一主軸最高，第二主軸其次主軸，并依序遞減。

3 ? 植生指標(biāo)

健康的綠色植生冠層在電磁波譜可見光及近紅外光區(qū)域有明顯的不同，在可見光范圍，主要因為光合作用的原因，植物色素（特別是葉綠素）有強(qiáng)烈能量吸收的現(xiàn)象，主要的吸收高峰是在藍(lán)光及紅光區(qū)域，這使得大多的葉子呈現(xiàn)出綠色的特征。楊樹毛蟲害發(fā)生后，因為楊樹毛蟲啃食造成楊樹樹葉數(shù)量減少，當(dāng)楊樹毛蟲害發(fā)生愈嚴(yán)重時，楊樹的樹葉數(shù)量就愈少，而此現(xiàn)象表現(xiàn)于植生指標(biāo)上的，即為健康植生指標(biāo)值高，蟲害區(qū)域指標(biāo)值可能依照受害程度減少，故利用植生指標(biāo)來協(xié)助探測蟲害的發(fā)生，所應(yīng)用的植生指標(biāo)如下。

3.1 ? 歸整差植生指標(biāo)

NDVI是將紅外光與紅光段反射值的差予以歸整化轉(zhuǎn)換，以其差值與歸整化轉(zhuǎn)換，即以其差值占紅外光與紅光反射值的總量的比值來表示植生量[2]。NDVI指標(biāo)值越大，表示植生量越多，反之則否。這種指標(biāo)可免去波段比指標(biāo)受時間和空間差異的影響，可供相對量的比較。NDVI上有些許缺點，其比例關(guān)系的指針為非線性關(guān)系，同時可能受到大氣路徑輻射的噪聲影響，再者NDVI在植生覆蓋度低的區(qū)域，容易因土壤背景的影響而發(fā)生明顯的錯誤。

3.2 ? 土壤校正植生指標(biāo)

SAVI此植生指標(biāo)在容易受到土壤輻射反射影響的環(huán)境，能作出極為準(zhǔn)確的估測，然而，在具有高植生密度的區(qū)域SAVI產(chǎn)生了與NDVI相反的錯誤[3]。在反射率空間中，發(fā)現(xiàn)L值為0.5時，能降低土壤背景亮度變異及排除額外不同的土壤修正工作。

3.3 ? 增加植生指標(biāo)

EVI為加上土壤修正因子L及兩個變數(shù)C1與C2修改后的NDVI，利用藍(lán)光段來校正紅光段中的大氣氣溶膠散射的情況，C1、C2與L此3個變數(shù)，在經(jīng)驗上分別給予6.0、7.5與1.0，G為增益系數(shù)，設(shè)為2.5，此植生指標(biāo)能夠增加高生物量區(qū)域的敏感性，且因能使冠層背景訊號去除并減少大氣影響而增加植生監(jiān)測能力。

4 ? 結(jié)果

研究使用多時期影像進(jìn)行蟲害變遷的偵測，但各時期影像拍攝當(dāng)時的太陽高度角、大氣狀態(tài)、季節(jié)與土壤含水率等外在環(huán)境因子并不一致，會導(dǎo)致植生除了本身生理狀態(tài)、數(shù)量的變化之外，還會受到外在環(huán)境因子的影響，導(dǎo)致推估精度下降。若要以其中一、兩期影像作為標(biāo)準(zhǔn)來推估其他時期影像，必須將各影像的輻射特性同態(tài)化，方可降低因為不同大氣質(zhì)量與季節(jié)所造成的偽變遷，可以發(fā)現(xiàn)原始影像各年份皆有不同的影像質(zhì)量。

參考文獻(xiàn)：

[ 1 ] 羅夕谷.如何利用MODIS遙感數(shù)據(jù)對松毛蟲災(zāi)害區(qū)域進(jìn)行檢測[J].現(xiàn)代園藝，2010（20）：157.

[ 2 ] 周祥.膠林寒害與橡膠小蠹蟲發(fā)生為害的關(guān)系淺析[J].植物保護(hù)，2011，37（3）：67，71.

[ 3 ] 哈米提.野蘋果林重要蟲害“蘋果巢蛾”的防治技術(shù)[J].北方果樹，2010（2）：27，28.

（收稿日期：2019-11-02）