张衡，潘洁，廖振峰

(南京林业大学森林资源与环境学院，江苏南京 210037)

森林病虫害是我国主要的森林灾害之一，每年都会对森林资源造成巨大损失，同时给生态环境带来严重的负面影响。就目前所知，中国的森林病虫害共有8000多种，每年造成的经济损失高达50多亿元，给我国的林业生产和生态环境建设带来巨大影响，严重制约着我国林业的可持续发展［1］。因此，人们迫切地需要一种有效的方法来及时监测和预防这些森林病虫害的发生发展。遥感技术的发展与应用成为森林病虫害监测的新的发展方向和研究热点。

传统的监测方法是人们到现场用目测手查的手段观察有无病虫害的发生及其危害程度，既费时又费力，而且获取的信息还具有严重的滞后性，对预报准确率有很大影响［2］。近年来，随着信息技术的迅速发展，遥感作为一种快捷迅速的监测手段被运用到森林病虫害的监测中。利用遥感监测森林病虫害具有面积大、周期短、获取的信息不受干扰等优势，越来越得到人们的广泛关注，具有广阔的发展前

景［3-5］。而高光谱遥感技术的出现进一步拓宽了遥感监测森林病虫害这一新领域，分析利用高光谱遥感技术监测森林病虫害的原理及可行性对实现病虫害的早期防治具有重要意义［6］。

1 高光谱遥感监测森林病虫害的原理

高光谱遥感是高光谱分辨率遥感(Hyperspectral Remote Sensing)的简称，它是指利用很多很窄(通常波段宽度＜10 nm)的电磁波波段从目标物体上获取相关的数据，这些数据可形成一条完整而且连续的光谱曲线［7］。高光谱遥感是本世纪初对地观测方面所取得的重大技术突破之一，是当今遥感的前沿技术。与传统的遥感技术相比，高光谱遥感具有波段窄、通道多、图像与光谱可以合二为一等优点，它是以纳米级的高光谱分辨率和几十到几百个波段同时对地物成像，因此，获得的地物光谱信息连续且精细。高光谱遥感的这种特征非常有利于地物的精细识别和分类，能改善植被类型识别和分类精度，提高植被参数的估测和反演精度［8-11］。

受害森林群落的光谱特征变化是利用遥感来监测森林病虫害的主要依据。森林病虫害的种类很多，其危害树木的部位也各不相同，如叶片、树干或树根等。不管其危害树木的哪一部位，最终都会导致树木的生长受到影响，外观发生变化，如叶片枯黄、掉落或树木枯死等。森林植物绿色叶片内部组织结构的变化、功能的变异和树木形态结构的非正常变化(叶片颜色的变化、叶片与植株变形、叶片物理结构的变化、叶绿素含量的变化及叶片上所产生的残留物等)都可使受病虫害侵染的树木在光谱特征上发生明显的变化。因此，根据通过遥感手段获取的光谱反射率的差异和结构异常，特别是借助于高光谱遥感数据的精细探测方法，并在地理信息系统和专家系统的支持下，能够及时有效地实现森林病虫害的有效监测［12-13］。

2 高光谱遥感监测森林病虫害研究现状

利用高光谱影像和高光谱数据分析技术研究树木受病虫危害后的变化，寻找病虫危害程度与原始光谱、植被指数等变化之间的关系，确定不同树种病虫害监测的敏感波段和敏感时期，是目前高光谱遥感用于森林病虫害监测的研究热点和关键［14-17］。

2.1 利用高光谱数据提取生化参数监测森林病虫害目前，有许多研究是利用光谱仪获取植株的高光谱数据后提取植物的各类生化参数，得到植株的病虫害信息，以此来实施对森林病虫害的监测。伍南等分析了炭疽病胁迫下杉木Cunninghamia lanceolata冠层的高光谱特征，并将冠层光谱、一阶微分光谱参数与相应的色素含量进行回归分析，发现病害胁迫下杉木冠层色素含量与一阶微分光谱在红边(695～754 nm)内相关性最高，且与单波段一阶微分光谱741 nm处的相关系数最大，于是指出可利用高光谱信息定量估算病害胁迫下杉木冠层的色素含量，以此来实现对杉木炭疽病的早期监测预报［18］。李军 等以6年生意大利214杨Populus×canadensis cv．‘I-214’为材料，分别测定了试验和对照区冠层、叶片的高光谱数据及相应的生化参数(叶绿素含量、含水量等)，结果表明，意大利214杨受杨扇舟蛾Clostera anachoreta和杨小舟蛾Micromelalopha troglodyta危害后，冠层和叶片的光谱反射率均变小，冠层和叶片光谱的红边具有“双峰”现象，且相应的生化参数叶绿素含量、含水量等均显著减少［19］。许章华 等以福建省南平市延平区实测的51条不同马尾松毛虫Dendrolimus punctata punctata虫害等级的马尾松Pinus massoniana高光谱数据为基础，分析了健康、轻度虫害、中度虫害、重度虫害等4个虫害等级的光谱反射率及一阶微分光谱特征，并在建立7个检验参数的基础上，构建了虫害等级的检测模型［20］。王晓堂 等采用高光谱技术研究了松萎蔫病的动态变化，发现可以借助高光谱数据分析，定量反演冠层叶绿素含量，判断是否感病，以此实现松萎蔫病的早期监测预警［21］(表1)。

表1 利用高光谱数据提取生化参数监测森林病虫害示例

将植株的高光谱数据和叶绿素含量进行相关性分析，建立二者的数学模型，然后利用获得的高光谱数据反演植株的叶绿素含量，得到植株的病虫害信息，以此实现对病虫害的监测也是目前研究的一大热点。林辉 等以湖南省攸县黄丰桥国有林场杉木成熟林为对象，利用手持式光谱仪采集波谱数据，并对数据和叶绿素含量进行相关性分析，建立了杉木叶绿素含量的高光谱模型:y=0．291x395+20．172x521+0．758(x为某一波段处的光谱反射率)［22］。而刘秀英 等以类似的方法，分析了樟树Cinnamomum camphora叶片光谱与叶绿素含量之间的关系，并建立了樟树叶绿素含量的高光谱模型:y=exp〔1．356+(-361．973)Db〕(Db是蓝边内一阶微分光谱中的最大值，蓝边覆盖490～530 nm)［23］。石韧 等在2005年吉林省敦化、和龙两市落叶松Larix gmelini冠层采样测量数据的基础上，根据不同健康程度的落叶松冠层光谱曲线在可见光及近红外波段的差异，利用反应这些差异的光谱特征参数建立了落叶松冠层光合色素含量的回归模型［24］(表1)。这几项研究为利用高光谱数据定量预测和反演森林光合色素含量提供了方法和依据，而如何将这些研究结果应用到实践中去是下一步研究的主要内容。

以上大量研究表明，高光谱遥感技术可以准确、迅速地提取植物的生化参数，得到植株的病虫害信息，以此来判断植株是否感病，这种监测方法不仅方便、快捷，而且获得的信息具有较好的时效性，因此利用高光谱遥感技术提取生化参数监测森林病虫害具有较高的应用价值和广阔的发展前景。

2.2 利用高光谱遥感影像的图像处理和分析技术进行森林病虫害监测 利用高光谱遥感影像监测森林病虫害也是目前研究的主要内容，这类监测方法主要是先利用高光谱成像技术获得遥感影像，然后处理和分析图像，得到植株的病虫害信息，判断植株的感病情况，以此实现对病虫害的监测。王植 等首次提出利用高光谱遥感技术监测板栗Castanea mollissima病虫害，根据板栗植株染病前后光谱反射率的差异和结构异常在遥感数字图像上的记录，并结合地面调查，可实现板栗病虫害的早期监测，为利用高光谱遥感技术监测板栗病虫害提供了理论依据［25］。胡荣明 等分别从传统基于光谱特征和面向对象特征2个方向对带病斑苹果Malus pumila树叶片的高光谱图像进行病斑提取，并加以分析，发现采用对象分类法可以避免结果图中的椒盐噪声，而且总体精度也达到98%以上，为利用遥感监测植物病虫害提供了技术支持［26］。Aleixos利用高光谱成像技术评估了柑橘类水果品质，并以此开发机器视觉系统［27］。蔡键荣 等探讨了利用高光谱图像技术检测柑橘Citrus reticulata外部品质的可行性，通过主成分分析选出最适宜检测柑橘果锈的高光谱图像，然后进行中值滤波、平方根变换等运算完成特征提取，以此检测柑橘果锈。结果表明此方法对柑橘果锈检测的正确率可达到90%，并指出可用此方法来检测其它水果的品质［28］。Lu，Xing和ElMasry分别用高光谱成像技术检测苹果瘀伤，并得到不同的结果，Lu认为1000～1340 nm是检测苹果瘀伤的最佳波段，而Xing和ElMasry则认为558～760 nm才是最优波段［29-31］。Qin在波长范围450～930 nm之间获取柑桔溃疡病的高光谱图像，并利用1个以光谱信息散度(SID)为基础的分类方法来区分病变与健康的水果，发现其精确度可达96%［32］。Shafri等利用机载高光谱成像技术对油棕榈Elaeis guineensis植物园的灵芝茎基腐病进行检测，分别用不同植被指数和红边技术来区分病变和健康值株，结果发现其分类精度在73%～84%之间，于是指出航空高光谱成像可以用于规模较大的种植园内病害的检测和管理［33］(表2)。由于利用高光谱遥感影像监测森林病虫害是一个较新的领域，而且其成本也相对较高，所以到目前为止关于这方面的研究仍是比较少见，而如何达到费用与成效的“双赢”是下一步研究中有待解决的问题。

表2 利用高光谱遥感影像的图像处理和分析技术监测林木病虫害示例

2.3 利用高光谱数据的统计分析与建模技术进行森林病虫害监测利用高光谱获取的数据量比较庞大，如何充分利用这些高光谱数据进行植被的定量对地观测是目前研究所面临的问题之一，而寻找有效的高光谱分析算法是解决这一问题的关键。

多元统计分析技术是在高光谱数据分析中普遍采用的技术，它以获得的高光谱数据或它的变换形式(如对数、导数变换等)作为自变量，以采集样本的生物物理、化学参数(如叶绿素或其它光合色素含量)为因变量，建立多元回归估计模型。这一分析方法在目前的研究中比较常见，像王晓堂 等为了利用高光谱早期监测马尾松与黑松Pinus thunbergii的松萎蔫病，并对获取的高光谱数据进行处理，将单波段光谱指数以及通过波段组合获取的多种变换参数与叶绿素浓度进行回归分析，筛选出相关系数最大的建立回归模型，以此实现植株叶绿素含量的早期监测并据此判断是否感病［21］。而林辉、刘秀英、石韧 等都是根据这种方法，对测得的高光谱数据进行分析，建立了叶绿素含量的高光谱模型，并在此基础上做进一步的研究［22-24］。而张永贺 等为了建立桉树Eucalyptus spp．叶片光合色素含量的高光谱估算模型，采用了20个常见的高光谱吸收特征变量，然后利用SPSS统计软件计算光合色素含量与这些高光谱特征变量之间的相关系数，以此建立估算模型并进行精度检验［34］。伍南 等通过实地调查，获取杉木炭疽病病情指数以及各级病情梯度的高光谱遥感数据，然后将冠层光谱一阶微分数据与相应的病情指数进行相关性分析，选取相关系数大于0．7的高光谱微分指数来构建反演模型并检验精度，估测杉木的炭疽病病情［35］(表3)。

随着研究的深入，许多理论也被应用到高光谱数据的分析中。杜华强 等为了分析植被的健康状况，在分析光谱特征参数的基础上，提出利用分形理论对反射光谱曲线进行分形测量，用分形维数来定量反映植被健康状况，通过分析发现分形维数与绿峰反射高度、红谷吸收深度以及红边面积存在较好的多元线性关系，指出分形维数可以作为1个综合参数客观反映植被叶片健康状况［36］。同时杜华强等也将分形理论应用在马尾松松材线虫病的早期探测中，结果发现，分形维数绿峰反射高度和红谷吸收深度存在正相关关系，指出利用分形理论实施对马尾松松材线虫病的早期高光谱探测是可行的［37］(表3)。

表3 利用高光谱数据的统计分析与建模技术进行林木病虫害监测示例

3 高光谱遥感在森林病虫害监测中的发展趋势

随着遥感在林业上的广泛应用，利用高光谱遥感监测森林病虫害也越来越引起人们的广泛关注，但由于研究条件和时间的限制，目前关于这方面的研究并不多见，许多问题还需要进行更深入的探讨和研究。今后利用高光谱监测病虫害研究将主要集中在以下几个方面:1)加强利用高光谱遥感监测森林病虫害的基础理论研究，区分不同病虫害所引起的不同树种的光谱特征变化，提高监测的准确性;2)将理论研究应用于生产实践，尝试利用无人飞机获取光谱数据和遥感影像进行病虫害的早期监测;3)加大高光谱遥感在监测森林病虫害中的应用，建立多种森林病虫害的光谱数据库，为利用高光谱遥感监测森林病虫害打下坚实的理论基础;4)建立集监测、预警及决策为一体的森林病虫害高光谱遥感监测系统，实现对森林病虫害的实时监测，做到对病虫害的早期预警及信息发布。

高光谱遥感技术的研究与应用是当前林业遥感领域的前沿，它的高分辨率、高时效性的特点，使得其能够精准的获得植株的病虫害信息。虽然高光谱遥感在监测森林病虫害上已经取得一些进展，但是要走向成熟仍是任重道远，随着研究的进一步深入，将理论研究推广到实际运作中去是今后研究的一个主要发展方向，而如何达到成本与成效的“双赢”仍是有待解决的问题。高光谱遥感在监测森林病虫害上仍需要挖掘不同植株、不同病虫害的光谱信息，完善其在监测方法上与其他行业相结合的管理模式，为林业遥感的发展带来新的活力。

［1］ 高永刚，刘丹，张福娟，等．卫星遥感在森林病虫害监测上的研究进展［J］．中国农学通报，2006，22(2):113-117．

［2］ 云丽丽，栾庆书，金若忠，等．遥感技术在森林病虫害监测上的研究进展［J］．辽宁林业科技，2012(1):40-44．

［3］ 陈兵，李少昆，王克如，等．作物病虫害遥感监测研究进展［J］．棉花学报，2007，19(1):57-63．

［4］ 王蕾，骆有庆，张晓丽，等．遥感技术在森林病虫害监测中的应用研究进展［J］．世界林业研究，2008，21(5):37-43．

［5］ 张田，张晓丽，刘红伟，等．遥感在森林病虫害监测中的应用研究［J］．安徽农业科学，2010，38(21):11604-11607．

［6］ 姚云军，秦其明，张自力，等．高光谱技术在农业遥感中的应用研究进展［J］．农业工程学报，2008，24(7):301-306．

［7］ 陈鹏程，张建华，雷勇辉，等．高光谱遥感监测农作物病虫害研究进展［J］．中国农学通报，2006，22(2):388-391．

［8］ 何诚，冯仲科，袁进军，等．高光谱遥感技术在生物多样性保护中的应用研究进展［J］．光谱学与光谱分析，2012，32(6):1628-1632．

［9］ Vane G，Goetz A F H．Terrestrial imaging spectrometry:current status，future trends［J］．Remote Sens Environ，1993，44:117-126．

［10］ Green RO，Eastwood M L，Sarture CM，et al．Imaging spectroscopy and the airborne visible/infrared imaging spectrometer(AVIRIS)［J］．Remote Sens Environ，1998，65:227-248．

［11］ 唐延林，黄敬峰．农业高光谱遥感研究的现状与发展趋势［J］．遥感技术与应用，2001，16(4):248-251．

［12］ 曾兵兵，张晓丽，路常宽，等．森林病虫害遥感监测研究的现状与展望［J］．中国森林病虫，2008，22(2):24-29．

［13］ 黄麟，张晓丽，石韧．森林病虫害遥感监测技术研究的现状与问题［J］．遥感信息，2006(2):71-75．

［14］ 谭炳香．高光谱遥感森林应用研究探讨［J］．世界林业研究，2003，16(2):33-37．

［15］ 赵春燕，杨志高．高光谱遥感技术及其在森林监测中的应用探讨［J］．林业调查规划，2006，31(1):4-6．

［16］ 张光辉．高光谱遥感技术在现代林业中的应用与发展［J］．四川林勘设计，2007(4):66-69．

［17］ 谭炳香，李增元，陈尔学，等．高光谱遥感森林信息提取研究进展［J］．林业科学研究，2008，21(S1):105-111．

［18］ 伍南，刘君昂，周国英，等．基于高光谱数据的病害胁迫下杉木冠层色素含量估算研究［J］．中国农学通报，2012，28(1):73-79．

［19］ 李军，杨秋珍，黄敬峰，等．杨扇舟蛾和杨小舟蛾危害对意大利214杨高光谱特征的影响［J］．北京林业大学学报，2007，29(6):148-155．

［20］ 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．

［21］ 王晓堂．基于高光谱的松萎蔫病动态变化的研究［D］．2011，南京:南京林业大学．

［22］ 林辉，刘璇，臧卓，等．杉木叶绿素含量高光谱遥感模型研究［J］．中南林业科技大学学报，2010，30(11):1-5．

［23］ 刘秀英，熊建利，林辉．基于高光谱特征参数的樟树叶绿素含量的估算模型研究［J］．广东农业科学，2011(5):1-4．

［24］ 石韧，刘礼，高娜．用高光谱数据反演健康与病害落叶松冠层光合色素含量的模型研究——基于2005年吉林省敦化、和龙两市落叶松冠层采样测量数据［J］．遥感技术与应用，2008，23(3):264-271．

［25］ 王植，曹均，曹庆昌，等．高光谱遥感监测板栗病虫害的可行性初探［J］．中国农学通报，2010，26(13):380-384．

［26］ 胡荣明，魏曼，竞霞，等．基于成像高光谱的苹果树叶片病害区域提取方法研究［J］．西北农林科技大学学报，2012，40(8):94-99．

［27］ Aleixos N，Blasco J，Navarrón F，et al．Multispectral inspection of citrus in real-time using machine vision and digital signal processors［J］．Computers and Electronics in Agriculture 2002，33(2):121-137．

［28］ 蔡健荣，王建黑，黄星奕，等．高光谱图像技术检测柑橘果锈［J］．光电工程，2009，36(6):26-30．

［29］ Lu R，Detection of bruises on apples using near-infrared hyperspectral imaging［J］．Transactions of the ASAE，2003，46(2):523-530．

［30］ Xing J，Bravo C，Jancsók PT，et al．Detecting bruises on‘golden delicious’apples using hyperspectral imaging with multiple wave bands［J］．Biosystems Engineering，2005，90(1):27-36．

［31］ ElMasry G，Wang N，Vigneault C，et al．Early detection of apple bruises on different background colors using hyperspectral imaging［J］．LWT Food Science and Technology，2008，41(2):337-345．

［32］ Qin J，Burks T F，Ritenour M A，et al．Detection of citrus canker using hyperspectral reflectance imaging with spectral information divergence［J］．Journal of Food Engineering，2009，93(2):183-191．

［33］ Shafri H Z M，Hamdan N．Hyperspectral imagery for mapping disease infection in oil palm plantation using vegetation indices and red edge techniques［J］．American Journal of Applied Sciences，2009，6(6):1031-1035．

［34］ 张永贺，陈文惠，郭乔影，等．桉树叶片光合色素含量高光谱估算模型［J］．生态学报，2013，33(3):876-887．

［35］ 伍南，刘君昂，周国英，等．基于高光谱微分指数的杉木炭疽病病情指数反演［J］．林业科学，2012，48(8):94-98．

［36］ 杜华强，金伟，葛宏立，等．用高光谱曲线分形维数分析植被健康状况［J］．光谱学与光谱分析，2009，29(8):2136-2140．

［37］ 杜华强，葛宏立，范文义，等．分形理论在马尾松松材线虫病发病早期高光谱探测中的应用［J］．林业科学，2009，45(6):68-76．