0 引言
森林病虫害是威胁森林健康的重要因素。近年来,国内外森林病虫害呈增长趋势,严重程度也在不断增加,合理有效开展病虫害监测对森林保护具有重要意义。森林病虫害发生面积大,传统的实地调查耗费人力物力,监测难度大。随着科学技术的发展,遥感作为新兴的监测手段被广泛应用,可以在大尺度范围快速高效地获取森林病虫害信息[1]。光学遥感依据植被的光谱特征进行监测[2],特别是随着高光谱技术的发展更能实现对森林病虫害的有效监测[3,4]。但光学遥感存在“异物同谱”问题,且易受云雨天气影响而造成数据的缺失,在多云雨地区的应用受到限制[5]。合成孔径雷达(synthetic aperture Radar,SAR)具有全天时、全天候获取数据的特点,同时可提取后向散射、干涉和极化等信息[6],可为森林病虫害信息提取提供更有利的数据支持。
云南松是云南地区的主要树种,近年来受切梢小蠹危害严重。切梢小蠹是既蛀干又蛀梢的害虫,有全年危害、生活隐蔽、繁殖快速的习性,易对当地树种造成区域性危害,给林业发展带来巨大损失。森林病虫害的大面积爆发以及云南地区多云雨的气候条件限制了传统的监测方法和光学遥感的应用。SAR数据的后向散射系数与干涉相干系数受多种因素影响[7],其中林分的生长状态、环境因素、受害类型、土壤和枝叶密度的差异都会导致后向散射系数和相干系数的差异。基于这些差异特性,本文提出利用SAR数据开展森林病虫害的监测方法研究,并以云南省祥云县为例,基于对多时相Sentinel-1数据的后向散射系数、干涉相干系数与云南松物候及相对湿度的相关性分析,同时通过对多时相数据的融合,成功实现了采用多时相SAR干涉数据对森林病虫害的分类。该方法可以有效区分多云多雨条件下健康林、轻度受害林和重度受害林。
1 研究区概况
研究区位于云南省大理州祥云县(N25°12'~25°52',E100°25'~101°02')。该区地形以山地为主,亚热带高原季风气候,年降雨分布不均,主要集中在6—9月,雨季降雨量和云量较大,9月—次年5月间则干旱少雨,年均降雨量为810.8 mm,相对湿度为68%,年均气温为14.7℃。这样的气候条件使当地易形成大面积的持续干旱。祥云县森林覆盖率高达65%,其中以云南松纯林为主,森林稳定性较低。近年来切梢小蠹的大面积爆发导致云南松林遭受了严重破坏,给当地林业发展带来巨大损失。
图1
图1
研究区地理位置
Landsat8 OLI B4(R),B3(G),B2(B)彩色合成图像
Fig.1
Geographic location of study area
本研究试验样地选择在普淜镇天峰山云南松林区。通过对样地内单木的总梢与健康梢进行计数得到单木枯梢率,所有枯梢率的算术平均值即为该林分的枯梢率,进而利用枯梢率对云南松林进行切梢小蠹的危害程度划分。根据林业有害生物发生(危害)程度标准,并结合当地的受害情况,将枯梢率低于10%的林分划为健康林,10%~50%的林分为轻度受害林,50%以上的林分为重度受害林[10]。
2 研究数据与方法
2.1 遥感数据
本研究选用欧空局的哨兵-1(Sentinel-1)数据。该卫星是欧洲航天局哥白尼计划中的地球观测卫星,于2014年4月发射升空,传感器为C波段雷达,可以获取包括条带成像(stripmap,SM)、干涉宽幅(interferometric wide swath,IW)、超宽幅(extra wide swath,EW)和波浪(wave,WV)4种成像模式的数据,具备单极化(HH/VV)或双极化(HH+HV/VH+VV)的数据获取能力,单颗卫星重复周期为12 d,最高空间分辨率为1.73 m×4.3 m(距离向×方位向)[11,12]。本研究使用Sentinel-1A的IW模式VV极化数据,获取时间从2015年5月—2016年9月,包括19景升轨数据和12景降轨数据。此外,采用SRTM DEM作为辅助数据支持。
2.2 其他数据
2.2.1 野外采样点
2016年5月对研究区进行了大面积野外调查,大致确定了松林受害程度,并在每类危害程度的松林中选择代表性样地,目测数出枯梢个数和总数,计算得到枯梢率。根据林地的生长情况、枯梢率以及受病虫害严重性均匀布置30个30 m×30 m的样地,进行每木检尺。其中健康林样地8个、轻度受害林样地10个、重度受害林样地12个; 同时对研究区进行GPS定点,估测样本点30 m以内的枯梢率; 并结合Landsat8 OLI影像进行目视解译,增加样本点共55个,用于分类结果的验证。
2.2.2 气象数据
气象数据来源于Reliable Prognosis(http: //rp5.ru),由气象数据国际自由交换系统提供,选择祥城镇站点的数据。
2.2.3 物候数据
对云南松的针叶生长期、树高生长期、开花结实期和球果生长期等定性指标进行2015—2016年2 a间的连续观测,并根据观测指标进行物候期的划分。
2.3 数据预处理
运用SARscape对Sentinel-1数据进行预处理,包括影像配准、辐射定标和多视化处理、相干性估计、滤波和地理编码等。由于SAR数据的成像特点,地形起伏会对影像造成很大影响,需要去除地形影响[6],所以基于90 m空间分辨率的SRTM DEM数据进行地形校正,最终得到空间分辨率为20 m的时间序列的强度影像和干涉影像。对影像取3像素×3像素窗口的均值作为样地的影像数值。具体处理过程如下:
1)强度影像处理。对多时相数据的影像进行配准,对于升轨、降轨数据分别以2015年5月16日和5月30日为基准影像在SARscape中进行自动配准,达到亚像元配准精度; 选择多时相雷达滤波器进行滤波处理,过滤斑点噪声; 基于DEM影像对SAR数据进行地形地理编码,同时进行辐射定标和叠掩/阴影处理,获得后向散射系数(图2(a))。
2)干涉影像处理。估算影像间的基线情况,结果表明所有影像的时间基线和空间基线均在临界范围内,可以进行干涉处理; 利用DEM数据进行配准,去除平地效应,生成去平后的干涉图; 对去平后的影像进行自适应滤波处理,进行相干性估计,生成干涉图; 利用DEM数据赋予影像地理坐标系,消除地形畸变,生成地理编码的相干系数(图2(b))。
图2
图2
2015年5月16日—6月9日强度影像与干涉影像处理结果
Fig.2
Intensity and interference image processing results on the May 16th—June 9th, 2015
2.4 相关性分析
地物的后向散射系数与相干系数受多种因素影响,包括地物表面粗糙度、体散射系数、介电常数等环境目标参数和雷达波波长、极化方式、入射角度等传感器参数[13]。本文主要通过相关分析的方法来研究病虫害危害程度与后向散射系数、相干系数之间的关系。
1)单景相关性分析。用单因素方差分析法分析单景图像后向散射系数和相干系数与病虫害危害程度相关性的显著性[14]。
2)时序相关性分析。单个时相的健康林与受害林差异可能不够明显,因此将全年影像全部加入,绘制后向散射系数和相干系数随时间变化的趋势图,进行危害程度及趋势的分类评价,并融合多时相Sentinel-1数据进行健康林与受害林的分类。
3)进行物候期与气象数据因素贡献分析,用于解释时序变化。
4)结合实地野外调查数据与Landsat8 OLI影像目视解译数据进行验证。
3 结果和讨论
3.1 单景相关分析
单景影像方差分析及多重比较结果如图3所示(显著性水平α=0.05)。
图3
综上所述,单景影像的相干系数与后向散射系数均不能完全区分健康林、轻度受害林以及重度受害林。其中单景的后向散射影像不能区分轻度与重度受害林; 相干系数中有单景影像可以区分轻度与重度受害林。可能的原因是重度受害林中存在大量死木和倒木,是重要的散射体,所以后向散射系数中受害林没有很大的差别,而轻度与重度受害林中健康枝梢的比例不一样,所以相干系数有差别。
3.2 时序相关性分析
时序分析结果如图4所示。
图4
后向散射系数γ°(图4(c)和(d))中,健康林、轻度与重度受害林的季节性变化均不明显; 升轨数据中重度受害林、轻度受害林、健康林的后向散射系数依次增大,但健康林与受害林的区分度较小; 对于针叶林而言,雷达波段可以在一定程度上穿透其冠层,其后向散射主要来源于树干的反射和地表的二面角散射,但由于雷达采用斜视成像的模式,其后向散射系数在山区受地形的影响大,所以健康林与受害林的后向散射系数差别较小。
时序相关性分析表明利用相干系数进行病虫害程度分类,健康林与受害林的可分离度较高,特别是降轨数据。但是,轻度与重度受害林的相干系数区分度较小; 利用后向散射系数进行分类,健康林与受害林的差别较小,分离度较低。
3.3 物候分析
根据云南松针叶生长期、树高生长期、开花结实期和球果生长期等定性观测指标,将云南松物候期划分为抽梢期(4—5月)、针叶生长期(6—10月)、休眠期(11月—次年2月)。具体物候期生长特点见表1。基于云南松物候期对相干系数与后向散射系数的时序变化进行分析。图4(a)与(b)分析表明,相干系数与云南松物候期相关,整体趋势是“低—高—低”。云南松在休眠期较稳定,相干系数整体高于生长期。从云南松物候期看,4—5月和7月份是转折点,相干系数也是最低的; 4月份开始进入抽梢期,云南松新梢生长,针叶也开始抽长变绿,云南松林变化较大,所以相干系数变低; 7月份进入针叶生长盛期,是相干系数较低的重要原因之一; 之后高生长和粗生长变缓,云南松逐渐进入休眠期,相干系数增高。而图4(c)与(d)分析表明,多时相影像间的差别没有相干系数大,即后向散射系数与云南松物候期相关性较低。综上所述,相干系数能够指示云南松物候期各个生长节点。
表1 云南松物候期及生长特点
Tab.1
| 时间 | 云南松物候期 | 特点 |
|---|---|---|
| 3月上旬 | 顶芽萌发期 | 树液流动,顶芽萌发 |
| 4—5月 | 抽梢期 | 新梢生长,针叶抽长变绿 |
| 7月 | 针叶生长盛期 | 枝梢高生长缓慢 |
| 9月 | 营养生长期 | 高生长、粗生长缓慢 |
| 11月—次年2月 | 休眠期 | 树液停止流动,生长停止 |
3.4 气象数据分析
相对湿度与林分含水量有一定联系,可能与微波散射信号有关。基于地面高度2 m处的相对湿度分析相干系数与后向散射系数的时序变化。通过分别对相干系数(Coh)、后向散射系数(γ°)与相对湿度进行相关性分析(*表示在0.05水平上显著相关,**表示在0.01水平上显著相关),如图5所示(A为升轨数据,D为降轨数据)。
图5
图5
相对湿度与SAR参数的相关性分析
Fig.5
Correlation analysis between relative humidity and SAR parameters
对图5分析,相干系数与相对湿度基本不相关。相比之下,后向散射系数与相对湿度有一定的相关性,其中受害林的相关性比健康林高,轻度受害林的后向散射系数与相对湿度相关系数最高,升轨数据在0.05水平显著相关,降轨数据在0.01水平显著相关,相关系数达到0.78。Sentinel-1 SAR数据为C波段,受害林与健康林相比,树冠较稀疏,所以健康林能更好地反映树冠表层信息,而受害林林分的环境因子相关性较高。
3.5 验证结果
图6
表2 分类精度验证
Tab.2
| 分类方法 | 健康 林/% | 轻度受 害林/% | 重度受 害林/% | 总精 度/% | Kappa 系数 | |
|---|---|---|---|---|---|---|
| 相干 系数 | 升轨 | 92.59 | 26.92 | 91.67 | 73.03 | 0.579 4 |
| 降轨 | 100 | 42.31 | 100 | 83.15 | 0.739 9 | |
| 后向散 射系数 | 升轨 | 100 | 26.92 | 80.65 | 70.79 | 0.556 5 |
| 降轨 | 5.88 | 55.56 | 47.22 | 57.30 | 0.353 3 | |
从分类结果和精度评价看,健康林与受害林成片分布,这与云南地区切梢小蠹成片危害的实际情况相符。利用相干系数进行分类精度较高,特别是降轨数据分类总精度达到83.15%,其中健康林和重度受害林分类精度均较高; 轻度受害林分类精度较低,易被错分为健康林或重度受害林,枯梢率接近健康林与重度受害林的林分分类精度低。后向散射系数分类总精度相对较低,特别是降轨数据受害林的分类精度都很低。
4 结论
云南多云雨的气候条件极大限制了光学数据的应用。本文利用多时相C波段InSAR数据基于时间序列的干涉影像和后向散射强度影像以及云南松物候、相对湿度资料,分析后向散射系数与相干系数的时序特征,开展森林病虫害程度分类,并基于地面数据对融合多时相数据进行了分类精度验证。主要结论如下:
1)后向散射系数和相干系数的时序变化与云南松物候相关,且相干系数的相关性较高,采用相干系数能够指示云南松物候期各个生长节点。
2)相干系数与相对湿度基本不相关。相比之下,后向散射系数与相对湿度有一定的相关性,其中受害林的相关性比健康林较高,特别是降轨数据的相关性达到0.78。健康林能更好反映树冠表层信息,而受害林与林分的环境因子相关性较高。
3)单时相SAR数据中,健康林与受害林的后向散射系数与相干系数差别很小,需要综合SAR数据的时相信息与干涉信息,将多时相InSAR数据进行融合参与分类。实地精度验证表明多时相InSAR可用于森林病虫害监测。
参考文献
福建省森林病虫害发生风险的概率分析
[J].
DOI:10.13324/j.cnki.jfcf.2017.01.015
URL
[本文引用: 1]
基于信息扩散理论,从福建省（1998—2014年）森林病虫害发生的面积、范围和程度3个方面建立风险概率模型。分别分析森林病害和虫害的发生情况、发展趋势,并选取年发生总面积和发生率2个指标对森林病虫害发生风险的范围和程度展开研究。结果表明：（1）福建省森林病害与虫害发生严重,其中森林虫害发生面积较大,发生程度较高;（2）轻度和中度森林病害年发生面积之和的平均值为3.1万hm~2,年发生面积在平均值以上的概率为50%左右,重度森林病害年发生面积1910~2300hm~2的周期为3~5a,重度森林虫害年发生面积超过1万hm~2的概率为72.508%;（3）森林病虫害的各指标波动与其发生总面积的波动趋势和频率不一定完全一致,其中重度森林病害年发生面积所占比例波动较大且具有上升趋势;（4）森林病虫害年发生总面积和发生率在各自平均值以上的概率均为50%左右。
Probability analysis of forest pests occurring risk in Fujian Province
[J].
森林病虫害高光谱遥感监测的研究进展
[J].
A review of hyperspectral remote sensing monitoring of the forest pests
[J].
高光谱遥感监测板栗病虫害的可行性初探
[J].<p>病虫害作为自然灾害系统中最大的部门灾害，严重影响了我国林业及农业的可持续发展，造成严重的经济损失。高光谱遥感技术克服了传统监测方法的不足，已经在林业及农作物病虫害监测中得到广泛应用，具有十分广阔的应用前景，但应用该技术在经济林果病虫害监测的研究在国内外少见报道。板栗作为国家粮食中长期战略储备物资及近年来发展最快的经济林果之一，病虫灾害制约其产量与品质。本文首次提出利用高光谱遥感技术监测板栗病虫害，通过分析其现实意义及深入探讨其可行性，为实现“精准农业”提供现实依据，拓宽了遥感应用的思路。</p>
Feasibility of monitoring chestnut diseases and pests with hyper spectral remote sensing
[J].
基于高光谱的松萎蔫病动态变化的研究
[D].
Research on Dynamie Changes of Pine Wilt Disease Based on Hyperspectral
[D].
多时相双极化SAR影像林地类型分类方法
[J].
DOI:10.11707/j.1001-7488.20140312
Magsci
[本文引用: 1]
森林在全球碳循环及大自然空气调节中发挥着重要作用，对森林分布的监测与制图意义重大。以黑龙江省逊克县两景星载ALOS PALSAR多时相数据覆盖区为研究区，利用不同时相极化SAR、干涉SAR对植被结构变化特征的敏感性，结合后向散射系数与干涉相干性的时变特征进行林地类型分类研究，发展基于多时相、多极化、干涉SAR的SVM林地类型分类识别方法。结果表明：多时相的平均干涉相干性对有林地、疏林地及灌木林地的识别十分有效；综合运用所选取的多时相干涉、极化比等有效维度信息能很好地突出地物的边缘与结构，更细致地区分不同林地类型。
Multi-temporal and dual-polarization SAR for forest land type classification
[J].
川西高原多时相干涉雷达土地覆盖分类研究
[J].
DOI:10.13718/j.cnki.xdzk.2016.05.021
URL
[本文引用: 2]
获取了川西高原区多时相Sentinel-1星载合成孔径雷达（SAR）影像,引入了地形辐射校正技术,发展了一种阴影双视向补偿算法,综合分析后向散射系数、纹理特征、相干系数、数字高程的统计特征,采用支持向量机进行了土地覆盖分类.结果表明,对地形起伏大的高原山区,该方法能够有效提取常绿针叶林、混交林、灌木林、天然草地、水体等地物信息,分类总精度为83.62%.
Study of land cover classification using multi-temporal InSAR data in west plateau of Sichuan
[J].
双频雷达后向散射和相干性分析及土地利用覆盖分类应用
[D].
Dual-band SAR Backscatter and Coherence Analysis and Applications on Land Use/Cover Classification
[D].
光照、温度对纵坑切梢小蠹起飞行为的影响
[J].
DOI:10.3969/j.issn.0452-8255.2000.06.007
URL
[本文引用: 1]
纵坑切梢小蠹有明显的趋光性.在光照为1～400 lx范围内,趋光性随光照强度提高而增强.完全黑暗条件下,蠹虫起飞量极少.在光照1000 lx,温度25℃下,蠹虫起飞率达77.7%.研究认为,温度和光照是纵坑切梢小蠹起飞的重要环境因素.
The influence of temperature and light on the taking-off of Tomicus piniperda
[J].
云南纵坑切梢小蠹和横坑切梢小蠹生态学的研究及其有效引诱物质的探索
[D].
Study on the Ecology of Tomicus Yunnanensis and Tominus Minor(Coleoptera: Scolytidae)and Their Kairomones
[D].
云南玉溪松小蠹虫成灾原因及防治对策
[J].
DOI:10.3969/j.issn.1002-6622.2013.03.010
URL
[本文引用: 1]
松纵坑切梢小蠹(Tomicus piniperda L.)是一种严重危害松属树种的世界性蛀干害虫,特别是对云南松的危害具有毁灭性。介绍了云南玉小蠹虫的分布特点,从林分类型和立地条件、气候、人为因素等方面分析了小蠹虫成灾原因,提出了相关防治对策。
Causes of Tomicus piniperda L.disaster in Yuxi of Yunnan Province and countermeasures of prevention and control
[J].
基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取
[J].
DOI:10.3969/j.issn.1672-1586.2015.05.020
URL
[本文引用: 1]
洪水灾害会对社会、经济、环境造成巨大损失,洪水淹没范围的确定是抗灾救灾决策必不可少的工作。遥感技术,特别是有着全天时、全天候、高分辨率特点的合成孔径雷达(SAR)是洪水灾害灾情评估的有力工具。Sentinel-1A作为欧洲宇航局(ESA)哥白尼计划(Copernicus Programme)发射升空第一颗环境监测卫星,意义重大。目前,国内还没有研究利用Sentinel-1卫星数据的相关文献。本文以2014年12月斯里兰卡遭受洪灾前后Sentinel-1A获取的影像为例,运用阈值法和RGB波段组合的方法,快速有效地提取出了洪水淹没范围。本研究为接下来对Sentinel-1卫星数据在洪水灾害评估中的研究利用提供了参考。
SAR-based fast flood mapping using Sentinel-1 imagery
[J].
Estimates of ocean wave heights and attenuation in sea ice using the SAR wave mode on Sentinel-1A
[J].
DOI:10.1002/2014GL062940
URL
[本文引用: 1]
Abstract Swell evolution from the open ocean into sea ice is poorly understood, in particular the amplitude attenuation expected from scattering and dissipation. New synthetic aperture radar (SAR) data from Sentinel-1A wave mode reveal intriguing patterns of bright oscillating lines shaped like instant noodles. We investigate cases in which the oscillations are in the azimuth direction, around a straight line in the range direction. This observation is interpreted as the distortion by the SAR processing of crests from a first swell, due to the presence of a second swell. Since deviations from a straight line should be proportional to the orbital velocity toward the satellite, swell height can be estimated, from 1.5 to 565m in the present case. The evolution of this 1365s period swell across the ice pack is consistent with an exponential attenuation on a length scale of 20065km.
Pasture monitoring using SAR with COSMO-SkyMed,ENVISAT ASAR,and ALOS PALSAR in Otway,Australia
[J].DOI:10.3390/rs5073611 URL [本文引用: 1]
方差分析法浅析——单因素的方差分析
[J].
DOI:10.3969/j.issn.1672-4550.2013.01.015
URL
[本文引用: 1]
浅析了方差分析法的基本原理和方差分析的意义：方差分析就是将总的方差分解为各个方差的成分,然后利用显著性检验法进行分析判断和做出适当的结论;详细地讲解、介绍了单因素的方差分析法,回答了学生提出的如何判断一个实验者使用几种不同的方法去测定某种试样的成分或每一参数,每一种方法都重复测定几次;如何判断几种不同的方法所得的几个平均值之间是否存在差异,哪一个平均值准确可靠的问题。
Discussion of variance analysis:The single factor variance analysis
[J].
松毛虫危害下的马尾松林冠层光谱特征可辨性分析
[J].<p>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(<em>P</em><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(<em>P</em><0.05),在708.92~810.62 nm位置上有极显著差异(<em>P</em><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%。</p>
Canopy spectral characteristics distinguishability analysis of Pinus massoniana forests with Dendrolimus punctatus Walker damage
[J].
