基于光谱特征的SPOT-5影像马尾松毛虫虫害信息提取
【国家自然科学基金】_马尾松毛虫_基金支持热词逐年推荐_【万方软件创新助手】_20140731

科研热词 马尾松毛虫 马尾松苗木 马尾松毛虫灾害 酚酸 遥感监测 虫情级数 球孢白僵菌 流行菌株 沙县 气体防御信号 植被指数 林分失叶量 昆虫取食 异质性 基因型 地面调查 分子标记 modis遥感数据 modis影像
推荐指数 11 6 3 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
科研热词 马尾松毛虫 马尾松 蛋白质 蛹 茉莉酸甲酯 缓冲液 生长发育 游离氨基酸 昆虫资源 提取 幼虫 害虫 γ -氨基丁酸 马尾松挥发性化学物质 遗传多样性 转换寄主 萜烯混合物 色型 等位酶 种群动态 甲壳素 生理指标 生物学特性 湿地松 次生物质 柱前衍生 松毛虫赤眼蜂 松毛虫属 暴发机制 挥发性物质 挥发性化学物质 寄生行为 复合胰蛋白酶 壳聚糖 地理种群 嗅觉行为 反相高效液相色谱 制备 中国
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6 7 8
2014年 科研热词 马尾松毛虫害 马尾松毛虫 预警 适发因子 虫害等级 相关分析 天基空间监测 fisher判别 推荐指数 1 1 1 1 1 1 1 1
【国家自然科学基金】_高空间分辨率遥感影像_基金支持热词逐年推荐_【万方软件创新助手】_20140803

2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
科研热词 面向对象 高空间分辨率遥感 高空间分辨率 遥感影像 最优尺度 多尺度分割 高空间分辨率遥感影像 预测模型 面向对象影像分析 遥感影像分割 遗传算法 输出融合策略 谷地跟踪法 综述 空间数据挖掘 空域与频域保真 矢量边缘检测 监测 独立成分分析 特征提取 湖冰识别 模糊逻辑 模板匹配 森林经理学 树冠提取 标记分水岭分割 方法比较 数学形态学 微波 影像融合 影像分割 建筑物提取 局部最大值 尺度效应 多色彩空间 多源遥感数据 多尺度 多光谱 图像滤波 分类回归树 分类 分割 冰厚 不透水面 quickbird canny算子 butterworth低通滤波
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56
his gram-schmidt brovey 4-scale模型
1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法

一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法许章华;余坤勇;刘健;谢舒菁;李秀平;陈福海;亓兴兰;陈国荣;李增禄【期刊名称】《江西农业大学学报》【年(卷),期】2012(034)005【摘要】马尾松毛虫是我国南方地区最主要的森林害虫,给生态、经济与社会带来极大威胁.随着遥感数据国产化步伐的不断加快及空间、时间、光谱分辨率的不断提升,马尾松毛虫害空间识别技术的突破迎来新的契机.旨在探索一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法,其主要思路是:在实现马尾松林信息提取的基础上,选择并获取与马尾松毛虫虫害信息相关的地形因子、NDVI、叶面积指数及红边参数等指标,基于光谱实现松毛虫信息片层的分割;以光谱片层为对象,进行主成分变换,提取其纹理特征,并利用决策树分类规则实现马尾松毛虫虫害信息的提取.【总页数】7页(P933-939)【作者】许章华;余坤勇;刘健;谢舒菁;李秀平;陈福海;亓兴兰;陈国荣;李增禄【作者单位】福建农林大学3S技术应用研究所,福建福州350002;福建农林大学林学院,福建福州350002;福建农林大学3S技术应用研究所,福建福州350002;福建农林大学林学院,福建福州350002;福建农林大学3S技术应用研究所,福建福州350002;福建农林大学林学院,福建福州350002;三明学院,福建三明365000;福建农林大学林学院,福建福州350002;福建农林大学林学院,福建福州350002;福建农林大学3S技术应用研究所,福建福州350002;福建农林大学林学院,福建福州350002;福建农林大学3S技术应用研究所,福建福州350002;福建林业职业技术学院,福建南353000;福建农林大学3S技术应用研究所,福建福州350002;三明市林业局,福建三明365599;福建农林大学3S技术应用研究所,福建福州350002;三明学院,福建三明365000【正文语种】中文【中图分类】S791.248.01【相关文献】1.基于光谱特征的SPOT-5影像马尾松毛虫虫害信息提取 [J], 亓兴兰;胡宗庆;刘健;余坤勇;雷泽兴2.基于纹理特征的SPOT-5影像马尾松毛虫害信息提取 [J], 亓兴兰;刘健;胡宗庆;余坤勇;雷泽兴3.SPOT-5遥感影像自身融合在马尾松毛虫害信息提取中的应用 [J], 亓兴兰;刘健;陈福海;余坤勇;陈清舜4.沿江低山丘陵区马尾松毛虫控制的研究 [J], 柳庆生5.基于多尺度纹理与光谱特征的马尾松毛虫虫害信息提取方法研究 [J], 亓兴兰;肖丰庆;刘健;张李平因版权原因,仅展示原文概要,查看原文内容请购买。
【国家自然科学基金】_spot-5_基金支持热词逐年推荐_【万方软件创新助手】_20140729

2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
科研热词 遥感 模型 农作区 高分辨率卫星影像 遥感影像 融合 硬分类 生态位 热融湖塘 最大似然分类 支持向量机 指数混合熵 成像模型 岷江上游 山区聚落 多年冻土 垂直分异 地域边界 半参数估计 分辨率 几何定位 信息提取 作物识别 优化 亚像元定位 不确定性分析 spot-5
2011年 科研热词 高分辨遥感影像 遥感影像 精度 图像融合 马尾松毛虫 马尔科夫模型 配准模型 遗传算法 虫害信息 虚拟匹配窗口 耕地保有量 粒子群优化算法 水质评价 水质反演 柯坪推覆构造 构造变形 有理多项式系数(rpc) 有理多项式系数 有理函数模型(rfm) 有理函数模型 支持向量回归 托木 径向基函数神经网络 影像匹配 天山 多源遥感影像 多方案预测 复共线性分析 土地利用 参数优选 信息提取 传感器遥感影像 优选参数 乘积变换 spot-5 pan sift算法 sift特征 rpc精化 rpc参数选择 pca融合 ihs变换 hpf融合 etm+ brovey变换 推荐指数 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 3 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1Байду номын сангаас1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59
三次样条函数 1 spot-5多光谱影像 1 palaeochannel, remote sensing,1 informationextract hj-ccd 1 doris 1 diode 1 bp神经网络 1
【国家自然科学基金】_归一化差值植被指数_基金支持热词逐年推荐_【万方软件创新助手】_20140801

1 1 1 1 1
2011年 科研热词 推荐指数 监测 3 ndvi 3 遥感 2 地表温度 2 高光谱 1 雹灾 1 遥感监测 1 辐射 1 诊断模型 1 评价 1 覆盖度 1 西北干旱区 1 芦苇 1 田间测量 1 生长 1 生物量 1 甘南县 1 玉米 1 热力输送系数 1 氮素营养 1 氮 1 模型 1 植被 1 棉花 1 改进的归一化差值水体指数 1 归一化的干旱监测指数 1 归一化差值植被指数 1 干旱区 1 宽范围动态植被指数 1 塔里木河 1 城市热岛效应 1 城市热岛 1 地面感热输送 1 地面感热 1 冬小麦 1 光谱特征参量 1 光谱仪 1 作物 1 估算模型 1 估算 1 不透水面率 1 swir-red光谱特征空间 1 heife 1 eof分析 1 aster 1
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
科研热词 监测模型 生态恢复 片全氮浓度 水稻 植被指数 棉花 时间变化 扎龙 归一化植被指数 归一化差值植被模型 归一化差值指数 干物质积累量 差异分析 塔里木河下游 城市地区 冠层反射率 冠层反射光谱 估测模型 quickbird matlab etm/aster etm
科研热词 推荐指数 ndvi 5 遥感 4 玉米 2 水稻 2 气候变化 2 植被指数 2 co2浓度增加 2 黑河野外试验 1 鲜生物量 1 马尾松毛虫 1 面积提取 1 面向对象 1 雨雪冰冻 1 长势监测 1 遥感资料 1 观测资料 1 虫情级数 1 红边三角植被指数 1 精度评价 1 空间分析 1 监测模型 1 监测 1 盐分指数(si) 1 热力输送系数 1 浮尘指数 1 沙尘暴 1 沙县 1 江苏 1 模型 1 植株水分含量 1 棉花 1 林分失叶量 1 施氮量 1 归一化植被指数(ndvi) 1 归一化差值植被指数(ndvi) 1 干旱区 1 常规气象数据 1 小麦 1 城市化 1 地面感热 1 地表温度 1 地表气温 1 同化 1 叶绿素 1 变换探测 1 南岭 1 华北冻土区 1 冬小麦 1 冠层光谱 1 再分析资料 1 作物生长模型 1 中国农业遥感监测系统 1
【国家自然科学基金】_比值植被指数_基金支持热词逐年推荐_【万方软件创新助手】_20140801

推荐指数 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
推荐指数 4 3 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81
推荐指数 6 4 3 3 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
土地利用/土地覆被 围栏封育 喀斯特城市 叶面积指数 叶绿素密度 叶片含水量 变量投影重要性指标 反演 反射光谱 单元格修订 冠层温度 再生水 光谱反射率 估算模型 中巴资源卫星 stored c02 underground spot-5影像 spectral feature spad值(绿度指数) modis leakage stress lai hyperion hj-1b影像 co2通量 ch.d beetroot afbm adbm
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第40卷第5期 2012年5月 东北林业大学学报
JOURNAL OF NORTHEAST FORESTRY UNIVERSITY Vo1.40 N0.5
May 2012
基于光谱特征的SPOT一5影像马尾松毛虫虫害信息提取 亓兴兰 胡宗庆 刘 健 余坤勇 雷泽兴 (福建林业职业技术学院,南平,353000) (三明学院) (福建农林大学) (福建林业职业技术学院)
摘要以福建沙县作为研究区,以单期SPOT一5多光谱影像为数据源,基于其光谱特征,构建归一化植被指 数(Ⅳd ;)、比值植被指数(R )、绿度植被指数(c )、土壤调节植被指数(S。 i)、红边参数等光谱指数作为光谱监测 指标,通过建立马尾松毛虫虫情级数模型并进行反演,进而提取虫害信息,其虫害信息提取的总精度为70.75%。 研究结果证明利用单时相遥感数据进行马尾松毛虫虫害监测是可行的。 关键词马尾松毛虫害信息;光谱特征;SPOT一5影像;地面调查 分类号s763.42:s771.8 Information Extraction of Dendrolimus punctatu¥Damage from SP0T-5 Image Based 011 Soectral Features/Qi Xinglan,Hu Zongqing(Fujian Forestry Vocational&Technical College,Nanping 353000,P.R.China);Liu Jian(San— ruing University);Yu Kunyong(Fujian Agrleulture and Forestry University);Lei Zexing(Fujian Forestry Vocational& Tlechrileal College)//Journal of Northeast Forestry University.一2012,4O(5).一l31~133,136 A study was conducted to extract the information of Dendrolimm punctattts damage to Pinus massonia加in Shaxian County of FuiJan Proviace.Based Oil spectral features,the spectral monitoring indexes,such as normalized diference veg- etation index,ratio vegetation index,green vegetation index,soil—adjusted vegetation index and red edge parameter,were constructed for series model of insect damage and inversion with a SP0T-5 multi.spectral image.And then the insect pest information was derived.and the total precision WItS 70.75%.The re8ults show that it is practicable to apply remote¥ens. ing images to damage monitoring of DI punctatus. Keywords Dendrolimus pun,ctattLs damage information;Spectral features;SP0T.5 images;Ground survey
马尾松毛虫(Dendrolimus punctatu. ̄Walker)是 马尾松(Pinus massor ̄iana Lamb)的主要害虫,其危 害很大,被喻为“不冒烟的森林火灾”,其产生危害 主要在幼虫取食针叶的时期。危害初期,松树针叶 呈团状卷曲枯黄,逐渐树木有一定的失叶量,危害最 严重时,可以将叶食尽,状如火烧,可以暴发成灾。 所有这些症状都反映在树冠上的变化,如针叶缺失、 失叶、枯黄等,而这些树冠上的变化会引起光谱反射 率特别是近红外波段反射率的降低…,光谱反射率 的降低反映在遥感影像上即光谱值变化与结构异 常,因此,利用遥感影像的可见光通道和近红外通道 等敏感通道的线性组合和非线性组合来突出受虫害 侵袭的森林植被的变化,即构造一定的植被指数等 光谱特性指数,通过指数的变化或利用数学建模的 方法来进行健康植被与受害植被的区分,从而达到 监测松毛虫危害的目的是完全可行的。应用遥感技 术手段基于影像光谱特征来进行森林病虫害的监 测,国内外研究较多 ,主要是基于多时相数据动 态监测森林病虫害,此方法具有理论上的成熟性与 一定的技术上的可行性,但却具有如下局限性:一是 1)国家自然科学基金资助项目(3O871965);南平市科技攻关计 划资助项目(N2010Z19)。 第一作者简介:亓兴兰,女,1980年9月生,福建林业职业技术 学院,讲师。 通信作者:刘健,三明学院,教授。E—mail:i ̄llujian@126.Corn。 收稿日期:2011年9月15日。 责任编辑:程红。 基于多时相数据来动态检测变化区域,这就需要不 同时相的数据具有一定的成像条件,而现实是很难 做到的。所以为了消除成像条件对变化监测的影 响,在进行比较变化之前,对遥感数据进行预处理, 比如进行相互配准、几何校正及辐射校正等,目的是 为了消除不同成像条件对影像的影响,但其实这种 影响往往难以完全消除,反而在消除的过程中引入 了新的误差,这样就容易使成像条件不同所造成的 差异湮没了森林因遭受病虫害而引起的各指标的差 异,从而影响变化区域的监测精度。二是有些病虫 害特别是马尾松毛虫虫害具有暴发性,而卫星影像 固有的周期性,使得获取合适的多时相数据具有一 定的限制性,由此研究利用单时相数据来监测虫害 就提上了日程。本研究以福建沙县为研究区,利用 单时相SPOT一5影像基于其光谱特征来监测马尾松 毛虫虫害信息,探讨基于单时相影像数据来进行横 向空间虫害信息提取的可行性,并验证其精度,为林 业生产实际提供一定的借鉴作用,具有良好的社会、 经济和生态效益,对区域社会、经济的和谐发展,具 有明显的促进作用。
1研究区概况 沙县位于福建省中部偏北,闽江支流沙溪下游, 地处北纬26。o6 ~26。41 ,东经117。32 ~ll8。O6 。 全县总面积1 815.09 kHl2,辖6个镇、4个乡、2个街 132 东北林业大学学报 第40卷 道和1个省级开发区,总人口24.55万人。沙县气 候温和,干湿分明,属亚热带季风气候,年平均气温 19.6℃,年降水量1 662 mm。沙县土壤肥沃,资源 丰富,全县有耕地面积1.3万hm ,林地面积14.8 万hm ,森林覆盖率达75.9%,是国家南方重点林区 县。马尾松毛虫是该县的主要森林病虫害,呈周期 性发生 2材料与方法 数据来源:沙县2004年1O月11日SPOT一5多 光谱影像(分辨率10 m),沙县1:10000地形图、沙 县地理信息系统(Viewgis)数据,包含沙县行政区划 图、沙县森林分布图、小班分布图、森林资源数据库 等,沙县2003年森林资源调查数据库样地资料,沙 县近10 a的《马尾松毛虫(越冬代、第1代、第2代) 重点调查汇总材料》,沙县2004年马尾松毛虫害地 面调查数据,内容包括虫口密度、虫情级数、林分郁 闭度、坡度、坡向等。 影像预处理:首先以沙县1:10 000地形图为 参考,采用多项式纠正法进行几何校正,误差控制在 0.56个像元,校正后图像投影坐标系统是Trans— verse Mercator,参考椭球体是Krasovsky,地图单位为 meters。同时进行正射校正消除地形等阴影影响。 然后以沙县shp图层建立AOI,利用ERDAS的Sub— set功能实现影像的裁剪,获得研究区域的影像。 马尾松林专题信息提取:根据国土资源部所确 定的土地分类系统,依据研究需要及研究区土地利 用类型及森林植被情况,将土地利用类型分为林地 与非林地,林地又分为杉木、马尾松及阔叶树3大 类,进而获得研究所需要的马尾松林分图。对于马 尾松林专题信息的提取,具体根据分层分类思想,首 先根据归一化植被指数设定阈值,把林地与非林地 区分开来,然后通过ERDAS的Mask功能进行掩膜 处理,获取研究区林地遥感影像图,在林地遥感图 上,运用决策树分类方法L】 进行马尾松林分的信息 提取,提取精度达到92.89%,满足研究的精度要求。 马尾松毛虫危害程度级别划分:一般情况下松 林中都有松毛虫存在,只是虫口密度大小不同,森防 专业技术上对此专门作了规定,叫作“马尾松毛虫 发生指标”l14]。国家林业局2006年8月31日发 布、2006年l2月1日实施的《林业有害生物发生及 成灾标准》中的林业有害生物发生(危害)程度标准 为:依据虫情级数或虫口密度,马尾松毛虫危害分为 轻、中、重3个等级。根据上述标准及研究目的需 要、获取资料的可行性以及技术的可操作性,通过获 取的资料计算马尾松毛虫害的虫情级数,依据虫情 级数对马尾松毛虫的虫害程度级别进行划分,具体 为:虫情级数<2为健康,2≤虫情级数<4为轻度受 害,4≤虫情级数<7为中度受害,虫情级数37为重 度受害。 马尾松毛虫虫害光谱变化监测指标构建及获 取:根据前人研究成果及遥感监测森林病虫害原理, 植物遭受病虫害后,其光谱响应发生变化,在近红外 波段反射率下降 ,针对研究区影像,根据地面外 业调查数据,随机选择健康与受害马尾松样地,对 SPOT一5影像进行光谱特征比较分析,发现其健康 马尾松与受害马尾松在2、3、4波段变化比较明显。 根据前人的研究成果,参照遥感监测森林病虫害的 主要光谱指标,本研究对于监测指标的选取就以 )(S2红光波段(0.61—0.68 lxm),XS3近红外波段 (0.78—0.89 m),XS4短波红外波段(1.58~1.75 lxm)建立归一化植被指数(J7v )、比值植被指数 (R )、绿度植被指数(G i)、土壤调节植被指数 (S i)、红边参数。各指数的计算与获取如下:归一 化植被指数N =(XNIR— )/( m+ );比值植被 指数R = NIR/X ;对于绿度植被指数,采用K—T变 换后的绿度分量;土壤调节植被指数S :( Nm—
R)/(XNIR R+ )(1+ ),L取值范围(0,1);研究 采用倒置高斯模型曲线法提取红边参数,d =(R卜,一