基于Landsat8卫星数据的蝗虫遥感监测方法研究

发布时间:2023-12-02 22:07:24   来源:文档文库   
字号:
基于Landsat8卫星数据的蝗虫遥感监测方法研究
黄健熙;卓文;杨春喜;李林;张超;刘佳
【摘要】区域性的蝗虫灾害对农业生产形成了巨大的危害.实现对蝗虫的发生发展的实时监测对于治蝗防蝗具有重要意义.以内蒙古赤峰市北部三旗为研究区域,通过Landsat8OLI卫星数据蝗虫寄主植物分类,结合叠加先验蝗区分布图,判别出蝗虫适生地.然后,采用Landsat8卫星数据,反演叶面积指数、地表温度和土壤湿度等蝗虫生境参数,并结合外业同步调查蝗虫生境数据、地表覆盖数据、历史蝗灾数据等进行分析与建模.同时,利用逐步回归分析得到了蝗虫虫口密度与叶面积指数、地表温度和土壤湿度等生境参数的关系模型,验证结果表明,监测模型具有较高的精度,决定系数为0.50,均方根误差为3.17.【期刊名称】《农业机械学报》【年(,期】2015(046005【总页数】7(P258-264
【关键词】蝗虫监测;Landsat8;遥感反演;生境参数【作者】黄健熙;卓文;杨春喜;李林;张超;刘佳
【作者单位】中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;赤峰市植保植检站,赤峰024000;中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;国农业科学院农业资源与农业区划研究所,北京100081【正文语种】

【中图分类】TP79;S431.9
蝗灾属于暴发性和毁灭性生物灾害,一旦暴发,将对国民经济的发展产生严重的影响。自古我国就把蝗灾和水灾、旱灾并称为三大自然灾害。近些年,蝗虫灾害在我国内蒙古、天津、河北、山西、山东等省市地区时有暴发,并对当地农业生产造成了一定的危害。
卫星遥感技术具有覆盖范围广、多时空分辨率、可选波段多、周期性观测等特点,为实时、动态、大范围监测蝗灾提供了可行的技术途径。开展基于遥感技术的蝗虫监测研究,对蝗虫的监测、防治和预测具有重要的实用价值。但是,蝗虫吞食草和农作物,除非是毁灭性的情况,一般难以从卫星遥感图像的光谱上得到反映,并直接对其进行监测,因此对蝗虫的遥感监测几乎无一例外地都采用间接监测的方法,即通过对蝗虫所栖息生境的监测来实现对蝗虫发生程度和范围的评估[1]。通过遥感数据及时掌握蝗虫的栖息环境及其影响因子,并建立合适的数学模型,可实现对蝗灾及时、有效的监测和预测[2]。从20世纪70年代,遥感技术就开始被用来监测蝗虫适生地的规模和适合度。Hielkema[3]用植被指数来推断蝗灾的发生区,但根据遥感植被指数判断蝗虫密度需配合地面同步调查,才能得到可靠结果。倪绍[4]在青海湖地区对草地蝗虫的发生及其动态变化规律进行了较深入研究,同时还就草地蝗虫的预测模型和预测系统进行了初步的探索。马建文等[5]在渤海湾地区开展了东亚飞蝗遥感监测机理与预测方法的实验研究工作,提出了基于东亚飞蝗生长周期的3阶段监测新模式。Liu[6]以河北省黄骅市为实验区,选择温度植被干旱指数(TVDI为监测指标,得出蝗虫大爆发时期的土壤湿度比蝗虫轻微发生期的土壤湿度偏低的结论。Ji[7]用归一化植被指数(NDVI对河北省南大港农场进行蝗灾程度的监测,根据NDVI值下降程度将受灾程度分为轻度、中度、重度3等级,结果表明蝗灾区准确率为88.8%Ramesh[8]利用LandsatETM+遥感数据,对哈萨克斯坦境内的伊犁河三角洲的蝗虫生境进行分类,推断出该三角洲约
26%的区域存在暴发蝗灾的危险。Li[9]基于3S技术建立了蝗虫监测信息平台,能够高效、精确、实时发布蝗虫监测信息,推动了蝗虫监测防治的信息化进程。综上所述,在利用遥感技术对蝗虫及其生境进行监测研究时,大多采用植被指数或其他单因素建立与虫口密度的关系模型,虽然均取得了不同程度的成功,但是也忽略了多生境参数对虫口密度的综合影响。因此,本文从蝗虫赖以生存的栖息环境出发,在前人研究的基础之上,充分考虑蝗虫生存所需的光照、温度和水分等多要素生境参数,通过对蝗虫寄主植物遥感精细分类,并结合先验蝗区分布图的方法判别蝗虫适生地,建立蝗虫虫口密度与多要素生境参数之间的相关关系,为区域范围的蝗虫监测提供技术途径。1.1研究区概况
赤峰市属于温带半干旱大陆性季风气候,具有干旱、风大、气温年差较小、日差较大、四季明显的特点。这样的气候条件为蝗虫的生息提供了有利的条件。20世纪60年代以来,人们对天然草地的不合理利用,使80%以上的天然草地出现程度不同地退化,导致草地生态系统失衡,为草地蝗虫的繁殖生存创造了更加有利的条件,使草地蝗虫种群急剧增加,蝗灾频频发生,而蝗虫数量的增多又加快了草地退化,形成了恶性循环,直接影响了畜牧业的发展,这种状况必须通过人为干预,才能使灾害和损失减少到最低水平[10]。据报道,2014年内蒙古赤峰市蝗虫发生严重,仅阿鲁科尔沁旗蝗虫发生面积就高达8hm2,给当地农牧业造成了巨大的损失。研究区示意图如图1所示,该区主要跨越了赤峰市的北部三旗、巴林左旗、巴林右旗与阿鲁科尔沁旗,右侧为Landsat8卫星数据的第543波段合成的影像。由中国蝗害防治信息网提供的赤峰市蝗区分布图如图2所示。1.2遥感影像数据
美国地质调查局及太空署于2013211日发射了“陆地卫星数据连续性任务”卫星,后来更名为Landsat8,其携带了OLI(Operationallandimager
TIRS(Thermalinfraredsensor推扫式成像仪。OLI成像仪包括9个短波谱段(19,其中全色波段的空间分辨率为15m,其余波段空间分辨率为30mTIRS成像仪能获取10.8、12μm两个热红外波段,空间分辨率为100m。本文选取2014821日、轨道号为121-30Landsat8卫星影像进行研究。1.3野外调查实验
为获取与Landsat8卫星同步地面观测数据,于201471519日与82126日,在巴林左旗、巴林右旗和阿鲁科尔沁旗,分别开展了野外蝗虫以及生境调查实验。研究区内蝗虫种类以亚洲小车蝗为主,其寄主植被多为天然牧草、谷子地、绿豆地等。野外调查实验中,选择叶面积指数、地表温度、土壤湿度、叶绿素、生物量、株高等为主要测量参数。在样点布设方面,共确定样方18个,其中农田样方10个,草地样方8个。每个样方5m×5m,样方间距大于30m,主要原因是Landsat8的空间分辨率为30m,确保各样点在不同的像元内。在每个样方内,随机选取24个样点,同一样点对每个指标参数测35次,取平均值,并用GPS记录每个样点的坐标信息,实时差分精度小于0.5m。本研究共采集了60个样点数据,其中31个用于模型的建立,其余29个采样点数据对各反演结果进行精度验证。
另外,利用LAI2200C型植物冠层分析仪测量叶面积指数;用红外枪对植被冠层与土壤表层进行温度的测量;用TSC-1型土壤水分快速测试仪测量土壤10cm度的含水率;用SPAD-502型叶绿素含量测定仪测量植被叶片相对叶绿素含量。1.4蝗虫生境参数的反演1.4.1叶面积指数
叶面积指数(LAI反演的统计模型法是指以叶面积指数为因变量,以光谱数据或其变换形式(如植被指数为自变量建立估算模型[11],即式中x——光谱反射率或植被指数

本文通过回归分析,建立归一化植被指数(NDVI与叶面积指数之间的关系。归一化植被指数是通过遥感影像中近红外波段与红光波段的反射率运算得到,计算式为式中RNIR——近红外波段的反射率(Landsat8OLI的波段5R——红光波段的反射率(Landsat8OLI的波段4LAINDVI的关系拟合图如图3所示。LAINDVI的关系拟合方程为RLAI=-0.5×369.7ln(1-0.0138RNDVI1.4.2地表温度
Landsat82个热红外波段,分别是第10波段和第11波段。由于美国地质调查局官方宣布,Landsat8的第11波段在校正方面存在一些不确定性,故本研究借助辐射传输方程法,利用第10波段来进行地表温度的反演。辐射传输方程法,又称大气校正法,其基本思路为:首先利用与卫星过境时间同步的大气数据来估计大气对地表热辐射的影响。然后把这部分大气影响从卫星高度上传感器所观测到的热辐射总量中减去,从而得到地表热辐射强度,最后把这一热辐射强度转化为相应的地表温度[12]。反演结果如图4所示。1.4.3土壤湿度
温度植被干旱指数(TemperaturevegetationdrynessindexTVDI是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤水分反演的方法。Sandholt[13]在归一化植被指数(NDVI与地表温度(T为横纵坐标的散点图呈三角形区域分布的基础上,进一步结合对该特征空间生态特征的解释,提出了用温度植被干旱指数来估算土壤表层水分,即其中
式中Timax——当NDVI值等于某一特定值i时的地表温度的最大值Timin——当NDVI值等于某一特定值i时的地表温度的最小值

Ti——某一像元的NDVI值为i时的地表温度ab、a′、b′——待定系数
温度植被干旱指数与土壤湿度有着很密切的关系,将遥感影像反演出的温度植被干旱指数与外业采样获取的各采样点土壤湿度数据,利用最小二乘法进行回归分析,建立起TVDI与土壤湿度的关系方程,从而反演获得土壤湿度。冷热边界及TVDI与土壤湿度拟合如图5所示。TVDI与土壤湿度w的关系方程为研究区土壤反演结果如图6所示。1.5蝗虫监测方法1.5.1蝗虫监测技术流程
蝗虫监测技术流程图如图7所示。首先,对Landsat8遥感数据进行预处理,反演各生境参数;其次,结合外业实测数据与先验知识,利用监督分类对研究区蝗虫适生地进行判定;再次,将外业实测数据与遥感反演生境参数进行回归分析,建立多元回归模型,估算虫口密度;最后,利用蝗虫适生地对蝗虫虫口密度图裁剪,并对其进行蝗灾等级划分得到蝗灾等级图。1.5.2监督分类判别蝗虫适生地
研究区内蝗虫种类以亚洲小车蝗为主,其寄主植被多为草地和谷子地、绿豆地等农田。结合Landsat8遥感影像,利用最大似然法对研究区的蝗虫寄主植被类型进行监督分类。并利用由中国蝗害防治信息网提供的赤峰市蝗区分布图对分类结果进行裁剪,从而获得研究区内蝗虫的适生地。研究区生境分类图与蝗虫适生地示意图如8所示。
1.5.3蝗虫发生程度监测
蝗虫的生长发育与其栖息的生存环境有着十分密切的关系。因此,对蝗虫发生发展的监测就转化为对其所栖息的生存环境的监测。本文在充分考虑到与蝗虫生长发育
密切相关的光照、温度、水分等生境因素的前提下,选取了叶面积指数、地表温度、土壤湿度、叶绿素含量、生物量和株高等6个生境参数。通过这些生境参数与蝗虫虫口密度进行逐步回归分析,建立虫口密度与生境参数之间的关系。
通过逐步回归分析,剔除了影响不显著的3个因子:叶绿素含量、生物量、株高,保留剩下3个对蝗虫虫口密度影响较为显著的因子:叶面积指数、地表温度、土壤湿度,进行多元线性回归分析,得到模型为
根据中华人民共和国农业部发布的《草原虫害防治标准》中的规定,可将草原蝗虫灾害的灾害等级分为4等级,分别为未受灾、轻度灾害、中度灾害和重度灾害[3]根据规定草原地区每1m2的蝗虫头数少于13/m2为轻度受灾,一般不防治,但需要监测虫情变化;蝗虫密度达到防治标准的2倍或2倍以上,即蝗虫头数大26/m2为重度灾害;达到防治标准而低于重度灾害标准,即蝗虫头数介于13/m226/m2为中度灾害。研究区蝗灾等级图如图9所示。由虫口密度与生境参数模型获得以下结论:
(1虫口密度与LAI的关系呈负相关关系,即在一定条件下,当叶面积指数较大时,蝗虫的个数较少。说明当叶面积指数较大时,植被长势较茂盛,覆盖度相对较大,导致植被底层太阳光照射量减少,同时地表温度降低,不能给蝗虫提供足够的积温,影响蝗虫的生长发育。从另一个角度分析,当蝗虫个数较多时,蝗虫消耗的植被生物量也越多,且蝗虫主要啃食植被的叶片,从而会导致植被覆盖度下降,植被叶面积指数减小。
(2虫口密度与温度呈正相关关系,即在一定条件下,蝗虫的个数随着地表温度的升高而增多。适宜的温度,给蝗虫创造了繁殖、生长、活动的必要条件。郭安红等也指出,蝗虫的最适宜温度为25~40℃,且蝗虫生长发育同样需要一定的有效积[14]。当蝗虫周围的环境达到适宜温度时,蝗虫本身越有活力,表现越活跃。(3虫口密度与土壤湿度呈负相关,即在一定条件下,土壤越干燥,蝗虫个数越多。
在外业调查中也发现,蝗虫喜欢在相对干燥的环境中活动,而且,若土壤湿度太大,地表温度也会降低,不适合蝗虫的生存;另一方面,蝗虫产卵需要相对干燥的土壤,过于湿润会降低虫卵的孵化率。
精度检验主要利用决定系数(R2、均方根误差(RMSE和平均绝对偏差(d来检验。决定系数是用以反映变量之间相关关系密切程度的统计指标,计算方法为式中N——待评价数据中参与计算的数据总数xi——遥感反演数据yi——外业实测数据
——所有遥感反演数据xi的平均数——所有外业实测数据yi的平均数
均方根误差可以用来衡量待评价数据与参考数据之间的偏差,计算方法为平均绝对偏差是指测定值与标准值的偏差(取绝对值之和,除以测定次数。它可以表示一组测量值的偏差大小。
利用29个采样点数据,对虫口密度反演结果进行精度验证。蝗虫虫口密度反演结果与实测结果的关系如图10所示。
综上所述,模型精度验证结果为R2=0.50d=2.69RMSE3.17。模型结果可以相对准确地反映研究区蝗虫的发生状况。
就虫口密度的估算而言存在一定误差,原因主要来于以下几点:
(1蝗虫虫口密度具有较大的偶然性。蝗虫为寻求食物,具有较大的迁移性和流动性。在较短的时间内,蝗虫种群在迅速发生动态变化,其运动的方向、距离也存在一定的偶然性与不确定性。而且蝗
虫虫口密度同样也受到其他气候条件,如风速、风向、降水、太阳辐射、地形地貌等的影响。这个特点给蝗虫遥感监测带来一定的误差。
(2蝗虫虫口密度具有复杂性。蝗虫的生长发育受到生境其他要素的影响与制约,
如气候、光照、地形地貌等都会对其造成影响。而且,在外业调查中发现,即使相同的环境条件下,蝗虫虫口密度也会有一定差异。
(3从统计学角度分析,虫口密度的模型是基于地表温度、土壤湿度与叶面积指数3个指标来构建的,因此,虫口密度的误差就是以上3个指标误差的累积,从而导致误差累积传播。
(1通过建立蝗虫虫口密度与叶面积指数、地表温度、土壤湿度之间的关系,得到虫口密度监测模型:c=-1.3865RLAI-0.7291w+0.8117T。并得出虫口密度与三者的相关关系。与土壤湿度和叶面积指数都呈负相关关系,即在一定条件下,土壤越干燥,叶面积指数越小,植被越稀疏,蝗虫个数越多;而与地表温度的关系呈正相关,即在一定条件下,蝗虫的个数随着地表温度的升高而增多。
(2利用遥感的方法反演叶面积指数、地表温度、土壤湿度等生境参数,并与虫口密度构建监测模型。从验证结果来看,相关系数R20.50,均方根误差RMSE3.17,精度较高,能较为准确地反映当地蝗虫发生状况,表明Landsat8卫星数据在蝗虫遥感监测方面具有一定潜力。
(3本文的监测方法也有一定的局限性。采用了单一时相的遥感数据,对应于蝗虫整个生长期的某个特定时期,应该根据蝗虫的关键生育期以及生境变化的重要时期,结合多时相的遥感数据和长时间序列分析方法进行遥感动态监测,有望进一步提高监测精度。研究中发现,即使在相同生境条件下,蝗虫虫口密度仍存在差异,今后需要结合蝗虫自身的生物学特性和蝗虫虫口密度的变化规律来构建监测模型。蝗虫虫口密度本身是动态的,具有一定的偶然性与复杂性,研究仍具有一定的挑战性,本文在前人的基础上,构建了虫口密度与多因素的监测模型,但仍需要引入其他重要因子,如蝗虫产卵地特征、虫卵成活率、太阳辐射以及地形地貌等来进一步提高监测模型的精度。


【相关文献】
1陈健,王秀君.遥感与GIS在蝗虫生境研究中的应用进展[J].生态环境学报,2012,21(5:970-976.ChenJian,WangXiujun.ProgressinapplicationofremotesensingandGIStothestudyoflocusthabitats[J].EcologyandEnvironmentalSciences,2012,21(5:970-976.(inChinese2韩秀珍,马建文,罗敬宁,等.遥感与GIS在东亚飞蝗灾害研究中的应用[J].地理研究,2003,22(2:253-261.HanXiuzhen,MaJianwen,LuoJingning,etal.TheapplicationofremotesensingandGISinmonitoringEastAsialocusthazards[J].GeographicalResearch,2003,22(2:253-261.(inChinese3都瓦拉.草原蝗灾遥感监测与评估方法研究[D].呼和浩特:内蒙古师范大学,2006.DuWala.Thegrasslandlocusthazardremotesensingmonitoringandthevaluationmethodsresearch[D].Huhhot:InnerMongoliaNormalUniversity,2006.(inChinese4倪绍祥.环青海湖地区草地蝗虫遥感监测与预测[M].上海:上海科学技术出版社,2002.5马建文,韩秀珍.东亚飞蝗灾害遥感监测机理与方法[M].北京:科学出版社,2004.6LiuZhenbo,ShiXuezheng,EricWarner,etal.RelationshipbetweenorientalmigratorylocustplagueandsoilmoistureextractedfromMODISdata[J].InternationalJournalofAppliedEarthObservationandGeoinformation,2008,10:84-91.7JiR,XieBY,LiDM,etal.UseofMODISdatatomonitortheorientalmigratorylocustplague[J].Agriculture,EcosystemsandEnvironment,2004,104:615-620.8RameshSivanpillai,AlexandreVLatchininsky,KennethLDriese,etal.MappinglocusthabitatsinRiverIIiDelta,Kazakhstan,usingLandsatimagery[J].Agriculture,EcosystemsandEnvironment,2006,117:128-134.9LinLi,DehaiZhu,SijingYe,etal.Designandimplementationofgeographicinformationsystems,remotesensing,andglobalpositioningsystembasedinformationplatformforlocustcontrol[J].J.Appl.RemoteSens.,2014,8(1:084899.10刘国荣,陈义晶.内蒙古赤峰市草地蝗虫治理策略[J].中国草地,2000(3:75-78.LiuGuorong,ChenYijing.ControlstrategyonlocustsinChifenggrassland[J].GrasslandofChina,2000(3:75-78.(inChinese11方秀琴,张万昌.叶面积指数(LAI的遥感定量方法综述[J].国土资源遥感,2003(3:58-62.FangXiuqin,ZhangWanchang.Theappicationofremotelysenseddatatotheestimationoftheleafareaindex[J].RemoteSensingforLand&Resources,2003(3:58-62.(inChinese12宫阿都,江樟焰,李京,.基于LandsatTM图像的北京城市地标温度遥感反演研究[J].遥感信,2005(3:18-31.GongAdu,JiangZhangyan,LiJing,etal.UrbanlandsurfacetemperatureretrievalbasedonLandsatTMremotesensingimagesinBeijing[J].RemoteSensingInformation,2005(3:18-31.(inChinese13SandholtI,RasmussenK,AndersenJ.Asimpleinterpretationofthesurfacetemperature/vegetationindexspaceforassessmentofsurfacemoisturestats[J].Remote
SensingofEnvironment,2002,79(2-3:213-224.14郭安红,王建林,王纯枝,.内蒙古草原蝗虫发生发展气象适宜度指数构建方法[J].气象科技,2009,37(1:42-47.GuoAnhong,WangJianlin,WangChunzhi,etal.MeteorologicalsuitabilityindexofgrasshoppergrowthanddevelopmentinInnerMongolia[J].MeteorologicalScienceandTechnology,2009,37(1:42-47.(inChinese15EdwardDDeveson.SatellitenormalizeddifferencevegetationindexdatausedinmanagingAustralianplaguelocusts[J].JournalofAppliedRemoteSensing,2013,7:075096.

本文来源:https://www.2haoxitong.net/k/doc/adb3325c7d21af45b307e87101f69e314232fa79.html

《基于Landsat8卫星数据的蝗虫遥感监测方法研究.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式