1、论文题目： 基于森林病虫害特征变化MODIS遥感影像变化机理研究 黄庆辉目 录摘要1ABSTRACT1引言21研究区概况32研究方案32.1研究内容32.2技术路线33资料收集及数据预处理53.1资料收集53.2 MODIS遥感影像图预处理5去重影53.2.2 图像配准7裁剪研究区域73.3样地数据提取74研究原理与方法84.1 原理84.2 研究方法8方法选择8因子数量化85 结果与分析95.1因子筛选分析95.2数量化得分表的编制125.3 MODIS遥感相关系数分析156结论与讨论166.1结论166.2讨论17参考文献17致谢20摘要: 本文以三明市马尾松毛虫病害为例，研究MODIS遥
2、感影像信息随森林病虫害特征变化的机理。运用数量化理论方法，通过对MODIS遥感影像信息与不确定性立地因子的筛选，编制相应的得分表；分析在一定的立地因子条件下，MODIS遥感影像信息与马尾松毛虫病害特征变化的关系。结果表明：马尾松毛虫病害特征变化对MODIS遥感影像光谱第二波段变化不明显，MODIS遥感影像光谱第一波段、NDVI、TNDVI、SQRT、RI/R变化很明显。马尾松毛虫病害的程度变化与MODIS遥感影像第一波段信息值呈正相关的关系，马尾松毛虫病害的程度变化与MODIS遥感影像TNDVI、NDVI、SQRT、RI/R信息值呈负相关的关系。MODIS遥感影像NDVI、TNDVI信息可用于
3、森林病虫害的监测。关键词：马尾松毛虫病害 遥感 MODIS L1b data 数量化理论Abstract: Keywords: Horses tail pine needle plague Remote sensing Moderate-resolution imaging spectroradiometer（MODIS） Mathematical quantification theory引言马尾松毛虫( Dendrolimus punctat us Walker) 是我国、也是福建省最主要的历史性森林害虫。在福建省成灾频率高,每34年暴发成灾一次1。最严重的是1984年,发生面积达17.1
4、7万ha,自20世纪90年代实施目标管理以来,发生面积虽呈下降趋势,但年均发生面积仍高达5.32万ha,因松毛虫危害年均减少木材生长量约8万平方米 ,造成直接损失达3200万元以上。因此,随着造林绿化工程实施以后所营造的大面积马尾松纯林已进入了松毛虫危害高峰期,发生面积仍居高不下,有效地控制该虫的危害,对保护森林资源安全,促进林产工业发展具有十分重要的意义。 马尾松毛虫个体较小，不能从卫星遥感和常规遥感图像上直接识别，但马尾松毛虫对森林进行破坏，造成森林大面积的失叶现象在遥感影像上可以体现为植被指数的变化。发达国家自20世纪7O年代开始利用卫星遥感图像监测森林病虫害，在大的空间尺度上，遥感数据
5、被广泛有效地用于检测森林病虫害所引起的失叶现象。目前，在森林病虫害的遥感监测方面的所利用的遥感数据主要有Landsat TM,MSS和SPOT HRV等卫星遥感数据和多种航空遥感数据1-5。加拿大1988年进行了卫星遥感监测花旗松卷叶蛾虫害的发生动态。国家在“八五”期间设立了科技攻关项目“松毛虫早期灾害点遥感监测研究”专题，来深入研究和探讨陆地资源卫星TM资料监测松毛虫的可行性和技术方法，取得了满意的效果6。1988-1990年，中科院的池天河、戴昌达等在安徽应用TM图像进行了越冬代松毛虫灾害的监测应用研究。武红敢、杨存建等也对松毛虫灾害的TM影像监测技术进行了深入研究4。目前广泛使用的陆地资
6、源卫星TM遥感数据,虽然分辨率比较高,但是其时效性不强,遥感资料的获取周期较长,不利于对森林病虫害的早发现,早防治,容易错过对病虫害的早期控制时期,而且TM资料的成本较高,不能在某些中小森林病虫害检测站广泛推广使用。鉴于森林病虫害检测中大部分基于高分辨率的遥感数据在实际应用的不足，我们提出了利用MODIS遥感数据进行森林病虫害检测的思路和方法。MODIS遥感技术是新兴的一种遥感监测手段 ，其具有以下优点：1）MODIS 数据的接收与应用是完全免费的。2）其接收过程中基本上无重大干扰, 只要净空条件有保证就可以收到较好的卫星图像。3）MODIS数据具有250m分辨率的CH1 和CH2可见光通道,
7、 可以提供地面的清晰图像。4）MODIS数据多达36个通道的多通道性，在使用中有更多的选择。5）具有较高的时间分辨率，一天可以获得四景MODIS遥感影像图。MODIS遥感影像图能对森林病虫害监测，能减少人力、物力和财力，同时迅速、全面、客观地反映病虫害的发生发展动态。研究森林病虫害的特征变化与不同时候的森林病虫害特征的MODIS遥感影像与地形因子的相互影响的关系，对监测森林病虫害全新的方法进一步验证，提高MODIS遥感影像方法对森林病虫害的监测准度。从而达到减少人力、物力和财力，同时迅速、全面、客观地反映病虫害的发生发展动态，能及时地，有针对性地采取防治措施，是非常有必要的2-4，7-11。M
8、ODIS遥感数据可较准确地反映出马尾松毛虫危害范围和程度，并在监测速度、监测范围及成本上都优越于过去传统的调查方法。1研究区概况三明市位于福建省中西北部，地理坐标为北纬25292707，东经1162211839。平均年气温在18.819.6，平均年降雨量1760毫米。以丘陵为主的山地。三明市松毛虫每年发生34代，且松毛虫有迁徙的习性，一般是年发生世代多的马尾松毛虫间隔时间短，约34年爆发一次。同时松毛虫发生区一般可划分为常灾区、偶灾区、无灾区。常灾区多分布于大面积纯林地带。马尾松毛虫成灾，多在海拔500米以下的低山丘陵地区，树龄10年左右，郁闭度小且干燥易大发生12。根据松毛虫生物学特性，研究
9、区内的立地条件比较有利于松毛虫的发生。2研究方案2.1研究内容通过RS技术，以MODIS250ML1B遥感影像图与马尾松毛虫病虫害地面调查数据，运用数量化理论的方法。结合立地因子来研究马尾松毛虫病虫害的特征变化与MODIS遥感影像的直接与间接的光谱信息机理变化。讨论哪些立地因子会影响马尾松毛虫的发生，哪些MODIS遥感影像信息会随马尾松病虫害特征变化而发生变化，对确定的会对马尾松病虫害影响的立地因子与MODIS遥感影像信息进行分析，并探讨它们之间的关系。2.2技术路线MODIS遥感影像原始图研究区shp图层三明市DEM预处理arcview提取EARDS8.7提取研究区MODIS遥感影像图马尾松
10、林分分布 图林分郁闭度 图林分龄级图林分年龄图坡度图坡向图海拔图坡位图EARDS8.7提取EARDS8.7建模提取样地立地因子图EARDS8.7建立模型对立地因子划分等级ARDS8.7建立模型对立地因子划分等级立地因子等级划分图 等级划分图EARDS8.7建模提取提取样地各类信息DPS对不确定性立地因子筛选DPS对相关因子分析得到MODIS遥感影像信息随马尾松病害特征的变化而变化的机理3资料收集及数据预处理3.1资料收集2003三明市林业局小班森林资源调查数据（以Shp图层格式提供），三明市DEM，三明市各县市shp图层，遥感影像为2003年10月29号MODIS 250m L1B13-16产
11、品遥感影像图。图1 研究区马尾松林分分布图Figure 1 research area masson pine Judeich distribution map3.2 MODIS遥感影像图预处理去重影MODIS图像在其扫描线宽度方向由扫描条带组成，条带宽度为10（1000米分辨率）、20（500米分辨率）和40个象素（250米分辨率），所以地球的球面特性会导致扫描带两端产生数据的重叠现象，将扫描带组成遥感图像后即形成所谓的“蝴蝶结”效应（bowtie现象）。MOD IS 数据经过辐射校正后生成的L 1B 产品存在着独特的重叠现象, 俗称“双眼皮”现象(bow - t ie effect) ,
12、使得MOD IS 的边缘数据无法使用, 影响了数据的实际应用。象素尺寸随扫描角的变化规律如图2所示。这种象素尺寸的几何形变造成两个现象，一是边沿象素对象区域的重叠现象，而且越靠近边沿，象素重叠现象越严重；二是沿扫描方向图象的压缩失真。如图3所示，Bowtie现象在星下点处不存在，随着扫描角度的变大bowtie现象逐渐加重，在边缘处达到最大值。Bowtie现象如果不预先处理，则MODIS数据就难以直接使用。 图2MODIS数据的“蝴蝶结”效应随扫 图3MODIS数据的“蝴蝶结”效应像元描角变化规律 随扫描角变化规律Fig 2 MODIS data “butterfly knot” effect
13、Fig 3 MODIS data “butterfly knot” effectalong with scanning angular variation rule element along with scanning angular variation ruleBowtie处理算法主要有“星历表法”和“非星历表法”两种。由于无法获得卫星的星历表与一些参数，所以无法运用星历表法，因此用非星历表法，主要是运用俄罗斯的modis tools模块在envi软件的环境下运行。处理效果见图-5。 图 4 MODIS数据的未去除“蝴蝶结”效应图 图 5 MODIS数据的去除“蝴蝶结”效应的效果图Fig
14、5 MODIS data have not removed “the Fig 5 MODIS data elimination “butterflybutterfly knot” the effect chart knot” effect effect chart 图像配准Modis遥感影像图的配准，本次主要是运用EARDS 8.7软件，采用精校正，运用1：20万福建地形图进行点对图校正，在地形图里读取明显地物的经纬度，运用EARDS 8.7的Coordinate Calculator模块将经纬度转化为krasovsky坐标，同时运用闽江流域TM影像图做参考。采用多项式变换（Polynomia
15、l）图像校正，选择3次方。最少控制点数计算公式为(（t+1）*(t+2)/2,式中t为次方数，即采用10个控制点。本次配准总误差控制在0.5以下。20012008年modis遥感影像配准的精度效果较好，可用于本论文的研究。同时由于本人无法对大气校正和太阳高度角的校正，但大气和太阳高度角对modis遥感影像的ndvi影像较小，在modis遥感影像区域天气晴朗时可以忽略大气的影像。本次论文使用的modis遥感影像图质量是较好的，在研究区域都是无云晴天。裁剪研究区域用三明市各县市shp图层生成对应区域的AOI，运用EADRS8.7剪切的模块剪切三明市预处理好的MODIS遥感影像图。对研究区MODIS
16、遥感影像图进行归一化处理，主要有NDVI=(B2-B1)/(B2+B1), IR/R=(B2/B1), SQRT(IR/R)=SQRT(B2/B1), TNDVI=SQRT(B2-B1)/(B2+B1)+0.5),处理出这些相对应的图14，22-27。3.3样地数据提取采用EARDS 8.7产生随机点的方法获取样地坐标，配合shp图层，生成样地信息，随机生成样地数为520个，用样地坐标在EARDS 8.7里读取样地的MODIS遥感影像信息值。主要有以下几种，第一波段光谱反射值B1，第二波段光谱反射值B2，植被指数包括以下几类：NDVI=(B2-B1)/(B2+B1), IR/R=(B2/B1)
17、, SQRT(IR/R)=SQRT(B2/B1), TNDVI=SQRT(B2-B1)/(B2+B1)+0.5) 24，25，27。B1：MODIS第1波段，为红光波段的地表反射率。B2：MODIS第2波段，为近红外光波段的地表反射率。空间分辨率均为250米14，15。4研究原理与方法4.1 原理现代遥感技术，主要是以地物光谱特性研究为基础15，16。物质的光谱特性即地物对电磁波响应特性，是遥感的理论基础。电磁能入射到地物时，对入射能量产生不同程度的反射、透射、吸收、散射和发射。电磁能与物体的相互作用是有选择的，决定于物体的表面性质和内部的原子、分子结构。不同的物质反射、发射电磁波的能量随波长
18、而变，既有质的差异，又有量的变化。这种变化规律，就是地物的波谱特性15。对绿色植物而言，当阳光照射到叶上时，蓝光、红光被叶绿素吸收，进行光合作用。绿光的一部分穿透叶片被地面吸收，但大部分被反射回空间。对不可见的近红外光，叶的反射最强，这是植物免遭红外线热效应灼伤的一种保护作用22-24。植物的这种光谱特性，因其种类、生长阶段、叶形结构、叶绿素含量、细胞含水量及健康状况(是否受病虫危害等)而异22-26。由于森林病虫害的发生、发展是有规律的，所出现的征象是可以直接或间接在遥感图像上判读的，故可利用MODIS遥感影像第一波段与第二波段信息与各种植被指数信息来研究与森林病害变化的机理22，25，26
19、。就是基于同一区域不同年份的同一时相影像间存在着光谱特征差异的原理来识别松林被害程度的工作，其本质就是对影像系列时域效果进行量化14。4.2 研究方法数量化理论I数量化理论I研究的目的是进行预测及寻找说明变量(自变量)，分别对基准变量(因变量)的影响程度，其中要求基准变量是定量变量，说明变量可以是定量的，也可以是定性的，将定量数据按其取值范围并结合实际情况合理地分为若干组，每1组作为1个类28-31。定性数据的每1个水平作为1个类。这样引入符号，定义这样将原始数据均化为0和1表示的数量化数据，而得出预测模型： 根据马尾松毛虫病虫害地面调查数据，运用数量化理论的方法，结合立地因子来研究马尾松毛虫
20、病虫害的特征变化与MODIS遥感影像的直接与间接的光谱信息机理变化。同时将立地因子划为数量化的自变量因子，MODIS遥感影像提取的信息划为协变量因子，马尾松毛虫病害程度划作为因变量因子。因子选择及分级标准的确定本研究根据马尾松毛虫的生物学特性与马尾松生物学特性将坡向、海拔、龄级、坡位、坡度、年龄、郁闭度作为影响马尾松毛虫病害的不确定性立地因子（由于是立地因子为不确定性因子所以在选择立地因子时只要对马尾松病虫害有影响的因子都要考虑到），马尾松毛虫病害程度为定量因子11，28-31。坡向、坡度、坡位与郁闭度的划分标准是以我国的二类调查标准为依据划分的。海拔与年龄是根据马尾松在福建不同海拔的生长特性
21、与马尾松毛虫的生物学特性的标准划分的。龄级的划分标准是以森林经理学的经营等级与马尾松毛虫的生物学特性的标准划分的。反应表的构建表1 各立地因子项目及类目划分标准Table 1 Standard division of item and category for each site factor因子(Xi)分类划级标准(Xij)12345类级数坡 向(X1)阴坡阳坡2海 拔(X2)500m以下500800m8001200m1200m以上4龄 级(X3)幼龄林中龄林近成熟林过熟林4坡 度(X4) 1516252635364545以上5坡 位(X5) 脊上中下山谷与平地5年 龄(X6)1101020
22、20以上3郁闭度(X7)00.20.30.40.50.70.80.104病害程度(X8)无轻中重45 结果与分析5.1因子筛选分析遥感影像的信息要受到地面多种信息的影响，在研究森林病虫害特征变化与MODIS遥感影像变化的机理，就要考虑那些立地因子也会影响那类MODIS遥感影像信息，这就要通过因子的筛选的求最优模型子集法来确定相关的因子28，32。筛选的原则为以马尾松毛虫病害程度为因变量因子，各类MODIS遥感影像信息为协变量，立地因子为自变量因子，若它们之间的复相关系数愈大，说明对马尾松毛虫病害程度的预估愈好，否则反之。但是复相关系数大小与项目、类目及样地数量有关，因此，需作F检验。若FF0.
23、05 (自由度为)则预测效果好，否则不好32，33，如表2。表2 F检验表Table 2 F check tablesNDVI变异来源平方和自由度均 方F 值p-值海拔0.875230.29171.60870.1864坡度0.297540.07440.41010.8014坡向0.120610.12060.66490.4152坡位2.880340.72013.97090.0035郁闭度0.6130.20331.12130.34龄级7.659232.553114.07920.0001年龄3.269521.63489.01520.0001NDVI12.267112.26767.64780.0001误
24、差90.30514980.1813总变异131.1077519统计检验F值=10.7148 自由度(21,498) p值=0.0001RI/R变异来源平方和自由度均 方F 值p-值海拔1.471930.49062.59130.0521坡度0.314440.07860.41520.7977坡向0.199410.19941.05310.3053坡位3.210240.80264.23880.0022郁闭度0.617130.20571.08640.3544龄级7.827632.609213.78080.0001年龄3.309321.65468.73920.0002RI/R8.282918.282943
25、.7470.0001误差94.28924980.1893总变异131.1077519统计检验F值=9.2601 自由度(21,498) p值=0.0001第二波段变异来源平方和自由度均 方F 值p-值海拔4.875231.62517.90610.0001坡度0.704840.17620.85720.4896坡向1.063711.06375.1750.0233坡位3.586740.89674.36240.0018郁闭度0.591630.19720.95950.4116龄级9.654733.218215.65710.0001年龄4.180122.090110.16840.0001第二波段0.210
26、810.21081.02530.3117误差102.36134980.2055总变异131.1077519统计检验F值=6.6597 自由度(21,498) p值=0.0001SQRT(IR/R)变异来源平方和自由度均 方F 值p-值海拔1.280130.42672.2870.0778坡度0.316340.07910.42380.7915坡向0.162510.16250.87090.3511坡位3.101140.77534.15520.0025郁闭度0.614830.20491.09830.3494龄级7.727532.575813.80550.0001年龄3.282821.64148.797
27、20.0002SQRT(IR/R)9.655119.655151.74760.0001误差92.9174980.1866总变异131.1077519统计检验F值=9.7470 自由度(21,498) p值=0.0001第一波段变异来源平方和自由度均 方F 值p-值海拔0.784730.26161.51980.2085坡度0.33840.08450.4910.7424坡向1.211711.21177.04030.0082坡位2.492140.6233.61990.0064郁闭度0.828630.27621.60480.1874龄级7.109932.3713.77010.0001年龄3.62321
28、.811510.52530.0001第一波段16.8618116.861897.97180.0001误差85.71034980.1721总变异131.1077519统计检验F值=12.5605 自由度(21,498) p值=0.0001TNDVI变异来源平方和自由度均 方F 值p-值海拔0.860130.28671.58490.1921坡度0.310140.07750.42850.7881坡向0.125710.12570.69490.4049坡位2.822840.70573.90080.0039郁闭度0.619530.20651.14150.3318龄级7.686832.562314.1631
29、0.0001年龄3.306821.65349.13930.0001TNDVI12.4787112.478768.9770.0001误差90.09344980.1809总变异131.1077519统计检验F值=10.7957 自由度(21,498) p值=0.0001通过查表F值要1.58时，所设定的因子才会对因变量因子影响明显，不然该因子对因变量因子影响不明显33。由表2得出MODIS遥感影像的NDVI、RI/R、SQRT (IR/R)、第一波段信息、TNDVI等信息会随着马尾松毛虫病害特征变化而发生显著的变化，而第二波段信息随马尾松毛虫病害特征变化而不发生显著的变化，故将MODIS遥感影像第
30、二波段的信息排除我们的研究，同时它们随马尾松毛虫病害特征变化的显著水平为第一波段信息TNDVINDVISQRT(IR/R)RI/R。当以NDVI为协变量的条件下只有坡位、龄级、年龄对马尾松毛虫病害的估测是有显著影响的，海拔的影响为一般显著，而坡度、坡向、郁闭度则影响不显著，因此在研究马尾松毛虫病害特征的变化与MODIS遥感影像NDVI信息的变化时要考虑与坡位、龄级、树龄等立地因子相结合，对于海拔、坡度、坡向、郁闭度等立地因子不会影响马尾松毛虫病害发生，在探讨马尾松毛虫病害特征的变化与MODIS遥感影像NDVI信息的变化时就不必考虑海拔、坡度、坡向、郁闭度等立地因子的影响，但要结合坡位、龄级、树
31、龄等立地因子进行研究。同理可得出马尾松毛虫病害特征的变化与MODIS遥感影像RI/R信息的变化时要结合海拔、坡位、龄级、树龄等立地因子的影响，而不必考虑坡度、坡向、郁闭度等立地因子的影响；马尾松毛虫病害特征的变化与MODIS遥感影像SQRT(IR/R)信息的变化时要结合海拔、坡位、龄级、树龄等立地因子的影响，而不必考虑坡度、坡向、郁闭度等立地因子的影响；马尾松毛虫病害特征的变化与MODIS遥感影像第一波段信息的变化时要结合坡向、坡位、龄级、树龄等立地因子的影响，而不必考虑海拔、坡度、郁闭度等立地因子的影响；马尾松毛虫病害特征的变化与MODIS遥感影像TNDVI信息的变化时要结合坡位、龄级、树龄
32、等立地因子的影响，而不必考虑海拔、坡度、坡向、郁闭度等立地因子的影响。将各类的遥感信息与其相关的立地因子再次的进行数理化处理与进一步的数据分析。5.2数量化得分表的编制本研究运用DPS数量化方法处理计算会出现矩阵不是列满秩的，其原因是表示所有因素的参数不互相独立，为了得到相互独立的参数，即列满秩的矩阵，可以将每个自变量因子的最后一个类目去掉28。即删除马尾松林分龄级为过熟林、坡位处于山谷与平地、年龄为20年以上、海拔为1200m以上、坡向为阴坡等类目。要研究马尾松毛虫病害特征变化最敏感的是那类遥感信息，剩下的各种立地因子里那种立地因子对因变量因子影响是较大的，就要对筛选出来的对马尾松毛虫病害有
33、显著影响的立地因子进行进一步的数量化分析，并制作各项因子的数量化得分表29-31。如表3。 表3数量化得分表Table 3 Quantified score of site quality遥感信息类别项目类目得分得分范围相对得分NDVI龄级幼龄林0.1205290.4348225.83%中龄林0.3064475近成熟林0.00784541坡位脊-0.9632913.29421344.15%上-0.757392中-0.743933下-0.829597年龄110-0.15783120.416515.58%10200.258679NDVI-3.316553.3165544.45%RI/R海拔500m
34、以下-0.243680.83053716.08%500800m-0.323438001200m-0.26342龄级幼龄林0.1078780.4130448.00%中龄林0.303797近成熟林-0.00137坡位脊-1.015553.37370865.31%上-0.7733中-0.74239下-0.84247年龄110-0.146560.4067517.87%1020-0.26019RI/R-0.141840.1418412.75%第一波段坡向阳坡0.0902310.0902312.37%龄级幼龄林0.0773240.3712899.74%中龄林0.255976近成熟林-0.03799坡位脊0
35、.9013392.90582976.21%上-0.63347中-0.64304下-0.72798年龄110-0.169470.44479611.67%1020-0.27533第一波段0.000960.000960.03%TNDVI龄级幼龄林0.1248740.4434893.95%中龄林0.30865近成熟林0.009964坡位脊-0.952433.25351629.00%上-0.74792中-0.73284下-0.82033年龄110-0.161750.4226033.77%10200.260856TNDVI-7.099367.0993663.28%SQRT海拔500m以下-0.245460
36、.81454614.40%500800m-0.313888001200m-0.25521龄级幼龄林0.0966790.3986387.05%中龄林0.298327近成熟林-0.00363坡位脊-1.001183.33745559.00%上-0.76459中-0.73835下-0.83334年龄110-0.136141.10624819.56%1020-0.25771SQRT-0.71240.71239712.59%通过表中各因子的相对得分信息对比可得出，MODIS遥感影像各类信息对森林病虫害特征变化的敏感程度为TNDVINDVISQRTRI/R第一波段。MODIS遥感影像的各类信息里，当NDV
37、I为协变量时，对马尾松毛虫病害特征变化最敏感的是坡位因子，其次是NDVI信息，最后是龄级与年龄的影响，因此当NDVI信息为协变量时是NDVI信息与坡位对马尾松毛虫病害的预测起主导作用，林分的龄级与年龄起辅助的作用。NDVI信息对马尾松毛虫病害特征变化的变化非常敏感。当RI/R为协变量时，对马尾松毛虫病害特征变化最敏感的是坡位因子，其次是龄级与年龄，最后是RI/R信息的影响，因此当RI/R信息为协变量时是坡位对马尾松毛虫病害的预测起主导作用，林分的龄级与年龄起辅助的作用，而RI/R信息起的作用不是很明显，对马尾松毛虫病害特征变化的变化不敏感。当第一波段为协变量时，对马尾松毛虫病害特征变化最敏感的
38、是坡位因子，其次是龄级与年龄，而后是坡向，最后是第一波段信息的影响，因此当第一波段信息为协变量时是坡位对马尾松毛虫病害的预测起主导作用，林分的龄级与年龄起辅助的作用。第一波段信息对马尾松毛虫病害特征变化的变化不敏感。当TNDVI为协变量时，对马尾松毛虫病害特征变化最敏感的是TNDVI信息，其次是坡位，最后是龄级与年龄的影响，因此当TNDVI信息为协变量时是TNDVI信息与坡位对马尾松毛虫病害的预测起主导作用，林分的龄级与年龄起辅助的作用。TNDVI信息对马尾松毛虫病害特征变化的变化非常敏感。当SQRT为协变量时，对马尾松毛虫病害特征变化最敏感的是坡位因子，其次是年龄，而后是海拔与SQRT信息的
39、影响，最后是龄级的影响，因此当SQRT信息为协变量时是坡位对马尾松毛虫病害的预测起主导作用，SQRT信息、海拔、林分的龄级与年龄起辅助的作用。SQRT信息对马尾松毛虫病害特征变化的变化一般敏感。当马尾松林分在立地条件一定下，马尾松毛虫病害特征变化即可通过MODIS遥感影像的信息变化来反应。NDVI信息值的变化范围为0.001.00之间，在立地条件一定的情况下，预测松毛虫病害的值的变化范围为-3.316550.00000，同时研究中将马尾松林分健康程度划为四个等级，因此NDVI信息可以很好的区分出马尾松林分健康程度的四个等级，即可区分健康林分、轻度病害林分、中度病害林分、严重病害林分。RI/R信
40、息值的变化范围为2.008.00之间，在立地条件一定的情况下，预测松毛虫病害的值的变化范围为-1.13472-0.28368，因此RI/R信息只能区分二个马尾松林分健康程度的二个等级，即健康林分与不健康林分。第一波段信息的变化范围为5002000之间，在立地条件一定的情况下，预测松毛虫病害的值的变化范围为0.481.92，因此第一波段信息只能区分二个马尾松林分健康程度的三个等级，即健康林分，病害林分，严重病害林分。TNDVI信息值的变化范围为0.501.50之间，在立地条件一定的情况下，预测松毛虫病害的值的变化范围为-10.64900-3.54968，因此TNDVI信息能很好的区分出马尾松林分
41、健康程度的四个等级，即可区分健康林分、轻度病害林分、中度病害林分、严重病害林分，并且变化明显。SQRT信息值的变化范围为1.142.83之间，在立地条件一定的情况下，预测松毛虫病害的值的变化范围为-2.01609-0.81214，因此SQRT信息只能区分二个马尾松林分健康程度的二个等级，即健康林分与病害林分。5.3 MODIS遥感相关系数分析本研究主要的解决问题就是要结合立地因子，筛选出最符合马尾松毛虫病害特征变化的MODIS遥感影像的遥感信息，前面分析了各因子的显著性与敏感性。要全面的体现出那类遥感影像信息是变化最好，最密切的还要分析它们的相关系数29-31。如表4。表4相关系数表Table
42、 4 correlation coefficient tables相关系数R决定系数R2调整相关系数R调整决定系数R2NDVI0.545220.297260.532410.28346SQRT0.532110.283150.514520.26473第一波段0.575650.331380.562940.31690RI/R0.521930.272410.503710.25372TNDVI0.546720.298900.533970.28513从表中可以清晰的看出第一波段的相关系数最大为0.57565是与马尾松毛虫病害特征变化而变化最密切的遥感信息，TNDVI与NDVI相关系数基本趋于一致，而后是SQRT与RI/R，同时它们的相关系数都是比较低的。即MODIS遥感影像对于小面积的马尾松毛虫病害可能预测效果不好，只有对较大面积爆发时才有较好的预测效果。6结论与讨论6.1结论通过数量化理论对MODIS遥感影像多种信息分别与立地因子的分析，反应出MODIS遥感影像的光谱值第二波段不会随马尾松毛虫病害特征的变化而发生变化，本研究中其他类型的MODIS遥感影像信息从数据的分析来看，它们会随马尾松毛虫病害的特征变化而发生显著的变化。同时第一波段的光谱值得到相关系数值最高，但对马尾松毛虫病害敏感度却过低，用于马尾松毛虫病害前期的预测预报很不理想，但是对马尾松
个人主页
