免费文献传递   相关文献

The effects of hyper spectral change on grassland biomass after damage by Calliptamus abbreviates populations of different densities

不同密度短星翅蝗危害后羊草的高光谱变化及对产草量的影响



全 文 :书犇犗犐:10.11686/犮狔狓犫20150320 犺狋狋狆://犮狔狓犫.犾狕狌.犲犱狌.犮狀
赵凤杰,王正浩,王慧萍,吴惠惠,刘航玮,王广君,张泽华.不同密度短星翅蝗危害后羊草的高光谱变化及对产草量的影响.草业学报,2015,
24(3):195203.
ZhaoFJ,WangZH,WangHP,WuHH,LiuHW,WangGJ,ZhangZH.Theeffectsofhyperspectralchangeongrasslandbiomassafterdam
ageby犆犪犾犾犻狆狋犪犿狌狊犪犫犫狉犲狏犻犪狋犲狊populationsofdifferentdensities.ActaPrataculturaeSinica,2015,24(3):195203.
不同密度短星翅蝗危害后羊草的高光谱
变化及对产草量的影响
赵凤杰1,2,王正浩1,3,王慧萍4,吴惠惠1,2,刘航玮1,2,王广君1,2,张泽华1,2
(1.中国农业科学院植物保护研究所植物病虫害国家重点实验室,北京100193;2.农业部锡林郭勒草原有害生物科学观测实验站,内蒙古 锡林浩特
026000;3.甘肃农业大学草业学院,昆虫生态实验室,甘肃 兰州730070;4.内蒙古太仆寺旗草原工作站,内蒙古 太仆寺旗027000)
摘要:为建立羊草草地高光谱植被指数(NDVI)与短星翅蝗危害密度之间的关系模型,估计短星翅蝗危害造成的牧
草损失,使用短星翅蝗按5,10,20,40和60头/m25个密度梯度在羊草草地进行田间取食危害试验,测定不同危害
时长后的NDVI值,最后根据NDVI和生物量的对应关系计算蝗虫危害后的牧草损失量。结果发现短星翅蝗危害
羊草草地后,随短星翅蝗密度增加,NDVI值呈现逐渐降低的趋势,但是在密度为10头/m2 时,归一化植被指数
NDVI值略有上升。模拟短星翅蝗危害不同时间后 NDVI与密度之间的关系方程为:犢=0.5932+0.0014狓-
6.93×10-5狓2(5d),犢=0.5950-4.8500×10-4狓-4.01×10-5狓2(10d),犢=0.5848-0.0024狓-1.61×10-5狓2
(15d),犢=0.6422-0.0031狓-2.12×10-5狓2(20d)。其中,狔为植被指数NDVI,狓为蝗虫密度。同时研究发现,
低密度情况下(不大于20头/m2),随危害时间延长短星翅蝗取食对NDVI校正值无显著影响;高密度情况下(大于
20头/m2),随时间延长 NDVI校正值迅速降低,不同密度间的差异显著。根据草地生物量与 NDVI的回归方程
(狔=614.15狓-119.28)将NDVI值转换成牧草损失量,发现随虫口密度增加,牧草损失量呈增加趋势。低密度短
星翅蝗(5,10头/m2)危害情况下,羊草草地有超补偿作用,当蝗虫密度超过40头/m2 时,生物量降低趋势非常明
显。研究结果表明,归一化植被指数NDVI变化与蝗虫危害密度相关关系显著,随着蝗虫密度的增大,NDVI的值
先增长后降低。根据蝗虫危害造成的光谱变化,可以估计蝗虫危害密度及造成的损失。本研究为进一步开展蝗灾
的大区域遥感监测奠定了基础。
关键词:短星翅蝗;羊草;归一化植被指数(NDVI)  
犜犺犲犲犳犳犲犮狋狊狅犳犺狔狆犲狉狊狆犲犮狋狉犪犾犮犺犪狀犵犲狅狀犵狉犪狊狊犾犪狀犱犫犻狅犿犪狊狊犪犳狋犲狉犱犪犿犪犵犲犫狔犆犪犾犾犻狆狋犪
犿狌狊犪犫犫狉犲狏犻犪狋犲狊狆狅狆狌犾犪狋犻狅狀狊狅犳犱犻犳犳犲狉犲狀狋犱犲狀狊犻狋犻犲狊
ZHAOFengjie1,2,WANGZhenghao1,3,WANG Huiping4,WUHuihui1,2,LIUHangwei1,2,WANG Guangjun1,2,
ZHANGZehua1,2
1.犛狋犪狋犲犓犲狔犔犪犫狅狉犪狋狅狉狔犳狅狉犅犻狅犾狅犵狔狅犳犘犾犪狀狋犇犻狊犲犪狊犲狊犪狀犱犐狀狊犲犮狋犘犲狊狋狊,犐狀狊狋犻狋狌狋犲狅犳犘犾犪狀狋犘狉狅狋犲犮狋犻狅狀,犆犃犃犛,犅犲犻犼犻狀犵100193,
犆犺犻狀犪;2.犛狋犪狋犻狅狀狅犳犘犲狊狋犐狀狏犲狊狋犻犵犪狋犻狅狀犻狀犚犪狀犵犲犾犪狀犱,犕犻狀犻狊狋狉狔狅犳犃犵狉犻犮狌犾狋狌狉犲(犕犗犃),犡犻犾犻狀犺狅狋026000,犆犺犻狀犪;3.犌犪狀狊狌犃犵狉犻
犮狌犾狋狌狉犪犾犝狀犻狏犲狉狊犻狋狔,犔犪狀狕犺狅狌730070,犆犺犻狀犪;4.犐狀狀犲狉犕狅狀犵狅犾犻犪犜犪犻狆狌狊犻狇犻犌狉犪狊狊犾犪狀犱犛狋犪狋犻狅狀,犜犪犻狆狌狊犻狇犻027000,犆犺犻狀犪
犃犫狊狋狉犪犮狋:Inordertoevaluategrasslandlosscausedby犆犪犾犾犻狆狋犪犿狌狊犪犫犫狉犲狏犻犪狋犲狊,astudyhasbeenundertaken
toestablishthecorrelationbetweentheNormalizedDifferenceVegetationIndex(NDVI)of犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊
第24卷 第3期
Vol.24,No.3
草 业 学 报
ACTAPRATACULTURAESINICA
2015年3月
March,2015
收稿日期:20140312;改回日期:20140422
基金项目:公益性行业(农业)科研专项经费资助(201003079)和现代农业产业技术体系建设专项资金(CARS3507)资助。
作者简介:赵凤杰(1987),女,山东东营人,硕士。Email:fjzion@163.com
通讯作者Correspondingauthor.Email:guangjunwang@sina.com
grassland,asmeasuredwithahighresolutionradiometer,andthedensityof犆.犪犫犫狉犲狏犻犪狋犲狊populations.Five
groupsof犆.犪犫犫狉犲狏犻犪狋犲狊withdensitiesof5,10,20,40and60heads/m2 wereusedtosimulatethedamage
causedbylocustsfeedinginthefield.NDVIwasmeasuredafterdifferentdamageperiodsandlossescausedby
thelocustswerecalculatedusingaregressionmodelofNDVIandgrasslandbiomass.Resultsindicatedthat
NDVIdecreasedwithincreasesinlocustdensity.However,atadensityof10heads/m2theNDVIroseslight
ly.TheregressionequationsofNDVIandlocustdensityunderdifferentdamageperiodswere:狔=0.5932+
0.0014狓-6.93×10-5狓2(5days),狔=0.5950-4.8500×10-4狓-4.01×10-5狓2(10days),狔=0.5848-0.0024
狓-1.61×10-5狓2(15days)and狔=0.6422-0.0031狓-2.12×10-5狓2(20days);whereyrepresentstheNDVI
scoreandxlocustdensity.Thestudyfoundthatinthecaseoflowdensities(lessthan20heads/m2)thedam
agecausedby犆.犪犫犫狉犲狏犻犪狋犲狊hadnoobviouseffectonNDVIwiththeextensionofdamagetime.However,un
derhighdensities(morethan20heads/m2)theNDVIdecreasedrapidly.Theregressionmodel(狔=614.15狓-
119.28)showsthatNDVIdatacanbeusedtomeasuregrasslandloss.Thestudyindicatedthatlowdensitiesof
犆.犪犫犫狉犲狏犻犪狋犲狊(5and10heads/m2)hadsignificantlylesseffecton犔.犮犺犻狀犲狀狊犻狊grasslandbutthatwhenlocust
densityreached40heads/m2thebiomassdecreasedsharply.Resultsthusshowedthatthehyperspectralgrass
landvegetationindex(NDVI)andthedamagecausedbylocustdensityaresignificantlycorrelated.Thespec
tralchangecausedbylocustdamagecanthusbeusedtoestimateboththedensityoflocustsandtheextentof
grasslandloss.Thisresearchprovidesafoundationoffurtherlargescalegrasslandmonitoringwithhyperspec
tralremotesensing.
犓犲狔狑狅狉犱狊:犆犪犾犾犻狆狋犪犿狌狊犪犫犫狉犲狏犻犪狋狌狊;犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊;NDVI
本研究通过短期内草地高光谱遥感数据的变化,建立草地高光谱与短星翅蝗密度之间的关系模型,推测蝗灾
的发生程度和短星翅蝗(犆犪犾犾犻狆狋犪犿狌狊犪犫犫狉犲狏犻犪狋狌狊)危害造成的羊草(犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊)产量损失。研究结果为
深入开展草原蝗虫的遥感监测奠定了基础,对于提升蝗灾的监测预警技术水平具有重要意义。使用遥感数据监
测昆虫对植物的危害在国内已经有广泛的研究,尽管时空范围上植被信息的有限使得识别环境变化对动物数量
的直接和间接影响变得十分困难,但是归一化植被指数(NDVI,NormalizedDifferenceVegetationIndex)在生态
领域的大量迅速的应用改变了这一情况[1]。Qiao等[2]使用地物波谱仪监测了烟蚜对植物的危害,结果发现,烟
蚜的危害使烟(犖犻犮狅狋犻犪狀犪狋犪犫犪犮狌犿)的光谱降低,尤其是近红外部分会降低。吴彤等[3]及Ni和 Wu[4]使用高光谱
数据建立了东亚飞蝗危害的虫害光谱指数(DSI),通过DSI反映芦苇(犘犺狉犪犵犿犻狋犲狊犮狅犿犿狌狀犻狊)受蝗虫危害的程
度,并使用DSI对研究区域内蝗虫的危害程度划分为未危害、轻度危害和重度危害三级。卢辉等[5]在内蒙古锡
林郭勒盟对亚洲小车蝗进行了高光谱遥感监测,也建立了虫害光谱指数(DI),对危害程度划分为轻度发生和严
重发生2级。Ji等[6]对蝗虫暴发前后的MODIS(ModerateresolutionImagingSpectroradiometer)数据进行了分
析,研究发现NDVI减少的区域可以成功的制图并且划分成轻、中、重三级危害级别,鉴定暴发前后的精度可以
达到88.8%,其他人也证明NDVI和蝗虫的数量有良好的负相关性[7]。在羊草草地尚未有人研究光谱变化与蝗
虫密度之间的关系,本研究使用高光谱数据按短星翅蝗的危害时长监测了不同蝗虫密度对羊草草地的危害程度,
并建立了定量关系模型。使用高光谱遥感实现对蝗虫危害程度的监测和产量损失分析。
1 材料与方法
1.1 研究区域概况
研究区域位于农业部锡林郭勒草原有害生物科学观测站附近,该区域位于内蒙古高原中部的典型草原栗钙
土亚区,其地理位置:N43°14′-44°49′,E115°28′-116°30′,海拔800~1400m。属于温带半干旱气候,冬季受蒙
古高压气流控制,寒冷干燥;夏季受季风影响,较为温暖湿润。年均气温0.5~1.0℃,无霜期约为100d,年均降
691 草 业 学 报 第24卷
水350mm,降水集中在6-9月,地带性植被为大针茅(犛狋犻狆犪犵狉犪狀犱犻狊)-羊草草原。
1.2 试验仪器
地物波谱仪,AvaSpec2048×142,Avantes公司。技术参数为,探测器:薄型背照式CCD探测器,2048×14
像素阵列;波长范围:200~1160nm;积分时间:2.24ms~10min;采样速度:2.24ms/每次采样;波长精度:
±0.1nm;光谱采样间隔:0.5nm;光谱分辨率:2.4nm;外形尺寸及重量:175mm×110mm×44mm,720g;工
作温度:0~55℃。
1.3 不同危害密度和危害时长短星翅蝗对羊草草地NDVI的影响
选择生长状况良好且一致的禁牧区羊草草地200m2,拔除杂草,将盖度处理到50%左右,羊草平均高度为
40cm,在上面建规格是1m×1m×1m的笼罩30个,笼罩共3排,每排10个,笼罩的间距为1m左右。笼罩共
分为6组,即1个对照组和5个处理组,5个处理分别放入5,10,20,40和60头/m2 密度的短星翅蝗,对照组不放
入蝗虫,每个对照和处理都有5个重复。每天检查笼罩的完整度和笼罩内短星翅蝗数量,及时补充死亡和缺失蝗
虫,使其保持在设定的密度。在放入蝗虫后的当天中午以及第5,10,15和20天的中午依次采集30个笼罩内羊
草和蝗虫的混合光谱。
1.4 未危害情况下不同密度短星翅蝗对羊草草地NDVI的影响
在笼罩中的短星翅蝗危害实验结束后,使用对照组笼罩,在晴朗的中午采集笼罩内羊草的反射光谱,然后依
次放入20,40,60,80和100头短星翅蝗,在每次放入短星翅蝗后立即采集草地的光谱,得到不同密度短星翅蝗与
健康羊草的混合光谱,实验结束后迅速将蝗虫取出。
1.5 不同密度短星翅蝗危害对羊草产量的影响
依据禁牧区羊草+杂类草型草地的生物量与高光谱NDVI的一次项线性相关模型狔=614.15狓-119.28
(犚=0.9992,犘<0.0001)[8],得到NDVI变化量/校正变化量所对应的生物量,获得不同危害密度和危害时长短
星翅蝗危害造成的羊草产量损失。
1.6 数据来源与分析
光谱采集时间安排在2013年7-8月的10:30-14:30进行,传感器采用25°视场角探头,置于冠层上方1.53
m处,与冠层面保持垂直;每一样本重复测量10次,且每隔0.5h用参考板对仪器进行一次校正[9]。每隔5d采
集一次笼罩试验的高光谱数据,使用光谱仪自带数据处理软件Viewer中的数据分析模块(NDVI.mod),对反射
光谱进行分析。
归一化差异植被指数NDVI,是植被光谱所特有的红光吸收谷和近红外反射峰肩部特征经比值归一化得
到[10]。其计算公式如下[11]:
NDVI=(ρNIR-ρRED)/(ρNIR+ρRED)
其中,NDVI为归一化植被指数;ρRED为红光波段的反射率;ρNIR为近红外波段的反射率。
NDVI增量(ΔNDVI),即第5,10,15,20天时的实测值 NDVI与最初未放入短星翅蝗(第1天)时测量的
NDVI的差值。即:
ΔNDVI=NDVI(5,10,15,20d)-NDVI(1d)
其中,NDVI(nd)表示第n天时的实测NDVI值。
NDVI校正值(NDVIs),即处理组NDVI增量与对照组NDVI增量的差值。公式如下:
NDVIs=(NDVI处理终-NDVI处理初)-(NDVI对照终-NDVI对照初)
其中,NDVI处理初/终表示处理组最初/最终的NDVI值,NDVI对照初/终表示对照组初/终的NDVI值。
未危害时蝗虫密度对高光谱植被指数的影响试验采用多重比较方法分析,不同危害时长、不同龄期蝗虫密度
和植被指数的关系试验采用简单相关方法分析。
本文数据皆使用Origin9.0和SAS8.0软件统计分析。
791第3期 赵凤杰 等:不同密度短星翅蝗危害后羊草的高光谱变化及对产草量的影响
2 结果与分析
2.1 羊草草地不同密度短星翅蝗对NDVI的影响
研究结果表明,在羊草植被上(植被平均高度40
cm、平均目测盖度40%)短星翅蝗密度低于60头/m2
时,植被指数 NDVI与对照组的没有显著性差异变
化,但当短星翅蝗密度达到80和100头/m2 时,NDVI
之间有显著性差异,与空白对照差异显著(犘<0.05)。
在使用高光谱遥感时可以对短星翅蝗的数量进行粗略
的评估,即不大于60,80和100头/m2 三类,NDVI值
越小,短星翅蝗的密度越大(表1)。
2.2 不同密度短星翅蝗对羊草危害后的光谱变化
无论是在短星翅蝗危害后的第5,10,15或20天
采集数据,NDVI值在蝗虫密度为10头/m2 时都有一
个轻微的上升然后迅速降低,可能是超补偿作用所致。
在蝗虫密度为60头/m2 时NDVI最低,最低可达到原
来的2/3(图1)。低密度蝗虫(10,20头/m2)危害对植
表1 未危害时不同密度短星翅蝗在羊草上的
植被指数犖犇犞犐方差分析
犜犪犫犾犲1 犜犺犲犃犖犗犞犃犪狀犪犾狔狊犻狊狅犳狏犲犵犲狋犪狋犻狅狀犻狀犱犻犮犲狊犖犇犞犐
狅犳犱犻犳犳犲狉犲狀狋犱犲狀狊犻狋狔犆.犪犫犫狉犲狏犻犪狋犲狊狅狀犺犲犪犾狋犺狔狆犾犪狀狋狊
蝗虫密度Locustsdensity
(头 Head/m2)
归一化植被指数(平均值±标准差)
NDVI(means±SD)
0 0.7448±0.001398A
20 0.7441±0.000876A
40 0.7451±0.002450A
60 0.7443±0.000483A
80 0.7390±0.001247B
100 0.7375±0.000527C
 注:同列中不同字母者为差异显著(犘<0.05)。下同。
 Note:Meanswithdifferentlettersaresignificantlydifferentatthe
0.05level.Thesamebelow.
被指数的影响效果不显著,当蝗虫密度达到40头/m2
图1 危害不同时长后植被指数犖犇犞犐和
短星翅蝗危害密度的关系
犉犻犵.1 犜犺犲狉犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犖犇犞犐犪狀犱犆.犪犫犫狉犲狏犻犪狋狌狊
犱犲狀狊犻狋狔狌狀犱犲狉犱犻犳犳犲狉犲狀狋犱犪犿犪犵犲狆犲狉犻狅犱 
或危害时长不小于15d时,NDVI值发生明显下降。
但出现明显下降后的NDVI数值间差异不显著。
对NDVI与蝗虫密度之间的关系进行拟合,结果
见表2,其中狔为NDVI,狓是蝗虫危害密度。结果表
明,植被指数NDVI与蝗虫密度呈现出二次相关的关
系,尤其在危害5,10d时曲线的弯曲程度更加明显,5
d时的拟合方程也是最理想的(犚>0.99,犘<0.01)。
研究 NDVI校正值(NDVIs,thestandardNor
malizedDifferenceVegetationIndex)和蝗虫密度的关
系图2,发现除第10天测量的5头/m2 蝗虫危害后
NDVI校正值大于0,其他的均小于0,说明随蝗虫密
度增加,对羊草的取食量增大,羊草损失增加,NDVI值
迅速降低,NDVI值的变化量减少。在第10天时5
头/m2 蝗虫的危害造成NDVI值升高,可能是由于低
密度短星翅蝗危害,羊草草地产生了的超补偿作用,使
植被增长量大于对照组植被增长量,所以NDVI校正
值为正。在蝗虫密度达到40头/m2 时,不同危害时长
的NDVI之间表现出较大的差异性,蝗虫危害密度为
40头/m2 时的NDVI最大值与低于此密度时的 ND
VI最大值差异不大,但蝗虫危害密度为60头/m2 的
NDVI最大值远小于低于此密度时的 NDVI,因此根
据草地的NDVI可以将蝗虫的危害程度分为三级:连
续采集的光谱NDVI值之间的差异性不显著的表明
表2 危害不同时长后植被指数犖犇犞犐和短星翅蝗
危害密度的拟合方程
犜犪犫犾犲2 犜犺犲狊犻犿狌犾犪狋犻狀犵犲狇狌犪狋犻狅狀狅犳犖犇犞犐犪狀犱犆.犪犫犫狉犲狏犻犪狋狌狊
犱犲狀狊犻狋狔狌狀犱犲狉犱犻犳犳犲狉犲狀狋犱犪犿犪犵犲狆犲狉犻狅犱
天数
Days
(d)
方程
Equation
相关系数
(犚)Cor
relation
概率(犘)
Proba
bility
5 犢=0.5932+0.0014狓-6.93×10-5狓2 0.9990 0.0020
10 犢=0.5950-4.8500×10-4狓-4.01×10-5狓2 0.9632 0.0723
15 犢=0.5848-0.0024狓-1.61×10-5狓2 0.9297 0.1356
20 犢=0.6422-0.0031狓-2.12×10-5狓2 0.9649 0.0691
891 草 业 学 报 第24卷
蝗虫危害密度小于40头/m2,这是第一类,记为轻度
图2 危害不同时长后犖犇犞犐狊校正值和
短星翅蝗危害密度的关系
犉犻犵.2 犜犺犲狉犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犖犇犞犐狊(狋犺犲狊狋犪狀犱犪狉犱犖狅狉犿犪犾犻狕犲犱
犇犻犳犳犲狉犲狀犮犲犞犲犵犲狋犪狋犻狅狀犐狀犱犲狓)犪狀犱犆.犪犫犫狉犲狏犻犪狋狌狊
犱犲狀狊犻狋狔狌狀犱犲狉犱犻犳犳犲狉犲狀狋犱犪犿犪犵犲狆犲狉犻狅犱
发生;NDVI值差异性显著而且 NDVI最大值远远小
于第一类,表明蝗虫密度大于40头/m2,是第三类,记
为重度发生;连续采集的光谱NDVI值之间有显著性
差异,但是最小的 NDVI与第一类中最大的没有差
异,是第二类,蝗虫密度大约为40头/m2,记为中度发
生(图3)。
使用统计软件对 NDVI校正值和蝗虫的密度进
行方程拟合(表3)。结果表明,在蝗虫危害第20天
时,方程模拟效果最好。在一定的危害时长范围内,蝗
虫对草地的危害造成羊草的损失量大于自身的生长
量,所以蝗虫的危害时间越长,损失量越大,不同蝗虫
密度的羊草植被指数NDVI之间差异越明显。
图3 依据犖犇犞犐对蝗虫危害程度的划分流程
犉犻犵.3 犜犺犲犱犻狏犻犱犲犱犳犾狅狑犮犺犪狉狋狅犳犾狅犮狌狊狋狊犱犪犿犪犵犲狊犻狋狌犪狋犻狅狀犫犪狊犲犱狅狀犖犇犞犐
2.3 草地被蝗虫危害不同时长后的光谱变化趋势
的研究
通过分析蝗虫密度恒定情况下,植被光谱随蝗
虫危害时间的变化规律发现,草地在没有受到蝗虫
危害时从7月26日到7月31日,NDVI有较大的
增长,从8月初到8月中旬草地的NDVI保持稳定
的增长,但变化不大。在蝗虫危害密度为5,10,15
头/m2 时,不同的时期 NDVI值呈现波动的趋势,
但基本保持在平均位置左右,当蝗虫的密度为40,
60头/m2 时,NDVI随着危害的时长呈现明显的下
表3 危害不同时长后犖犇犞犐校正值和
短星翅蝗密度的反演方程结果
犜犪犫犾犲3 犜犺犲狊犻犿狌犾犪狋犻狀犵犪狀犱犪狀犪犾狔狊犻狊狉犲狊狌犾狋狅犳犮狅狉狉犲犮狋犲犱
犖犇犞犐犪狀犱犆.犪犫犫狉犲狏犻犪狋犲狊犱犲狀狊犻狋狔
天数
Days
(d)
方程
Equation
相关系数
(犚)Cor
relation
概率(犘)
Proba
bility
5 犢=-0.07534+7.54×10-4狓-3.04×10-5狓2 0.84743 0.28186
10 犢=0.04491-0.00725狓+6.61×10-5狓2 0.97096 0.05724
15 犢=-0.04115-0.00295狓+5.67×10-6狓2 0.94536 0.10629
20 犢=0.00325-0.00702狓+4.52×10-5狓2 0.99650 0.00699
991第3期 赵凤杰 等:不同密度短星翅蝗危害后羊草的高光谱变化及对产草量的影响
降趋势,在达到一定的最低值后,保持平缓的变化(图4)。
图4 草地被蝗虫危害不同时长后的光谱变化趋势
犉犻犵.4 犜犺犲狊狆犲犮狋狉犪狋狉犲狀犱狅犳犵狉犪狊狊犪犳狋犲狉犫犲犲狀犱犪犿犪犵犲犱
犫狔犆.犪犫犫狉犲狏犻犪狋犲狊狅犳犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱
图5 蝗虫危害后草地生物量与蝗虫密度的关系趋势
犉犻犵.5 犜犺犲狋狉犲狀犱狅犳狉犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀
犵狉犪狊狊犾犪狀犱犫犻狅犿犪狊狊犪狀犱犾狅犮狌狊狋犱犲狀狊犻狋狔
 
2.4 蝗虫对草地产生损失量的研究
依据禁牧区羊草+杂类草型草地的生物量与高光
谱NDVI的一次项线性相关模型狔=614.15狓-
119.28(犚=0.9992,犘<0.0001)[8],得到NDVI校正
变化量所对应的生物量(表4),计算之间的相关性及
模拟变化趋势(图5)。
结合图表的结果可以看出,由于NDVI与草地生
物量是线性相关的关系,因此生物量与蝗虫密度关系
的变化趋势和 NDVI与蝗虫密度的关系变化趋势一
致。生物量在蝗虫密度为10头/m2 时都有一个轻微
的上升然后迅速降低,可能是超补偿作用所致。在蝗
虫密度为60头/m2 并于第15天后测量的草地NDVI
最低。低密度蝗虫(10,20头/m2)危害对草地生物量
的影响效果不显著,当蝗虫密度达到40头/m2 且危害
时长不小于10d时,NDVI值发生明显下降。但出现
明显下降后的生物量间差异不显著。
蝗虫危害第10,15和20天时,低密度蝗虫(10和
20头/m2)危害后的生物量下降比较平缓,蝗虫密度达
到40和60头/m2 时草地的生物量迅速下降。蝗虫危
害密度为40和60头/m2 时,第5天测量的生物量与
之后的生物量值之间差异性显著。因此可以推断,草
地的生物量变化和蝗虫的危害总量(危害时长×危害
密度)正相关。蝗虫的密度越大,危害时长越长,生物
量减少得越多。
表4 根据犖犇犞犐值计算出的生物量理论值
犜犪犫犾犲4 犜犺犲狋犺犲狅狉狔狏犪犾狌犲狅犳犫犻狅犿犪狊狊犮犪犾犮狌犾犪狋犲犱犫狔犖犇犞犐 g/m2
蝗虫危害密度
Locustsdensity
(头 Head/m2)
蝗虫危害时长
Locustsdamagetime(d)
0 5 10 15 20
0 194.3296±27.4563A 245.3040±6.2487A 219.9765±21.5448ABC223.7228±20.5705AB 261.0017±27.7592A
5 223.0718±18.6517A 240.6365±7.2102A 250.7085±21.8411AB 210.4203±27.9282AB 265.4973±36.9223A
10 236.5462±12.3130A 236.2269±24.7398A 262.5739±35.7286A 223.6614±35.7913AB 272.6951±38.2321A
20 248.2274±33.9137A 242.8106±28.0303A 181.1130±46.6440ABC235.0109±28.5673A 240.1697±29.3971AB
40 218.3305±16.2668A 224.6808±16.0050AB166.0172±43.2197BC 140.4686±31.0480BC 157.6894±31.5966BC
60 209.8553±17.6844A 170.8445±33.2899B 139.9281±34.1158C 122.8548±38.8540C 120.5579±43.7063C
3 讨论
随着遥感传感器技术的日益精确和光谱识别技术的逐渐发展,高光谱遥感对蝗虫危害的监测从最初的在光
谱曲线上寻找特征区域和特征值来判别研究区是否发生蝗虫危害[12],到构建蝗虫危害指数对蝗虫的暴发进行半
定量的危害,已经逐渐进入到定量监测的阶段。国外使用遥感在农业上的应用研究主要集中在对树种的鉴
002 草 业 学 报 第24卷
别[1315],植被的定植[1617],植被生产力的监测[1822]以及干旱监测[2328]等研究区域,国内遥感在草地上也被广泛用
来监测草地的生产力、盖度[29]、草地类型的高光谱特征研究[3031]等。本研究建立了蝗虫密度和NDVI的反演模
型,结合了半定量与定量遥感的探索,不同于只是对危害程度进行级别分类的研究。
在进行蝗虫监测研究时,大都是直接监测蝗虫生境[3237],而不考虑蝗虫本身光谱,一是蝗虫自身反射光谱不
影响试验结果的精度,据本试验研究所得,在蝗虫密度不大于60头/m2 时,它自身的光谱不会影响植被指数
NDVI;二是即使是高光谱遥感卫星数据,它的分辨率也无法直接识别蝗虫的光谱特征。本试验的结果也证明了
当蝗虫的密度在一般发生范围内(蝗虫密度≤60头/m2)时,使用本试验的地物波谱仪从1.50m的高度进行光
谱采集,蝗虫本身的光谱对羊草的植被指数NDVI没有显著性影响。本研究中后两个研究内容的蝗虫密度都不
大于60头/m2,因此试验得到的植被指数和相关模型的精度受蝗虫自身光谱的影响可以忽略。
植被的反射光谱和植物的叶绿素A、B含量有关,在红光波段叶绿素和反射光谱之间负相关,而在近红外波
段是正相关,而且比值植被指数(RVI)和叶绿素A是正相关的关系[38],因此根据NDVI的算法可以推测出ND
VI和叶绿素的含量也是呈正相关的关系。并且还有大量的研究结果表明NDVI和生物量是正相关的关系[3941],
本研究也发现,不论危害时长的长短,蝗虫的密度和NDVI都是线性负相关的关系,因为蝗虫密度越大,对羊草
造成的破坏也就越严重,因此生物量和叶绿素的含量都会降低,这种结果和前人所做的研究结果是一致的[41]。
本研究仅探究了蝗虫取食危害后与植被生物量有关的植被指数NDVI的变化情况,尚未对蝗虫取食后对植
被的生化参数进行研究,因此,有必要对植物的生化参数也进行相应的试验探索。
4 结论
短星翅蝗的密度在0~60头/m2 时,蝗虫自身的反射光谱不会影响植被指数NDVI。在蝗虫危害草地第5,
10,15,20天时,蝗虫密度和植被指数NDVI之间表现为抛物线的关系,随蝗虫密度的增大,NDVI值先升高后降
低,而且相关性和显著性也都比较理想,适合在实际大面积的草地监测中应用。当对蝗虫的危害进行快速粗略的
估算时也可以根据蝗虫危害后的NDVI值判断蝗虫的发生程度属于轻度发生、中度发生或重度发生。通过ND
VI和生物量的关系进一步推出的蝗虫危害密度与草地生物量之间也是抛物线的关系,因此在进行蝗虫监测时,
可以根据草地的NDVI值和蝗虫的危害时长,估算出蝗虫的危害情况,及时进行防治,这对草地蝗虫监测有非常
实用的意义。
犚犲犳犲狉犲狀犮犲:
[1] PettoreliN,VikJO,MysterudA,犲狋犪犾.UsingthesatelitederivedNDVItoassessecologicalresponsestoenvironmentalchange.Trendsin
Ecology&Evolution,2005,20(9):503510.
[2] QiaoHB,JiangJW,ChengDF,犲狋犪犾.Comparisonofhyperspectralcharacteristicsintobaccoaphiddamage.ChineseBuletinofEntomology,
2007,1:015.
[3] WuT,NiSX,LiYM,犲狋犪犾.Monitoringofthedamageintensityextentbyorientalmigrationlocustusingofhyperspectradatameasuredat
groundsurface.JournalofRemoteSensing,2007,11(1):103108.
[4] NiS,WuT.Monitoringtheintensityoflocustdamagetovegetationusinghyperspectradataobtainedatgroundsurface[C].OpticalEngineer
ingApplications.InternationalSocietyforOpticsandPhotonics,2007:66790B66790B9.
[5] LuH,HanJG,ZhangLD.Studyonhyperspectralremotesensingmodelsformonitoringdamageof犗犲犱犪犾犲狌狊犪狊犻犪狋犻犮狌狊(Orthoptera:Acridi
dae).SpectroscopeandSpectralAnalysis,2009,29(3):745748.
[6] JiR,XieBY,LiDM,犲狋犪犾.UseofMODISdatatomonitortheorientalmigratorylocustplague.Agriculture,Ecosystems&Environment,
2004,104(3):615620.
[7] YangHS,WangCB,YuF,犲狋犪犾.VegetationdynamicsinlocustoccurrenceareaofJeminaybasedonMODIS—NDVI.JiangsuAgricultural
Sciences,2013,41(5):354356.
[8] ZhaoFJ,WuHH,LiuZY,犲狋犪犾.ApplicationofhyperspectralremotesensinginthebiomassmonitoroftwograsslandtypesinXilinhot.Acta
AgrestiaSinica,2013,21(6):10591064.
[9] LiangL,ZhangLP,LinH,犲狋犪犾.Estimatingcanopyleafwatercontentinwheatbasedonderivativespectra.ScientiaAgriculturaSinica,
2013,46(1):1829.
[10] HuangCY,WangDW,HuangDC,犲狋犪犾.Monitoringgrowingstatusofprocessingtomatobasedonhyperspectralvegetativeindex.Remote
SensingInformation,2012,27(5):2630.
[11] RouseJW.MonitoringvegetationsystemsintheGreatPlainswithERTS[C].NASA.GoddardSpaceFlightCenter3dERTS1Symp,1974,
102第3期 赵凤杰 等:不同密度短星翅蝗危害后羊草的高光谱变化及对产草量的影响
309317.
[12] MaJ,HanX,Hasibagan,犲狋犪犾.MonitoringEastAsianmigratorylocustplaguesusingremotesensingdataandfieldinvestigations.Interna
tionalJournalofRemoteSensing,2005,26(3):629634.
[13] SugumaranR,VossM.ObjectorientedclassificationofLIDARfusedhyperspectralimageryfortreespeciesidentificationinanurbanenviron
ment[C].UrbanRemoteSensingJointEvent,IEEE,2007:16.
[14] BoschettiM,BoschettiL,OliveriS,犲狋犪犾.TreespeciesmappingwithAirbornehyperspectralMIVISdata:theTicinoParkstudycase.Inter
nationalJournalofRemoteSensing,2007,28(6):12511261.
[15] VaiphasaC,OngsomwangS,VaiphasaT,犲狋犪犾.Tropicalmangrovespeciesdiscriminationusinghyperspectraldata:alaboratorystudy.Estu
arine,CoastalandShelfScience,2005,65(1):371379.
[16] HeKS,RocchiniD,NetelerM,犲狋犪犾.Benefitsofhyperspectralremotesensingfortrackingplantinvasions.DiversityandDistributions,
2011,17(3):381392.
[17] SheerenD,FauvelM,LadetS,犲狋犪犾.Mappingashtreecolonizationinanagriculturalmountainlandscape:Investigatingthepotentialofhy
perspectralimagery[C].GeoscienceandRemoteSensingSymposium(IGARSS),2011IEEEInternational,2011:36723675.
[18] SalazarL,KoganF,RoytmanL.UseofremotesensingdataforestimationofwinterwheatyieldintheUnitedStates.InternationalJournal
ofRemoteSensing,2007,28(17):37953811.
[19] BeckerReshefI,VermoteE,LindemanM,犲狋犪犾.AgeneralizedregressionbasedmodelforforecastingwinterwheatyieldsinKansasandU
kraineusingMODISdata.RemoteSensingofEnvironment,2010,114(6):13121323.
[20] SantinJaninH,GarelM,ChapuisJL,犲狋犪犾.AssessingtheperformanceofNDVIasaproxyforplantbiomassusingnonlinearmodels:acase
studyontheKerguelenarchipelago.PolarBiology,2009,32(6):861871.
[21] VerbesseltJ,SomersB,vanAardtJAN,犲狋犪犾.MonitoringherbaceousbiomassandwatercontentwithSPOTVEGETATIONtimeseriesto
improvefireriskassessmentinsavannaecosystems.RemoteSensingofEnvironment,2006,101(3):399414.
[22] SimsDA,RahmanAF,CordovaVD,犲狋犪犾.OntheuseofMODISEVItoassessgrossprimaryproductivityofNorthAmericanecosystems.
JournalofGeophysicalResearch:Biogeosciences(2005-2012),2006,111(G4).DOI:10.1029/2006JG000162.
[23] RheeJ,ImJ,CarboneGJ.Monitoringagriculturaldroughtforaridandhumidregionsusingmultisensorremotesensingdata.RemoteSens
ingofEnvironment,2010,114(12):28752887.
[24] CaccamoG,ChisholmLA,BradstockRA,犲狋犪犾.AssessingthesensitivityofMODIStomonitordroughtinhighbiomassecosystems.Re
moteSensingofEnvironment,2011,115(10):26262639.
[25] RojasO,VrielingA,RemboldF.AssessingdroughtprobabilityforagriculturalareasinAfricawithcoarseresolutionremotesensingimagery.
RemoteSensingofEnvironment,2011,115(2):343352.
[26] HueteA,DidanK.MODISseasonalandinterannualresponsesofsemiaridecosystemstodroughtintheSouthwestUSA[C].GeoscienceandRemote
SensingSymposium,2004.IGARSS’04.Proceedings.2004IEEEInternational.IEEE,2004:15381541.
[27] DeshayesM,GuyonD,JeanjeanH,犲狋犪犾.Thecontributionofremotesensingtotheassessmentofdroughteffectsinforestecosystems.An
nalsofForestScience,2006,63(6):579595.
[28] CarroH,SepulcreG,HorionS,犲狋犪犾.Amultitemporalandnonparametricapproachforassessingtheimpactsofdroughtonvegetation
greenness:AcasestudyforLatinAmerica.EARSeLeProceedings,2013,12(1):8.
[29] ZhangCB,LiJL,ZhangY,犲狋犪犾.AquantitativeanalysismethodformeasuringgrasslandcoveragebasedontheRGBmodel.ActaPratacul
turaeSinica,2013,22(4):220226.
[30] YangHF,LiJL,MuSJ,犲狋犪犾.AnalysisofhyperspectralreflectancecharacteristicsofthreemaingrasslandtypesinXinjiang.ActaPratacul
turaeSinica,2012,21(6):258266.
[31] QianYR,YuJ,JiaZH,犲狋犪犾.ExtractionandanalysisofhyperspectraldatafromtypicaldesertgrasslandinXinjiang.ActaPrataculturae
Sinica,2013,22(1):157166.
[32] McCulochL,HunterDM.IdentificationandmonitoringofAustralianplaguelocusthabitatsfromLandsat.RemoteSensingofEnvironment,
1983,13(2):95102.
[33] SivanpilaiR,LatchininskyAV.CanlatesummerLandsatdatabeusedforlocatingAsianmigratorylocust,Locustamigratoriamigratoria,o
vipositionsitesintheAmudaryaRiverdelta,Uzbekistan.EntomologiaExperimentalisetApplicata,2008,128(2):346353.
[34] TratalosJA,ChekeRA.CanNDVIGACimagerybeusedtomonitordesertlocustbreedingareas.JournalofAridEnvironments,2006,
64(2):342356.
[35] LatchininskyAV,SivanpilaiR.LocustHabitatMonitoringandRiskAssessmentUsingRemoteSensingandGISTechnologies[M].Integrat
edManagementofArthropodPestsandInsectBorneDiseases.Netherlands:Springer,2010:163188.
[36] DesplandE,RosenbergJ,SimpsonSJ.Landscapestructureandlocustswarming:asatelite’seyeview.Ecography,2004,27(3):381391.
[37] SivanpilaiR,LatchininskyAV,DrieseKL,犲狋犪犾.MappinglocusthabitatsinRiverIliDelta,Kazakhstan,usingLANDSATimagery.Agri
culture,Ecosystems&Environment,2006,117(2):128134.
[38] SongKS,ZhangB,WangZM,犲狋犪犾.InversemodelforestimatingsoybeanchlorophyIIconcentrationusinginsitucolectedcanopyhyper
spectraldata.TransactionsoftheCSAE,2006,22(8):1621.
[39] ChoMA,SkidmoreA,CorsiF,犲狋犪犾.Estimationofgreengrass/herbbiomassfromairbornehyperspectralimageryusingspectralindicesand
partialleastsquaresregression.InternationalJournalofAppliedEarthObservationandGeoinformation,2007,9(4):414424.
[40] MutangaO,SkidmoreAK.Narrowbandvegetationindicesovercomethesaturationprobleminbiomassestimation.InternationalJournalof
202 草 业 学 报 第24卷
RemoteSensing,2004,25(19):39994014.
[41] ChenMD,HuangXD,HouXM,犲狋犪犾.Dynamicmonitoringofbiomassandvegetationcoverageinrodentdamagedgrasslandregionsof
Qinghaiprovince,China.ActaPrataculturaeSinica,2013,22(4):247256.
参考文献:
[3] 吴彤,倪绍祥,李云梅,等.基于地面高光谱数据的东亚飞蝗危害程度监测.遥感学报,2007,11(1):103108.
[5] 卢辉,韩建国,张录达.高光谱遥感模型对亚洲小车蝗危害程度研究.光谱学与光谱分析,2009,29(3):745748.
[7] 杨洪升,王长宝,于非,等.基于 MODISNDVI的吉木乃蝗区植被动态.江苏农业科学,2013,41(5):354356.
[8] 赵凤杰,吴惠惠,刘朝阳,等.高光谱遥感在锡林浩特2种草地类型生产力监测中的应用.草地学报,2013,21(6):10591064.
[9] 梁亮,张连蓬,林卉,等.基于导数光谱的小麦冠层叶片含水量反演.中国农业科学,2013,46(1):1829.
[10] 黄春燕,王登伟,黄鼎程,等.基于高光谱植被指数的加工番茄生长状况监测研究.遥感信息,2012,27(5):2630.
[29] 章超斌,李建龙,张颖,等.基于RGB模式的一种草地盖度定量快速测定方法研究.草业学报,2013,22(4):220226.
[30] 杨红飞,李建龙,穆少杰,等.新疆三种主要草地植被类型的高光谱反射特征研究.草业学报,2012,21(6):258266.
[31] 钱育蓉,于炯,贾振红,等.新疆典型荒漠草地的高光谱特征提取和分析研究.草业学报,2013,22(1):157166.
[38] 宋开山,张柏,王宗明,等.大豆叶绿素含量高光谱反演模型研究.农业工程学报,2006,22(8):1621.
[41] 陈梦蝶,黄晓东,侯秀敏,等.青海省草原鼠害区域草地生物量及盖度动态监测研究.草业学报,2013,22(4):247256.
302第3期 赵凤杰 等:不同密度短星翅蝗危害后羊草的高光谱变化及对产草量的影响