论文部分内容阅读
摘要：松材线虫病成为制约森林病虫害业务发展的瓶颈，已逐渐发展为我国最为严重的林业病虫害之一，近些年随着遥感技术的快速发展，卫星遥感技术独特的优点可在松材线虫病的预测、治理、损失评估提供技术支持，在最大程度上减少损失，指导林业相关部门及林业生产者减少损失。
关键词：松材线虫病;卫星遥感;损失评估
1引言
在党的十九大报告中提出了人与自然是生命共同体，人类必须尊重自然、顺应自然、保护自然;要完成人与自然和谐共生的现代化建设，须坚持节约优先、保护优先、自然恢复为主的方针，形成节约资源和保护环境的空间格局、产业结构、生产方式、生活方式，还自然以宁静、和谐、美丽。林业是美丽中国建设的核心和关键，林业作为保护生态环境的重要组成部分，其发展及保护的意义非常重大，为了响应十九大号召，加速落实习近平总书记提出的加快生态文明体制改革、推进绿色发展、建设美丽中国的战略部署，控制减少森林病虫害，切实做好森林病虫害工作，筑牢国家绿色屏障，已经成为推动生态文明体制改革，建设美丽中国提升的重要抓手。
卫星遥感技术具有监测范围大、速度快、性价比高、受地形和天气影响较小等优点。作为一种新的遥感技术，已经在植被指数、植被叶面积指数、光合有效辐射等因子的估算中以及在植被生物化学参数分析、植被生物量和作物单产估算、作物病虫害监测中得到广泛的应用。随着航天信息技术的迅速发展，卫星遥感影像分辨率已经进入到亚米级时代，其监测技术不仅仅可以对森林病虫害的大面积观测，还可以运用到森林病虫害的单簇快速识别监测。
2必要性分析
2.1林业病虫害发生原因
我国的林业资源十分的丰富，林业建设是促进我国经济发展的重要课题，对实现我国的可持续发展具有重要的意义。随着全球气候变化，我国林业有害生物危害的形式日益严峻，“十一五”期间，全国年均林业有害生物发生面积1100多万hm2，损失经济价值超过千亿元。林业资源是我国绿化环境中最为重要的一个部分，如果受到虫害影响，极有可能限制我国林业建设的持续高效发展。
2.2监测森林病虫害的需求迫切
我国森林病虫害增长迅速，而成本高、难度大、纠纷多的传统森林病虫害工作成为制约森林病虫害业务发展的瓶颈。为提高森林病虫害发生的监测、预测和评估能力，亟需开展利用遥感和空间分析技术实现森林病虫害灾害点识别，精准评估病虫害受灾情况的研究。需要建立森林病虫害精准监测技术体系，对不同森林病虫害实现风险评估。以实现高精度、高时效的森林病虫害风险分析，为森林病虫害预防和治理提供可靠的技术支撑。
森林病虫害多发生在人烟稀少、交通不便的林区，由于常规地面调查监测方法很难迅速、全面、客观地反映病虫害的发生发展动态，从而不能及时有针对性地采取防治措施。因此，森林病虫害的检测管理必须依靠先进而实用的空间技术手段，遥感技术正在深刻影响着森林病虫害的综合管理系统。
2.3林业病虫害防治困难
林业病虫害的危害大，波及的范围广，在病虫害发生之前就应该高度地重视林业病虫害的监测预报工作，防微杜渐，尽量减小病虫害带来的危害。然而，在实际的工作中，各地对林业病害监测预报工作的重视程度还不够，病害防治的技术力量不够，经费不足，缺乏必备的监测、防治、交通通讯工具以及检验检疫仪器设备等，造成林业病虫害防治率变低，先进有效的防治技术的推广和应用不足，导致灾情发生时不能进行有效的控制，使得灾情扩散，造成无法估量的损失。
近年来，人工林的面积不断扩大，使得林业病虫害出现的区域也不断增加，然而由于技术、资金、人力、物力等受限，大大增加了病虫害防治工作的难度，因此，各地的林业病虫害的防治较为困难。
世界经济不断向全球化的方向发展，全球各地之间的交流联系越来越密切，使得很多来自外地的不同物种，因为一开始在我国没有相应的天敌存在，使得害虫能够迅速地繁殖，严重威胁着林业资源的发展。而且这种来自外来害虫的危害在不断加重，致使林业资源减产，影响生态的平衡。
3病虫害遥感评估内容、原理和技术流程
3.1林业病虫害遥感评估内容
通过卫星遥感高科技手段，利用高分辨遥感卫星影像数据，建设统一有效的森林病虫害应用实现森林病虫害灾害发生后，及时发现受害林木位置、林分受灾程度及面積、输出灾情分布图，为病虫害防护和控制提供决策支撑信息。主要满足需求如下所示：
（1）森林灾害的遥感监测
应用多光谱数据对大区域森林发生的大范围灾害进行监测，对多年的灾害发生情况进行动态监测;应用高空间分辨率高光谱的无人机数据，对小区域代表性受灾林区进行精细监测，获得高光谱反演灾害模型与受灾单木区域。
（2）受灾潜在风险区划分
基于信息量法，依据历史灾害发生情况，多年气象条件，林区立地特征等环境影响因素，对大区域森林虫害爆发程度的各评价因子进行等级划分，评估得到不同受灾风险等级的分布区，并汇制专题图。
（3）未来虫害发生程度预测
在长时间遥感监测，得到大区域森林灾害严重程度结果的基础上，叠加气象与地形的空间插值数据，进行GIS空间叠加分析，获得气温、降雨、日照、坡度、坡向等因子在空间上对灾害发生的量化关系。筛选出与灾害相关性强的因子，由此对未来灾害进行预测。
3.2林业病虫害遥感评估原理
正常生长的植被一般都有很规则的光谱反射曲线，即大约在0.52-0.6?m的绿光区有一个小的反射峰，在蓝光约0.48?m和红光约0.68?m区各有一吸收带，进入0.75～1.3?m的近红外区反射率急剧上升，形成鲜明的反射峰，也称为绿色植物的近红外陡坡效应。植被类型、生长阶段、所处的生长环境等因素的不同会造成各波段的反射值的差异，但这种光谱曲线的总体特征会保持不变，只有当植物遭受病虫害侵袭时才会发生变化，当植物受到病虫害侵袭，会导致植物在各个波段上的波谱值发生变化，这是利用航空遥感进行病虫害监测的主要依据。 3.3遥感监测森林病虫害的技术流程
利用航天遥感、地面光谱、GPS、植被生理指标、地面调查资料等数据，以目标树种有害生物为监测对象，对受害林分灾害点进行遥感识别和监测预测，其技术路线如图1所示：
3.3.1基础数据处理
获取病虫害监测站点目标树种病虫害发生防治逐年数据（监测站点地理坐标、发生面积、监测面积、防治面积、防治率等监测指标）。利用插值模型内插出其他区域的病虫害数据，在此基础上确定虫灾发生重点区域;获取虫灾重点发生区内各个站点近30-50年的基础气象数据，制作降水、空气湿度、风速风向、辐射、日照时数的分布栅格图;在地理空间数据云获取全国范围DEM数据。利用ArcGIS提取坡度、坡向、坡位图，利用ArcGIS进行空间分析人为因素影响;收集并获取虫灾重点发生区域的多源遥感数据，应用不同植被的季节性特征进行森林植被提取的同时完成季节性变化时间序列分析，同时按照不同类型害虫生活史获取不同月份数据，以后续区分不同虫害类型，进行研究区选择及样地布设。
3.3.2受害植被信息提取
在研究区通过ASD地面光谱仪测定不同树种的光谱特征，依据测定的不同树种的不同光谱特征，获取寄主植被分类图。以植被分类图为基础，完成尺度上推。结合害虫生态学特性及生活史，利用其上树期、蛹期、卵期以及下树期的遥感影像，分析其指示性光谱指数等特征，获取其变化特征，区分研究范围内病虫害的种类。发生数据及地形等区域性数据，利用空间异质性分析结果建立虫灾发生时空型。利用时空关联规则挖掘方法获取含时空约束的关联规则，得到灾害发生的特征指标，利用多源遥感数据，高效准确地识别受灾点，并对受灾程度进行评价。
3.3.3气候-害虫虫灾时空型提取
根据建立的监测样点病虫害数据，使用时空插值模型生成时空分布及不确定性GIS，然后提取病虫害的时空分布。运用空间统计学模型探测其脆弱区域。由于不同地区森林病虫害受到的影响因素权重不同，探测影响因素的空间异质性。实现气候-森林病虫害脆弱区域格局识别，并进行空间可视化分析，在此基础上进行气候—森林病虫害风险评估。
3.3.4灾害扩散动态模拟与预测
建立气候-害虫虫灾信息数据库。以气象数据，植被数据，地形数据及社会经济数据构成的虫害发生预测模型及在IPCC指导下获取的未来气候数据为环境层，以害虫生态学特性及其潜在脆弱区为智能体层，分析确定元胞定义，利用MAS和CA结合技术，预测和模拟虫灾的演变规律;选择灾害发生高风险区作为典型区域，应用MAS-CA模型进行灾害蔓延模拟，使得小尺度灾害预测落实到地块。并分析情景不确定性、模式不确定性和灵敏度分析，同时完成病虫害受灾区风险评估制图。
4松材线虫病害卫星遥感评估方案
森林病虫害种类繁多，本章以马尾松松材线虫为例，简述基于卫星遥感技术的灾害评估方法。
利用航天遥感、地面光谱、GPS、植被生理指标、地面调查资料等数据，以目标树种有害生物为评估对象，对受害林分灾害点进行遥感评估和监测预测，其技术路线如图2所示：
4.1感染松材线虫病枯死马尾松遥感评估体系
利用衛星遥感技术快速监测评估感染松材线虫病枯死马尾松，其评估体系如下：
1）根据监测面积获取图像块，对所述图像块进行预处理，得到融合的图像块数据;
2）对所述融合的图像块数据进行采集马尾松冠层960nm、760nm、650nm和540nm波段冠层光谱反射率;
3）基于反射率数值，计算比值植被指数RVI和植被状态指数α;
4）基于所述比值植被指数和植被状态指数，计算光谱指数β，根据计算得到的β的值来获得马尾松感染松材线虫病的评价结果。
其中，步骤3中RVI的计算公式为：
RVI（960，650）=ρ960/ρ650（1）
式中，RVI（960，650）为波段960与650nm的比值植被指数;ρ960、ρ650分别代表960nm、650nm处的光谱反射率值。
植被状态指数α的计算公式为：
α（540，760）=ρ540/ρ760（2）
其中，α（540，760）为波段540与760nm的植被状态指数;ρ540、ρ760分别代表540nm、760nm的光谱反射率值。
光谱指数β的计算公式为：
β=RVI（960，650）/α（540，760）（3）
步骤（2）中，采集马尾松实际冠层光谱反射率的方法为：采用ASD便携式光谱辐射仪，在晴好天气10：00～14：00区间，50°≤太阳高度角≤60°进行测量，测定时探头垂直向下距冠层顶1.6～1.8m，每接种株重复测定10次，每次测量前后均用标准的参考板进行校正。
采集马尾松遥感影像对应冠层光谱反射率的方法为：选取多源高光谱影像和多光谱影像数据，进行准确的大气校正和辐射定标后，直接提取研究区相应目标的反射率。
在马尾松分类结果影像上，采用不同尺度的图像块，按照研究发现的光谱指数来移动计算每个图像块中每个像素点的光谱特征指标，对于大面积的马尾松面积，采用20*20的图像块，对于较小面积的马尾松，采用10*10的图像块。此外，通过设置不同的窗口大小，采用灰度共生矩阵方法将图像纹理转换到变换域，然后应用能量准则提取纹理特征，结合提取到的感病马尾松的光谱信息、纹理特征，建立了遥感提取算法，用于对0.5米高分辨率卫星影像上感病松材线虫病枯死马尾松的提取。结合在研究区采集的地面调查数据对初步结果进行修正，优化遥感提取算法精度，最后得到基于遥感技术的松材线虫病的反演算法。使用该算法反演出研究区域内松材线虫病害的时空分布，并对研究区的受灾程度进行评价。
4.2感染松材线虫病枯死马尾松遥感评估结果
以光谱数据分析技术为基础，提取与马尾松松材线虫病发生动态密切相关的960nm、760nm、650nm和540nm光谱参数，根据比值植被指数和光谱指数预测马尾松感病阶段，以光谱指数变化规律与比值植被指数的变化阈值判断肉眼可识别感病与否。
同时，利用光谱指数对感病天数进行定量化模拟，为实现马尾松松材线虫病的早期监测奠定了基础，有效地提高森林松材线虫病的防治效率。也为其它森林病虫害早期监测与诊断提供可靠依据与方法借鉴。
根据最终遥感监测得到的马尾松枯死树木数量以及计算得到的β值（0—100）来获得马尾松感染松材线虫病的评价结果，当枯死木数量以及β值达到一定阈值区间时，则判定为达到经济价值损失和生态损失。表1为光谱值示例。
参考文献
[1]彭望琭.遥感概论[M].高等教育出版社，2002
[2]刘成浩.浅谈林业病虫害防治[J].农家科技，2015，09（01）：79-84.
[3]张式伟.浙江省林业病虫害防治现状及对策[J].现代农业科技，2017，10（15）：59-61
[4]杨克平.生态工程导论[M].化学工业出版社，2005.
作者简介
戴维序（1972—），男，汉族，北京市海淀区，管理学博士，单位：航天信德智图（北京）科技有限公司，研究方向：农田森林价值品质遥感评估。
关键词：松材线虫病;卫星遥感;损失评估
1引言
在党的十九大报告中提出了人与自然是生命共同体，人类必须尊重自然、顺应自然、保护自然;要完成人与自然和谐共生的现代化建设，须坚持节约优先、保护优先、自然恢复为主的方针，形成节约资源和保护环境的空间格局、产业结构、生产方式、生活方式，还自然以宁静、和谐、美丽。林业是美丽中国建设的核心和关键，林业作为保护生态环境的重要组成部分，其发展及保护的意义非常重大，为了响应十九大号召，加速落实习近平总书记提出的加快生态文明体制改革、推进绿色发展、建设美丽中国的战略部署，控制减少森林病虫害，切实做好森林病虫害工作，筑牢国家绿色屏障，已经成为推动生态文明体制改革，建设美丽中国提升的重要抓手。
卫星遥感技术具有监测范围大、速度快、性价比高、受地形和天气影响较小等优点。作为一种新的遥感技术，已经在植被指数、植被叶面积指数、光合有效辐射等因子的估算中以及在植被生物化学参数分析、植被生物量和作物单产估算、作物病虫害监测中得到广泛的应用。随着航天信息技术的迅速发展，卫星遥感影像分辨率已经进入到亚米级时代，其监测技术不仅仅可以对森林病虫害的大面积观测，还可以运用到森林病虫害的单簇快速识别监测。
2必要性分析
2.1林业病虫害发生原因
我国的林业资源十分的丰富，林业建设是促进我国经济发展的重要课题，对实现我国的可持续发展具有重要的意义。随着全球气候变化，我国林业有害生物危害的形式日益严峻，“十一五”期间，全国年均林业有害生物发生面积1100多万hm2，损失经济价值超过千亿元。林业资源是我国绿化环境中最为重要的一个部分，如果受到虫害影响，极有可能限制我国林业建设的持续高效发展。
2.2监测森林病虫害的需求迫切
我国森林病虫害增长迅速，而成本高、难度大、纠纷多的传统森林病虫害工作成为制约森林病虫害业务发展的瓶颈。为提高森林病虫害发生的监测、预测和评估能力，亟需开展利用遥感和空间分析技术实现森林病虫害灾害点识别，精准评估病虫害受灾情况的研究。需要建立森林病虫害精准监测技术体系，对不同森林病虫害实现风险评估。以实现高精度、高时效的森林病虫害风险分析，为森林病虫害预防和治理提供可靠的技术支撑。
森林病虫害多发生在人烟稀少、交通不便的林区，由于常规地面调查监测方法很难迅速、全面、客观地反映病虫害的发生发展动态，从而不能及时有针对性地采取防治措施。因此，森林病虫害的检测管理必须依靠先进而实用的空间技术手段，遥感技术正在深刻影响着森林病虫害的综合管理系统。
2.3林业病虫害防治困难
林业病虫害的危害大，波及的范围广，在病虫害发生之前就应该高度地重视林业病虫害的监测预报工作，防微杜渐，尽量减小病虫害带来的危害。然而，在实际的工作中，各地对林业病害监测预报工作的重视程度还不够，病害防治的技术力量不够，经费不足，缺乏必备的监测、防治、交通通讯工具以及检验检疫仪器设备等，造成林业病虫害防治率变低，先进有效的防治技术的推广和应用不足，导致灾情发生时不能进行有效的控制，使得灾情扩散，造成无法估量的损失。
近年来，人工林的面积不断扩大，使得林业病虫害出现的区域也不断增加，然而由于技术、资金、人力、物力等受限，大大增加了病虫害防治工作的难度，因此，各地的林业病虫害的防治较为困难。
世界经济不断向全球化的方向发展，全球各地之间的交流联系越来越密切，使得很多来自外地的不同物种，因为一开始在我国没有相应的天敌存在，使得害虫能够迅速地繁殖，严重威胁着林业资源的发展。而且这种来自外来害虫的危害在不断加重，致使林业资源减产，影响生态的平衡。
3病虫害遥感评估内容、原理和技术流程
3.1林业病虫害遥感评估内容
通过卫星遥感高科技手段，利用高分辨遥感卫星影像数据，建设统一有效的森林病虫害应用实现森林病虫害灾害发生后，及时发现受害林木位置、林分受灾程度及面積、输出灾情分布图，为病虫害防护和控制提供决策支撑信息。主要满足需求如下所示：
（1）森林灾害的遥感监测
应用多光谱数据对大区域森林发生的大范围灾害进行监测，对多年的灾害发生情况进行动态监测;应用高空间分辨率高光谱的无人机数据，对小区域代表性受灾林区进行精细监测，获得高光谱反演灾害模型与受灾单木区域。
（2）受灾潜在风险区划分
基于信息量法，依据历史灾害发生情况，多年气象条件，林区立地特征等环境影响因素，对大区域森林虫害爆发程度的各评价因子进行等级划分，评估得到不同受灾风险等级的分布区，并汇制专题图。
（3）未来虫害发生程度预测
在长时间遥感监测，得到大区域森林灾害严重程度结果的基础上，叠加气象与地形的空间插值数据，进行GIS空间叠加分析，获得气温、降雨、日照、坡度、坡向等因子在空间上对灾害发生的量化关系。筛选出与灾害相关性强的因子，由此对未来灾害进行预测。
3.2林业病虫害遥感评估原理
正常生长的植被一般都有很规则的光谱反射曲线，即大约在0.52-0.6?m的绿光区有一个小的反射峰，在蓝光约0.48?m和红光约0.68?m区各有一吸收带，进入0.75～1.3?m的近红外区反射率急剧上升，形成鲜明的反射峰，也称为绿色植物的近红外陡坡效应。植被类型、生长阶段、所处的生长环境等因素的不同会造成各波段的反射值的差异，但这种光谱曲线的总体特征会保持不变，只有当植物遭受病虫害侵袭时才会发生变化，当植物受到病虫害侵袭，会导致植物在各个波段上的波谱值发生变化，这是利用航空遥感进行病虫害监测的主要依据。 3.3遥感监测森林病虫害的技术流程
利用航天遥感、地面光谱、GPS、植被生理指标、地面调查资料等数据，以目标树种有害生物为监测对象，对受害林分灾害点进行遥感识别和监测预测，其技术路线如图1所示：
3.3.1基础数据处理
获取病虫害监测站点目标树种病虫害发生防治逐年数据（监测站点地理坐标、发生面积、监测面积、防治面积、防治率等监测指标）。利用插值模型内插出其他区域的病虫害数据，在此基础上确定虫灾发生重点区域;获取虫灾重点发生区内各个站点近30-50年的基础气象数据，制作降水、空气湿度、风速风向、辐射、日照时数的分布栅格图;在地理空间数据云获取全国范围DEM数据。利用ArcGIS提取坡度、坡向、坡位图，利用ArcGIS进行空间分析人为因素影响;收集并获取虫灾重点发生区域的多源遥感数据，应用不同植被的季节性特征进行森林植被提取的同时完成季节性变化时间序列分析，同时按照不同类型害虫生活史获取不同月份数据，以后续区分不同虫害类型，进行研究区选择及样地布设。
3.3.2受害植被信息提取
在研究区通过ASD地面光谱仪测定不同树种的光谱特征，依据测定的不同树种的不同光谱特征，获取寄主植被分类图。以植被分类图为基础，完成尺度上推。结合害虫生态学特性及生活史，利用其上树期、蛹期、卵期以及下树期的遥感影像，分析其指示性光谱指数等特征，获取其变化特征，区分研究范围内病虫害的种类。发生数据及地形等区域性数据，利用空间异质性分析结果建立虫灾发生时空型。利用时空关联规则挖掘方法获取含时空约束的关联规则，得到灾害发生的特征指标，利用多源遥感数据，高效准确地识别受灾点，并对受灾程度进行评价。
3.3.3气候-害虫虫灾时空型提取
根据建立的监测样点病虫害数据，使用时空插值模型生成时空分布及不确定性GIS，然后提取病虫害的时空分布。运用空间统计学模型探测其脆弱区域。由于不同地区森林病虫害受到的影响因素权重不同，探测影响因素的空间异质性。实现气候-森林病虫害脆弱区域格局识别，并进行空间可视化分析，在此基础上进行气候—森林病虫害风险评估。
3.3.4灾害扩散动态模拟与预测
建立气候-害虫虫灾信息数据库。以气象数据，植被数据，地形数据及社会经济数据构成的虫害发生预测模型及在IPCC指导下获取的未来气候数据为环境层，以害虫生态学特性及其潜在脆弱区为智能体层，分析确定元胞定义，利用MAS和CA结合技术，预测和模拟虫灾的演变规律;选择灾害发生高风险区作为典型区域，应用MAS-CA模型进行灾害蔓延模拟，使得小尺度灾害预测落实到地块。并分析情景不确定性、模式不确定性和灵敏度分析，同时完成病虫害受灾区风险评估制图。
4松材线虫病害卫星遥感评估方案
森林病虫害种类繁多，本章以马尾松松材线虫为例，简述基于卫星遥感技术的灾害评估方法。
利用航天遥感、地面光谱、GPS、植被生理指标、地面调查资料等数据，以目标树种有害生物为评估对象，对受害林分灾害点进行遥感评估和监测预测，其技术路线如图2所示：
4.1感染松材线虫病枯死马尾松遥感评估体系
利用衛星遥感技术快速监测评估感染松材线虫病枯死马尾松，其评估体系如下：
1）根据监测面积获取图像块，对所述图像块进行预处理，得到融合的图像块数据;
2）对所述融合的图像块数据进行采集马尾松冠层960nm、760nm、650nm和540nm波段冠层光谱反射率;
3）基于反射率数值，计算比值植被指数RVI和植被状态指数α;
4）基于所述比值植被指数和植被状态指数，计算光谱指数β，根据计算得到的β的值来获得马尾松感染松材线虫病的评价结果。
其中，步骤3中RVI的计算公式为：
RVI（960，650）=ρ960/ρ650（1）
式中，RVI（960，650）为波段960与650nm的比值植被指数;ρ960、ρ650分别代表960nm、650nm处的光谱反射率值。
植被状态指数α的计算公式为：
α（540，760）=ρ540/ρ760（2）
其中，α（540，760）为波段540与760nm的植被状态指数;ρ540、ρ760分别代表540nm、760nm的光谱反射率值。
光谱指数β的计算公式为：
β=RVI（960，650）/α（540，760）（3）
步骤（2）中，采集马尾松实际冠层光谱反射率的方法为：采用ASD便携式光谱辐射仪，在晴好天气10：00～14：00区间，50°≤太阳高度角≤60°进行测量，测定时探头垂直向下距冠层顶1.6～1.8m，每接种株重复测定10次，每次测量前后均用标准的参考板进行校正。
采集马尾松遥感影像对应冠层光谱反射率的方法为：选取多源高光谱影像和多光谱影像数据，进行准确的大气校正和辐射定标后，直接提取研究区相应目标的反射率。
在马尾松分类结果影像上，采用不同尺度的图像块，按照研究发现的光谱指数来移动计算每个图像块中每个像素点的光谱特征指标，对于大面积的马尾松面积，采用20*20的图像块，对于较小面积的马尾松，采用10*10的图像块。此外，通过设置不同的窗口大小，采用灰度共生矩阵方法将图像纹理转换到变换域，然后应用能量准则提取纹理特征，结合提取到的感病马尾松的光谱信息、纹理特征，建立了遥感提取算法，用于对0.5米高分辨率卫星影像上感病松材线虫病枯死马尾松的提取。结合在研究区采集的地面调查数据对初步结果进行修正，优化遥感提取算法精度，最后得到基于遥感技术的松材线虫病的反演算法。使用该算法反演出研究区域内松材线虫病害的时空分布，并对研究区的受灾程度进行评价。
4.2感染松材线虫病枯死马尾松遥感评估结果
以光谱数据分析技术为基础，提取与马尾松松材线虫病发生动态密切相关的960nm、760nm、650nm和540nm光谱参数，根据比值植被指数和光谱指数预测马尾松感病阶段，以光谱指数变化规律与比值植被指数的变化阈值判断肉眼可识别感病与否。
同时，利用光谱指数对感病天数进行定量化模拟，为实现马尾松松材线虫病的早期监测奠定了基础，有效地提高森林松材线虫病的防治效率。也为其它森林病虫害早期监测与诊断提供可靠依据与方法借鉴。
根据最终遥感监测得到的马尾松枯死树木数量以及计算得到的β值（0—100）来获得马尾松感染松材线虫病的评价结果，当枯死木数量以及β值达到一定阈值区间时，则判定为达到经济价值损失和生态损失。表1为光谱值示例。
参考文献
[1]彭望琭.遥感概论[M].高等教育出版社，2002
[2]刘成浩.浅谈林业病虫害防治[J].农家科技，2015，09（01）：79-84.
[3]张式伟.浙江省林业病虫害防治现状及对策[J].现代农业科技，2017，10（15）：59-61
[4]杨克平.生态工程导论[M].化学工业出版社，2005.
作者简介
戴维序（1972—），男，汉族，北京市海淀区，管理学博士，单位：航天信德智图（北京）科技有限公司，研究方向：农田森林价值品质遥感评估。