-
题名基于机器学习算法的森林病虫害遥感模型对比研究
- 1
-
-
作者
郑绍鑫
何江
封成
陈积标
潘兴建
李军集
-
机构
广西壮族自治区国有六万林场
广西壮族自治区林业科学研究院/广西特色经济林培育与利用重点实验室/广西木本香料工程技术研究中心
中国地质大学(北京)信息工程学院
-
出处
《热带农业科学》
2025年第2期80-88,共9页
-
基金
广西自筹经费林业科技项目(No.2023GXZCLK20)
广西林业科技推广示范项目(No.2024GXLK02)
广西特色经济林培育与利用重点实验室自主课题(No.JA-22-03-03)。
-
文摘
森林病虫害严重威胁森林的生态功能与经济效益,如何有效识别森林病虫害并对其危害程度进行估测,对维护森林资源的健康和可持续利用至关重要。遥感技术能够实时、大范围连续动态获取植被对环境胁迫的光谱响应信息,广泛应用于森林病虫害监测。以广西六万林场森林公园为实验区,将地面调查数据及2022—2023年Sentinel-2遥感影像作为基础数据源,选取对植被颜色变化敏感的植被衰减指数(PSRI)、对植被结构变化敏感的结构不敏感色素指数(SIPI)、归一化差值红边指数(NDRE)及对植被功能变化敏感的植被光合有效辐射吸收系数(FAPAR)、归一化差值水体指数(NDWI)作为森林病虫害监测的光谱特征参数,分别利用支持向量机(SVM)和随机森林(RF)两类机器学习算法建立森林病虫害胁迫遥感监测模型,从总体精度、Kappa系数等指标对模型精度进行评价。结果表明:(1)广西六万林场森林公园的病虫害具有集聚分布、连片蔓延特点,多发生于11—12月林场森林公园北部与中部地区;(2)利用RF与SVM进行森林病虫害遥感分类的总体精度分别为63.51%92.21%、52.70%81.82%,Kappa系数分别为0.54~0.90、0.41~0.77;(3)相比SVM算法,基于RF的森林病虫害遥感监测模型精度更高,更有利于森林病虫害的监测识别。研究结果为探讨实验区的森林病虫害时空分布提供基础数据,为森林病虫害防治提供科学依据,同时为大尺度森林病虫害遥感监测提供参考。
-
关键词
森林病虫害
Sentinel-2影像
敏感光谱参数
随机森林
支持向量机
-
Keywords
forest pests and diseases
Sentinel-2 images
sensitive spectral indices
random forest
support vector machine
-
分类号
S763
[农业科学—森林保护学]
-
