森林食叶害虫空间分布格局遥感定量反演研究OACSTPCD
以Sentinel–2A多光谱影像为数据源,利用卷积神经网络模型提取的受害树种空间分布和多时相PROSAIL模型叶面积指数反演差值确定的失叶率耦合的虫口密度,定量获取长白山南麓虫害空间格局。结果表明:2018—2020年共7个时相LAI反演整体精度在88%以上;红松的适宜参考时相为2019年6月,预测与实测拟合R^(2)为0.82,其余树种及全样本2018年6月最佳;虫口密度与失叶率耦合采用线性函数,R^(2)为0.755;落叶松遭虫害面积6174 hm2最大,云杉受害面积比65.19%最大。虫害导致失叶率计算采用的参考时相为受灾前一年6月;虫口密度与失叶率呈线性关系;不同树种受灾空间格局不同,常绿树种重度灾害比例普遍高于落叶树种。
姜雪菲;包广道;翟畅;刘婷;任志彬;丁铭铭;张微;杜云霞;
吉林省林业科学研究院,吉林长春130033 北京林业大学,北京100083吉林省林业科学研究院,吉林长春130033长春大学,吉林长春130022中国科学院东北地理与农业生态研究所,吉林长春130102长白朝鲜族自治县林业局,吉林白山134400海南师范大学,海南海口571158
林学
食叶害虫叶面积指数针叶树种遥感失叶率虫口密度
《西南林业大学学报(自然科学)》 2024 (001)
P.125-134 / 10
吉林省科技厅重点研发项目(20230202098NC)资助;吉林省科技厅重大专项(20200503001SF)资助;吉林省发改委创新能力建设项目(2021C044–9)资助;吉林省自然科学基金(YDZJ202201ZYTS446)资助;吉林省自然科学基金(YDZJ202102CXJD046)资助;吉林省自然科学基金(20220101315JC)资助;中国科学院先导专项(XDA28080303)资助;海南省自然科学基金(NO.422QN306)资助。
评论