句芒号卫星数据在林木失叶灾害精准监测中的应用
森林作为陆地生态系统的主体，承担着全球碳汇功能的关键角色。据联合国粮食及农业组织（FAO）统计，全球森林每年吸收约20亿吨二氧化碳，相当于化石燃料排放量的30%。然而，近年来全球频发的林木失叶灾害（包括虫害、病害、鼠兔害、干旱胁迫等引发的叶片脱落现象）已对森林健康构成严重威胁。例如2024年我国林业有害生物发生面积1028.69万公顷，其中虫害发生639.03万公顷、病害发生213.67万公顷、林业鼠（兔）害发生158.33万公顷、有害植物发生17.66万公顷。本土常发性的食叶害虫全年整体发生平稳，其中松毛虫发生面积51.99万公顷，杨树食叶害虫发生面积83.96万公顷。针对我国主要林业有害生物持续高发频发态势，以及传统地面监测手段受限于人力成本与空间覆盖能力，难以及时捕捉大范围、动态演变的灾害信息，必须深入探索林业有害生物监测防控数据信息化精细管理的应用技术，加强卫星遥感监测和大数据预报，提高监测预警与早期感知能力，充分发挥监测预警的防灾减灾作用。目前，我国本土森林病虫害的监测一直沿用传统的人工地面调查方法，是按乡镇、世代和种类进行统计，非常粗放，且灾害不分等级。卫星遥感技术可以宏观、直观、高频次实现对地球观测，信息丰富且费用低廉，具有航空遥感难以企及的优势，故在我国国土、农业、林业、水资源和测绘等领域一直发挥着重要作用。随着高分专项的顺利实施，从2010年起，我国逐步建立起自己的遥感卫星产业并逐渐占据国内市场。截至2023年末，我国民用遥感卫星在轨工作443颗。目前，虽然我国卫星遥感产业还未达到预期，特别是数据供应与需求矛盾仍很突出，但国产卫星遥感数据产品（光谱分辨率、时间分辨率、空间分辨率、波谱分辨率）日益丰盛，为森林病虫灾害的精准监管奠定了坚实的数据保障。这里提及的精准主要包括几何位置、最小面积、灾害程度、灾害类型、监测频度等能力的提升。即：米级甚至优于米级的灾害区定位，公顷级、亩级、亚亩级、单株等多粒度的监管尺度（远精细于资源管理的小班），轻、中、重的多级别灾害程度，树冠失叶、黄化、死亡等灾害类别，以及周/旬/月/季度级的动态监管能力。近十年来，多尺度国产遥感数据的森林灾害应用研究已取得众多成果并服务于生产管理。例如：石木耀等利用时间系列高分一号（GF-1）16m分辨率多光谱相机（WFV）数据，构建了基于植被指数的逻辑斯蒂模型，监测评估了由美国白蛾所致的林分失叶灾害，最小监测面积可达公顷（或十亩）级。陈燕丽利用GF-1WFV卫星数据构建了红树林虫害识别决策树模型，精度良好。孙小霞利用GF-1/62m分辨率全色/8m分辨率多光谱相机（PMS）和资源三号（ZY-3）的8m时间序列多光谱卫星数据，构建了青海云杉健康状况监测模型即黄化指数遥感模型，以提高监测预报工作的时效性、准确性，为青海云杉林病虫害的防治提供技术支撑。彭俍栋通过对GF-1WFV卫星数据的光谱分析，对比了相关植被指数与林分枯梢率的相关性，建立了基于植被指数和郁闭度二元变量的林分枯梢率遥感估测模型。曾庆伟等基于碳卫星2m多光谱数据开展了变色立木的信息提取，赋能松材线虫病等所致的单株危害木快速监测。本文主要研究陆地生态系统碳监测卫星（句芒号）数据对食叶害虫危害的森林光谱响应能力，进一步夯实我国森林资源智慧监管的技术体系和手段。句芒号卫星作为《国家民用空间基础设施中长期发展规划（2015—2025年）》中的首批科研星之一，于2022年8月4日发射，是我国首颗森林碳汇主被动联合观测的遥感卫星，能以主被动相结合的测量方式探测陆地生态系统植被生物量、大气气溶胶、植被叶绿素荧光等要素。可以支撑大气环境和气候变化监测、高程控制点获取、灾害监测评估、农情遥感监测、陆地生态系统生产力评估、碳监测、生态和资源调查等工作。句芒号配置了包括多波束激光雷达、多角度多光谱相机等更加全面、更加多样化的成像载荷，利用主被动相结合的遥感手段来满足我国对森林、草原、农田等多要素遥感信息的监测应用需求，旨在生态资源监测、碳储量评估等方面发挥作用。其中多角度多光谱相机配置了前、正、后共5个不同角度的相机，能对森林进行立体成像。通过从不同的拍摄角度观测，就能得到树木前后左右等多个侧面信息，可以更全面地监测到森林的疏密分布、健康和长势情况。春尺蠖是京津冀早春时期危害树木的主要食叶害虫，具有发生期早、暴食性强的特点，幼虫能在短时间内将树木叶片吃花、吃光，影响树木的正常生长和绿化景观。2024年5月初，京冀交界区域的阔叶林木遭受春尺蠖危害，出现不同程度的危害状况。本文选择首都环线高速段两侧5km、总面积约114km2的片林和林网作为监测区，具体分布位置见图1。基于最小监测粒度为0.1亩的业务应用需求和京津冀的春尺蠖生物学特征，可以获取始于4月中旬的时序遥感数据，方便准确、客观、及时掌握树冠危害的动态变化状况。但限于现有存档数据的局限性，本文只收集了2023年9月21日、2024年5月3日、2024年5月8日、2024年5月18日共计4期的句芒号卫星数据，空间分辨率为2m，分别用于林地和林木动态健康状况的信息提取。根据时序遥感数据信息提取的处理流程，并结合林木生长状态精准评估的林业监管要求，制定了图2所示的工作方案。1.面向对象的林地提取面向对象遥感分类是相较于面向像元更加适用于高空间分辨率遥感图像的一种分类方法。面向对象分类首先要进行分割，分割后的影像对象具有丰富的语义信息，可以根据其信息提取影像中光谱特征、形状特征和纹理特征等。面向对象的影像分类方法综合利用各项参数，如各指标权重、尺度值等，根据要求建立分类规则，从而完成地块分类。本文利用eCognition软件平台进行了面向对象的森林分布区的提取。2.监测参数选取众所周知，归一化差值植被指数（NDVI）是基于植被在近红外波段的较强反射和在红波段较强的吸收特性而构建，因此常用来定量化反映植被的生长状况，且由于计算简单、指示性好，可以测量植物中光合作用的活性生物量，被广泛应用于农业、林业、生态环境等领域，是最适合监测植被生长动态的指数之一。它可有效增强健康植被和受虫害胁迫植被间的光谱特征，常用于叶冠层的变化、植被的生长状态、植被胁迫性探测，本文也采用NDVI进行林木健康状态诊断。1.林地提取结果根据研究区植被分布格局，为保证分类对象准确、地块效果完整，选用的分割尺度为100，形状因子权重为0.1，紧致度为0.5，分割效果如图3所示。应用随机森林分类算法，得到了图4所示的林地分布现势状况信息。2.波段响应特征分析选取健康类和危害类各25个样本，2024年5月3日、8日和18日三个时间段归一化后的各波段响应值见图5，其中横坐标为数据获取时间。由图可见，蓝波段（B1）和绿波段（B2）在5月3日与8日时，两种健康状态的差异较为明显，但到18日时随着林冠的恢复，两类间的分异减少；而红波段（B3）和近红外波段（B4）的健康与危害两类样本间在三个时相都有较好的分异性，表明这两个波段对食叶害虫造成的林木失叶灾害敏感性更好。3.危害区信息提取根据前述的样本特征分析，本文选择NDVI作为监测指标。图6（a）—（d）为四个时相的真彩色合成影像，可以看出中上部区域的片林随时间的变化状况，颜色呈深绿-土色-土绿-墨绿的变化，正是2024年春尺蠖食叶后的林木恢复生长情况的真实过程；图6（e）为5月三个时相的NDVI合成图（R：20240518NDVI，G：20240508NDVI，B：20240503NDVI），通过对比可以清晰地看出，红色为林木危害区域，白色为林木健康区域；图6（f）为基于时序NDVI变化特征提取的林木危害区结果图，红色线范围内的区域为提取的灾害区，最小监测面积为0.1亩，展现了周级时间频度、亚亩级地块以及三级灾害程度的精准提取和能力提升。图6 林木危害时序发展过程及其灾害区提取图（局部）4.林木失叶率分级信息提取参照《林业有害生物发生及成灾标准》（LY/T1681—2006），结合研究区林木失叶状况，以及逻辑斯蒂遥感监测模型，把危害区划分为轻度（失叶率约为40%以下）、中度（失叶率约为60%左右）、重度（失叶率约为80%以上）3个等级，局部分类结果如图7所示。及时、准确的林木失叶分级监测结果，不仅可为本世代的林业有害生物防治工作提供精准数据支撑，也是预测下一世代暴发成灾可能性的重要依据。虽然句芒号卫星应用于林木失叶灾害的精准监测评估仍难以满足高频次（逐周）观测和提供精准地表反射率数据的应用需求，但目前空间分辨率优于2m的在轨国产卫星还有GF-1/2/6系列、北京三号、高景、吉林一号等光学卫星星座，这些卫星也能成为林木精细粒度动态、精准监管的重要数据源，可有效克服单一传感器局限性，为林草湿荒资源动态感知、精准认知和智慧管控提供解决方案，更是推动林草湿荒资源治理能力现代化和支撑林草湿荒资源科学管理与高质量发展的技术保障。
