基于Fisher判别分析与随机森林的马尾松毛虫害检测

摘要：

虫害检测算法的构建是耦合"地—天"特征的过程,是实现其遥感监测的重要保障.以福建省三明市、将乐县、沙县、南平市延平区等4个县(区、市)为试验区,收集182组马尾松毛虫害样本数据,随机划分为训练集与验证集,设置5次重复试验及1次指标筛除试验.结合马尾松毛虫危害下的寄主表征,获取松林叶面积指数LAI、叶面积指数标准误SEL、归一化差值植被指数NDVI、缨帽变换湿度轴WET及影像绿光波段B2、红光波段B3、近红外波段B4等7个地面与遥感特征指标,建立其危害等级的Fisher判别分析与随机森林模型,从检测精度、Kappa系数、ROC曲线等角度综合比较两种算法的检测效果,并给予配对t检验.结果表明:7个指标均具备虫害响应能力,SEL和NDVI相对较弱;Fisher判别分析6次试验的虫害平均检测精度为73.26％,Kappa系数为0.6319,而RF法则分别为79.30％,0.7151,显著优于前者(p<0.05);RF法对无危害、轻度危害、中度危害3个虫害等级的检测精度、Kappa系数、AUC均显著高于Fisher判别分析(p<0.05),对于重度危害等级,Fisher判别分析则占优.总体而言,RF法对马尾松毛虫害的检测效果优于Fisher判别分析,但Fisher判别分析对重度危害等级有更高准确性且模型明确、易于推广,可综合应用两种算法开展虫害监测工作.该成果为马尾松毛虫害及其他森林病虫害的有效检测提供技术参考,奠定其遥感监测的基础.

关键词：马尾松毛虫害、Fisher判别分析、随机森林法、检测效果、"地—天"特征

所属期刊栏目：38

分类号：TP79(遥感技术)

资助基金：国家自然科学基金项目41501361 ,41401385 ,中国博士后科学基金面上项目2018M630728 ,福建省资源环境监测与可持续经营利用重点实验室开放基金项目ZD1403 ,福州大学人才基金项目XRC-1345

在线出版日期：2018-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2888-2896