王瑞瑞 李怡燃 石 偉 段蕓杉 陳興旺

(1.北京林業(yè)大學(xué)林學(xué)院， 北京 100083； 2.北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100083；3.中國(guó)科學(xué)院地理科學(xué)與資源研究所, 北京 100083)

0 引言

世界各地區(qū)間的交流日益頻繁，外來(lái)物種入侵日益嚴(yán)重，給入侵地造成了重大的經(jīng)濟(jì)和生態(tài)損失[1-3]。其中，薇甘菊由于攀援能力強(qiáng)，生長(zhǎng)速度驚人，破壞力大而被列入世界最具危害的熱帶和亞熱帶雜草之一[4]，受到研究者們的廣泛關(guān)注。

薇甘菊原產(chǎn)于南美洲熱帶地區(qū)[5]，20世紀(jì)80年代傳入我國(guó)南部，現(xiàn)已廣泛分布在我國(guó)廣東、廣西、云南、香港等地區(qū)。為有效控制薇甘菊的蔓延和擴(kuò)散，需要對(duì)薇甘菊空間分布進(jìn)行識(shí)別，對(duì)其動(dòng)態(tài)變化進(jìn)行監(jiān)控和預(yù)測(cè)。傳統(tǒng)的監(jiān)控和預(yù)測(cè)方式為人工實(shí)地調(diào)查，然而這種方式不但費(fèi)時(shí)費(fèi)力，時(shí)效性和精確性也得不到保證。這就需要運(yùn)用遙感技術(shù)手段對(duì)薇甘菊的空間分布進(jìn)行系統(tǒng)分析。近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)薇甘菊的基因特征[6]、生物學(xué)特性[7-9]、生物防治[4,10-11]、綜合防控技術(shù)[12-13]等方面進(jìn)行了廣泛研究，大多采用RGB波段運(yùn)算[14-17]、深度卷積神經(jīng)網(wǎng)絡(luò)[18]、BP神經(jīng)網(wǎng)絡(luò)[19-20]、面向?qū)ο蠓指頪21]等方法開(kāi)展薇甘菊信息的精細(xì)提取，采用MaxEnt生態(tài)位模型[22]對(duì)薇甘菊適生區(qū)進(jìn)行預(yù)測(cè)。研究區(qū)域基本位于薇甘菊入侵嚴(yán)重的地段，且多是盛花期薇甘菊的識(shí)別和預(yù)測(cè)。但衛(wèi)星遙感數(shù)據(jù)的分辨率不足以精確識(shí)別薇甘菊，再加上衛(wèi)星數(shù)據(jù)存在過(guò)境時(shí)間長(zhǎng)和云層遮擋等問(wèn)題，對(duì)小范圍薇甘菊的識(shí)別和預(yù)測(cè)更是難以實(shí)現(xiàn)。高時(shí)空分辨率的低空遙感技術(shù)為此提供了新的研究手段[23-25]。直升機(jī)獲取的機(jī)載激光雷達(dá)數(shù)據(jù)(LiDAR)和航攝多光譜數(shù)據(jù)(DOM)，精度可達(dá)厘米級(jí)，且不受云層遮擋的影響，可用作薇甘菊的精確識(shí)別和預(yù)測(cè)。

本研究以直升機(jī)多光譜數(shù)據(jù)(DOM)和機(jī)載激光雷達(dá)數(shù)據(jù)(LiDAR)為基礎(chǔ)，采用面向?qū)ο蠖喑叨确指罘椒▽?duì)薇甘菊爆發(fā)區(qū)域進(jìn)行自動(dòng)識(shí)別，并利用林場(chǎng)內(nèi)樹(shù)冠高度模型、植被蓋度、坡度、坡向等數(shù)據(jù)，采用Logistic回歸方法建立薇甘菊入侵分布概率的預(yù)測(cè)模型，為廣州市薇甘菊大范圍精確預(yù)測(cè)和管理提供數(shù)據(jù)支持和治理依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

我國(guó)南方地區(qū)深受薇甘菊入侵的危害，其中廣東省尤為嚴(yán)重。本文選擇廣東省廣州市增城林場(chǎng)作為研究區(qū)(23.292°～23.369°N，113.681°～113.815°E)，總面積約為2 777.55 hm2，屬于亞熱帶海洋性季風(fēng)氣候，全年溫暖多雨、光熱充足，年平均氣溫在20℃以上，年降水量約為1 720 mm，適宜植物生長(zhǎng)。林場(chǎng)內(nèi)植被以喬木為主，主要樹(shù)種有桉樹(shù)(Eucalyptus)、杉木(Cunninghamialanceolata)、濕地松(Pinuselliottii)、黎蒴(Castanopsisfissa)、馬尾松(Pinusmassoniana)等。由于林場(chǎng)面積較大，本研究只選取其中一部分進(jìn)行研究，面積為141.710 4 hm2。研究區(qū)地理位置及直升機(jī)真彩色影像如圖1所示。

1.2 數(shù)據(jù)來(lái)源

研究數(shù)據(jù)采集于2019年11月18—19日，為貝爾直升機(jī)航拍影像和機(jī)載激光雷達(dá)影像，飛行高度約500 m，飛行旁向重疊度約為40%。航攝多光譜影像有紅、綠、藍(lán)3個(gè)波段，地面分辨率為0.07 m。直升機(jī)搭載的激光傳感器為Galaxy Prime Sensor，具體參數(shù)如表1所示。定位定向系統(tǒng)包括：POS AVTMAP60 (OEM)、220信道雙頻GNSS接收器、帶銥濾波器的GNSS機(jī)載天線和高準(zhǔn)確度AIMU (Type 57)。航攝時(shí)天氣晴朗無(wú)云，光線充足，基本無(wú)風(fēng)，適合直升機(jī)航拍作業(yè)。本研究將機(jī)載激光雷達(dá)數(shù)據(jù)與直升機(jī)拍攝影像結(jié)合，可精確識(shí)別影像上薇甘菊的分布，為其預(yù)測(cè)提供高精度的數(shù)據(jù)源。

表1 傳感器參數(shù)配置Tab.1 Sensor parameters configuration

2 研究方法

本研究針對(duì)目前薇甘菊在可見(jiàn)光下視覺(jué)辨識(shí)度低，受限于野外環(huán)境和數(shù)據(jù)提取精度較低等問(wèn)題，以直升機(jī)多光譜數(shù)據(jù)和激光點(diǎn)云數(shù)據(jù)為基礎(chǔ)，根據(jù)薇甘菊紋理特征、光譜和形狀特征采用面向?qū)ο蠖喑叨确指罘椒▽?duì)其爆發(fā)區(qū)域進(jìn)行自動(dòng)識(shí)別；結(jié)合機(jī)載激光雷達(dá)數(shù)據(jù)和直升機(jī)航拍影像提取林區(qū)冠層高度、坡度、坡向、高程和郁閉度因子，對(duì)選取的影響因子進(jìn)行相關(guān)性分析和似然比檢驗(yàn)，剔除不符合要求的因子，利用Logistic回歸方法建立研究區(qū)薇甘菊爆發(fā)自動(dòng)識(shí)別范圍與各因子之間的線性模型，進(jìn)而得到研究區(qū)薇甘菊入侵分布概率的預(yù)測(cè)模型。研究技術(shù)路線圖如圖2所示。

2.1 薇甘菊爆發(fā)區(qū)域自動(dòng)識(shí)別

薇甘菊生長(zhǎng)分布集中，常連成一片出現(xiàn)。盛花期的薇甘菊在可見(jiàn)光波段內(nèi)反射率顯著高于其他植被[14]，且薇甘菊的氮磷含量顯著高于其背景植物，在影像上呈現(xiàn)泛白的顏色從而與其他植被區(qū)別開(kāi)來(lái)[16]。未開(kāi)花前的薇甘菊與其他植被的特性相差不大，藍(lán)綠差異指數(shù)(BGDI)、綠紅差異指數(shù)(GRDI)、歸一化綠紅指數(shù)(NGRDI)、過(guò)綠指數(shù)(EGI)、歸一化過(guò)綠指數(shù)(NEGI)以及植被色素比值指數(shù)(PPR)都無(wú)法將薇甘菊和其攀附植物直接分離開(kāi)，但植被色素比值指數(shù)可為面向?qū)ο蟮亩喑叨确指钐峁﹨?shù)支持[21]。

鑒于此，本研究選取圖像光譜特征中G波段上的像素平均值、亮度、植被色素比值指數(shù)和高程數(shù)據(jù)作為特征指標(biāo)，借助eCognition軟件選取薇甘菊分布訓(xùn)練樣本點(diǎn)，查看其特征參數(shù)值分布范圍，經(jīng)統(tǒng)計(jì)得到各個(gè)特征參數(shù)的最小值和最大值，進(jìn)而對(duì)薇甘菊進(jìn)行識(shí)別和標(biāo)識(shí)，從而確定薇甘菊分類(lèi)規(guī)則集，利用面向?qū)ο蟮亩喑叨确指罘椒▽?duì)薇甘菊爆發(fā)區(qū)域進(jìn)行自動(dòng)識(shí)別提取，建立薇甘菊分布識(shí)別范圍。像素平均值、亮度、植被色素比值指數(shù)的計(jì)算公式為

(1)

(2)

PPR=(G-B)/(G+B)

(3)

n——像素?cái)?shù)m——影像圖層數(shù)量

CLi——第L圖層上第i個(gè)像素的值，也稱(chēng)為圖層值

PPR——植被色素比值指數(shù)

R——紅波段像素值

G——綠波段像素值

B——藍(lán)波段像素值

多尺度分割算法(Multiresolution segmentation, MRS)包含影像各圖層及其權(quán)重、分割尺度和同質(zhì)性準(zhǔn)則組合參數(shù)，其中分割尺度和同質(zhì)性準(zhǔn)則組合參數(shù)最為重要[26]。本研究利用eCognition軟件中的最佳分割尺度評(píng)價(jià)工具ESP2計(jì)算不同分割尺度參數(shù)下影像對(duì)象同質(zhì)性局部方差(Local variance, LV)的變化率(Rates of change of LV，ROC-LV)，當(dāng)LV的變化率達(dá)到最大時(shí)，該點(diǎn)對(duì)應(yīng)的分割尺度就是最佳分割尺度。由于圖像信息的不同，計(jì)算得到的最優(yōu)分割尺度往往有多個(gè)值，經(jīng)不同分割參數(shù)組合進(jìn)行對(duì)比分析，確定薇甘菊地物的最優(yōu)分割尺度及其同質(zhì)性準(zhǔn)則參數(shù)。采用面向?qū)ο蠡谝?guī)則的分類(lèi)方法從影像對(duì)象區(qū)塊中提取薇甘菊爆發(fā)入侵區(qū)域，得到薇甘菊分布識(shí)別范圍。

2.2 影響因子提取

參照薇甘菊入侵分布影響因子[19,27]的研究可知，地形特征以及土地利用方式是影響薇甘菊入侵分布的重要影響因子。因此，本研究選取海拔、坡度、坡向、冠層高度和郁閉度進(jìn)行薇甘菊分布范圍預(yù)測(cè)的研究，但由于薇甘菊不僅可以攀援于樹(shù)冠上，也可以匍匐于灌叢上，本研究使用植被覆蓋度(Vegetation fractional coverage，VFC)代替郁閉度。

根據(jù)原始激光點(diǎn)云數(shù)據(jù)和多光譜數(shù)據(jù)生成數(shù)字高程模型數(shù)據(jù)(DEM)，利用ArcGIS 10.3空間分析工具生成相應(yīng)的坡度、坡向；將研究區(qū)的數(shù)字表面模型和數(shù)字高程模型進(jìn)行差值運(yùn)算，得到冠層高度。冠層高度計(jì)算公式為

CHM=DSM-DEM

(4)

式中CHM——冠層高度

DSM——數(shù)字表面高度

DEM——數(shù)字高程

由于研究中林場(chǎng)的影像數(shù)據(jù)只有可見(jiàn)光范圍內(nèi)的3個(gè)波段，因此選擇可見(jiàn)光波段差異性植被指數(shù)(VDVI)進(jìn)行植被覆蓋度運(yùn)算，并根據(jù)像元二分法得到植被覆蓋度。

VDVI=(2G-R-B)/(2G+R+B)

(5)

VFC=(VDVI-VDVIsoil)/(VDVIveg-VDVIsoil)

(6)

式中VDVIsoil——裸土或無(wú)植被覆蓋像元植被指數(shù)

VDVIveg——完全被植被覆蓋像元植被指數(shù)

植被覆蓋度中裸土的VDVI理論上接近0，但由于VDVI會(huì)受到大氣、地表粗糙程度等因素的影響，裸土的VDVI會(huì)在小范圍內(nèi)波動(dòng)；VDVIveg則與季節(jié)、植被類(lèi)型等密切相關(guān)[28]，因此，植被覆蓋度可表示為

VFC=(VDVI-VDVImin)/(VDVImax-VDVImin)

(7)

式中VDVImin——植被覆蓋像元植被指數(shù)的最小值

VDVImax——植被覆蓋像元植被指數(shù)的最大值

參照VDVImin和VDVImax取值問(wèn)題的研究[29]可知，由于不可避免存在噪聲，VDVImin和VDVImax一般取在置信區(qū)間[5%,95%]獲得的最大值與最小值。

2.3 薇甘菊入侵概率模型創(chuàng)建

線性回歸模型是目前定量分析研究中常用的統(tǒng)計(jì)分析方法，然而在許多情況下，線性回歸會(huì)受到限制，特別是當(dāng)因變量是一個(gè)分類(lèi)變量而不是一個(gè)連續(xù)變量時(shí)。Logistic回歸模型能很好地解決這一問(wèn)題[30]，因此，本研究利用Logistic回歸方法建立研究區(qū)薇甘菊爆發(fā)自動(dòng)識(shí)別范圍與各因子之間的線性模型，進(jìn)而得到研究區(qū)薇甘菊入侵分布概率的預(yù)測(cè)模型。在構(gòu)建Logistic回歸模型之前，需分析提取的因子和薇甘菊入侵分布的相關(guān)性，得到因子與薇甘菊分布的Pearson系數(shù)表，然后對(duì)符合相關(guān)性分析的因子進(jìn)行似然比檢驗(yàn)，將不滿足似然比檢驗(yàn)的因子變量剔除[31-33]，剩余因子變量利用Logistic回歸方法建立薇甘菊入侵概率模型，解釋影響薇甘菊入侵分布的因子與薇甘菊入侵爆發(fā)之間的聯(lián)系，進(jìn)而預(yù)測(cè)薇甘菊入侵爆發(fā)的概率。概率計(jì)算式為

(8)

式中pi——薇甘菊入侵爆發(fā)概率

β0——常數(shù)項(xiàng)

βm——自變量xmi對(duì)應(yīng)的回歸系數(shù)

2.4 精度檢驗(yàn)

為進(jìn)一步分析薇甘菊入侵概率模型的效果，以林場(chǎng)提供的11月初實(shí)地調(diào)查獲取的52個(gè)薇甘菊分布樣區(qū)數(shù)據(jù)作為參考資料，將薇甘菊入侵概率參考圖與樣區(qū)數(shù)據(jù)進(jìn)行對(duì)比，評(píng)價(jià)薇甘菊入侵概率模型的精度。

3 結(jié)果與分析

3.1 薇甘菊爆發(fā)區(qū)域自動(dòng)識(shí)別結(jié)果及分析

參照文獻(xiàn)[34-35]，本研究設(shè)置初始分割尺度為50，逐步分割處理每次的增加步長(zhǎng)為1，循環(huán)次數(shù)即執(zhí)行分割的次數(shù)為200，形狀參數(shù)和緊湊度參數(shù)設(shè)置為0.5，進(jìn)行分割尺度遍歷，循環(huán)結(jié)束后，生成折線圖(圖3)。局部方差變化率的波峰表示此時(shí)尺度為待分割地物的最佳分割尺度[36]。由于影像信息的豐富性，遍歷計(jì)算得到的最優(yōu)尺度通常是多個(gè)[37]，本研究對(duì)得到的多個(gè)最優(yōu)尺度進(jìn)行對(duì)比分析確定用于薇甘菊識(shí)別的分割尺度[38]。

從圖3可以看出，分割薇甘菊的最優(yōu)尺度有60、76、80、100、114、135、148、168、188、201、208、217、245。當(dāng)分割尺度為60、76、80時(shí)，薇甘菊被分割的較為破碎，出現(xiàn)了過(guò)分割現(xiàn)象；當(dāng)分割尺度為100時(shí)，薇甘菊分割較為清晰；當(dāng)分割尺度為114～201時(shí)，薇甘菊和其他植被合并越來(lái)越多，不能明確地分割出薇甘菊(圖4)。因此，在形狀參數(shù)和緊湊度參數(shù)都為0.5的情況下，分割尺度100是本研究薇甘菊自動(dòng)識(shí)別提取的最優(yōu)尺度。

利用G波段上像素的平均值、亮度、植被色素比值指數(shù)和高程特征所包含的信息并借助eCognition軟件選取薇甘菊分布訓(xùn)練樣本點(diǎn)，查看其特征參數(shù)值分布范圍，經(jīng)統(tǒng)計(jì)得到各個(gè)特征參數(shù)的最小值和最大值，進(jìn)而對(duì)薇甘菊進(jìn)行識(shí)別和標(biāo)識(shí)[39-40]，確定薇甘菊分類(lèi)規(guī)則集：分割尺度為100，形狀參數(shù)為0.5，緊湊度為0.5，高程為29～329，亮度為190～220，綠波段均值大于175，植被色素比值指數(shù)為0.15～0.25，實(shí)現(xiàn)薇甘菊與攀附植物的分離，得到薇甘菊爆發(fā)區(qū)域自動(dòng)識(shí)別范圍。雖然薇甘菊在開(kāi)花季節(jié)的顏色和紋理異于其他植被，但由于其分布比較零散，與其他植被的特征較為相似，存在錯(cuò)分情況。本研究薇甘菊自動(dòng)識(shí)別區(qū)域729處，錯(cuò)分區(qū)域34處，錯(cuò)分率為4.66%，漏檢3處，漏檢率為0.41%，漏檢較少。錯(cuò)分區(qū)域主要存在于影像中的高亮區(qū)域，該部分植被大多在薇甘菊爆發(fā)點(diǎn)附近，可手動(dòng)進(jìn)行糾正，得到準(zhǔn)確的薇甘菊自動(dòng)識(shí)別結(jié)果(圖5)。

3.2 影響因子提取結(jié)果及分析

本研究提取的研究區(qū)數(shù)字高程模型、數(shù)字表面模型、坡度、坡向、冠層高度模型如圖6所示。利用ENVI軟件統(tǒng)計(jì)VDVImin和VDVImax在累積概率為5%和95%時(shí)的值，并確定VDVImin和VDVImax分別為0.011 075和0.426 087，計(jì)算得到植被覆蓋度(圖6f)。

根據(jù)Pearson積差相關(guān)性分析得到因子與薇甘菊分布的Pearson系數(shù)(表2)。從表2可以看出，影響薇甘菊入侵分布的因子中，高程和冠層高度處于最重要位置，相關(guān)系數(shù)為負(fù)值，即表示這些因子對(duì)薇甘菊的分布具有負(fù)影響，高程和冠層高度越高則越不適合薇甘菊的入侵分布。處于第2影響位置的因子是坡度和植被覆蓋度，坡度越陡，植被覆蓋越密，越不適合薇甘菊的攀爬入侵。相比于高程和冠層高度，坡向?qū)τ谵备示杖肭址植嫉挠绊懖皇翘貏e大。這與薇甘菊在坡度較小、植被稀疏的低地區(qū)攀爬生長(zhǎng)特性是一致的，表明Pearson積差相關(guān)系數(shù)的擬合效果較好，本研究選取的影響因子對(duì)薇甘菊入侵分布預(yù)測(cè)的解釋性較強(qiáng)。

表2 Pearson系數(shù)Tab.2 Pearson coefficient

3.3 薇甘菊入侵概率預(yù)測(cè)結(jié)果與分析

根據(jù)似然比檢驗(yàn)結(jié)果(表3)可以看出，高程、冠層高度、坡度、植被覆蓋度都通過(guò)了檢驗(yàn)，可作為變量參與建立薇甘菊分布預(yù)測(cè)模型，坡向因子沒(méi)有通過(guò)似然比檢驗(yàn)被剔除。

表3 似然比檢驗(yàn)結(jié)果Tab.3 Likelihood ratio test

通過(guò)檢驗(yàn)的冠層高度、高程、坡度、植被覆蓋度因子設(shè)為變量x1、x2、x3、x4，經(jīng)逐步篩選法得到薇甘菊生長(zhǎng)分布概率p，生成薇甘菊入侵概率圖(圖7)。根據(jù)計(jì)算出的預(yù)測(cè)概率并結(jié)合以往的研究成果[31,41]，初步判定p≥0.6為薇甘菊入侵范圍，而p<0.6為非入侵區(qū)域，即圖7中橘黃色區(qū)域和紅色區(qū)域?yàn)檗备示杖肭址秶?。薇甘菊匍匐生長(zhǎng)，高坡度、高大密集林木區(qū)不利于薇甘菊的生長(zhǎng)，而向陽(yáng)、水分條件好的地區(qū)，比如林木邊緣區(qū)、水體周邊的半自然環(huán)境等區(qū)域，薇甘菊生長(zhǎng)分布較多。從圖7可以看出，薇甘菊入侵分布概率大的區(qū)域多在人類(lèi)活動(dòng)明顯的道路兩旁、低矮稀疏林木邊緣和坡度低、地勢(shì)平緩區(qū)域。預(yù)測(cè)結(jié)果符合薇甘菊生長(zhǎng)擴(kuò)散機(jī)制，預(yù)測(cè)效果較好。薇甘菊生長(zhǎng)分布概率p的計(jì)算公式為

3.4 精度驗(yàn)證

為進(jìn)一步驗(yàn)證本文方法對(duì)薇甘菊分布預(yù)測(cè)的效果，以林場(chǎng)提供的11月初的薇甘菊調(diào)查范圍數(shù)據(jù)(圖8)作為參考資料，將薇甘菊分布圖與分布預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。調(diào)查結(jié)果有52個(gè)薇甘菊入侵樣本區(qū)域，其中46個(gè)樣本落在了薇甘菊入侵發(fā)生頻率高的地區(qū)，即黃色區(qū)域內(nèi),這些樣本均位于水體、林木邊緣和地勢(shì)低緩的向陽(yáng)處，是薇甘菊生長(zhǎng)的典型地形區(qū)域；6個(gè)樣本落在藍(lán)色區(qū)域，即薇甘菊生長(zhǎng)的非典型地形區(qū)域，這些樣本處于研究區(qū)地理位置的邊緣，周?chē)嬖陔s草干擾，不太容易識(shí)別。綜上所述，本文方法預(yù)測(cè)薇甘菊入侵分布的準(zhǔn)確率達(dá)88.46%，整體精度符合要求，具有較高的擬合效果。

4 結(jié)論

(1)面向?qū)ο蟮亩喑叨确指罘椒梢跃C合利用影像的多種信息用于地物識(shí)別分析，錯(cuò)分率為4.66%，漏檢率為0.41%，漏檢錯(cuò)分較少，總體精度較高。

(2)高程、冠層高度、坡度、植被覆蓋度是研究區(qū)內(nèi)影響薇甘菊入侵分布的重要因子，薇甘菊出現(xiàn)與否和周邊的地勢(shì)高度、坡度以及周?chē)鷺?shù)木冠層高度顯著相關(guān)。薇甘菊分布范圍主要是人類(lèi)活動(dòng)明顯的道路兩旁，低矮稀疏林木邊緣以及坡度低、地勢(shì)平緩的區(qū)域。

(3)Logistic回歸模型具有較好的預(yù)測(cè)擬合效果，準(zhǔn)確率達(dá)88.46%，可為大范圍薇甘菊自動(dòng)識(shí)別和預(yù)測(cè)提供一定的理論指導(dǎo)，對(duì)廣州市薇甘菊綜合防治具有現(xiàn)實(shí)的指導(dǎo)意義。