森林病蟲害高光譜遙感監(jiān)測的研究進(jìn)展

張衡，潘潔，廖振峰

(南京林業(yè)大學(xué)森林資源與環(huán)境學(xué)院，江蘇南京 210037)

森林病蟲害是我國主要的森林災(zāi)害之一，每年都會對森林資源造成巨大損失，同時給生態(tài)環(huán)境帶來嚴(yán)重的負(fù)面影響。就目前所知，中國的森林病蟲害共有8000多種，每年造成的經(jīng)濟(jì)損失高達(dá)50多億元，給我國的林業(yè)生產(chǎn)和生態(tài)環(huán)境建設(shè)帶來巨大影響，嚴(yán)重制約著我國林業(yè)的可持續(xù)發(fā)展［1］。因此，人們迫切地需要一種有效的方法來及時監(jiān)測和預(yù)防這些森林病蟲害的發(fā)生發(fā)展。遙感技術(shù)的發(fā)展與應(yīng)用成為森林病蟲害監(jiān)測的新的發(fā)展方向和研究熱點。

傳統(tǒng)的監(jiān)測方法是人們到現(xiàn)場用目測手查的手段觀察有無病蟲害的發(fā)生及其危害程度，既費時又費力，而且獲取的信息還具有嚴(yán)重的滯后性，對預(yù)報準(zhǔn)確率有很大影響［2］。近年來，隨著信息技術(shù)的迅速發(fā)展，遙感作為一種快捷迅速的監(jiān)測手段被運用到森林病蟲害的監(jiān)測中。利用遙感監(jiān)測森林病蟲害具有面積大、周期短、獲取的信息不受干擾等優(yōu)勢，越來越得到人們的廣泛關(guān)注，具有廣闊的發(fā)展前

景［3-5］。而高光譜遙感技術(shù)的出現(xiàn)進(jìn)一步拓寬了遙感監(jiān)測森林病蟲害這一新領(lǐng)域，分析利用高光譜遙感技術(shù)監(jiān)測森林病蟲害的原理及可行性對實現(xiàn)病蟲害的早期防治具有重要意義［6］。

1 高光譜遙感監(jiān)測森林病蟲害的原理

高光譜遙感是高光譜分辨率遙感(Hyperspectral Remote Sensing)的簡稱，它是指利用很多很窄(通常波段寬度＜10 nm)的電磁波波段從目標(biāo)物體上獲取相關(guān)的數(shù)據(jù)，這些數(shù)據(jù)可形成一條完整而且連續(xù)的光譜曲線［7］。高光譜遙感是本世紀(jì)初對地觀測方面所取得的重大技術(shù)突破之一，是當(dāng)今遙感的前沿技術(shù)。與傳統(tǒng)的遙感技術(shù)相比，高光譜遙感具有波段窄、通道多、圖像與光譜可以合二為一等優(yōu)點，它是以納米級的高光譜分辨率和幾十到幾百個波段同時對地物成像，因此，獲得的地物光譜信息連續(xù)且精細(xì)。高光譜遙感的這種特征非常有利于地物的精細(xì)識別和分類，能改善植被類型識別和分類精度，提高植被參數(shù)的估測和反演精度［8-11］。

受害森林群落的光譜特征變化是利用遙感來監(jiān)測森林病蟲害的主要依據(jù)。森林病蟲害的種類很多，其危害樹木的部位也各不相同，如葉片、樹干或樹根等。不管其危害樹木的哪一部位，最終都會導(dǎo)致樹木的生長受到影響，外觀發(fā)生變化，如葉片枯黃、掉落或樹木枯死等。森林植物綠色葉片內(nèi)部組織結(jié)構(gòu)的變化、功能的變異和樹木形態(tài)結(jié)構(gòu)的非正常變化(葉片顏色的變化、葉片與植株變形、葉片物理結(jié)構(gòu)的變化、葉綠素含量的變化及葉片上所產(chǎn)生的殘留物等)都可使受病蟲害侵染的樹木在光譜特征上發(fā)生明顯的變化。因此，根據(jù)通過遙感手段獲取的光譜反射率的差異和結(jié)構(gòu)異常，特別是借助于高光譜遙感數(shù)據(jù)的精細(xì)探測方法，并在地理信息系統(tǒng)和專家系統(tǒng)的支持下，能夠及時有效地實現(xiàn)森林病蟲害的有效監(jiān)測［12-13］。

2 高光譜遙感監(jiān)測森林病蟲害研究現(xiàn)狀

利用高光譜影像和高光譜數(shù)據(jù)分析技術(shù)研究樹木受病蟲危害后的變化，尋找病蟲危害程度與原始光譜、植被指數(shù)等變化之間的關(guān)系，確定不同樹種病蟲害監(jiān)測的敏感波段和敏感時期，是目前高光譜遙感用于森林病蟲害監(jiān)測的研究熱點和關(guān)鍵［14-17］。

2.1 利用高光譜數(shù)據(jù)提取生化參數(shù)監(jiān)測森林病蟲害目前，有許多研究是利用光譜儀獲取植株的高光譜數(shù)據(jù)后提取植物的各類生化參數(shù)，得到植株的病蟲害信息，以此來實施對森林病蟲害的監(jiān)測。伍南等分析了炭疽病脅迫下杉木Cunninghamia lanceolata冠層的高光譜特征，并將冠層光譜、一階微分光譜參數(shù)與相應(yīng)的色素含量進(jìn)行回歸分析，發(fā)現(xiàn)病害脅迫下杉木冠層色素含量與一階微分光譜在紅邊(695～754 nm)內(nèi)相關(guān)性最高，且與單波段一階微分光譜741 nm處的相關(guān)系數(shù)最大，于是指出可利用高光譜信息定量估算病害脅迫下杉木冠層的色素含量，以此來實現(xiàn)對杉木炭疽病的早期監(jiān)測預(yù)報［18］。李軍 等以6年生意大利214楊Populus×canadensis cv．‘I-214’為材料，分別測定了試驗和對照區(qū)冠層、葉片的高光譜數(shù)據(jù)及相應(yīng)的生化參數(shù)(葉綠素含量、含水量等)，結(jié)果表明，意大利214楊受楊扇舟蛾Clostera anachoreta和楊小舟蛾Micromelalopha troglodyta危害后，冠層和葉片的光譜反射率均變小，冠層和葉片光譜的紅邊具有“雙峰”現(xiàn)象，且相應(yīng)的生化參數(shù)葉綠素含量、含水量等均顯著減少［19］。許章華 等以福建省南平市延平區(qū)實測的51條不同馬尾松毛蟲Dendrolimus punctata punctata蟲害等級的馬尾松Pinus massoniana高光譜數(shù)據(jù)為基礎(chǔ)，分析了健康、輕度蟲害、中度蟲害、重度蟲害等4個蟲害等級的光譜反射率及一階微分光譜特征，并在建立7個檢驗參數(shù)的基礎(chǔ)上，構(gòu)建了蟲害等級的檢測模型［20］。王曉堂 等采用高光譜技術(shù)研究了松萎蔫病的動態(tài)變化，發(fā)現(xiàn)可以借助高光譜數(shù)據(jù)分析，定量反演冠層葉綠素含量，判斷是否感病，以此實現(xiàn)松萎蔫病的早期監(jiān)測預(yù)警［21］(表1)。

表1 利用高光譜數(shù)據(jù)提取生化參數(shù)監(jiān)測森林病蟲害示例

將植株的高光譜數(shù)據(jù)和葉綠素含量進(jìn)行相關(guān)性分析，建立二者的數(shù)學(xué)模型，然后利用獲得的高光譜數(shù)據(jù)反演植株的葉綠素含量，得到植株的病蟲害信息，以此實現(xiàn)對病蟲害的監(jiān)測也是目前研究的一大熱點。林輝 等以湖南省攸縣黃豐橋國有林場杉木成熟林為對象，利用手持式光譜儀采集波譜數(shù)據(jù)，并對數(shù)據(jù)和葉綠素含量進(jìn)行相關(guān)性分析，建立了杉木葉綠素含量的高光譜模型:y=0．291x395+20．172x521+0．758(x為某一波段處的光譜反射率)［22］。而劉秀英 等以類似的方法，分析了樟樹Cinnamomum camphora葉片光譜與葉綠素含量之間的關(guān)系，并建立了樟樹葉綠素含量的高光譜模型:y=exp〔1．356+(-361．973)Db〕(Db是藍(lán)邊內(nèi)一階微分光譜中的最大值，藍(lán)邊覆蓋490～530 nm)［23］。石韌 等在2005年吉林省敦化、和龍兩市落葉松Larix gmelini冠層采樣測量數(shù)據(jù)的基礎(chǔ)上，根據(jù)不同健康程度的落葉松冠層光譜曲線在可見光及近紅外波段的差異，利用反應(yīng)這些差異的光譜特征參數(shù)建立了落葉松冠層光合色素含量的回歸模型［24］(表1)。這幾項研究為利用高光譜數(shù)據(jù)定量預(yù)測和反演森林光合色素含量提供了方法和依據(jù)，而如何將這些研究結(jié)果應(yīng)用到實踐中去是下一步研究的主要內(nèi)容。

以上大量研究表明，高光譜遙感技術(shù)可以準(zhǔn)確、迅速地提取植物的生化參數(shù)，得到植株的病蟲害信息，以此來判斷植株是否感病，這種監(jiān)測方法不僅方便、快捷，而且獲得的信息具有較好的時效性，因此利用高光譜遙感技術(shù)提取生化參數(shù)監(jiān)測森林病蟲害具有較高的應(yīng)用價值和廣闊的發(fā)展前景。

2.2 利用高光譜遙感影像的圖像處理和分析技術(shù)進(jìn)行森林病蟲害監(jiān)測 利用高光譜遙感影像監(jiān)測森林病蟲害也是目前研究的主要內(nèi)容，這類監(jiān)測方法主要是先利用高光譜成像技術(shù)獲得遙感影像，然后處理和分析圖像，得到植株的病蟲害信息，判斷植株的感病情況，以此實現(xiàn)對病蟲害的監(jiān)測。王植 等首次提出利用高光譜遙感技術(shù)監(jiān)測板栗Castanea mollissima病蟲害，根據(jù)板栗植株染病前后光譜反射率的差異和結(jié)構(gòu)異常在遙感數(shù)字圖像上的記錄，并結(jié)合地面調(diào)查，可實現(xiàn)板栗病蟲害的早期監(jiān)測，為利用高光譜遙感技術(shù)監(jiān)測板栗病蟲害提供了理論依據(jù)［25］。胡榮明 等分別從傳統(tǒng)基于光譜特征和面向?qū)ο筇卣?個方向?qū)Р“咛O果Malus pumila樹葉片的高光譜圖像進(jìn)行病斑提取，并加以分析，發(fā)現(xiàn)采用對象分類法可以避免結(jié)果圖中的椒鹽噪聲，而且總體精度也達(dá)到98%以上，為利用遙感監(jiān)測植物病蟲害提供了技術(shù)支持［26］。Aleixos利用高光譜成像技術(shù)評估了柑橘類水果品質(zhì)，并以此開發(fā)機(jī)器視覺系統(tǒng)［27］。蔡鍵榮 等探討了利用高光譜圖像技術(shù)檢測柑橘Citrus reticulata外部品質(zhì)的可行性，通過主成分分析選出最適宜檢測柑橘果銹的高光譜圖像，然后進(jìn)行中值濾波、平方根變換等運算完成特征提取，以此檢測柑橘果銹。結(jié)果表明此方法對柑橘果銹檢測的正確率可達(dá)到90%，并指出可用此方法來檢測其它水果的品質(zhì)［28］。Lu，Xing和ElMasry分別用高光譜成像技術(shù)檢測蘋果瘀傷，并得到不同的結(jié)果，Lu認(rèn)為1000～1340 nm是檢測蘋果瘀傷的最佳波段，而Xing和ElMasry則認(rèn)為558～760 nm才是最優(yōu)波段［29-31］。Qin在波長范圍450～930 nm之間獲取柑桔潰瘍病的高光譜圖像，并利用1個以光譜信息散度(SID)為基礎(chǔ)的分類方法來區(qū)分病變與健康的水果，發(fā)現(xiàn)其精確度可達(dá)96%［32］。Shafri等利用機(jī)載高光譜成像技術(shù)對油棕櫚Elaeis guineensis植物園的靈芝莖基腐病進(jìn)行檢測，分別用不同植被指數(shù)和紅邊技術(shù)來區(qū)分病變和健康值株，結(jié)果發(fā)現(xiàn)其分類精度在73%～84%之間，于是指出航空高光譜成像可以用于規(guī)模較大的種植園內(nèi)病害的檢測和管理［33］(表2)。由于利用高光譜遙感影像監(jiān)測森林病蟲害是一個較新的領(lǐng)域，而且其成本也相對較高，所以到目前為止關(guān)于這方面的研究仍是比較少見，而如何達(dá)到費用與成效的“雙贏”是下一步研究中有待解決的問題。

表2 利用高光譜遙感影像的圖像處理和分析技術(shù)監(jiān)測林木病蟲害示例

2.3 利用高光譜數(shù)據(jù)的統(tǒng)計分析與建模技術(shù)進(jìn)行森林病蟲害監(jiān)測利用高光譜獲取的數(shù)據(jù)量比較龐大，如何充分利用這些高光譜數(shù)據(jù)進(jìn)行植被的定量對地觀測是目前研究所面臨的問題之一，而尋找有效的高光譜分析算法是解決這一問題的關(guān)鍵。

多元統(tǒng)計分析技術(shù)是在高光譜數(shù)據(jù)分析中普遍采用的技術(shù)，它以獲得的高光譜數(shù)據(jù)或它的變換形式(如對數(shù)、導(dǎo)數(shù)變換等)作為自變量，以采集樣本的生物物理、化學(xué)參數(shù)(如葉綠素或其它光合色素含量)為因變量，建立多元回歸估計模型。這一分析方法在目前的研究中比較常見，像王曉堂 等為了利用高光譜早期監(jiān)測馬尾松與黑松Pinus thunbergii的松萎蔫病，并對獲取的高光譜數(shù)據(jù)進(jìn)行處理，將單波段光譜指數(shù)以及通過波段組合獲取的多種變換參數(shù)與葉綠素濃度進(jìn)行回歸分析，篩選出相關(guān)系數(shù)最大的建立回歸模型，以此實現(xiàn)植株葉綠素含量的早期監(jiān)測并據(jù)此判斷是否感?。?1］。而林輝、劉秀英、石韌 等都是根據(jù)這種方法，對測得的高光譜數(shù)據(jù)進(jìn)行分析，建立了葉綠素含量的高光譜模型，并在此基礎(chǔ)上做進(jìn)一步的研究［22-24］。而張永賀 等為了建立桉樹Eucalyptus spp．葉片光合色素含量的高光譜估算模型，采用了20個常見的高光譜吸收特征變量，然后利用SPSS統(tǒng)計軟件計算光合色素含量與這些高光譜特征變量之間的相關(guān)系數(shù)，以此建立估算模型并進(jìn)行精度檢驗［34］。伍南 等通過實地調(diào)查，獲取杉木炭疽病病情指數(shù)以及各級病情梯度的高光譜遙感數(shù)據(jù)，然后將冠層光譜一階微分?jǐn)?shù)據(jù)與相應(yīng)的病情指數(shù)進(jìn)行相關(guān)性分析，選取相關(guān)系數(shù)大于0．7的高光譜微分指數(shù)來構(gòu)建反演模型并檢驗精度，估測杉木的炭疽病病情［35］(表3)。

隨著研究的深入，許多理論也被應(yīng)用到高光譜數(shù)據(jù)的分析中。杜華強(qiáng) 等為了分析植被的健康狀況，在分析光譜特征參數(shù)的基礎(chǔ)上，提出利用分形理論對反射光譜曲線進(jìn)行分形測量，用分形維數(shù)來定量反映植被健康狀況，通過分析發(fā)現(xiàn)分形維數(shù)與綠峰反射高度、紅谷吸收深度以及紅邊面積存在較好的多元線性關(guān)系，指出分形維數(shù)可以作為1個綜合參數(shù)客觀反映植被葉片健康狀況［36］。同時杜華強(qiáng)等也將分形理論應(yīng)用在馬尾松松材線蟲病的早期探測中，結(jié)果發(fā)現(xiàn)，分形維數(shù)綠峰反射高度和紅谷吸收深度存在正相關(guān)關(guān)系，指出利用分形理論實施對馬尾松松材線蟲病的早期高光譜探測是可行的［37］(表3)。

表3 利用高光譜數(shù)據(jù)的統(tǒng)計分析與建模技術(shù)進(jìn)行林木病蟲害監(jiān)測示例

3 高光譜遙感在森林病蟲害監(jiān)測中的發(fā)展趨勢

隨著遙感在林業(yè)上的廣泛應(yīng)用，利用高光譜遙感監(jiān)測森林病蟲害也越來越引起人們的廣泛關(guān)注，但由于研究條件和時間的限制，目前關(guān)于這方面的研究并不多見，許多問題還需要進(jìn)行更深入的探討和研究。今后利用高光譜監(jiān)測病蟲害研究將主要集中在以下幾個方面:1)加強(qiáng)利用高光譜遙感監(jiān)測森林病蟲害的基礎(chǔ)理論研究，區(qū)分不同病蟲害所引起的不同樹種的光譜特征變化，提高監(jiān)測的準(zhǔn)確性;2)將理論研究應(yīng)用于生產(chǎn)實踐，嘗試?yán)脽o人飛機(jī)獲取光譜數(shù)據(jù)和遙感影像進(jìn)行病蟲害的早期監(jiān)測;3)加大高光譜遙感在監(jiān)測森林病蟲害中的應(yīng)用，建立多種森林病蟲害的光譜數(shù)據(jù)庫，為利用高光譜遙感監(jiān)測森林病蟲害打下堅實的理論基礎(chǔ);4)建立集監(jiān)測、預(yù)警及決策為一體的森林病蟲害高光譜遙感監(jiān)測系統(tǒng)，實現(xiàn)對森林病蟲害的實時監(jiān)測，做到對病蟲害的早期預(yù)警及信息發(fā)布。

高光譜遙感技術(shù)的研究與應(yīng)用是當(dāng)前林業(yè)遙感領(lǐng)域的前沿，它的高分辨率、高時效性的特點，使得其能夠精準(zhǔn)的獲得植株的病蟲害信息。雖然高光譜遙感在監(jiān)測森林病蟲害上已經(jīng)取得一些進(jìn)展，但是要走向成熟仍是任重道遠(yuǎn)，隨著研究的進(jìn)一步深入，將理論研究推廣到實際運作中去是今后研究的一個主要發(fā)展方向，而如何達(dá)到成本與成效的“雙贏”仍是有待解決的問題。高光譜遙感在監(jiān)測森林病蟲害上仍需要挖掘不同植株、不同病蟲害的光譜信息，完善其在監(jiān)測方法上與其他行業(yè)相結(jié)合的管理模式，為林業(yè)遙感的發(fā)展帶來新的活力。

［1］ 高永剛，劉丹，張福娟，等．衛(wèi)星遙感在森林病蟲害監(jiān)測上的研究進(jìn)展［J］．中國農(nóng)學(xué)通報，2006，22(2):113-117．

［2］ 云麗麗，欒慶書，金若忠，等．遙感技術(shù)在森林病蟲害監(jiān)測上的研究進(jìn)展［J］．遼寧林業(yè)科技，2012(1):40-44．

［3］ 陳兵，李少昆，王克如，等．作物病蟲害遙感監(jiān)測研究進(jìn)展［J］．棉花學(xué)報，2007，19(1):57-63．

［4］ 王蕾，駱有慶，張曉麗，等．遙感技術(shù)在森林病蟲害監(jiān)測中的應(yīng)用研究進(jìn)展［J］．世界林業(yè)研究，2008，21(5):37-43．

［5］ 張?zhí)?，張曉麗，劉紅偉，等．遙感在森林病蟲害監(jiān)測中的應(yīng)用研究［J］．安徽農(nóng)業(yè)科學(xué)，2010，38(21):11604-11607．

［6］ 姚云軍，秦其明，張自力，等．高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展［J］．農(nóng)業(yè)工程學(xué)報，2008，24(7):301-306．

［7］ 陳鵬程，張建華，雷勇輝，等．高光譜遙感監(jiān)測農(nóng)作物病蟲害研究進(jìn)展［J］．中國農(nóng)學(xué)通報，2006，22(2):388-391．

［8］ 何誠，馮仲科，袁進(jìn)軍，等．高光譜遙感技術(shù)在生物多樣性保護(hù)中的應(yīng)用研究進(jìn)展［J］．光譜學(xué)與光譜分析，2012，32(6):1628-1632．

［9］ Vane G，Goetz A F H．Terrestrial imaging spectrometry:current status，future trends［J］．Remote Sens Environ，1993，44:117-126．

［10］ Green RO，Eastwood M L，Sarture CM，et al．Imaging spectroscopy and the airborne visible/infrared imaging spectrometer(AVIRIS)［J］．Remote Sens Environ，1998，65:227-248．

［11］ 唐延林，黃敬峰．農(nóng)業(yè)高光譜遙感研究的現(xiàn)狀與發(fā)展趨勢［J］．遙感技術(shù)與應(yīng)用，2001，16(4):248-251．

［12］ 曾兵兵，張曉麗，路常寬，等．森林病蟲害遙感監(jiān)測研究的現(xiàn)狀與展望［J］．中國森林病蟲，2008，22(2):24-29．

［13］ 黃麟，張曉麗，石韌．森林病蟲害遙感監(jiān)測技術(shù)研究的現(xiàn)狀與問題［J］．遙感信息，2006(2):71-75．

［14］ 譚炳香．高光譜遙感森林應(yīng)用研究探討［J］．世界林業(yè)研究，2003，16(2):33-37．

［15］ 趙春燕，楊志高．高光譜遙感技術(shù)及其在森林監(jiān)測中的應(yīng)用探討［J］．林業(yè)調(diào)查規(guī)劃，2006，31(1):4-6．

［16］ 張光輝．高光譜遙感技術(shù)在現(xiàn)代林業(yè)中的應(yīng)用與發(fā)展［J］．四川林勘設(shè)計，2007(4):66-69．

［17］ 譚炳香，李增元，陳爾學(xué)，等．高光譜遙感森林信息提取研究進(jìn)展［J］．林業(yè)科學(xué)研究，2008，21(S1):105-111．

［18］ 伍南，劉君昂，周國英，等．基于高光譜數(shù)據(jù)的病害脅迫下杉木冠層色素含量估算研究［J］．中國農(nóng)學(xué)通報，2012，28(1):73-79．

［19］ 李軍，楊秋珍，黃敬峰，等．楊扇舟蛾和楊小舟蛾危害對意大利214楊高光譜特征的影響［J］．北京林業(yè)大學(xué)學(xué)報，2007，29(6):148-155．

［20］ 許章華，劉健，余坤勇，等．松毛蟲危害馬尾松光譜特征分析與等級檢測［J］．光譜學(xué)與光譜分析，2013，33(2):428-433．

［21］ 王曉堂．基于高光譜的松萎蔫病動態(tài)變化的研究［D］．2011，南京:南京林業(yè)大學(xué)．

［22］ 林輝，劉璇，臧卓，等．杉木葉綠素含量高光譜遙感模型研究［J］．中南林業(yè)科技大學(xué)學(xué)報，2010，30(11):1-5．

［23］ 劉秀英，熊建利，林輝．基于高光譜特征參數(shù)的樟樹葉綠素含量的估算模型研究［J］．廣東農(nóng)業(yè)科學(xué)，2011(5):1-4．

［24］ 石韌，劉禮，高娜．用高光譜數(shù)據(jù)反演健康與病害落葉松冠層光合色素含量的模型研究——基于2005年吉林省敦化、和龍兩市落葉松冠層采樣測量數(shù)據(jù)［J］．遙感技術(shù)與應(yīng)用，2008，23(3):264-271．

［25］ 王植，曹均，曹慶昌，等．高光譜遙感監(jiān)測板栗病蟲害的可行性初探［J］．中國農(nóng)學(xué)通報，2010，26(13):380-384．

［26］ 胡榮明，魏曼，競霞，等．基于成像高光譜的蘋果樹葉片病害區(qū)域提取方法研究［J］．西北農(nóng)林科技大學(xué)學(xué)報，2012，40(8):94-99．

［27］ Aleixos N，Blasco J，Navarrón F，et al．Multispectral inspection of citrus in real-time using machine vision and digital signal processors［J］．Computers and Electronics in Agriculture 2002，33(2):121-137．

［28］ 蔡健榮，王建黑，黃星奕，等．高光譜圖像技術(shù)檢測柑橘果銹［J］．光電工程，2009，36(6):26-30．

［29］ Lu R，Detection of bruises on apples using near-infrared hyperspectral imaging［J］．Transactions of the ASAE，2003，46(2):523-530．

［30］ Xing J，Bravo C，Jancsók PT，et al．Detecting bruises on‘golden delicious’apples using hyperspectral imaging with multiple wave bands［J］．Biosystems Engineering，2005，90(1):27-36．

［31］ ElMasry G，Wang N，Vigneault C，et al．Early detection of apple bruises on different background colors using hyperspectral imaging［J］．LWT Food Science and Technology，2008，41(2):337-345．

［32］ Qin J，Burks T F，Ritenour M A，et al．Detection of citrus canker using hyperspectral reflectance imaging with spectral information divergence［J］．Journal of Food Engineering，2009，93(2):183-191．

［33］ Shafri H Z M，Hamdan N．Hyperspectral imagery for mapping disease infection in oil palm plantation using vegetation indices and red edge techniques［J］．American Journal of Applied Sciences，2009，6(6):1031-1035．

［34］ 張永賀，陳文惠，郭喬影，等．桉樹葉片光合色素含量高光譜估算模型［J］．生態(tài)學(xué)報，2013，33(3):876-887．

［35］ 伍南，劉君昂，周國英，等．基于高光譜微分指數(shù)的杉木炭疽病病情指數(shù)反演［J］．林業(yè)科學(xué)，2012，48(8):94-98．

［36］ 杜華強(qiáng)，金偉，葛宏立，等．用高光譜曲線分形維數(shù)分析植被健康狀況［J］．光譜學(xué)與光譜分析，2009，29(8):2136-2140．

［37］ 杜華強(qiáng)，葛宏立，范文義，等．分形理論在馬尾松松材線蟲病發(fā)病早期高光譜探測中的應(yīng)用［J］．林業(yè)科學(xué)，2009，45(6):68-76．