Estimation of leaf loss rate in pest damaged larch forests using Sentinel-2 satellite data

Authors

  • Mungunkhuyag Ariunaa Division of Remote Sensing and Spatial Modeling, Institute of Geography and Geoecology, Mongolian Academy of Sciences, Ulaanbaatar, Mongolia
  • Ganbat Dashzeveg Division of Remote Sensing and Spatial Modeling, Institute of Geography and Geoecology, Mongolian Academy of Sciences, Ulaanbaatar, Mongolia
  • Huangxiao Jun College of Geographical Science, Inner Mongolia Normal University, Huhhot, China
  • Bao Yunhai College of Geographical Science, Inner Mongolia Normal University, Huhhot, China
  • Altantuya Dorjsuren Division of Remote Sensing and Spatial Modeling, Institute of Geography and Geoecology, Mongolian Academy of Sciences, Ulaanbaatar, Mongolia
  • Boldbaatar Rentsenduger Division of Remote Sensing and Spatial Modeling, Institute of Geography and Geoecology, Mongolian Academy of Sciences, Ulaanbaatar, Mongolia

DOI:

https://doi.org/10.5564/mjgg.v59i43.2529

Keywords:

Sentinel-2A, Remote sensing monitoring, Discrimination model, Leaf loss rate, Erannis jacobsoni Djak, Pendrolimus sibiricus Tschtv

Abstract

In recent years, the research on remote sensing monitoring of forest damage has made great progress. The monitoring of forest pest severity using remote sensing methods that are sensitive to the spatiotemporal variations of canopy degradation and leaf lost rate. In this study, two typical conifer pests as Erannis Jacobsoni Djak.(EJD) and Pendrolimus Sibiricus Tschtv.(PST) are selected for forest area of Binder and Baruunburen in Mongolia. based on the star ground combination model, the spectral reflectance are simulated from Sentinel-2A image, and the spectral index (SI) and spectral derivative feature (SDF) are calculated, the sensitive spectral features of SI and SDF are extracted by combining threshold method and SPA algorithm, and then establish the discrimination model of different pest types based on random forest(RF).  At the same time, the monitoring models of pest indicators were constructed, and the severity of pests were identified by FCM fuzzy clustering. The accuracy of RF model based on Sentinel-2A remote sensing simulation data is significantly improved. The spectral index and derivative spectral features of Sentinel-2A remote sensing simulation data have significant sensitivity to the two pest indicators. Using the spectral features of remote sensing simulation data, the indicators of conifer pest can be identified by RF and PLSR algorithm. In the identification of conifer pests based on the non-simulated Sentinel-2A remote sensing data, the estimation accuracy of the two pests' leaf loss rate is the highest.

Сентинел-2 хиймэл дагуулын мэдээ ашиглан хортонд нэрвэгдсэн шинэсэн ойн шилмүүсний алдагдлыг тооцох

ХУРААНГУЙ

Ойд учирсан  хохирол, хор хөнөөлийг зайнаас тандах аргаар судлах судалгаа сүүлийн жилүүдэд ихээхэн ахиц дэвшил гаргаж байна. Зайнаас тандан судлах аргуудыг ашиглан ойн хортон шавжийн ноцтой байдлын хянах, шилмүүсний алдагдлыг тооцох судалгааг Хэнтий аймгийн Биндэр, Сэлэнгэ аймгийн Баруунбүрэн сумын Якобсоны төөлүүр эрвээхэй болон Сибирийн хүр эрвээхэйн хөнөөлд өртсөн шилмүүсэн ойд хийсэн. Хиймэл дагуулын мэдээ болон газар дээрх спектрийн ойлтын үр дүнг хослуулсан загварт үндэслэн Sentinel-2A зургаас спектрийн индекс (SI) болон спектрийн дериватив шинж чанарыг (SDF) тооцоолж, SI болон SDF-ийн спектрийн онцлог шинж чанарыг хослуулан гаргаж авсан. Дараа нь SPA алгоритм болон санамсаргүй ойн (RF) загварчлал дээр үндэслэн өөр төрлийн хортон шавжийг ялгах загварыг бий болгосон. Үүний зэрэгцээ хортон шавжийн үзүүлэлтүүдийн хяналтын загваруудыг гаргаж, хортон шавжийн шилмүүсэнд учруулсан хөнөөлийн байдлыг FCM тодорхой бус кластерчлалаар тодорхойлсон. Үр дүнгээс харахад Sentinel-2A хиймэл дагуулын мэдээний симуляцийн өгөгдөлд суурилсан RF загварын нарийвчлал мэдэгдэхүйц сайжирсан. Зайнаас тандан судлах аргаар симуляци хийсэн өгөгдлийн спектрийн шинж чанарыг ашиглан шилмүүст ойн хортон шавжийн үзүүлэлтүүдийг RF болон PLSR алгоритмаар тодорхойлох боломжтой. Sentinel-2A хиймэл дагуулын загварчлаагүй мэдээлэлд үндэслэн шилмүүст модны хортон шавжийг тодорхойлоход хоёр хортон шавжийн навчны алдагдлын тооцооны нарийвчлал хамгийн өндөр байна.

Түлхүүр үг: Сентинел-2 хиймэл дагуул, Зайнаас тандан судлал, Мониторинг, Ялгах загвар, Шилмүүсний алдагдал, Якобсоны төөлүүр эрвээхэй, Сибирийн хүр эрвээхэй

Downloads

Download data is not yet available.
Abstract
131
PDF
195

Author Biography

Mungunkhuyag Ariunaa, Division of Remote Sensing and Spatial Modeling, Institute of Geography and Geoecology, Mongolian Academy of Sciences, Ulaanbaatar, Mongolia

School of Environment, Northeast Normal University, Changchun, China

References

HUANG Xiao-jun, XIE Yao-wen, BAO Yu-hai, BAO Gang, QING Song, BAO Yu-long. 2019. Estimation of Leaf Loss Rate in Larch Infested with Erannis Jacobsoni Djak Based on Differential Spectral Continuous Wavelet Coefficient. Spectroscopy and Spectral Analysis. 39(9):2732.

Xi guilin, Huang Xiaojun, Bao Yu-hai, Bao gang, Ganbat Dashzeveg, Tsagaantsooj Nanzad, Altanchimeg Dorjsuren, Enkhnasan Davaadorj, Mungunkhuyag Ariunaa. 2020. Hyperspectral Discrimination of Different Canopy Colors in Erannis Jacobsoni Djak-infested Larch. Optics journal. 40 (9)

黄晓君,等.落叶松针叶虫害地面高光谱识别及遥感监测方法研究 [D]. 兰州大学, 2019.

Guilin Xi., Xiaojun Huang., Yaowen Xie., Bao Gang., Ganbat Dashzebeg., Tsagaantsooj Nanzad., Mungunkhuyag Ariunaa. 2022. “Detection of Larch Forest Stress from Jas’s Larch Inchworm (Erannis jacobsoni Djak) Attack Using Hyperspectral Remote Sensing”. remote sensing, 14 (1). Available: https://doi.org/10.3390/rs14010124

А. Мөнгөнхуяг, Д. Ганбат, Хуан Сяо-жун, Бао Юу Хай, Б. Баяртунгалаг, Н. Цагаанцоож.“Спектрийн шинжилгээний аргазүйд тулгуурлан шинэсэн ойн хор хөнөөлийг судлах нь” Хүрэл тогоот-2020 эрдэм шинжилгээний хурал. Улаанбаатар, 2020.

Г. Бямбахүү, В. Батцэнгэл, Ч. Наранцэцэг, Б. Нямдаваа, О. Мэндбаяр, Б. Сайнбуян, В. Батбаяр1, Фолин Вү. Шилийн Богд орчмын хээрийн түймрийн шаталтын зэрэглэлийг тооцоолох болон нөхөн сэргэх үйл явцын мониторинг судалгаа. Газарзүйн асуудлууд, 22(1).

Н. Цагаанцоож, 2003. “Якобсоны төөлүүрч эрвээхэйн (Erannis jacobsoni Djak) биологи, экологийн онцлог” (Богдхан уулын жишээн дээр) Биологийн Ухааны докторын зэрэг горилсон диссертаци. Улаанбаатар.

T. Zhang, X. Zhang, H. Liu, X. Pei, 2010. Application of remote sensing technology in monitoring forest diseases and pests. Plant Diseases and Pests 1(3): 57-62.

S. Adelabu, O. Mutanga, M. Cho, 2012. A review of remote sensing of insect defoliation and its implications for the detection and mapping of Imbrasia belina defoliation of Mopane Woodland. African J Plant Sci Biotech 6(1): 1-13.

J. C. White, M. A. Gómez, N. C. Wulder, Coops (2010). Characterizing temperate forest structural and spectral diversity with Hyperion EO-1 data. Remote Sensing of Environment. 114: 1576-1589 Available: https://doi.org/10.1016/j.rse.2010.02.012

J. C. White, N. C. Coops, T. Hilker, M. A. Wulder, (2007). Use of foliage moisture indices derived from Hyperion satellite imagery to estimate mountain pine beetle red attack. International Journal of Remote Sensing: 28: 2111-2121. Available: https://doi.org/10.1080/01431160600944028

M. A. Denisko, & M. M. Hoffman, (2018). Classification and interaction in random forests. Proceedings of the National Academy of Sciences, 115(8), 1690–1692. Available: https://doi.org/10.1073/pnas.1800256115

G. A. Blackburn Spectral Indices for Estimating Photosynthetic Pigment Concentrations: A Test Using Senescent Tree Leaves. International Journal of Remote Sensing. 2010, 19(4):657-675. Available: https://doi.org/10.1080/014311698215919

G. A. Blackburn and J. G. Ferwerda Retrieval of Chlorophyll Concentration from Leaf Reflectance Spectra Using Wavelet Analysis. Remote Sensing of Environment. 2008, 112:1614-1632. Available: https://doi.org/10.1016/j.rse.2007.08.005

R. Colombo M. Meroni, A. Marchesi, L. Busetto, M. Rossini, C. Giardino. and C. Panigada. Estimation of Leaf and Canopy Water Content in Poplar Plantations by Means of Hyperspectral Indices and Inverse Modeling. Remote Sensing of Environment. 2008, 112:1820-1834. Available: https://doi.org/10.1016/j.rse.2007.09.005

C. Li, X. Zhu, Y. Wei, S. Cao, X. Guo, X. Yu and C. Chang Estimating Apple Tree Canopy Chlorophyll Content Based on Sentinel-2a Remote Sensing Imaging. Scientific REPORTS. 2018, 8:1-10. Available: https://doi.org/10.1038/s41598-018-21963-0

Downloads

Published

2022-12-29

How to Cite

Ariunaa, M., Dashzeveg, G., Jun, H., Yunhai, B., Dorjsuren, A., & Rentsenduger, B. (2022). Estimation of leaf loss rate in pest damaged larch forests using Sentinel-2 satellite data. Mongolian Journal of Geography and Geoecology, 59(43), 210–217. https://doi.org/10.5564/mjgg.v59i43.2529

Issue

Section

Articles