一种天空地一体化松材线虫病疫情遥感监测方法技术

本发明专利技术涉及一种天空地一体化松材线虫病疫情遥感监测方法，通过采用综合卫星遥感影像、卫星遥感影像和地面踏查的方法，获取针对松材线虫病疫情的多源监测原始数据，并通过预处理所得松材线虫病疫情区域数据集合，得到针对松材线虫病疫情区域的遥感解译样本，再根据所得松材线虫病疫情区域数据集合和遥感解译样本，处理得到针对松材线虫病疫情区域的松材线虫病疫情监测结果，这样不仅弥补了单一监测数据源的不足，实现了对松材线虫病疫情区域的全面监测，而且提高了监测准确度和监测效率，便于更加全面、快速、准确地发现松材线虫病枯死树，为后续制定防治方案提供详实的数据保障。

【技术实现步骤摘要】
一种天空地一体化松材线虫病疫情遥感监测方法
本专利技术涉及遥感监测领域，尤其涉及一种天空地一体化松材线虫病疫情遥感监测方法。
技术介绍
松材线虫病又称松树枯萎病，是全球森林生态系统中最具危害性的病害之一。该病具有传播途径广、速度快和防治难度大等特点，被称为“松树的癌症”。松材线虫病不仅会造成严重的经济损失，而且也危害着森林资源的发展和生态环境的稳定。疫情监测调查是松材线虫病防控的工作基础，准确高效的松材线虫病疫情监测对于全面掌握疫情信息、及时遏制松材线虫病疫情蔓延有着重要意义。现有的松材线虫病疫情监测方法主要以人工踏查为主，该方法虽然为松材线虫病疫管理积累了大量的资料，但耗时长程序繁琐，且不能准确地掌握疫情的发生和发展情况。当然，目前也有基于遥感技术的松材线虫病疫情监测方法，利用遥感技术获取到的光学卫星遥感影像进行分析处理，可以快速、及时地监测松材线虫病疫区枯死树的分布和定位，在提高监测效率的同时也降低了监测成本。不过，由于光学卫星遥感影像受天气影响较大，同时也受空间分辨率或光谱分辨率的限制，因此难以获得满足松材线虫病疫精准监测的理想数据。因此，如何实现针对松材线虫病疫情的全面、快速准确监测，提高监测效率，成为当前松材线虫病疫情监测亟需解决的技术问题。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术提供一种天空地一体化松材线虫病疫情遥感监测方法。本专利技术解决上述技术问题所采用的技术方案为：一种天空地一体化松材线虫病疫情遥感监测方法，其特征在于，包括如下步骤S1～S4：步骤S1，分别获取待监测目标区域的卫星遥感影像原始数据、松材线虫病疫情区域的无人机高光谱影像原始数据以及松材线虫病疫情区域的地面踏查原始数据，且由获取的卫星遥感影像原始数据、无人机高光谱影像原始数据和地面踏查原始数据共同形成松材线虫病疫情区域原始数据集合；其中，待监测目标区域包括松材线虫病疫情区域，地面踏查原始数据所对应的采集区域与无人机高光谱影像原始数据所对应的采集区相一致，地面踏查原始数据至少包括松材线虫病疫情区域内因松材线虫病枯死树的位置和因松材线虫病枯死树的照片；步骤S2，分别对所述松材线虫病疫情区域原始数据集合内的卫星遥感影像原始数据、无人机高光谱影像原始数据和地面踏查原始数据做预处理，对应得到卫星遥感影像数据、无人机高光谱影像数据和地面踏查数据，且以所得各数据形成松材线虫病疫情区域数据集合；步骤S3，建立针对松材线虫病疫情区域的遥感解译样本；其中，遥感解译样本包括针对待监测松材线虫病疫情区域内各类别地物的影像样本、光谱样本和样本点属性信息；步骤S4，根据所得所述松材线虫病疫情区域数据集合和所述遥感解译样本，处理得到针对松材线虫病疫情区域的松材线虫病疫情监测结果。改进地，在所述天空地一体化松材线虫病疫情遥感监测方法中，在步骤S2中，对所述无人机高光谱影像原始数据的预处理包括如下步骤：对所述松材线虫病疫情区域原始数据集合内的无人机高光谱影像原始数据进行格式转换处理；其中，格式转换处理包括将该无人机高光谱影像原始数据由立方体数据转换为ENVI格式数据，以及将ENVI格式数据转换为JPG格式数据；以及，针对格式转换后无人机高光谱影像原始数据的影像做镶嵌拼接处理；其中，镶嵌拼接处理包括将转换后的JPG格式数据做图像对齐处理、特征点生成处理、生成点云处理、纹理计算处理、构建格网处理以及生成镶嵌模型处理。进一步地，在所述天空地一体化松材线虫病疫情遥感监测方法中，在步骤S2中，对所述卫星遥感影像原始数据的预处理包括针对卫星遥感影像原始数据的几何校正处理、辐射校正处理和大气校正处理。再进一步地，在所述天空地一体化松材线虫病疫情遥感监测方法中，在步骤S2中，对所述地面踏查原始数据的预处理过程包括：录入针对松材线虫病疫情区域内因松材线虫病枯死树的地面踏查原始数据；以及，针对录入的该地面踏查原始数据做标准化处理；其中，地面踏查原始数据包括地面踏查照片文件路径、样本类别、设备参数、天气参数和备注信息。进一步改进，在所述天空地一体化松材线虫病疫情遥感监测方法中，所述遥感解译样本的建立过程包括如下步骤S31～S35：步骤S31，选取针对待监测松材线虫病疫情区域的地物样本集合，且以实地踏查样式获取该地物样本集合内各地物样本的位置信息和地物样本照片；其中，地物样本集合内的地物样本包括针对待监测松材线虫病疫情区域内的健康松树样本、因松材线虫病枯死树样本、阔叶树样本、裸露地表样本、建筑物屋顶样本以及道路样本；步骤S32，在经预处理后所得无人机高光谱影像数据基础上，以地面踏查位置点的空间位置信息在无人机高光谱影像数据上所在的像元为中心，截取3*3像元的矩形范围作为针对待监测松材线虫病疫情区域内各类别地物的影像样本；其中，该3*3像元的矩形范围内包括9个像元；步骤S33，以截取的所述3*3像元的矩形范围内9个像元的平均光谱特征曲线作为针对待监测松材线虫病疫情区域内各类别地物的光谱样本；步骤S34，以地面踏查点位置的空间位置信息建立遥感解译样本的空间数据集，且为每个地物样本赋予唯一样本编码，并由各地面踏查点位置的空间位置信息、各类别地物的影像样本以及各类别地物的光谱样本共同构成遥感解译样本。进一步地，在所述天空地一体化松材线虫病疫情遥感监测方法中，在步骤S4中，针对所述松材线虫病疫情区域的松材线虫病疫情监测结果按照如下步骤S41～S411的方式处理得到：步骤S41，采用GIS叠置分析方法，将森林资源二类调查数据库中的松林小班矢量数据与多源遥感影像叠加，截取出待监测松材线虫病疫情区域内松林小班所在的影像；其中，该多源遥感影像为所述松材线虫病疫情区域数据集合内的卫星遥感影像数据和无人机高光谱影像数据；步骤S42，利用所述松材线虫病枯死树光谱特征指标模型，对无人机高光谱影像数据做定量反演提取，得到基于高光谱的松材线虫病枯死树提取结果；步骤S43，将所得基于高光谱的松材线虫病枯死树提取结果以及所述遥感解译样本中非松材线虫病枯死树样本的其他地物样本共同作为该松材线虫病疫情区域卫星遥感影像数据的区域分类样本；步骤S44，将所述区域分类样本随机分类成两个子区域样本，并以其中一个子区域样本作为训练样本组，以另外一个子区域样本作为验证样本组；步骤S45，针对步骤S2中预处理后的卫星遥感影像数据，分别提取训练样本组内各类地物的光谱特征指标集合和纹理特征指标集合，且以提取到的所有特征指标集合形成训练样本文件；其中，该训练样本文件标记为D，该训练样本文件D中的地物类别种类总个数为v，v>1；步骤S46，以所述训练样本文件内任一个特征指标集合所对应的特征指标作为类别分类属性，且将该训练样本文件内所有的特征指标值进行排序，得到排序后的特征指标值序列；其中，设定训练样本文件D内有N个特征指标集合，该任一个特征指标集合所对应的特征指标标记为An，1≤n≤N；步骤S47，分别计算所述训练样本文件中每个本文档来自技高网...

【技术保护点】
1.一种天空地一体化松材线虫病疫情遥感监测方法，其特征在于，包括如下步骤S1～S4：/n步骤S1，分别获取待监测目标区域的卫星遥感影像原始数据、松材线虫病疫情区域的无人机高光谱影像原始数据以及松材线虫病疫情区域的地面踏查原始数据，且由获取的卫星遥感影像原始数据、无人机高光谱影像原始数据和地面踏查原始数据共同形成松材线虫病疫情区域原始数据集合；其中，待监测目标区域包括松材线虫病疫情区域，地面踏查原始数据所对应的采集区域与无人机高光谱影像原始数据所对应的采集区相一致，地面踏查原始数据至少包括松材线虫病疫情区域内因松材线虫病枯死树的位置和因松材线虫病枯死树的照片；/n步骤S2，分别对所述松材线虫病疫情区域原始数据集合内的卫星遥感影像原始数据、无人机高光谱影像原始数据和地面踏查原始数据做预处理，对应得到卫星遥感影像数据、无人机高光谱影像数据和地面踏查数据，且以所得各数据形成松材线虫病疫情区域数据集合；/n步骤S3，建立针对松材线虫病疫情区域的遥感解译样本；其中，遥感解译样本包括针对待监测松材线虫病疫情区域内各类别地物的影像样本、光谱样本和样本点属性信息；/n步骤S4，根据所得所述松材线虫病疫情区域数据集合和所述遥感解译样本，处理得到针对松材线虫病疫情区域的松材线虫病疫情监测结果。/n...

【技术特征摘要】
1.一种天空地一体化松材线虫病疫情遥感监测方法，其特征在于，包括如下步骤S1～S4：
步骤S1，分别获取待监测目标区域的卫星遥感影像原始数据、松材线虫病疫情区域的无人机高光谱影像原始数据以及松材线虫病疫情区域的地面踏查原始数据，且由获取的卫星遥感影像原始数据、无人机高光谱影像原始数据和地面踏查原始数据共同形成松材线虫病疫情区域原始数据集合；其中，待监测目标区域包括松材线虫病疫情区域，地面踏查原始数据所对应的采集区域与无人机高光谱影像原始数据所对应的采集区相一致，地面踏查原始数据至少包括松材线虫病疫情区域内因松材线虫病枯死树的位置和因松材线虫病枯死树的照片；
步骤S2，分别对所述松材线虫病疫情区域原始数据集合内的卫星遥感影像原始数据、无人机高光谱影像原始数据和地面踏查原始数据做预处理，对应得到卫星遥感影像数据、无人机高光谱影像数据和地面踏查数据，且以所得各数据形成松材线虫病疫情区域数据集合；
步骤S3，建立针对松材线虫病疫情区域的遥感解译样本；其中，遥感解译样本包括针对待监测松材线虫病疫情区域内各类别地物的影像样本、光谱样本和样本点属性信息；
步骤S4，根据所得所述松材线虫病疫情区域数据集合和所述遥感解译样本，处理得到针对松材线虫病疫情区域的松材线虫病疫情监测结果。


2.根据权利要求1所述的天空地一体化松材线虫病疫情遥感监测方法，其特征在于，在步骤S2中，对所述无人机高光谱影像原始数据的预处理包括如下步骤：
对所述松材线虫病疫情区域原始数据集合内的无人机高光谱影像原始数据进行格式转换处理；其中，格式转换处理包括将该无人机高光谱影像原始数据由立方体数据转换为ENVI格式数据，以及将ENVI格式数据转换为JPG格式数据；
以及，针对格式转换后无人机高光谱影像原始数据的影像做镶嵌拼接处理；其中，镶嵌拼接处理包括将转换后的JPG格式数据做图像对齐处理、特征点生成处理、生成点云处理、纹理计算处理、构建格网处理以及生成镶嵌模型处理。


3.根据权利要求2所述的天空地一体化松材线虫病疫情遥感监测方法，其特征在于，在步骤S2中，对所述卫星遥感影像原始数据的预处理包括针对卫星遥感影像原始数据的几何校正处理、辐射校正处理和大气校正处理。


4.根据权利要求3所述的天空地一体化松材线虫病疫情遥感监测方法，其特征在于，在步骤S2中，对所述地面踏查原始数据的预处理过程包括：
录入针对松材线虫病疫情区域内因松材线虫病枯死树的地面踏查原始数据；
以及，针对录入的该地面踏查原始数据做标准化处理；其中，地面踏查原始数据包括地面踏查照片文件路径、样本类别、设备参数、天气参数和备注信息。


5.根据权利要求1～4任一项所述的天空地一体化松材线虫病疫情遥感监测方法，其特征在于，所述遥感解译样本的建立过程包括如下步骤S31～S35：
步骤S31，选取针对待监测松材线虫病疫情区域的地物样本集合，且以实地踏查样式获取该地物样本集合内各地物样本的位置信息和地物样本照片；其中，地物样本集合内的地物样本包括针对待监测松材线虫病疫情区域内的健康松树样本、因松材线虫病枯死树样本、阔叶树样本、裸露地表样本、建筑物屋顶样本以及道路样本；
步骤S32，在经预处理后所得无人机高光谱影像数据基础上，以地面踏查位置点的空间位置信息在无人机高光谱影像数据上所在的像元为中心，截取3*3像元的矩形范围作为针对待监测松材线虫病疫情区域内各类别地物的影像样本；其中，该3*3像元的矩形范围内包括9个像元；
步骤S33，以截取的所述3*3像元的矩形范围内9个像元的平均光谱特征曲线作为针对待监测松材线虫病疫情区域内各类别地物的光谱样本；
步骤S34，以地面踏查点位置的空间位置信息建立遥感解译样本的空间数据集，且为每个地物样本赋予唯一样本编码，并由各地面踏查点位置的空间位置信息、各类别地物的影像样本以及各类别地物的光谱样本共同构成遥感解译样本。


6.根据权利要求5所述的天空地一体化松材线虫病疫情遥感监测方法，其特征在于，在步骤S4中，针对所述松材线虫病疫情区域的松材线虫病疫情监测结果按照如下步骤S41～S411的方式处理得到：
步骤S41，采用GIS叠置分析方法，将森林资源二类调查数据库中的松林小班矢量数据与多源遥感影像叠加，截取出待监测松材线虫病疫情区域内松林小班所在的影像；其中，该多源遥感影像为所述松材线虫病疫情区域数据集合内的卫星遥感影像数据和无人机高光谱影像数据；
步骤S42，利用所述松材线虫病枯死树光谱特征指标模型，对无人机...

【专利技术属性】
技术研发人员：陈恒，聂倩，申佩佩，包颖，廖佳，张文峰，池树友，肖洲烨，
申请(专利权)人：宁波市测绘和遥感技术研究院，宁波市阿拉图数字科技有限公司，宁波市森林病虫害防治站，
类型：发明
国别省市：浙江;33