松材线虫病监测天空地一体化监测方法技术

本发明专利技术公开了一种松材线虫病监测天空地一体化监测方法，其技术方案：S1、首先通过无人机影像对对染病枯死树提取，通过卫星影像对染病枯死树斑块进行提取，通过地面调查对枯死树进行实地标记、定位和测量；S2、分别获取高空间分辨率卫星遥感数据、无人机遥感数据为数据源，结合地面调查数据与森林资源二类调查数据，共同形成监测区域的数据集合；S3、通过上述数据建立疫木的样本，样本包括松材线虫病害枯死树的光谱特征、征纹理特征和几何特征；S4、根据样本，卫星遥感对染病枯死树斑块进行确认，综合运用图像增强与图像分类方法，并进行验证，建立松材线虫病枯死树空间分布信息和位置信息。本发明专利技术具有筛选疫区效率高，可实现大面积高效监测，无人机遥感数据获取方便、识别精度高，用于精度验证有保障。用于精度验证有保障。用于精度验证有保障。

【技术实现步骤摘要】
松材线虫病监测天空地一体化监测方法


[0001]本专利技术涉及松材线虫研究
，特别是松材线虫病监测天空地一体化监测方法。

技术介绍

[0002]松材线虫是松属树种最严重、具有毁灭性的外来入侵物种，可导致松树染病后最快40天左右死亡，2
‑
3月内全部死亡。自从其1982年在我国初次发现以来，迅速扩散，2021年3月已经蔓延至全国17个省(市、自治区)723个县级行政区，其中浙江省内疫区达70个县(市、区)，防控形势十分严峻。
[0003]投入不断加大、措施逐渐严密的积极防控努力没能完全阻隔疫病的扩散，究其原因，其中最主要的是缺乏及时、准确、详尽的疫情监测信息，无法动态、精准地指导防控工作。目前，每年一次的普查信息主要依靠人工地面典型调查获得，不仅频率低，而且精度不高，更重要的是没有疫木的空间位置信息。由此导致除治计划偏离实际、实施效率低、监管无法到位等一系列问题，最后结果是在很多情况下防控效果不尽人意。
[0004]松材线虫病枯死树遥感监测，主要依据是树冠颜色变化，在可见光和多光谱遥感影像中均有其典型特征，基于卫星遥感的变色松树监测，目前变色松树卫星遥感监测方法主要包括基于像素的影像分类方法、面向对象方法、深度学习方法、植被指数法等。目前中低分辨率的影像监测松材线虫病的疫情，由于染病树木空间分布的离散性，监测效果都很差。针对高分辨率影像，国内主要是利用国产亚米级GF
‑
2和BJ
‑
2卫星数据开展松材线虫病监测，研究与实践表明，运用监督分类、面向对象的CART决策树分类等方法，结合地形数据提取了松材线虫病疫区，或疫木，取得了一定的效果。这种遥感数据可以满足针叶的红色症状典型、树冠直径5m以上大树(或树丛)的识别，对单株疫木识别还有困难；适合于快速、宏观监测疫情的空间分布情况，可为后续详查和疫情的确定提供科学依据。
[0005]另外近年来发展起来的无人机遥感技术为我国变色松树的快速定位和总量估计带来了解决办法。然而，目前分散的单株变色松树无人机影像提取中仍然停留在目视判读的水平，完全依靠人工目视判读变色松树的工作方案效率低、主观性强。现有的支持向量机、面向对象、神经网络等遥感数据分类提取算法虽然一定程度上提高人工目视判读的效率，但就时间复杂度而言难以满足GB甚至TB数量级的超高空间分辨率大区域无人机影像计算需求。
[0006]如何区分变色松树和其他红色阔叶树、稀疏植被、裸土等，仍是目前基于可见光和多光谱数据分析面临的难题。高光谱的出现为高分影像上同物异谱或异物同谱的情况提供了解决办法，但仍然面临高维数据量大、波段之间相关性强的困境。高光谱遥感数据具有连续地物光谱信息，利用这一优势，采用机载高光谱遥感对松材线虫病损害程度进行识别，其结果明显优于多光谱影像。但由于机载高光谱的空间分辨率很高且在数据采集时受局部视场条件和光照条件以及冠层结构的差异，同一棵树的冠层亮度值差异很明显，给变色松树像元的确定带来一些干扰。且高光谱遥感影像获取成本高、数据处理难度大，目前仅限于小
面积研究阶段，未大面积推广。
[0007]总之，随着遥感平台的多样化和遥感数据质量的不断提高和分类技术的不断进步，松材线虫病监测的理论和技术得到了快速发展。从基于像素的分类到面向对象分类方法，从传统的分类方法到深度学习的识别方法，从卫星遥感数据源到多平台多空间分辨率数据源，为精准分类、识别提供了基础。但是，这些方法在实践层面仍处于单一技术利用层面，卫星遥感、无人机遥感各自的优势没有得到充分发挥，没有形成一套完整的面向生产的应用技术体系，成本与效率仍然是主要问题。

技术实现思路

[0008]针对现有技术存在的不足，本专利技术提供松材线虫病监测天空地一体化监测方法，具有筛选疫区效率高，可实现大面积高效监测，无人机遥感数据获取方便、识别精度高，用于精度验证有保障。
[0009]为了达到上述目的，本专利技术通过以下技术方案来实现：松材线虫病监测天空地一体化监测方法，包括以下步骤：
[0010]S1、区域位置进行选择，首先通过无人机影像对对染病枯死树提取，通过卫星影像对染病枯死树斑块进行提取，通过地面调查对枯死树进行实地标记、定位和测量；
[0011]S2、分别获取高空间分辨率卫星遥感数据、无人机遥感数据为数据源，结合地面调查数据与森林资源二类调查数据，共同形成监测区域的数据集合；
[0012]S3、通过上述数据建立疫木的样本，样本包括松材线虫病害枯死树的光谱特征、征纹理特征和几何特征；
[0013]S4、根据样本，卫星遥感对染病枯死树斑块进行确认，综合运用图像增强与图像分类方法，并进行验证，建立松材线虫病枯死树空间分布信息和位置信息。
[0014]优选的：高空间分辨率卫星遥感数据包括50cm空间分辨率全色波段(470
‑
830nm)数据和2米空间分辨率蓝、绿、红、近红外四个波段多光谱数据。
[0015]优选的：无人机遥感数据包括多个区域中在每个区域选取一个1km2‑
2km2的区域作为验证区，分别对所选区域用无人机进行拍摄，无人机遥感数据采集使用设备为大疆精灵4 PRO RTK多旋翼无人机搭载FC6310R航摄仪。
[0016]优选的：地面调查数据包括在无人机拍摄后的区域内选择其中一个或多个区域的部分小班内的枯死树进行了实地手持GPS枯死树标记、定位和测量，以完成建模和和专题分析；
[0017]实地测量的数据包括：小班号，疫木编号，胸径，冠幅，空中可见冠幅，松针保留率，树冠颜色，坐标x(GPS)，坐标y(GPS)，坐标x(影像)和坐标y(影像)，通过实地调查，建立疫木图像特征库，包括颜色、形状、纹理、图案、空间分布特点。
[0018]优选的：森林资源二类调查数据包含各区域行政区界线和小班界线空间信息，各级行政区名称、小班号、小班面积、地类及树种属性信息。
[0019]优选的：无人机遥感数据分析用于提取染病枯死树数量，根据疫木在图像上的目视特征，选取感染了松材线虫病的松树进行记录，确定疫木分布结果。无人机影像空间分辨率很高，疫木发病早期在无人机的真彩色图像上呈现黄色，中后期呈现明显的红褐色或者棕黄色，与健康树木的绿色有明显区别。发病时间半年或者更长的松树，针叶脱落，在图像
上枝条呈现白色或灰白色。根据树木形状图案与颜色这两个特征，将整个研究区的疫木人机交互判读后，形成初步成果。对一些判读有疑问的疫木，需要到野外做进一步地调查，对结果做校对验证，最后得到研究区无人机影像上准确的疫木分布结果。
[0020]优选的：高空间分辨率卫星遥感数据分析用于对染病枯死树斑块提取，基于卫星遥感影像，首先运用HSV阈值方法识别疫木斑块，然后利用森林资源二类调查本底数据提取松林分布区域，并通过分割算法剔除林中空地，并用斑块面积与疫木株数建立疫木株数模型，最后用株数模型估算全部斑块的疫木株数，提取每一株的位置坐标；分割算法是从单个像元开始向上逐渐合并成较大的对象，直到满足所设置的分割尺度(f本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.松材线虫病监测天空地一体化监测方法，其特征在于包括以下步骤：S1、首先通过无人机影像对对染病枯死树提取，通过卫星影像对染病枯死树斑块进行提取，通过地面调查对枯死树进行实地标记、定位和测量；S2、分别获取高空间分辨率卫星遥感数据、无人机遥感数据为数据源，结合地面调查数据与森林资源二类调查数据，共同形成监测区域的数据集合；S3、通过上述数据建立疫木的样本，样本包括松材线虫病害枯死树的光谱特征、征纹理特征和几何特征；S4、根据样本，卫星遥感对染病枯死树斑块进行确认，综合运用图像增强与图像分类方法，并进行验证，建立松材线虫病枯死树空间分布信息和位置信息。2.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：高空间分辨率卫星遥感数据包括50cm空间分辨率全色波段(470
‑
830nm)数据和2米空间分辨率蓝、绿、红、近红外四个波段多光谱数据。3.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：无人机遥感数据包括多个区域中在每个区域选取一个1km2‑
2km2的区域作为验证区，分别对所选区域用无人机进行拍摄，无人机遥感数据采集使用设备为大疆精灵4 PRO RTK多旋翼无人机搭载FC6310R航摄仪。4.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：地面调查数据包括在无人机拍摄后的区域内选择其中一个或多个区域的部分小班内的枯死树进行了实地手持GPS枯死树标记、定位和测量，以完成建模和和专题分析；实地测量的数据包括：小班号，疫木编号，胸径，冠幅，空中可见冠幅，松针保留率，树冠颜色，坐标x(GPS)，坐标y(GPS)，坐标x(影像)和坐标y(影像)，通过实地调查，建立疫木图像特征库，包括颜色、形状、纹理、图案、空间分布特点。5.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：森林资源二类调查数据包含各区域行政区界线和小班界线空间信息，各级行政区名称、小班号、小班面积、地类及树种属性信息。6.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：无人机遥感数据分析用于提取染病枯死树数量，根据疫木在图像上的目视特征，选取感染了松材线虫病的松树进行记录，确定疫木分布结果。7.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：高空间分辨率卫星遥感数据分析用于对染病枯死树斑块提取，基于卫星遥感影像，首先运用HSV阈值方法识别疫木斑块，然后利用森林资源二类调查本底数据提取松林分布区域，并通过分割算法剔除林中空地，并用斑块面积与疫木株数建立疫木株数模型，最后用株数模型估算全部斑块的疫木株数，提取每一株的位置坐标；分割算法是从单个像元开始向上逐渐合并成较大的对象，直到满足所设置的分割尺度(f)为止；分割尺度(f)由四个参数组成，分别是光谱异质性(h
color
)、形状异质性(h
shape
)、光谱信息权重(w
color
)以及形状信息权重(w
shape
)，光谱特征和形状特征的权重之和为1(即w
color
+w
shape
＝1)，f＝w
×
h
color
+(1
‑
w)
×
h
shape
；光谱异质性(h
color
)不仅与组成对象的像元个数有关，还取决于各个波段标准差：为对象内部像元值的标准差，根据组成对象的像元值计算得到，n为像元数目；
此外，形状异质性(h
shape
)由紧凑度(h
compact
)和平滑度(h
smooth
)来计算，光滑度用来优化分割对象边界的光滑程度，可以抑制边缘的破碎；紧凑度用来优化分割对象的紧凑程度，两个指标的权重之和也是1(即w
compact
+w
smooth
＝1)；h
shape
＝w
compact

【专利技术属性】
技术研发人员：陈小华，吴利平，丁丽霞，李伟明，茹磊，季卓，周通，
申请(专利权)人：浙江同创空间技术有限公司，
类型：发明
国别省市：