一种松材线虫病感病早期松树识别方法技术

本发明专利技术提供一种松材线虫病感病早期松树识别方法，包括以下步骤：S1，利用光谱相机拍摄不同时段松树样本的遥感图像，对光谱图像进行处理，得到每颗松树的光谱曲线；S2，利用一阶导数对光谱曲线的波段特征进行度量，筛选出对松材线虫病敏感的三个特征波段λ1、λ2和λ3；S3，根据特征波段的光谱反射率值按如下公式计算松材线虫病植被衰退病情指数(PWDERI)；S4，利用ENVI结合松材线虫病植被衰退病情指数PWDERI建立早期松材线虫病监测的决策树分析模型，对松树样本进行判别。该方法的算法简单、所需波段少、通量高，能够有效识别感染了松材线虫病的早期无症状感染松树。同时，该方法属于光学仪器无损检测，无需破坏松树形态结构，具有非常好的应用推广价值。具有非常好的应用推广价值。具有非常好的应用推广价值。

【技术实现步骤摘要】
一种松材线虫病感病早期松树识别方法


[0001]本专利技术涉及一种松材线虫病感病早期松树识别方法，属于松材线虫病的早期诊断


技术介绍

[0002]松材线虫病又称松树萎蔫病，是由松材线虫为主导的，综合媒介昆虫、寄主松树以及环境因素等引起的一种松树毁灭性传染病。松材线虫病以其极强的传染性和致死率受到世界各国重视。松材线虫病的原发地是北美洲，却在亚洲迅速蔓延暴发。我国自1982年在南京地区首次发现松材线虫病以来，已在我国多个省市蔓延和扩散，大量的松林资源和自然生态景观遭到破坏，造成了巨大的生态损失和经济损失，并对我国近6000万hm2松林植被构成巨大威胁。
[0003]松材线虫病的早期监测方法主要有林间症状诊断法、流胶法、病原线虫鉴定法、病原线虫鉴定法等，但是这些传统的松材线虫病监测方法中大多是由植保工作者前往实地调查和取样，存在着繁重费力、耗时久、效率低下等问题，而且具有较大的主观片面性，易出现误差，进而导致对松材线虫病调早期监测结果不够严谨。
[0004]遥感技术具有机动灵活高效率且数据精度高等优点，可以深入交通条件较差，人、车难以到达的地区进行监测。通过遥感监测方法能快速地获得研究区域的影像，使用地理信息系统的空间分析能力结合病虫害监测与预测模型对遥感图像进行分析开发出的遥感监测与预测系统，成为对松材线虫病进行早期监测的有力工具。但是，对于传统的遥感技术方法来说，传统的分析方式利用筛选出来的敏感波段，直接选出特征波段所在的光谱反射率然后建模分析，这样做的缺点是仅仅使用光谱的的原始信息，没有进行光谱之间的运算来突出被检测物体的特征。

技术实现思路

[0005]本专利技术提供了一种松材线虫病感病早期松树识别方法，可以有效解决上述问题。
[0006]本专利技术是这样实现的：
[0007]一种松材线虫病感病早期松树识别方法，包括以下步骤：
[0008]S1，利用光谱相机拍摄不同时段松树样本的遥感图像，对光谱图像进行处理，得到每颗松树的光谱曲线；
[0009]S2，利用一阶导数对光谱曲线的波段特征进行度量，筛选出对松材线虫病敏感的三个特征波段λ1、λ2和λ3；
[0010]S3，根据特征波段的光谱反射率值按如下公式计算松材线虫病植被衰退病情指数(PWDERI)，PWDERI的计算公式如下：
[0011]其中，Pλx表示在λx波长处的反射率值；
[0012]S4，利用ENVI结合松材线虫病植被衰退病情指数(PWDERI)建立早期松材线虫病监
测的决策树分析模型，对松树样本进行判别。
[0013]作为进一步优先的，所述光谱相机由无人机或遥感卫星搭载。
[0014]作为进一步优先的，所述特征波段λ1为445nm
‑
510nm，λ2为644nm
‑
679nm，λ3为700nm
‑
997nm。
[0015]作为进一步优先的，所述特征波段λ1为506nm，λ2为672nm，λ3为731nm。
[0016]作为进一步优先的，步骤S4具体包括以下步骤：
[0017]S41，打开ENVI中决策树分析，带入PWDERI模型；
[0018]S42，根据光谱数据分析得出的最佳波段范围λ1、λ2和λ3，代入决策树模型中进行分类；
[0019]S43，用ENVI中主要分析(MajorityAnalysis)进行第一步分类后处理，通过ENVI中的聚类处理(Clump)进行第二次分类后处理；
[0020]S44，根据保留像素点聚集程度对松树样本进行判别，若保留像素点聚集程度为50％以上，则判定为松材线虫病早期病木。
[0021]作为进一步优先的，所述主要分析(MajorityAnalysis)为用变换核中占主要地位的像元类别代替中心像元的类别。
[0022]作为进一步优先的，所述聚类处理(Clump)为运用数学形态学算子将临近的类似分类区域聚类并进行合并，将被选的分类用一个膨胀操作合并到一块，然后用变换核对分类图像进行腐蚀操作。
[0023]本专利技术的有益效果是：
[0024]本专利技术通过拍摄不同时期染病的松树高光谱图像，然后求解光谱曲线，再利用一阶导数算法对光谱波段进行度量筛选出敏感的特征波段，并根据特征波段计算松材线虫病的植被衰减指数，最后利用ENVI结合松材线虫病植被衰退病情指数(PWDERI)建立早期松材线虫病监测的决策树分析模型，该方法能够快速、准确地确定出高光谱图像中早期感病的松树，为后续的松材线虫病害等级检测提供可靠的依据。
[0025]本专利技术的方法采用的波段少、计算方便、速度快，能够有效识别感染了松材线虫病的早期无症状感染者，同时，该方法属于光学仪器无损检测，无需破坏松树形态结构，具有非常好的应用推广价值。
附图说明
[0026]为了更清楚地说明本专利技术实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0027]图1是闽侯青口镇样地图。
[0028]图2是本专利技术实施例1提供的健康早期患病反射率光谱曲线。
[0029]图3是本专利技术实施例1提供的健康早期患病一阶导数光谱反射曲线。
[0030]图4是本专利技术实施例1提供的精度判别图。
[0031]图5是本专利技术实施例1提供的分类判别图。
[0032]图6是本专利技术实施例1提供的不同波段搭配分类图。
[0033]图7闽侯鸿尾镇样地图。
[0034]图8是本专利技术实施例2提供的不同指数处理效果图。
[0035]图9是本专利技术实施例2提供的不同指数处理精度图。
[0036]图10是本专利技术实施例3提供的最优植被指数选择图。
[0037]图11是本专利技术实施例3提供的多光谱波段搭配选择图。
具体实施方式
[0038]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本发、明的选定实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0039]实施例1
[0040]2019年实验在闽侯青口选取的马尾松松材线虫病疫区试验样地一块，其地图如图1所示。并于当年8月至11月利用无人机搭载波段范围为389.8nm
‑
997.4nm，光谱分辨率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种松材线虫病感病早期松树识别方法，其特征在于，包括以下步骤：S1，利用光谱相机拍摄不同时段松树样本的遥感图像，对光谱图像进行处理，得到每颗松树的光谱曲线；S2，利用一阶导数对光谱曲线的波段特征进行度量，筛选出对松材线虫病敏感的三个特征波段λ1、λ2和λ3；S3，根据特征波段的光谱反射率值按如下公式计算松材线虫病植被衰退病情指数(PWDERI)，PWDERI的计算公式如下：其中，P
λx
表示在λx波长处的反射率值；S4，利用ENVI结合松材线虫病植被衰退病情指数PWDERI建立早期松材线虫病监测的决策树分析模型，对松树样本进行判别。2.根据权利要求1所述的松材线虫病感病早期松树识别方法，其特征在于，所述光谱相机由无人机或遥感卫星搭载。3.根据权利要求2所述的松材线虫病感病早期松树识别方法，其特征在于，所述特征波段λ1为445nm
‑
510nm，λ2为644nm
‑
679nm，λ3为700nm
‑
997nm。4.根据权利要求3所述的松材线虫病感病早期松树识别方法...

【专利技术属性】
技术研发人员：张飞萍，吴松青，郭丹，翁明清，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：