1、第 卷 第 期 年 月测绘与空间地理信息 ，收稿日期：作者简介：周小杰（），男，江苏宿迁人，高级工程师，硕士，年毕业于武汉大学摄影测量与遥感专业，主要从事摄影测量与遥感、无人机技术应用等方面的研究工作。基于无人机多光谱遥感技术监测松材线虫病的实验研究周小杰，任广波，陈宗强，韩 磊，丁晓龙，（青岛市勘察测绘研究院，山东 青岛；自然资源部第一海洋研究所，山东 青岛；青岛市海陆地理信息集成与应用重点实验室，山东 青岛）摘要：松材线虫病是目前对我国各省区松树林区危害最大的病害类型之一，被称为松林的癌症，一旦发生病害，如不及时治理，将对林业生态安全造成巨大的威胁。对染病和病死树木的准确监测和定位是开展治
2、理工作的首要环节，但目前尚未有成熟高效的监测方法。为此，本文探讨基于无人机多光谱遥感手段，研究适用于山地松林松材线虫病染病树木和病死树木的监测方法。以青岛城阳区毛公山松林为研究区，利用无人机载多光谱遥感影像数据，通过图像处理、分类识别和定位等方法，开展了染病、病死松树的高精度监测。结果表明无人机遥感是开展松材线虫病监测的有效手段，多光谱遥感数据可实现对病害和病死树木的识别提取，无人机多光谱遥感监测方法可为松材线虫病的早期治理和治理后效评估提供方法支撑。关键词：无人机遥感；多光谱遥感；松材线虫病监测；支持向量机；无人机监测中图分类号：文献标识码：文章编号：（），（，；，；，）：，：；引 言松材线
3、虫病，即松树萎蔫病，是全球松林生态系统中最具危险性和毁灭性的病害之一，传播性和破坏性极强，能导致松树在感染后 内枯死，传播蔓延迅速，年就能造成大面积毁林的恶性灾害，又被称为松树癌症、无烟的森林火灾。病害监测是目前松材线虫防控的有效手段，传统监测主要采用人工现场巡查的方法，但大部分松林分布于地势陡峭的山区，传统人工现场巡查大多区域无法到达，盲点多，效率低，普查效果差。随着无人机和遥感技术的快速发展，利用无人机遥感监测病虫害已经逐步形成一种趋势。利用遥感数据监测病虫害弥补人工现场巡查的不足，借助无人机平台可以快速获取监测区域的可见光、多光谱、高光谱等多种遥感数据，通过内业解译分析实现定性和定量的松
4、林健康评价，因此无人机遥感在林业病虫害监测方面具有重要意义。在松材线虫病的遥感光谱监测方面，相关研究表明分析不同染病时期松树光谱特征，可据此判别松树染病情况，国内学者已开展了一些探索和研究。徐华潮等采用 地物光谱仪测量了黑松和马尾松在松材线虫自然侵染后不同染病阶段的反射光谱。在松材线虫发病初期，近红外和中红外波段（波长大于 ）光谱差异明显，在发病的中期及以后，可见光波段光谱曲线（约）能够较好地反映两种松树的病变。张衡等利用地面光谱仪对不同染病时期马尾松的光谱特征进行分析，通过波长 处光谱反射率的一阶导数光谱特征分析，结合叶绿素质量分数定量反演，用于判断松树是否感染了松萎蔫病。另外，基于无人机的
5、松材线虫病监测，多为无人机可见光监测，多光谱方面也有一些学者研究涉及。胡根生等利用无人机搭载双光谱相机获取高分辨率遥感图像，利用改进的加权小波支持向量数据描述（）多分类方法，采用最小相对距离法和隶属度函数法进行决策分类，从而实现准确性更高的病害松树识别。张学敏利用无人机双光谱遥感图像，采用基于支持向量数据描述的方法对图像中的病害松树进行分类识别，该方法对于松树不同状态的识别具有一定的可操作性。李卫正等利用低成本小型无人机采集疫情区域的高空间分辨率可见光影像，通过正射影像及半自动信息提取技术，实现病死松树位置信息采集。综上所述，无人机遥感技术已经成为现代林业发展道路上的一条重要的技术途径，遥感的
6、蓬勃兴起更是给林业资源调查、管理、保护和利用提供了一项行之有效的现代化工具，同时多光谱遥感手段已被证实在作物的生长监测、病害检测等方面具有巨大的应用潜力。本文面向森林病害监测对新型技术手段的迫切需求，基于无人机多光谱遥感技术开展松材线虫病害无人机遥感监测技术研究，提取松材线虫病枯死树木和染病树木的空间位置信息，为松材线虫病的处置和防治提供高效的监测方案。研究区域研究区域位于青岛城阳区毛公山松林区域。林区均为 年的次生松树林，且已发生了轻度到中度的松材线虫病灾害。本研究以多旋翼无人机为遥感平台，搭载多光谱成像仪，开展对病死松树和染病松树的精确识别和提取的监测方法研究。开展面向病虫害治理和森林管理
7、的松材线虫病高效遥感监测，需要解决两个基本问题：其一，如何精确地提取和定位病死树木个体；其二，如何精确分类染病树木。根据现场调查和文献调研，松材线虫病的传播是以天牛等甲壳类昆虫为主要宿主，依靠甲虫的飞行而进行线虫病害的传播。因此，松材线虫病的病发具有两个特点：第一，离散分布；第二，病死树木周边大概率存在染病树木。根据上述松材线虫病监测问题和发病特点分析，设计并开展了本文的现场调查和遥感监测研究工作。数据与处理 无人机多光谱遥感平台本文选用深圳飞马机器人科技有限公司的四旋翼无人机 作为监测平台，搭载 五波段多光谱成像仪。无人机兼具长飞行时间、大覆盖区域、操控简易、设计友好的特点，同时具有仿地形飞
8、行功能，可以确保 山 地 地 形 获 取 影 像 空 间 分 辨 率 一 致 的 优 点。五波段成像仪其性能和指标是为植物监测而设计的，包括了蓝、绿、红、红边和近红外等 个窄带光谱波段，其中其红边和近红外的波段半高宽度都在 左右，其他 个光谱波段的半高宽度也在 以内，其光谱波段分布如图 所示。从光谱响应函数中可以发现，在对于植被特别是植被病害的监测中起到至关重要作用的绿波段、红波段和红边波段（分别对应成像仪数据的第、第 和第 波段）的光谱半高宽度均约为 ，已经达到了高光谱遥感图像数据的波段宽度标准，具有对植被病害高精度监测的潜力。本研究数据获取时无人机航线高度 ，空间分辨率 ，航向重叠度，旁向
9、重叠度，面积约 ，航飞在正午时分，采用防地飞行模式确保影像空间分辨率一致。图 五波段成像仪的光谱响应函数 多光谱遥感数据处理对无人机平台多光谱成像仪数据的处理主要包括图像拼接、正射校正和大气校正处理，由于 五波第 期周小杰等：基于无人机多光谱遥感技术监测松材线虫病的实验研究段多光谱成像仪采用的是框幅式成像模式，因此需要对拍摄获得的图像数据开展图像拼接处理。大气校正中，由于无人机飞行高度较低，本文中的飞行高度小于，同时飞行时大气能见度和天气条件较好（无云的晴天），所以大气分子对地物光谱的影响可以忽略，因此，仅开展了基于同步标准反射板数据的反射率计算。现场调查数据现场调查是开展基于遥感手段的松材线
10、虫病分类和信息提取的核心环节之一。目的是为无人机遥感图像的分类提供现场分类模型真实样本和分类结果的检验样本。现场调查的主要内容包括对病死松树和染病松树的精确定位和地物光谱的测量，其中地物光谱测量所使用的是 手持式地物光谱仪，其光谱波段范围为约 ，与无人机载高光谱和多光谱传感器的波段光谱范围一致。现场调查中对于病死和染病树木的定位采用差分 位置测量技术，林地内定位精度优于小于 ，而在本研究的监测区内，单株松树的宽幅直径均大于，故该定位精度满足对每一株病死和染病松树的高精度监测需求。现场调查共获取包括健康松树、染病松树、病死松树、其他树木、杂草地、道路、房屋、岩石和水体在内的样本点共 个，其中 个
11、用于分类模型建立，个用于分类结果验证。遥感图像的分类方法在对覆盖林地特别是山地林区的遥感图像分类中，现场采集真实样本困难，由此导致的训练样本少是一个面临的基本问题。原因是山区林地地形复杂，现场调查很难开展。针对此问题，本研究选择使用基于统计学习理论的支持向量机（，）分类方法。是 等在 年提出的一种基于统计学习理论的机器学习算法。分类方法有 个显著的优势：其一，在小样本条件下仍能通过计算样本间分类结构风险和经验风险的平衡，来保证具有良好的分类效果；其二，可高效地处理分类数据特征维度较高而带来的计算量方面的维数灾难，其通过选择合适的核函数将高维空间映射到低维空间，使一个非线性分类问题转化为线性问题
12、，在遥感图像分类中得到广泛应用。线性可分条件下的基本原理示意如图 所示，其中最优超平面为兼顾结构风险和经验风险最小化的最优类别判定间隔面。图 分类原理：二维分类问题 ：结果与分析 不同健康状态松树的光谱特征分析光谱特征分析是开展基于光谱遥感监测研究的基础和必要环节。本文首先利用现场调查数据，结合无人机载多光谱和高光谱遥感成像数据，开展光谱特征分析。如图 所示的是在研究区获得的健康、染病和病死松树的现场照片、无人机遥感照片以及现场测量的地物光谱和无人机多光谱的像元光谱的比较示意图。图中现场照片、遥感图像和现场光谱均获取自相同的树木，同时遥感图像使用的是多光谱遥感图像的伪真彩色合成结果。图 健康、
13、病死和染病松树的照片、遥感图像和光谱分析，由图 可得到以下 个特点：第一，在无人机遥感图像中，病死树木在色彩和纹理表现上与健康松树树木有较大差别，但染病树木与健康树木的图像差别较小，这也是传统的可见光三波段监测图像难以做到对染病树木和健康树木准确区分的原因；第二，现场地物光谱和遥感光谱之间具有较好的相似性，这证明本研究所选取的多光谱传感器和对于多光谱数据的处理都达到了较为理想的效果，同时也证明了所选择的无人机平台具有较好的稳 测绘与空间地理信息 年定性和可靠性；第三，从植被光谱角度来看，健康松树具有明显的植被光谱特征，即在绿光波段和近红外波段都有明显的高反射率特征，而且红边区域光谱曲线的斜率较
14、大，同时红光波段的吸收率较高，这都表明了健康松树冠层具有较高的叶绿素含量水平。病死树木缺少上述 个植物的光谱特征；而染病树木上述 个特征则表现得不明显。无人机多光谱遥感图像松材线虫病监测结果本文利用覆盖研究区的无人机多光谱遥感监测图像，得到了如图 所示的包括健康松树、染病松树和病死松树在内的 个类型的分类结果，总体分类精度达到了，系数为 。同时，根据现场调查数据的验证，对于染病、病死松树的识别精度达到了 以上。利用覆盖研究区域无人机多光谱遥感图像的 分类结果精度统计见表。根据图（），虽然在个别的区域无人机飞行拍摄过程中因云层移动影响而导致光照不均匀的情况，而有赖于分类方法的有效性，所获得的分类
15、结果较好地规避了因图像光谱反射率处理差异而导致的同物异谱现象，得到了较为理想的分类结果（图（）。根据图 的分类结果图，研究区松树林的松材线虫病染病情况已较为严重，染病松树的分布面积占到集中连片分布松树面积的。虽然在本文无人机飞行实验之前，该区域已经进行了一次针对松材线虫病病死树木的集中砍伐和清理，但从监测结果看，仅仅对病死树木进行清理是不够的，需要连带对染病树木进行集中治理，才能达到松材线虫病害林区有效治理的目标。从监测结果中发现，染病树木的规模要显著大于病死树木，原因可能得益于无人机图像拍摄之前对病死树木的集中清理。可以预期，在短时间内，染病松树可能都会发展成为病死树木，而且这部分染病树木对
16、于邻近的健康树木构成较大的威胁。图 城阳监测区域松林线虫病染病、病死树木的 无人机多光谱遥感分类结果 表 研究区域无人机多光谱遥感图像的 分类精度统计表 类型生产者精度（）用户精度（）健康松树染病松树病死松树其它树木杂草地裸土地道路房屋岩石水体 结束语利用无人机平台，搭载 波段多光谱成像仪，开展了研究区青岛市城阳区毛公山松林松材线虫病染病树木和病死树木的遥感监测。结果表明，无人机遥感技术具有高空间分辨率、高定位精度的优势，是早期发病林区染病和病死树木精确监测、识别和定位的最有效手段之一，对染病松树和病死松树的监测精度达到了；在监测时间点上，病死和染病松树分布面积占到了集中连片分布松树面积的，病害对整个林区的影响已经非常严重。本文建议在开展松材线虫病治理工作中，应同步开展病死树木和染病树木的治理工作，同时加强对染病初期松树的监测和识别。本文提供的基于无人机多光谱遥感数据的高空间分辨率、多光谱的遥感监测手段可为松材线虫病的高效控制和治理提供满意的解决方案。参考文献：潘沧桑松材线虫病研究进展 厦门大学学报（自然科学版），（）：徐华潮，骆有庆，张廷廷，等松材线虫自然侵染后松树不同感病阶段针叶光
