無人機遙感監(jiān)測技術在松材線蟲病疫情監(jiān)測中的應用探討

劉云鵬，解春霞，李 莉，張林燕

(江蘇省林業(yè)科學研究院，江蘇 南京 211153； 溧陽市林業(yè)站，江蘇 溧陽 213300)

松材線蟲病是森林生態(tài)系統(tǒng)中最具毀滅性的森林病害之一，被列為我國林業(yè)檢疫性有害生物，常被稱作松樹的“癌癥”。自1982年在江蘇南京首次發(fā)生以來，疫情不斷擴展蔓延，已成為我國近幾十年來發(fā)生最嚴重、最危險的重大林業(yè)病害。據國家林業(yè)和草原局公告(2022年第6號)顯示，截至2022年，我國松材線蟲病已擴展至19個省(區(qū)、市)731個縣級行政區(qū)，發(fā)生面積超過180 萬hm2，致死松樹數十億株，造成的直接經濟損失和間接經濟損不可估量。目前，疫情發(fā)生區(qū)域最西端已達四川涼山，最北端到達遼寧撫順，并已入侵到廬山、黃山、張家界、九華山等多個重要的國家級風景名勝區(qū)和生態(tài)區(qū)。目前,我國松材線蟲病縣級疫區(qū)數量占全國縣級行政區(qū)的20.5%，但相對于全國6 000萬hm2松林而言，松材線蟲病的發(fā)生面積還只占現有松林面積的極少部分，還有逾90%的健康松林正面臨著松材線蟲病傳播侵染的威脅[1]。鑒于此，加強疫情防控，遏制松材線蟲病疫情快速傳播和發(fā)展，成為當務之急。

松材線蟲病防控的4個關鍵環(huán)節(jié)為病害檢疫、疫情監(jiān)測、疫木除治和媒介昆蟲防治，其中疫情監(jiān)測最為重要。松材線蟲病的疫情監(jiān)測是一切防控的前提。目前，傳統(tǒng)的松材線蟲病監(jiān)測主要依靠人工踏查，由于受森林地勢、林間雜灌等影響，人工踏勘的勞動強度大、作業(yè)效率低，特別是在山地陡坡、林分茂密、人跡罕至的惡劣區(qū)域，全面勘察更加困難。隨著無人機技術和多光譜、高光譜信息采集設備的小型化，以及遙感圖像分析算法的不斷豐富，無人機遙感監(jiān)測技術能夠較好地解決人工踏查效率低、衛(wèi)星遙感分辨率差的缺點。因此，開展無人機遙感技術研究和應用，對松材線蟲病的大面積監(jiān)測、流行動態(tài)研究、防控效果評價和災害損失評估等均具有重要意義。

1 基于遙感數據監(jiān)測松材線蟲病的基本原理

松樹感染松材線蟲病后，典型癥狀就是葉片會轉變?yōu)辄S褐色，嚴重后轉變?yōu)榧t褐色，最后完全枯萎死亡。在這個過程中，松樹針葉內部的組織結構、水分含量、葉綠素含量等均會呈現相應的變化[2-3]，并在光譜特征中有所體現。無人機遙感監(jiān)測技術是通過遙感圖像信息采集設備采集上述松樹針葉的變化信息，并對其進行對應分析和分類識別，即可了解松樹的健康狀況。人們對感染了松材線蟲病的黑松和馬尾松針葉進行分析發(fā)現，感病后的針葉含水量、葉綠素、類胡蘿卜素含量均有顯著下降。通過ASD光譜儀測量感病松針的反射光譜也發(fā)現，感病松針與健康松針在近紅外和中紅外波段(波長大于800 nm)的光譜反應有明顯差異。進一步對比不同感病階段光譜反應發(fā)現，隨發(fā)病程度加重，光譜紅邊位置藍移，綠峰反射高度逐漸降低[4-6]。黃明祥等[7]在研究馬尾松高光譜時序特征中發(fā)現，感病馬尾松與健康馬尾松的時序光譜差異較大，其近紅外平臺內最大的一階微分值、紅邊內一階微分的總和與藍邊內一階微分的總和比值等差異尤其顯著。馬躍等[8]在分析不同發(fā)病階段黑松針葉的反射光譜特征曲線中發(fā)現，感病針葉光譜紅邊位置藍移、綠峰反射高度、紅谷吸收深度均降低，紅邊斜率也逐漸減小。王震等[9]利用波段值為350—1 050 nm 的便攜式光譜儀測定了不同感病階段的馬尾松特征光譜發(fā)現，不同感病階段的馬尾松針葉在近紅外區(qū)域(760—900 nm)的光譜反射率差異極顯著。這些基于松材線蟲病感病植株光譜特征的研究表明，光譜特征上的差異可以用于松材線蟲病的動態(tài)監(jiān)測，也為無人機遙感監(jiān)測奠定了基礎。

2 無人機遙感圖像的采集

無人機遙感圖像采集作業(yè)流程通?？梢愿爬橐韵聨讉€步驟[10-11]：首先，根據遙感任務要求，在地面控制系統(tǒng)中進行航跡規(guī)劃，并依據地形、光照等情況設定航線、航速、航高，以及遙感傳感器的采集方式、速度等參數；其次，通過地面控制系統(tǒng)將上述參數載入到無人機系統(tǒng)和遙感傳感器系統(tǒng)；再次，無人機系統(tǒng)和遙感傳感器系統(tǒng)按照預設的航線和采集方式進行拍攝采集；最后，遙感傳感器將拍攝的圖像數據進行存儲，或利用無線傳輸通道將數據傳輸到地面的控制子系統(tǒng)，用于后續(xù)圖像分析。目前，無人機搭載的傳感器多以數字化、重量輕、體積小、探測精度高的設備為主，如：數碼相機、多光譜相機、高光譜相機、紅外掃描儀、雷達等[12-14]。在林業(yè)相關應用中，可見光和多光譜、高光譜等3類遙感傳感系統(tǒng)應用較為廣泛。

可見光遙感一般有紅、綠、藍 3 個波段。近年來,近地低空無人機平臺的快速發(fā)展以及數碼相機性能的不斷提高,使得高空間分辨率的無人機可見光數據獲取更加便捷。劉遐齡等[15]利用無人機搭載高分可見光傳感器采集遙感圖像，并通過人工目視和模版匹配2種方法對疫區(qū)松材線蟲病死木進行識別判讀，總體精度逾85%。 李衛(wèi)正等[16]利用無人機采集松材線蟲病疫區(qū)高分辨率遙感圖像,采用目視尋找方式，對病死木進行識別，并做出定位標記，實現了病死木位置信息的采集,其位置精度在0.24—2.82 m之間。然而，在疫區(qū)病死木識別、定位的實際應用中發(fā)現，可見光遙感圖像受裸地、彩色樹種、變色雜灌等復雜地被情況的影響較大，在圖像精度、分類判讀模式和識別精度上還有待提高。

多光譜遙感除了可見光的紅、綠、藍 3 個波段外,還包括紅外、微波等波譜范圍,所獲得的遙感圖像在每個波段可以單獨提取成為1幅灰度圖像。Saari 等[17]開發(fā)了無人機搭載珀羅干涉儀的多光譜圖像采集系統(tǒng)，其相機光譜波長在500—900 nm之間。褚東花等[18]利用無人機平臺搭載雙光譜相機獲取遙感圖像，采用加權支持向量分類算法進行受害木識別，得到的遙感識別精度達0.98。黃寶華[19]利用無人機搭載有450—940 nm的多光譜相機來獲取松材線蟲病疫區(qū)圖像數據，對人工黑松純林的病死木識別準確率為100%。多光譜遙感是基于特定光譜波長的圖像數據采集，因此，相對可見光遙感圖像所獲得的信息增加，但依然會有非特定光譜波段的信息缺失。

為了獲得更多的遙感圖像信息，高光譜遙感技術獲得了進一步發(fā)展。高光譜遙感實際上是將成像技術和多光譜技術有機結合，對地面目標物空間特征進行成像的技術。圖像采集過程中，每個空間像素單元都經過色散處理，而形成幾十個甚至幾百個較窄的光譜波段,使地物特征形成連續(xù)光譜波段信息。這些連續(xù)光譜的圖像數據，能夠為區(qū)分變色松樹、彩色闊葉樹、稀疏植被和裸土等提供更好的數據基礎。Fassnacht等[20]對變色松樹的高光譜識別進行研究后發(fā)現，遙感圖像中變色松樹的分類精度與特征光譜波段的選擇有直接相關性。李嘉祺等[21]通過提前對人工標注的枯死病樹和正常松樹進行高光譜圖像采集、分析，獲得其特征波段，再利用無人機搭載多光譜相機，采集整個試驗區(qū)進入遙感圖像，并以前期獲得特征光譜為標準，對試驗區(qū)病死樹進行識別與標注，其準確率可達95.03%。

總體而言，運用高光譜傳感器和多光譜傳感器能夠獲得比可見光傳感器或衛(wèi)星遙感更加細致和精準的數據，能夠為提高模型的準確率和可靠性提供更好的支持。此外，無人機遙感圖像采集過程中的圖像重疊率也十分關鍵，一般航向重疊率要在60%以上，旁向重疊率要求在30%以上，才能在全景拼接時獲得較好的拼接效果。

3 無人機遙感圖像的拼接

無人機遙感在采集圖像過程中，受無人機平臺自身穩(wěn)定性、拍攝時的自然條件、相機傳感器曝光時間、天氣因素等多方面的影響，可能使遙感圖像在一定程度上出現幾何形態(tài)的平移、旋轉、縮放等，同時也會出現亮度和顏色上的差異。此外，無人機傳感器還會因2次航拍時間上的間隔，造成拍攝的2幅圖像上出現色差、圖像亮度、飽和度不一致等問題。這些均會影響最終的遙感圖像質量。因此，就需要對這些圖像進行輻射校正、配準等預處理，消除圖像中的變形和色差，并融合拼接成高質量的全景圖像[22](見圖1)。

圖1 無人機遙感圖像的全景拼接流程

圖像預處理的首要任務，是對遙感圖像采集過程中產生的各種畸變進行校正，以使單幅瓦片圖像處于同一基準投影面上,消除圖像之間的偏差，減少對拼接效果的影響。無人機遙感圖像幾何校正主要包括坐標系統(tǒng)變換、構建共線方程、重采樣等過程。王學平[23]以廣東省從化市 ETM +遙感數據和 GIS 數據為基礎,通過圖像坐標的空間轉換、圖像像元灰度值重采樣等步驟，深入分析遙感圖像的幾何校正原理和應用, 提出了圖像幾何校正是提高遙感分析精度的有效途徑。厙向陽等[24]在對目標遙感圖像進行幾何校正處理過程中，對比了近似幾何校正算法、神經網絡和支持向量機算法等幾種處理方法，優(yōu)化了基于支持向量機算法的遙感圖像幾何校正方法和實現步驟，為遙感圖像定量化和高精度化分析提供了技術支持。

圖像配準是決定圖像拼接質量的關鍵。對于無人機航拍獲取的序列圖像來說，由于無人機自身重量輕，受到氣流影響較大，易造成遙感圖像中出現偏移、擠壓、扭曲等畸變現象，使得基于單一變換域或灰度信息的圖像配準方法很難達到理想的匹配效果?；谔卣鞯膱D像配準方法更適用于無人機圖像配準。基于特征的圖像配準方法：首先是采用人工或自動的方法提取圖像的各類特征,如轉角、邊界線或輪廓線、曲線等，再按序列圖像的空間關系，匹配所提取特征，估算圖像間的變換關系，最后再利用得到的變換關系對圖像進行處理,得出多幅圖像在同一坐標系下的配準圖像。基于特征的圖像配準方法因具有壓縮信息量、算法靈活、處理速度快、精度高等優(yōu)點,是近年來研究較多的方法。由Lowe[25]在1999年提出的尺度不變特征變換匹配算法(SIFT)，是經典的基于特征的圖像配準算法。近年來，在SIFT 算法基礎之上又衍生出一些其他算法，如ASIFT,CSIFT,PCA-SIFT,SURF 算法等[26-28]。周佳欣等[29]在SIFT算法的基礎上，通過多尺度空間極值點提取，曲線擬合確定特征點的位置，再根據確定的特征點來完成匹配。改進后的SIFT算法在運行時間上減少了0.47 s,運算速度則提高了10.7%。

圖像融合的目的是將配準后的圖像基于一定的變換模型合并成1幅全景圖像。圖像融合不僅僅是遙感圖像的簡單復合, 而是采用一定的算法來對信息進行優(yōu)化、突出特征信息、減少冗余信息,從而增加圖像解譯可靠性和準確性[30]。從信息表征層次上來看，圖像融合方法可分為3個層次: 像元級融合、特征級融合和決策級融合。像元級融合是在原始數據層上的直接融合, 獲得的全景圖像清晰度更符合人或機器的視覺性要求,但相對的特征信息量較少，屬于低層次的融合技術。特征級的融合是在對各種數據源進行識別目標特征提取、分析的基礎上, 再進行融合處理。其較像元級融合技術不僅突出了圖像中目標特征信息，同時還可以大幅減少數據量。決策級的融合是最高層次的融合技術, 是在對原始圖像進行特征提取和分析的基礎上，通過引入一些輔助識別的信息對數據決策判別之后，再將這些有價值的信息進行融合。融合后的圖像能夠為決策分析提供更多的信息。

4 無人機遙感圖像分析

遙感圖像分析是依據圖像中每個像元的空間結構、特征光譜信息或其他分類特征信息，按照一定的分類規(guī)則或算法，劃分成不同的類別。目前，基于無人機航拍遙感圖像的分類大體可分為非監(jiān)督分類和監(jiān)督分類2種。2種分類最本質的區(qū)別是有沒有訓練樣本的存在：非監(jiān)督分類不需要訓練樣本，只使用某個單一的光譜信息進行分類，因其原理相對簡單，存在“同譜異物”“同物異譜”的現象，易造成分類上的混淆和錯誤；而監(jiān)督分類則是在利用遙感軟件進行分類前，需要人工輔助從遙感圖像上選擇若干個典型目標物或目標區(qū)域作為分類的訓練樣本，再通過不同的軟件分類器和算法，對比遙感圖像中的像元和訓練樣本中的像元，并將圖像中與之最相近的像元都歸為同一類，從而實現對整個全景遙感圖像的分類。監(jiān)督分類研究是遙感圖像分類的熱點，其分類方法也相對較多，其中，決策樹分類法和支持向量機分類法因具有較好的分類精度，在遙感圖像的分類過程中被廣泛的應用。

決策樹分類法[31]是基于圖像數據庫中擁有最大信息量的屬性字段，建立決策樹的根節(jié)點，再依據指定規(guī)則對遙感圖像進行運算，根據計算邏輯值(是或否)生成2分支或多分支。按此步驟再向下進行拓展，直至將圖像分出目標類別(葉節(jié)點)。決策樹分類法除能夠利用光譜特性以外，還可以利用幾何、紋理、地形等特征信息，可以提取多維度的、多目標屬性信息進行分類，其分類結果也更加直觀、清晰，計算效率更高。常見的決策樹算法有 ID3，C4.5，CART 這3種[32]?；跊Q策樹分類法的松材線蟲病監(jiān)測分類研究較少。黃芳芳等[33]利用 Landsat-8 遙感圖像中7個波段原始光譜值作為自變量，采用決策樹CART算法對湖北省宜昌市馬尾松松材線蟲病進行遙感監(jiān)測分類，平均分類精度在76%以上，對松材線蟲病的大面積監(jiān)測具有一定的指導意義。

支持向量機(SVM)分類法是機器學習中非常重要的分類算法之一。它通過將特征向量映射到高維特征空間，并在這個特征空間中構建出一個最優(yōu)超平面，使2類圖像單元無錯誤地區(qū)分開 ,并使它們的分類間隙最大化，最終實現對遙感圖像的分類。它在解決小樣本數據、非線性映射和高維模式識別方面具有較強優(yōu)勢。隨著大量學者的不斷深入研究，SVM分類法衍生出許多改進和擴展算法，如模糊支持向量機(FSVM)、加權支持向量機(WSVM)、最小二乘支持向量機(LSSVM)、孿生支持向量機(TSVM)等。胡根生等[34]利用改進的加權支持向量多分類算法，實現感病松樹的精確識別,分類精度為 0.949 2。張學敏[35]將特征稀疏表示和WWSVDD多分類相結合，提出了一種基于加權支持向量數據描述的感病松樹遙感圖像分類算法，分類精度達到0.947 0。

5 松材線蟲病的無人機遙感監(jiān)測技術應用

隨著多光譜、高光譜采集設備和無人機技術的飛速發(fā)展，基于無人機航拍遙感的松材線蟲病監(jiān)測的應用案例也越來越多。武紅敢等[36]利用無人機遙感監(jiān)測技術在重慶市沙坪壩區(qū)對松材線蟲病進行監(jiān)測應用，監(jiān)測準確率為94%，定位精度在10 m 以內。黃華毅等[37]利用固定翼無人機搭載可見光數碼相機和多光譜數碼相機，采集了試驗區(qū)可見光和多光譜圖像，采用植被指數 (NDVI)對圖像進行了分類，獲得了試驗區(qū)疫木的分布位置圖和GPS坐標點，驗證監(jiān)測準確率超80%，坐標點精度達到2—3 m。黃華毅等[37]利用 Faster R-CNN 深度學習框架對無人機航拍獲得的可見光和多光譜遙感圖像中的病枯死松樹進行判別，正確率分別達到 90% 和 82%。李嘉祺等[21]運用無人機光譜遙感和卷積神經網絡分類模型，進行林區(qū)松材線蟲病疫木自動識別和標注，準確率超95%。這些案例均為大面積松材線蟲病發(fā)生現狀和流行動態(tài)的監(jiān)測、防控效果和災害損失的評估提供了技術支撐與應用示范。

基于無人機可見光、多光譜、高光譜的低空遙感監(jiān)測技術逐漸成熟，2016年，安徽省質量技術監(jiān)督局發(fā)布了《基于無人機平臺的松材線蟲病枯死松樹監(jiān)測技術規(guī)程》地方標準。2018年，中國林學會發(fā)布了《無人機遙感監(jiān)測異常變色木操作規(guī)程》行業(yè)標準。這些標準對無人機遙感監(jiān)測作業(yè)中的航拍系統(tǒng)、航拍計劃與設計方案、圖像質量、信息處理等應用技術環(huán)節(jié)進行了規(guī)范，為大面積松材線蟲病疫木的快速識別和定位提供了新的途徑和方法，也為松材線蟲病的治理效果核查與災害評估等工作提供了支持。

6 問題與展望

隨著無人機遙感技術的不斷發(fā)展，其及時獲取多時態(tài)、多角度、多光譜、高精度遙感圖像的優(yōu)勢，能夠為決策者提供及時的松材線蟲病監(jiān)測信息，逐漸在研究和生產中得到重視。然而，無人機在穩(wěn)定性、續(xù)航時間、可操控性及遙感圖像獲取和處理、枯死松樹識別的準確率等方面依然存在一些問題，從而限制了松材線蟲病無人機遙感監(jiān)測技術的應用與推廣:

(1)無人機及遙感數據采集終端研發(fā)依然有待加強。無人機受自身重量、電池續(xù)航、天氣(風力)以及載荷量、穩(wěn)定平臺的影響較大，飛行獲取的圖像數據質量不高，從而影響后期數據的分析精度，距離生產上的實際應用還存在一定差距。今后應加強無人機硬件設備和飛行控制系統(tǒng)研究，開發(fā)具有高穩(wěn)定性的無人機機型和飛控技術，以及信息無線快速傳輸技術，提高遙感數據的精度和準確度。此外，專業(yè)的飛手必不可少。只有飛手對飛行參數進行科學、專業(yè)的規(guī)劃、設計和操控，才能確保獲得高質量的遙感數據。

(2)基于無人機獲取遙感數據的解譯方法依然有待改進。目前，松材線蟲病無人機遙感圖像的解譯工作仍然是以人工目視判讀或人機結合的方式為主，這種方式對判讀人員專業(yè)技術要求很高，存在主觀性強、效率低的弊端，難以滿足大面積快速識別、判讀的應用需求。今后應積累更全面的松材線蟲病疫木癥狀樣本、變色樹種樣本及其他非松材線蟲病枯死樹特征樣本，形成更加全面的樣本庫，并分析其在圖像上的區(qū)別特征，及時調整特征因子，優(yōu)化圖像拼接、配準、融合、解譯分類算法及模型，挖掘更深層次的大數據相關性，從而提高系統(tǒng)對人機遙感數據的利用率和工作效率。

(3)無人機遙感監(jiān)測松材線蟲病的技術標準依然有待規(guī)范。松材線蟲病疫木監(jiān)測的主要標志是松樹針葉感病后的變色特性，而松材線蟲病的發(fā)生是一個漸進的過程，不同發(fā)病階段和不同發(fā)病程度的癥狀是不盡相同的。此外，彩葉樹種的變色期和闊葉樹的枯死木等均會影響系統(tǒng)的判讀。因此，今后還應不斷完善松材線蟲病無人機遙感監(jiān)測技術的應用研究，優(yōu)化、規(guī)范航拍高度、航速、航向重疊率和旁向重疊率等參數，確保遙感數據的全覆蓋和圖像空間分辨率的一致性。進一步規(guī)范監(jiān)測數據采集時間節(jié)點，秋季遙感監(jiān)測宜選擇在9月下旬至10月上旬,春季則應在4月下旬至5月初。一方面，這2個時間段內健康植被生長旺盛，有利于對遙感圖像中感病變色松樹的識別和定位；另一方面，也可以有效降低烏飯樹、楓香樹、山胡椒等許多樹種葉片變色帶來的干擾。

綜上所述，利用無人機遙感技術對松材線蟲病危害的病枯死樹進行自動化識別、定位，能顯著提高松材線蟲病監(jiān)測的效率和客觀性，能夠為松材線蟲病的發(fā)生規(guī)律研究和應急除治提供數據依據，在松材線蟲病監(jiān)測、預警、防控等方面均有著巨大的發(fā)展?jié)摿Α?/p>