应用无人机多光谱遥感对栎类食叶虫害危害程度的监测.pdf

为了探讨无人机多光谱遥感在森林病虫害危害程度的监测效果以河南省鲁山县王沟林区的栎类树种为研究对象将栎类虫害危害程度分为 个等级(正常、轻度、中度、重度)按照危害等级设置样本点 使用 旋翼无人机(搭载 波段镜头)获取研究样地的多光谱遥感影像在 .平台进行方差分析从不同等级样点的 个植被指数中筛选出差异显著的植被指数作为特征参数分别采用最大似然法()、面向对象多尺度分割法()、随机森林()、支持向量机()构建分类模型并检验精度 结果表明:最大似然法、多尺度分割法、支持向量机、随机森林等分类方法的总体精度分别为.、.、.、.系数分别为为.、.、.、.随机森林模型分类效果最佳能够满足对栎类虫害危害程度进行准确监测关键词 无人机栎类食叶虫害多光谱遥感虫害危害等级分类号./(.)()/():.().().()()()().栎树是河南省占地面积最大、分布最广泛的树种 以栎舞毒蛾()、栎黄枯叶蛾()、栎粉舟蛾()、黄二星舟蛾()、栓皮栎尺蛾()等为主的栎类食叶害虫频繁成灾年发生面积超过 严重影响栎类森林生态稳定 及时获取初期虫害发生的空间位置、灾害面积、虫害等级和预测虫害分布区域信息为栎类虫害的防治提供技术支持传统人工调查方法耗费大量人力、物力和时间不能实现快速大面积监测极易错过最好的防治时间造成经济损失 目前低空间分辨率的 影像、中等分辨率的 影像以及高分辨率的 影像都在森林病虫害监测中广泛应用 由于卫星遥感成像过程受天气因素的影响并且不同卫星的分辨率相差较大 与航天遥感技术相比无人机具有飞行速度快、数据易获取、空间精度高、影像分辨率高等优点 .通过无人机获得模拟病害表达的时间序列和多光谱影像实现监测针叶林生理胁迫取得较好分类精度(系数为.).在单木水平上利用无人机高光谱影像监测芬兰拉赫蒂城市云杉小蠹的危害程度并把其被分成健康、侵染和死亡 个等级水平分类准确度达 (系数为.).以搭载可见光、多光谱及高光谱镜头的无人机构建了数字活力模型()利用高光谱和多光谱特征的新植被指数监测了葡萄根瘤菌的侵染程度 .以高分辨率多光谱无人机提取了毛竹损伤敏感特征以极致梯度增强树()算法对毛竹林冠层食叶虫害进行分类分类总体精度达到.系数为.本研究以河南省鲁山县王沟矿区栎类树种为研究对象利用无人机多光谱影像采用不同分类方法对栎类虫害等级进行分类监测对栎类食叶虫害的危害程度进行等级划分为栎类虫害监测及精准防控提供技术支撑 研究区概况研究区位于河南省平顶山市鲁山县王沟区()属暖温带大陆性季风气候年平均气温.年降水量为 无霜期为 地形为低山丘陵地区地势西高东低 研究区样地面积为.对样地每木调查后样地内主要树种是麻栎和栓皮栎栎类树种占比 研究样地栎类虫害主要是芽叶部害虫导致此类害虫在爆发期主要破坏栎类树种整株叶片严重时会导致枯枝落叶 研究方法.地面调查 年 月 日选择虫害典型样地采用“”字形调查方法选取 株虫害样树在每株样树树冠的东、南、西、北各个方位(上、中和下冠层)截取标准枝 利用千寻位置()对虫害树木精准定位将标准枝虫害树叶放至透明塑料板上统计虫害树木单位面积叶片损失量和全部叶片量面积计算失叶量 失叶量()的计算公式为:、式中:表示 个方向标准枝虫害损失叶片面积表示表示 个方向标准枝叶片总面积根据栎类人工林食叶害虫生态调控技术规程按照虫害单木冠层失叶量和叶片损伤的比例将栎类虫害程度划分为 个等级(正常、轻度、中度、重度)(见表)根据现场调查的结果在正射影像图上对不同受害等级的区域建立样本点正常、轻度、中度、重度等级的样本点分别为、个(见图)表 栎类食叶虫害等级及标准危害等级失叶量()/分级标准正常无虫害痕迹叶片平整少量自然残叶轻度/以下叶片破损叶片少量空洞叶边缘被虫食中度/以上叶片被虫食栎叶大面积脱落树枝大面积光杆图 研究区位置及不同虫害样本点分布.无人机监测及数据处理本次研究采用大疆精灵 四旋翼无人机获取栎类食叶虫害多光谱影像 该无人机搭载的传感器采用一体式多光谱成像系统航拍过程中可同时获取可见光波段、近红外波段及红边波段数据镜头参数见表 地面调查进行时同时开始无人机飞行实验飞行时光照良好且无风速影响在飞行之前先通过 平台软件规划飞行路线飞行区域覆盖整个样地飞行高度为 飞行速度为 /旁向重叠率和航向重叠率分别为 和 飞行过程中将反射率板放至虫害样地中飞行获取的影像利用大疆智图进行影像拼接大疆精灵 四旋翼无人机自带光照补偿模块剔除了环境因子造成的误差无人机是近地面飞行大气对获取影像的辐射值影响忽略不计只需对影像进行几何校正拼接后的影像进行裁剪处理表 大疆精灵 参数参数种类参数值传感器 个/.英寸 包括 个用于可见光成像的彩色传感器和 个用于多光谱成像的单色传感器单个传感器:有效像素 万(总像素 万)滤光片蓝光波长()为()绿光波长()为()红光波长()为()红边光波长()为()近红外光波长()为 镜头视角.焦距.(格式等效:)无穷远固定焦距光圈/.第 期 林向彬等:应用无人机多光谱遥感对栎类食叶虫害危害程度的监测.特征参数构建与选取特征参数构建:植被指数将可见光波段及近红外波段等对土壤、环境、植被、阴影等进行波段组合从而表现出植被的叶面积指数、生物量、叶表面冠层、色素等参数 应用无人机多光谱影像预处理的结果初步构建了 个反映监测植被生长状况的植被指数作为栎类虫害等级分类的特征参数集(见表)表 栎类虫害监测植被指数植被指数公式归一化植被指数()()/()土壤调整植被指数()()./(.)冠层叶绿素含量指数()()/()可见光植被指数()()/()红绿比值指数()/归一化绿红差异指数()()/()过绿指数()超绿超红差分指数().植被颜色指数().差值植被指数()绿度归一化植被指数()()/()归一化差异绿度指数()()/()宽动态范围植被指数()(.)/(.)注:、分别代表红光波段、绿光波段、蓝光波段、近红外波段和红边波段的反射率特征参数选取:使用 .平台分析各特征在栎类树种虫害等级分类中的显著性筛选栎类虫害敏感特征确定栎类食叶虫害的特征参数有效减少不同特征变量之间带来的冗余数据.分类建模方法最大似然法():遥感影像的监督分类是用划分感兴趣区域识别整幅影像其他类似像元的一种分类方法应用.平台的最大似然法()监督分类将遥感影像波段统计呈正态分布计算像元的似然度构造分类结果多尺度分割法():应用.软件平台多尺度分割根据光谱特征进行影像对象聚类达到同类别分割效果 具体分类实现步骤如下:经多次试验分割尺度为 时分类对象完整整体效果较好形状因子权重为.紧致度为.采取阈值分类方法构建合适的阈值范围将阈值范围内的地物划为一类支持向量机():支持向量机是一种在样本高维空间中找到划分超平面在该划分部分上所有的样本都能进行合理分类由于结构简单简化了通常的分类回归等问题在遥感影像分类及混类像元分解等有着广泛应用 其分类函数可表示为:()()式中()为支持向量机核函数、为常数为约束条件 利用支持向量机构建栎类食叶虫害模型时应用 .平台队列模块进行训练集的划分和训练使用 模块测试验证集支持向量机的核函数、多项式系数等均为默认值随机森林:随机森林()是一种集成组合分类算法在分类应用上最广泛使用的是投票法 其基本原理为:在 个输入样本中有放回的抽取 次样构建数据训练的样本集没有抽取的样本统称为“袋外数据”“袋外数据”可以验证内部误差分析重复 次上述过程获取 个含有 个样本的训练集通过以上样本分别构建决策树模型得到 个决策树所得到的决策树都是相互独立最后对创建的 个决策树分类器进行投票选取最终结果 本次研究应用 .平台的 分类模型决策树设置为 个测试样本和验证样本的比例为 结果与分析.栎类不同虫害等级的光谱特征由图 可知栎类树种遭受虫害后叶片的外部和内部生理变化改变了可见光和近红外光波段的反射率反映了各虫害等级对单波段光谱的敏感性蓝光波段和绿光波段在虫害健康区域光谱均值略高于其他三个虫害区域其原因为栎类树种对蓝光和绿光波段不敏感虫害树木失叶后两种波段反射率呈现微小变化 红光波段的重度栎类虫害树木反射率较为显著反射率随虫害等级呈上升趋势原因可能是重度虫害树木失叶严重冠层稀疏受裸露土壤影响 红边波段和近红外波段的反射率随着栎类失叶等级的增加而降低在健康树木反射率最高主要原因是在近红外波段虫害植被吸收谷和反射峰发生改变.敏感特征变量由图 可知不同虫害等级的植被指数有一定的变化随着失叶程度的增大归一化植被指数()、土壤调整植被指数()、冠层叶绿素含量指数()、可见光植被指数()、归一化绿红差异指数()、差值植被指数()、绿度归一化植被指数()和归一化差异绿度指数()表现出减小的趋势而红绿比值指数()、超绿超红差分指数()和宽动态范围植被指数()则反之过绿指数()和植被颜色指数()呈现出先减小后趋于稳定的趋势 说明初步构建的植被指数能够在虫害损伤程度表现出明显的敏感性并且在不同虫害程度水平上存在较大的差异性 东 北 林 业 大 学 学 报 第 卷图 栎类不同虫害等级光谱反射率的散点图图 植被指数在不同虫害等级的变化 由表 可知利用.平台对无人机影像提取出各植被指数的特征利用方差分析法筛选 个植被指数对栎类虫害识别的敏感特征最终选择归一化植被指数()、冠层叶绿素含量指数()、绿度归一化植被指数()和归一化差异绿度指数()作为最优特征 归一化植被指数能够直接表现绿色植被的分布状况能够表现植被覆盖程度与植被叶片叶绿素含量相关冠层叶绿素含量指数能够突出绿色植被独特的红边效应能够直接反应植被的生长状况绿度归一化植被指数可以改善影像获取时地面辐射、土壤和背景等误差影响能够削弱土壤对栎类叶片光谱的干扰归一化差异绿度指数可以反映植被绿色度分量体现植被色素含量的多少因此选取归一化植被指数()、冠层叶绿素含量指数()、绿度归一化植被指数()和归一化差异绿度指数()组合对栎类食叶虫害等级进行分类表 植被指数方差分析结果植被指数 值归一化植被指数().土壤调整植被指数().冠层叶绿素含量指数().可见光植被指数().过绿指数().超绿超红差分指数().植被颜色指数().差值植被指数().绿度归一化植被指数().归一化差异绿度指数().注:表示显著(.)表示极显著(.).分类结果评价由表 可知最大似然法、多尺度分割法、支持向量机、随机森林模型都能区分出栎类虫害等级除最大似然法外 种模型总分类精度都高于 第 期 林向彬等:应用无人机多光谱遥感对栎类食叶虫害危害程度的监测 系数大于.随机森林模型的总体精度和 系数最高分别达到了.和.随机森林模型比支持向量机、多尺度分割法、最大似然法的总体精度分别提高了.、和.系数分别提高了.、.和.通过对比 种模型分类方法的漏分、错分误差随机森林模型将中度虫害混淆为正常、轻度和重度的错误最少最大似然法漏分、错分误差较大 种分类方法对健康树种划分效果最优漏分误差范围.错分误差范围.其中最大似然法对健康栎类林木最为敏感没有出现漏分错分情况随机森林模型对虫害轻度和重度划分性能分别与多尺度分割法和支持向量机效果持平随机森林模型的虫害等级分类漏分和错分情况相对最好最高漏分误差和错分误差分别为.和.种方法都能够划分栎类食叶虫害等级可以用于栎类叶片损伤虫害程度等级划分但随机森林模型的监测效果更优表 不同模型栎类食叶虫害等级分类结果模 型虫害等级不同虫害等级的分类结果正常轻度中度重度等级数量合计漏分误差/错分误差/最大似然法()正常.轻度.中度.重度.等级数量合计模 型虫害等级不同虫害等级的分类结果正常轻度中度重度等级数量合计漏分误差/错分误差/多尺度分割法()正常.轻度.中度.重度.等级数量合计模 型虫害等级不同虫害等级的分类结果正常轻度中度重度等级数量合计漏分误差/错分误差/支持向量机()正常.轻度.中度.重度.等级数量合计模 型虫害等级不同虫害等级的分类结果正常轻度中度重度等级数量合计漏分误差/错分误差/随机森林()正常.轻度.中度.重度.等级数量合计 注:最大似然法模型的总体精度.系数.多尺度分割法模型的总体精度.系数.支持向量机模型的总体精度.系数.随机森林模型的总体精度.系数.栎类食叶虫害等级空间分布由图 可知这 种建模方法的栎类虫害空间分布效果基本相同研究区西部及中部虫害比较严重 模型(图)在正常区域分类效果最好但在轻度和中度区分精度较低 模型(图)对正常和重度失叶区域敏感但对轻度失叶容易出现分类混淆情况 模型的分布图(图)中轻度栎类虫害区域明显较多而重度区域在三个模型中最少对重度栎类失叶识别率较低 分类效果最好的随机森林模型(图)可以看出栎类虫害重度区域较少轻度和中度虫害区域较多且分布均匀分布在整个研究区 整体上呈现出内部虫害严重边缘较少发生虫害的分布重主要原因是中部区域的栎类树种冠层结构较好植被茂盛林分多为栓皮栎和麻栎树种单一 从验证结果来看随机森林模型对正常和重度虫害区域敏感对轻度虫害容易出现分类混淆情况栎类树种遭受虫害后冠层顶部边缘叶片受损顶叶吃掉后向内部移动虫害初期区域的光谱特征与正常栎类树种没有显著变化导致在区分正常和轻度虫害树种时易出现混淆的现象 东 北 林 业 大 学 学 报 第 卷图 种建模方法下栎类失叶虫害程度空间分布 种建模方法在栎类虫害等级划分方面都有很好的效果但也存在其局限性 传统的最大似然法模型没有考虑植被特征参数精度也大大降低随机森林、支持向量机和多尺度分割法模型在栎类虫害等级(正常、轻度、中度、重度)分类精度也存在一定的差异 种方法在划分正常和重度虫害方面的识别准确率明显高于轻度和中度每个模型方法对轻度和中度的识别精度都有一定的误差其中随机森林模型表现最优 主要原因最大似然法模型受选取感兴趣区域的精准度影响多尺度分割法模型分割时影像分割尺度、多光谱影像的分辨率和阈值范围的选取也会直接影响到最终的分类精度支持向量机模型主要处理二分类问题其分类结果的精度取决于其自身核函数、多项式系数及惩罚因子等的选取分类结果受本身内部条件限制随机森林模型通过训练集产生多个决策树最终产出单个决策树的分类模式该方法虽然解决了过度拟合的问题但其分类结果易受特征参数比重大的因子所影响 要确保不同种林木虫害等级的划分样本的充足性和代表性减少漏分、错分现象提高虫害程度等级分类精度 结论与讨论以无人机多光谱影像数据利用方差分析优选出归一化植被指数、冠层叶绿素含量指数、绿度归一化植被指数作为特征参数将特征参数输入随机森林和支持向量机模型对比多尺度分割法和最大似然法监测栎类食叶虫害的分类精度 随机森林、支持向量机、多尺度分割法和最大似然法 种建模方法对栎类食叶虫害分类均能达到较好精度随机森林模型的分类总体精度和 系数最高分别为.和.随机森林模型的分类的漏分、错分误差最小正常、轻度、中度、重度的漏分误差分别为.、.、.、.错分误差分别为.、.、.、随机森林模型监测栎类食叶虫害的结果更为准确栎类树种遭受虫害后栎树出现叶片损伤叶绿素和光谱特征也会在叶片水平上发生变化但在空间异质性较大的虫害区域内卫星影像尺度下通常采用抽样调查信息代替图像像素平均值虽然冠层的近红外波段和红边波段的光谱反射率在虫害等级上表现出显著性差异但图像像素平均值会导致分类产生很大的误差很难将点尺度转换到大面积尺度 无人机遥感可以更好地解决卫星遥感的缺点能够及时发现早期虫害实现实时准确的栎类虫害监测 但是栎类虫害发生的主要特点是外部形态发生了变化主要体现在失叶、残叶及落叶其内部也会发生部分生理变化在早期虫害发生初级阶段虫害树木与正常树木没有显著变化高光谱影像能够提供更高的光谱分辨率和纹理特征也可以高光谱影像应用于栎类食叶虫害的监测 无人机多光谱影像获取时飞行的高度以及飞行器所搭载的镜头分辨率差异都会对监测效果产生一定的影响栎类虫害并不是连年而是隔代发生近年高分辨率遥感卫星的发射为林业病虫害防治提供了大量的数据源如何将大尺度的卫星遥感结合近地无人机以及从时间序列实现大面积、高精度的监测栎类虫害发生及防治是未来研究方向参 考 文 献 苗作云宁金魁汪泽军等.河南山区栎类资源森林质量分布特征研究.河南林业科技():.亓兴兰胡宗庆刘健等.基于光谱特征的 影像马尾松毛虫虫害信息提取.东北林业大学学报():.武红敢石进.松毛虫灾害的 影像监测技术.遥感学报():.苗静赵梓淇刘焕莉等.应用 数据监测大范围病虫害植被指数变化:以 年澳大利亚蝗灾为例.中国农学通报():.汪小钦王苗苗王绍强等.基于可见光波段无人机遥感的植被信息提取.农业工程学报():.:.:.().:./.().:./.安树杰.应用遥感与 的松材线虫病预测模型的研究.北京:北京林业大学.河南省林业局.栎类人工林食叶害虫生态调控技术规程:/.郑州:河南省市场监督管理局.李雪薇王小艺曹亮明等.中国典型地区栎类害虫种类调查第 期 林向彬等:应用无人机多光谱遥感对栎类食叶虫害危害程度的监测及其危害情况研究.林业与生态科学():.():.陈文静.基于多光谱遥感影像的落叶松毛虫虫害区域识别研究.哈尔滨:东北林业大学.李小玉蒲智李全胜.基于最大似然分类算法的土地利用变化特征分析.计算机与数字工程():.陈蕊张继超.基于 的遥感图像面向对象分类方法研究.测绘与空间地理信息():.张妮娜张珂李运平等.中国南方典型湿润山区植被类型的无人机多光谱遥感机器学习分类研究.遥感技术与应用():.牛全福傅键恺陆铭等.基于随机森林的 和 遥感影像分类比较.地理空间信息():.张辉.基于多源遥感数据的内蒙古植被长势变化监测及其气候影响要素研究.南京:南京信息工程大学.牛鲁燕蒋风伟张俊丽等.基于无人机多光谱遥感的小麦长势监测研究.山东农业科学():.贾智乐豆喜朋贾路.无人机多光谱数据反演叶面积指数方法研究.地理空间信息():.():.张凝.油松毛虫灾害发生多尺度遥感监测与预测.北京:北京林业大学.周小成郑磊黄洪宇.基于多特征优选的无人机可见光遥感林分类型分类.林业科学():.马书英郭增长王双亭等.板栗树红蜘蛛虫害无人机高光谱遥感监测研究.农业机械学报():.(上接 页)张诺陈立谢广林.华北大黑鳃金龟对桃树挥发物的电生理反应.昆虫学报():.赵燕杰苏君一徐妍等.印楝素微囊悬浮剂的研制及其对小麦蚜虫的防治效果.农药():.王琪严善春严俊鑫等.健康和虫害的红松挥发物对赤松梢斑螟及其寄生蜂寄主选择行为的影响.生态学报():.严善春刘英胜王琪等.落叶松毛虫对兴安落叶松 种挥发物的触角电位反应.林业科学():.李玲迟德富裴永强等.寄主挥发物对青杨脊虎天牛 和行为的影响.东北林业大学学报():.李玲李娜庞保平.沙葱萤叶甲成虫触角感器超微结构及对沙葱挥发物的触角电位反应.昆虫学报():.唐晓琴王思展卢杰等.冷杉梢斑螟对林芝云杉球果挥发物的触角电位及行为反应.林业科学研究():.陈琳.植物挥发物与雌蛾性腺提取物对分月扇舟蛾成虫行为的影响.南昌:江西农业大学.王光宇张萌萌陈立.白星花金龟对寄主植物挥发物的电生理反应.昆虫学报():.张霖张连生张永福等.褐梗天牛对油松挥发物的 和行为反应.东北林业大学学报():.():.刘磊.东方粘虫雄蛾信息素的鉴定及其对生殖的影响.武汉:华中农业大学.刘莹吕东陈立等.圆柏大痣小蜂对祁连圆柏挥发物的触角电位和行为反应.生态学报():.严善春杨慧高璐璐等.兴安落叶松鞘蛾对寄主挥发物的反应.林业科学():.袁丽芳谢寿安刘绥鹏等.花椒窄吉丁对寄主挥发物的触角电位及行为反应.西北农林科技大学学报(自然科学版)():.张振迟德富宇佳等.青杨脊虎天牛对 种植物挥发物的电生理及行为反应.林业科学():.陈艳萍刘强李敏等.槐绿虎天牛对柠条锦鸡儿 种挥发物的 和行为反应.应用昆虫学报():.东 北 林 业 大 学 学 报 第 卷