航空录像技术在松材线虫病监测中的应用

通过航空录像技术获取林木健康信息，用手持式GPS地面定位变色树木，能够较为准确地与地面对应。结果表明，只要松树表现出感染松材线虫病的症状，通过航空录像的方法就能够准确、快速定位感病的松树，从而起到及时监测的作用。     

松材线虫病变色松树遥感监测研究进展

[目的]综合评述了松材线虫病变色松树遥感监测的数据和方法研究进展,并就星-机-地多源遥感数据协同监测变色松树提出展望。[方法]通过分析松材线虫病染病松树的生理生态特征和冠层光谱,综述遥感数据的获取、基于遥感数据的变色松树解译方法,讨论当前松材线虫病变色松树遥感监测存在的主要问题,并指出未来可能的研究方向。[结果]不同的遥感监测平台对于变色松树的识别各具其优势,地面调查具有高可靠性优势、卫星遥感具有多时相优势、无人机遥感具有高空间分辨率和高灵活性优势。其中以无人机遥感和高分卫星遥感为主的遥感技术的发展,伴随着遥感图像解译算法和计算机软硬件的改进,为松材线虫病疫区变色松树的快速定位和计数提供了新的手段。但新手段在变色松树监测过程中还存在着监测手段单一,定位位置偏差大、识别精度和识别效率低等问题。[结论]未来随着卫星数量的增多和无人机影像获取成本的减少,从多源遥感影像上采用人工智能算法快速定位出单株变色松树和疫区变色松树的计数将成为新的模式。     

基于无人机可见光影像的亚高山针叶林树冠参数信息自动提取

树冠是树木获取光能并进行能量转换的主要场所,在监测树木长势,估算树木生物量等方面具有重要作用。及时准确获取树冠参数信息有助于研究树木生长状况和森林变化动态,有效改善森林经营管理。无人机遥感具有快速机动、云下飞行、影像分辨率高、成本低等优势,非常适合于亚高山针叶林树冠遥感影像的获取。论文以贡嘎山雅家埂局部范围亚高山针叶林为研究对象,采用固定翼无人机获取可见光遥感影像,基于面向对象方法自动提取了亚高山针叶林的东西冠幅、南北冠幅、单元面积树木数和郁闭度等参数。以目视解译结果作为参考数据进行验证,东西冠幅和南北冠幅的提取精度分别是0.765 1和0.855 6,单元面积树木数和郁闭度的提取精度分别是0.99和0.92。研究结果表明,基于无人机遥感影像的树冠参数信息自动提取方法高效可靠,能够满足亚高山针叶林生长状况快速评价与动态遥感监测的需求。     

无人机监测林业有害生物初探

为提高林业有害生物监测工作效率,提升监测工作的科技含量,特引进无人机进行监测试点。通过无人机对病虫害危害的松林进行低空航拍,然后将航片结合POS数据信息,制作出4 300 hm2的数字正射影像图(DOM)。随后利用松树受害后树冠颜色改变的特征,对DOM进行目视解译,再对目标虫害导致的变色枯死木进行定位标注,统计出作业区域内变色树木数量。     

基于雷达波的树木躯干内部缺陷探测识别

【目的】采用探地雷达对木质体内部缺陷进行断层扫描探测,研究基于雷达波的树木内部层面反射特征识别算法,为雷达波无损测试技术在树木内部结构和缺陷的解析、定位及分布表征提供理论依据。【方法】采用900 MHz介质耦合树木雷达对柳木试件进行断层扫描,研究实现阈值法、匹配滤波器法和希尔伯特积算法获取缺陷层面的反射位置,基于层剥反演法对树木内部不同介质进行介电常数反演,求得层位的相对深度,结合三维激光扫描仪获取的树木外形轮廓点云数据,根据轮廓追踪法将雷达波B扫描图像与断层轮廓绝对位置进行映射,实现对树木内部缺陷的准确定位和表征。对3种算法分别使用FDTD正演方法进行对比验证,并应用于颐和园古柳木试件试验测试中。【结果】正演对比测试结果表明,希尔伯特积算法相较于阈值法和匹配滤波器法,对木质体内部缺陷识别效果更好。柳木试验测试结果显示,树木内部缺陷深度误差为10%,结合三维激光和外轮廓扫描技术求得的缺陷部分面积误差在5%左右。【结论】本研究提出的算法可以实现雷达波扫描图像对树木内部缺陷的准确定位和分布成像。     

基于遥感和物联网技术的森林火灾协同监测体系建立

针对我国森林火灾长期以来存在的监测不及时、不准确、林火监测方式独立、数据难以共享等诸多问题,本研究以物联网技术架构为基础,以"3S"技术为支撑,采用气象卫星热红外波段遥感数据解译与地面传感器热红外探测相结合的方法,初步研讨并建立了两位一体的森林火灾协同监测体系,实现数据共享与监测方式的协同,为森林火灾信息及时、准确的获取提供一种新的模式。     

基于UWB传感器的树木定位研究

树木位置是森林样地调查中重要的调查因子,由于林下环境复杂,树木定位的技术方法面临很大的挑战。针对当前树木位置测量技术方法存在的效率低、携带不便、成本高、不适用于非视距测量等问题,提出了一种基于UWB传感器并结合海拔计来获取树木位置信息的方法,并自行设计了树木位置采集装置。选取8个树种多样、坡度不一的样地进行试验。首先,在每个样地中布置四个UWB基站;然后,携带内置UWB定位标签的装置采集每棵树木与各个基站之间的距离;最后,将所采集的数据进行MATLAB仿真,研究不同大小权重值对定位精度的影响。结果表明:存在一个最优权重值,可使平均定位误差下降3.31cm;相较其它四边形定位算法复杂度降低,更适用于枝叶茂密、地形复杂等非视距情况下的树木定位。     

松材线虫病的监测手段与防治技术

阐述了松材线虫病以地面人工监测和诱捕器监测为主、以航空遥感技术监测为辅的监测手段;采取清理病死树、病木熏蒸、化学药剂喷淋等方法处理已染病的树木,对待传媒天牛主要依靠诱捕器诱杀、喷药防治、生物防治等技术措施。     

基于深度学习的小目标受灾树木检测方法

【目的】针对无人机森林图像中树木尺度小、生长密集以及分布不规律等问题,提出一种基于深度学习的小目标受灾树木检测方法,以准确识别和定位高分辨率无人机森林图像中的小尺度受灾树木。【方法】以辽宁省凌源县受红脂大小蠹侵害的油松林无人机图像为数据源,利用Label Img开源软件标注拍摄高度为180～240 m的图像,构建无人机森林图像数据集。设计小目标受灾树木检测框架,该框架在轻量级目标检测框架(SSD)基础上,首先从conv3_3开始构建预测模块,并根据图像中目标树木的尺寸删减预测模块,同时优化特征图上默认框生成方式;然后,通过特征增强模块将基础特征图转化为增强特征图,生成基础和增强预测模块;最后,利用基于默认框的双层损失函数训练检测模型以促进特征学习。【结果】基于深度学习的小目标受灾树木检测方法可实现无人机森林虫害远程监测,较准确检测无人机图像中细小密集的受灾树木。采用5组不同结构的SITD模型以及SSD、FSSD和RFBNet目标检测框架对无人机森林图像数据集进行训练和测试,以平均查准率(AP)和Precision-Recall曲线作为评价指标,试验选出最优SITD模型在测试集上的AP为92.62%,相比原始SSD300框架提升69.71%,且优于其他3种目标检测框架。【结论】基于深度学习的小目标受灾树木检测方法可实现对森林中受灾树木的自动化检测,能够简化林业有害生物监测流程,提升对森林虫害的预警能力。     

基于移动激光扫描系统的城市林木提取

传统的城市树木特征提取方法通常为实地调查法,耗时耗力且成本高。采用车载移动激光扫描系统,可获取三维地理坐标与高密度、高精度的点云。利用移动激光扫描系统MLS可以对城市树木进行提取。工作流程由三部分组成。先进行地面点的去除处理,再通过欧氏距离聚类对地物进行分类,最后利用归一化分割提取树木。结果表明,城市公路的树木提取率可达90%,表明该方法实用有效,值得推广应用。     

无人机监测松材线虫病的精度比较

利用无人机搭载可见光相机进行遥感拍摄,在430 m和700 m两个飞行高度下采集异常枯死松树遥感影像,将野外GPS采集的位置信息同ENVI遥感数据处理软件处理与解读数据信息进行比对。人工甄别和NDVI值提取枯死松树分别为6株与7株,数据有效率提取为85.71%;对无人机遥感获取的6株枯死松树地理位置信息进行实地验证,水平误差在0.86 m^4.20 m之间。表明无人机遥感基本实现了松材线虫病致死松树的精准定位,对于松材线虫病监测和后期除治具有重要意义。     

刍议枯死松树的天空地协同监测技术体系建设

枯死松树及时精准监测是做好松材线虫病防治的基础,传统人工线路踏查难以保证全覆盖和高时效。高空间分辨率的航空和航天遥感技术可以快速采集区域级地表覆盖数据,获取单木与树丛级森林资源健康状态信息,服务于枯死松树监测;地面调查是航天和航空遥感技术应用不可或缺的组成部分,是实现对松材线虫病疫情遥感监测必不可少的工序。枯死松树的天空地协同监测技术体系的建立,以及天空地遥感技术互为补充的集成运用,是提高松材线虫病监测调查工作实时性、客观性和科学性的重要保障,不仅可为精准监管森林资源提供相应解决方案,也是完善和丰富现有松材线虫病监测普查体系、实现松材线虫病疫情早期发现以及疫情处置监管的有效途径。     

基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法.该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(diffe...     

基于多特征的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,利用在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,提取的合适特征为归一化植被指数NDVI(Normalized Vegetation Index)、差值植被指数DVI(Difference Vegetation Index)、OHTA颜色模型作为病树与非病树的光谱特征,对目标影像进行自动筛选,得到疑似病树像元。运用DBscan空间聚类算法对疑似病树像元进行聚类,并以周围一定范围内有一定数量的健康树像元为空间分布参考,对拍摄地点30°1′N/111°43′E附近、分辨率为0.1 m的3幅高分辨率遥感影像筛选病树。自动筛选耗时分别是人工筛选的43.99%、51.08%和46.62%,相对于人工筛选的数量准确度分别为79.37%、77.85%和82.56%。结果表明:采用光谱特征与空间特征相结合的方法在高分辨率遥感影像上识别松材线虫病树识别效率更高。     

遥感技术在森林病虫害监测中的应用研究进展

总结了近50年来遥感技术在森林病虫害监测领域的研究进展。将近年来遥感监测病虫害的主要方法归纳为影像分类法和影像差技术法,遥感监测森林病虫害的模型概括为3种主要应用模式:1)各类植被指数形式模型;2)采用所用通道的其他组合形式模型;3)各通道与生态因子的混合形式模型。根据分析研究提出了今后遥感监测森林病虫害研究的4个主要方向:1)热红外波段监测森林病虫害的应用研究;2)森林病虫害遥感监测物理模型的研究;3)森林病虫害遥感监测的基础理论研究;4)高光谱、高空间和高时间分辨率遥感数据的应用研究。     

LOSS ASSESSMENT OF BURNED FOREST USING REMOTE SENSING AND GEOGRAPHICAL INFORMATION TECHNIQUES

After forest fire,It is very needd to locate fire position and assess the loss of forestresources.In this paper,a method of burned forest assessment with satellite remote sensing dataand over-laying techniques is discussed and used in the assessment of the burned forest in Malinforest Farm after the large forest fire of May,1987.     

基于SuperMap Objects的森林病虫害遥感监测与预测系统的设计与实现

近年来,我国森林病虫害的发生面积逐年递增,危险性病虫害不断出现.为了保护森林资源,防患于未然,必须及时开展森林病虫害监测与预测工作.以遥感图像为主要数据源,地理信息系统软件SuperMap Objects为二次开发平台,采用面向对象的方法和组件式GIS技术,结合病虫害监测与预测模型,以VB为开发工具进行二次开发,建立了林业病虫害遥感监测与预测系统,并以塞罕坝机械林场遥感数据为例,对本系统进行了测试.结果认为,系统技术先进、具有创新性,具有良好的界面和可操作性,结构合理,信息内容全面.     

国外森林地上部分碳汇遥感监测方法综述

森林的碳汇功能对缓解气候变化具有重要作用, 森林碳汇的计量和监测方法备受关注, 其中应用遥感方法对森林地上部分碳汇进行监测计量已经成为目前林业遥感的热点。文中基于光学遥感、微波雷达和激光雷达3种常用的遥感数据源综述了国外森林地上部分碳汇遥感监测的主要方法, 并讨论了这些监测方法的精度和不确定性。得出:1)基于光学遥感数据的多元回归分析法在森林地上部分碳汇估算中应用最为广泛, 人工神经网络法具有更高的估算精度; 2)微波雷达系统能够穿透云层, 可用于多云地区森林地上部分碳汇的估算; 3)基于激光雷达数据的估算结果是三者中精度最高的, 可用于高生物量地区森林地上部分碳汇的监测。     

遥感技术在森林树种多样性监测中的应用研究进展

树种多样性的快速、有效监测能够促进生物多样性保护与研究以及森林可持续管理。遥感技术正逐渐成为森林生物多样性大面积快速监测的新兴手段,为树种多样性空间格局信息的快速提取提供了有力保证。以数据源为线索,文中系统阐述了近年来多光谱遥感、高光谱遥感、激光雷达、微波遥感及多源遥感协同方法在树种多样性监测中的应用研究现状,并从数据源、数据平台、遥感异质性指数、数据时间特征和监测模型5个方面讨论了森林生物多样性遥感监测研究的发展趋势,旨在为生物多样性遥感监测研究提供有益启示。     

Monitoring of vegetation coverage based on high-resolution images

Measurement of vegetation coverage on a small scale is the foundation for the monitoring of changes in vegetation cover-age and of the inversion model of monitoring vegetation coverage on a large scale by remote sensing. Using the object-oriented ana-lytical software, Definiens Professional 5, a new method for calculating vegetation coverage based on high-resolution images (aerial photographs or near-surface photography) is proposed. Our research supplies references to remote sensing measurements of vegeta-tion coverage on a small scale and accurate fundamental data for the inversion model of vegetation coverage on a large and interme-diate scale to improve the accuracy of remote sensing monitoring of changes in vegetation coverage.