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。     

基于无人机多光谱影像的松材线虫病疫区枯死树识别

为探寻最优波段组合，提高多光谱无人机（Unnamed Aerial Vehicle,UAV）对松材线虫（Bursaphelenchus xylophilus）病疫区枯死树的自动识别准确率，进而提高松材线虫病疫情监测水平，以柳州市三江侗族自治县、河池市宜州区和大化瑶族自治县、南宁市横州市及桂林市平乐县的42个疫点小班及其周边2 km内的所有松树林图斑为研究区，采用无人机采集多光谱影像，获取可见光、红光波段、绿光波段、近红外波段和红边波段影像；完成辐射校正后进行正射拼接和植被指数计算，得到3组可见光和多光谱正射影像波段组合；将各组影像分别输入卷积神经网络（Convolutional Neural Network,CNN），进行相同参数的学习和预测。将模型预测结果与人工标注结果进行对比，以识别准确率为指标，进行精度评价。结果表明，利用多光谱影像自动识别疑似松材线虫病枯死树的最高识别准确率为86.33%，比单一可见光自动识别准确率（81.25%）提高了5.08个百分点。在相同参数条件下，多光谱影像比单一可见光影像具有更准确的自动识别能力。该方法的多光谱最优波段组合为可见光影像+红光波段影像+绿...     

陆地生态系统碳监测卫星松材线虫病变色木识别指数研究

松材线虫病是一种严重威胁松树生存的林业有害生物疫情。高分辨率卫星遥感技术是松材线虫病变色松木识别的有效手段。通过研究植被指数阈值法，利用2022年8月4日发射的陆地生态系统碳监测卫星(句芒号)优于2 m高分辨率4谱段相机的特点，开展基于指数的松材线虫病木识别示范，验证该卫星松材线虫病监测应用能力。基于松材线虫染病松木光谱特征，提出基于与生物量和色素相关的双指数识别策略，设计了松材线虫病指数(PWDI),并在山东省栖霞市疫区进行句芒号松材线虫病识别测试。结果表明，双指数识别策略相比单指数策略性能更优，其中PWDI与NDVI组合的松材线虫病变色松木识别能力最强，总体精度达到84.5%,NWI—NDVI,NGRDI—NDVI组合次之。在单指数策略下，PWDI的识别性仍能优于其他5个测试植被指数。研究表明，句芒号卫星具有可靠识别松材线虫病变色松木的良好潜力，松材线虫病变色松木双指数识别策略及新的识别指数PWDI可为其他类似卫星的松材线虫病监测提供借鉴。     

无人机遥感影像的松材线虫病危害木自动监测技术初探

针对常规松材线虫病(Bursaphelenchus xylophilus)普查监测耗时长、数据实时性和真实性差的现状,作者基于无人机采集的高分辨率影像和e Cognition遥感图像处理软件,采用目视判读、模版匹配2种方法分别对疫区松材线虫病危害木进行遥感识别。根据研究区域实地踏勘结果,从识别精度和数据处理效率方面比较2种方法,发现相较于目视解译的传统信息提取方式,模版匹配方法在精度和效率方面具有明显优势,能有效提高松材线虫病危害木监测效率。     

流胶法在长岛县防治松材线虫病中的应用

长岛县是我国北方松材线虫病的唯一疫区。 1999年用流胶法对长岛疫区内约 4 0 0多hm2 的松林内的感染松材线虫黑松病树进行早期诊断 ,结果表明低温对流胶法影响很大。在约 6 0 0 0 0 0株松树中 ,发现 935株松树流胶异常 ,从这些松树中取样经分离镜检发现 182株松树带有松材线虫 ,伐除这 182株松材线虫病树后 ,当年松材线虫病树死亡率减少 97%。对流胶法在生产上的应用进行了讨论。     

松材线虫病综合防治技术分析

结合实例,介绍了松材线虫病的危害症状、形态特征以及传播方式,并在实践中从检疫、媒介昆虫的防治、抑制松材线虫繁殖以及抗病树种的优选等多方面出发,对松材线虫病的综合防治技术进行了分析,以期为防治工作提供技术参考。     

GPS定位法在松材线虫病疫木调查中的应用

为清理因松材线虫病导致大面积死亡的树木,利用GPS定位采取全林实测方法进行疫木调查,并精准定位每株枯死树,使松材线虫病采伐作业调查设计更加规范化,获得很好的效果,从而总结了松材线虫病疫木调查及施工管理的经验,为松材线虫病疫木除治提供了科学有效的新途径。     

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。     

松材线虫病有人机航空摄影监测模式初探——以松滋市为例

为进一步优化基于飞行平台开展松材线虫病监测普查的准确率,规范关键技术环节,本研究以松滋市松材线虫病疫区为监测对象,对松材线虫病有人机的航空摄影监测模式进行了探讨。有人机飞行平台应根据作业面积及当地气候条件适当进行选择,确保飞行的平稳度;航线设计上应以最节省航线长度为主,减少航线数,减少飞机掉头次数;航摄相机要与飞行平台相适应,能够实时矫正飞行姿态;进行飞行作业时必须制定详细飞行计划,确保飞行顺利。在完成飞行作业后,采用“同诚多光谱图像识别软件”进行影像自动识别,经现场核查验证,结果表明本次监测的总体精度达到81.6%。本研究的有人机航空摄影监测具有覆盖范围广、影像分辨率高、识别精度高、实施周期短、后期处理简便等特点,在以行政区域为单元的松材线虫病普查监测中具有较广阔应用前景。     

基于Multiple-RSS识别技术的松材线虫疫情监测——以清原县为例

松材线虫病是由松材线虫寄生在松树体内而引起松树迅速死亡的一种流行性、传染性、毁灭性林木病害,为实现对清原满族自治县的松材线虫病疫木的有效监测,提出了Multiple-RSS识别技术。该技术主要包含TS-INSAR影像粗分类与顾及后向散射系数时序变化的深度学习方法两部分,其中深度学习采用AttU-Net深度神经网络模型。该方法以多期时序干涉合成孔径雷达影像、GF2光学影像为数据源,参考项目区的“林地一张图”、地国情监测、物候数据、气象数据等,通过时序雷达的干涉测量与地理编码,获取后向散射系数时序变化分类因子,通过语义模型进行雷达影像粗分类,获取松材线虫病疫情区域。通过掩膜技术结合雷达后向散射系数时序变化的“深度学习”识别方法对项目区的松材线虫病疫木进行了精确监测。该技术在清原满族自治县进行了试验,在一期监测中获得松材线虫疫情小班754处,二期监测获得松材线虫疫情小班812处,三期监测获得松材线虫疫情小班793处。通过清原满族自治县林业主管部门反馈,小班识别率高达83%,表明：监测成果客观可靠,可为其他林区开展松材线虫病疫情监测提供方法。     

基于残差网络的遥感影像松材线虫病自动识别

松材线虫病是针对松树的特殊疾病,具有前期发病特征隐蔽、传播范围广、致病速度快的特点,因此面对林业病虫害问题,对受灾区域染病树木进行高效识别和分类,监测其他区域的树木生长情况,并且根据受灾情况确定损失,进行保险理赔是十分重要的.针对染病树木识别准确率低、识别速度慢的问题,本研究利用遥感影像和残差网络相结合的方法,并对残差...     

航空遥感技术监测松材线虫病的应用

探讨了通过航空录像技术获取林木健康信息及手持式GPS地面定位变色树木的方法。结果表明,遥感监测所获取的地面变色的树木数据资料能够较为准确地与地面对应。利用该方法能够对有松材线虫病症状的松林准确、快速定位,从而起到及时监测疫情的作用。     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

基于Landsat长时间序列的森林扰动参数提取与树高估算

【目的】研究基于遥感影像的森林扰动信息定量提取及其对树高估算的影响,为遥感反演森林参数(树高、生物量)提供参考和借鉴。【方法】选取黑龙江省凉水国家级自然保护区为研究区,以1984—2006年33期Landsat TM/ETM+多光谱遥感影像为数据源,对其进行缨帽变换提取缨帽角(TCA)和缨帽距离(TCD)2个扰动监测指数,采用时间轨迹分析方法(LandTrendr)对TCA与TCD指数进行时间序列重构,分别提取扰动发生的前一年(DBYEA)、扰动发生前的光谱值(DBVAL)、扰动持续时间(DDUR)、扰动量级(DMAG)、扰动后开始修复的时间(RBYEAR)、扰动后开始修复的光谱值(RBVAL)、修复量级(RMAG)和修复持续时间(RDUR)8个时间序列扰动参数。基于单时相Landsat影像光谱信息与单时相Landsat影像光谱信息+森林扰动参数2组变量分别采用随机森林(RF)算法估算树高。【结果】采用单时相Landsat影像光谱信息结合基于TCA和TCD提取的16个时间序列扰动参数建立的树高反演模型预估精度比采用单时相Landsat影像光谱信息建立的树高反演模型预估精度提高6.34%,均方根误差(RMSE)降低0.50 m。树高反演模型中基于TCA提取的时间序列扰动参数变量重要性高于基于TCD提取的时间序列扰动参数变量重要性。【结论】基于LandTrendr提取的森林时间序列扰动参数能够增强反射率与树高之间的相关性,提高遥感树高模型的反演精度,基于TCA提取的森林时间序列扰动参数对树高的解释能力高于基于TCD提取的森林时间序列扰动参数。     

Spatial partitioning of biomass and diversity in a lowland Bolivian forest: Linking field and remote sensing measurements

Large-scale inventories of forest biomass and structure are necessary for both understanding carbon dynamics and conserving biodiversity. High-resolution satellite imagery is starting to enable structural analysis of tropical forests over large areas, but we lack an understanding of how tropical forest biomass links to remote sensing. We quantified the spatial distribution of biomass and tree species diversity over 4 ha in a Bolivian lowland moist tropical forest, and then linked our field measurements to high-resolution Quickbird satellite imagery. Our field measurements showed that emergent and canopy dominant trees, being those directly visible from nadir remote sensors, comprised the highest diversity of tree species, represented 86% of all tree species found in our study plots, and contained the majority of forest biomass. Emergent trees obscured 1–15 trees with trunk diameters (at 1.3 m, diameter at breast height (DBH)) ≥20 cm, thus hiding 30–50% of forest biomass from nadir viewing. Allometric equations were developed to link remotely visible crown features to stand parameters, showing that the maximum tree crown length explains 50–70% of the individual tree biomass. We then developed correction equations to derive aboveground forest biomass, basal area, and tree density from tree crowns visible to nadir satellites. We applied an automated tree crown delineation procedure to a high-resolution panchromatic Quickbird image of our study area, which showed promise for identification of forest biomass at community scales, but which also highlighted the difficulties of remotely sensing forest structure at the individual tree level.     

Tree Species Classification using Semi-automatic Delineation of Trees on Aerial Images

The purpose of this study was to develop a method for classifying tree species from remote sensing images by combining a semi-automatic pattern recognition technique and spectral properties of trees. Five stands in southern Finland were studied. Individual trees in the digital colour infrared (CIR) aerial photographs were segmented by a method based on the recognition of tree crown patterns at subpixel accuracy. The images were filtered with the Gaussian N-by-N smoothing operator and local maxima above a threshold level were segmented. The segments were classified into three tree species classes. The kappa coefficients for stands varied from 0.43 to 0.86 when the training data and test data were from the same aerial photograph. When training data from other photographs were used as reference data, the kappa coefficients ranged from 0.40 to 0.75. The method described provides an interesting approach for detecting tree species semi-automatically in digital aerial data.     

高分辨率遥感影像在森林采伐限额检查中的判读精度探讨

以鸡东县为研究区域,探索了高分辨率遥感影像对凭证伐区的目视判读精度,应用决策树法对判读结果进行分析,总结了判读结果与伐区采伐强度之间的关系,并就如何提高遥感技术对采伐地块的判读精度等问题进行了探讨。     

A 3D approach to reconstruct continuous optical images using lidar and MODIS

Background: Monitoring forest health and biomass for changes over time in the global environment requires the provision of continuous satellite images. However, optical images of land surfaces are generally contaminated when clouds are present or rain occurs.Methods: To estimate the actual reflectance of land surfaces masked by clouds and potential rain, 3D simulations by the RAPID radiative transfer model were proposed and conducted on a forest farm dominated by birch and larch in Genhe City, Da Xing'An Ling Mountain in Inner Mongolia, China. The canopy height model(CHM) from lidar data were used to extract individual tree structures(location, height, crown width). Field measurements related tree height to diameter of breast height(DBH), lowest branch height and leaf area index(LAI). Series of Landsat images were used to classify tree species and land cover. MODIS LAI products were used to estimate the LAI of individual trees. Combining all these input variables to drive RAPID, high-resolution optical remote sensing images were simulated and validated with available satellite images.Results: Evaluations on spatial texture, spectral values and directional reflectance were conducted to show comparable results.Conclusions: The study provides a proof-of-concept approach to link lidar and MODIS data in the parameterization of RAPID models for high temporal and spatial resolutions of image reconstruction in forest dominated areas.