变色立木的无人机遥感监测技术

武红敢，王成波，常原飞

(1.中国林业科学研究院资源信息研究所，北京 100091；2.中国科学院遥感与数字地球研究所，北京 100101)

松材线虫病(Bursaphelenchus xylophilus)具有极强的扩散性和破坏性，是全球森林生态系统中最具危险性和毁灭性的病害。松树感染后的主要症状是整个树冠针叶失去光泽，然后变成灰绿色，并逐渐变黄、橙、红褐色，直至死亡。自1982年在我国首次发现后的三十多年，松材线虫病仍呈扩散蔓延趋势，不仅极大破坏了自然景观及生态环境，而且严重威胁我国丰富的松林资源，造成了巨大的经济损失。为了有效遏制松材线虫病快速扩延的势头，国家不断强化防控措施。其中，疫情预防是关键。根据现行规程[1]和办法，松材线虫病监测粒度为单株木，且监测频度为一年两次。随着无人机技术的成熟，结合遥感技术，可以获取精准反映林木树冠(如针叶)变化及其发展过程的正射影像资料，为“防”、“管”、“除”、“问”、“研”提供灾害位置和类型等科学信息。无人机遥感监测技术将会是实现全覆盖、准实时、周期性松材线虫病监测需求的重要支撑技术之一。

1 单木级灾害遥感监测应用现状

目前，空间分辨率优于1 m 的在轨商业卫星有数十颗，我国的高分二号、北京二号和高景卫星也是其中的重要成员，其中美国 DigitalGlobe 公司的WorldView-3 数据的空间分辨率已经达到30 cm，可以更直观的体现现实地表情况，如实现单株木健康状态的准实时监测等。研究表明，光学遥感是植被健康状态监测的主要手段，红叶植被在可见光通道有着独特的表现[2]。换而言之，松材线虫病的遥感监测和识别必须依赖蓝、绿、红等波段的光谱信息。在现实中，光学遥感受天气影响较大，如多阴雨的川渝地区，就很难获取到满足林木精准监测的理想卫星数据。近十年来，我国的无人机行业迅猛发展，形成了成熟完善的研发、制造、销售和服务体系，研制投入使用的无人机机型多达百余种，为自然资源监测、科学研究、公共安全、国家主权维护和国民经济发展等提供了航空器平台，也极大促进和激发了低空遥感技术的应用。森林病虫灾害的低空遥感(含无人机)监测具有机动灵活、实时性强等优势，已成为高空间分辨率卫星遥感技术的有力补充手段，是建立天空地一体化监测体系的重要一环。

在基于高分辨率遥感图像的危害木监测领域，Poona ＆ Ismail[3]应用 eCognition 软件对 0.6 m 的QuickBird 融合数据进行单木尺度分割和分类，实现了松树脂溃疡病(Fusarium circinatum)危害木的提取，并认为单木分割的效果至关重要。Waser 等[4]应用构建的多种对象级植被指数，采用多元逻辑斯特回归技术对0.5 m 的WorldView-2 融合数据完成了4 种危害程度单木(或树丛)级白蜡树枯梢病(Hymenoscyphus pseudoalbidus)的监督分类，准确率达77%。Lehmann 等[5]基于面向对象的方法，应用甚高空间分辨率无人机彩红外(近红外、绿、红)影像，实现了栎双点吉丁Agrilus biguttatusFabricius 危害木的提取。Inoue 等[6]研究了利用超高空间分辨率(0.5～1 cm)无人机影像数据提取阔叶落叶树分布的可行性，为食叶害虫灾害监测进行了有益探索。P.Schmitter 等[7]利用超光谱近景摄影遥感数据，开展了草本植物叶片水分胁迫程度的监测，提出了一种可以监测植物生理过程变化的非监督分类方法。Dash 等[8]借助在松树上喷洒除草剂方式，模拟松树遭受病虫害侵袭的危害症状，即出现失绿和失叶现象，并利用无人机遥感摄影手段记录了其时空变化过程，认为多光谱影像可以刻画成熟林木的生理胁迫过程，并基于植被指数建立了一种非参数分类模型，很好地提取了植被的亚健康信息。Morley 等详细分析了利用无人机遥感技术在新西兰控制森林鼠害的可行性和潜力[9]。

国内利用航空遥感监测由森林病虫导致的单木级灾害的研究已有几十年历史。吴坚 等[10]基于轻型或小型飞机平台，开展了航空录像遥感技术在森林病虫害监测中的应用。武红敢 等[11]也曾研发了一款集航空遥感、地理信息系统和全球定位系统技术于一体的专业技术系统，并应用于我国松毛虫和松材线虫病灾害的监测。近5年来，无人机平台的快速发展和危险性病虫害的蔓延势头，极大推动了无人机遥感技术的应用。李卫正 等[12]利用无人机获得的遥感影像，采取人工目视解译方法获取感病变色的病死木分布和位置信息，解译成果可以满足人工现场除治采伐的精度要求。吴琼 等[13]利用无人机平台搭载的双光谱相机，同时获取可见光和近红外波段图像，通过提取特征向量，可精确划分出病虫害发生区域。费运巧 等[14]利用毫米级无人机遥感图像，探讨了6 种基于像素聚类及分水岭的图像分割算法在识别油松松毛虫灾害木和沙棘木蠹蛾灾害木中的性能。吕晓君 等[15]利用空间分辨率优于20 cm 的无人机图像，在湖北省成功对华山松大小蠹和松材线虫病危害木进行了监测。徐誉远 等[16]认真总结我国无人机遥感技术在林木几何参数提取、森林生物量估测、病死树监测和森林消防领域的应用现状后，认为无人机遥感技术将会成为森林资源样地调查方法的重要补充。

2 变色立木的低空遥感监测技术要求

2.1 数学基础 高程与平面基准可以采用WGS84(World Geodetic System-1984)坐标系统，地图投影类型为UTM(Universal Transverse Mercator) 3 度带投影。主要是考虑到现阶段服务商的 GNSS(Global Navigation Satellite System)设备更多只支持WGS84 系统，一旦条件成熟必须使用中国2000大地坐标基准(China Geodetic Coordinate System 2000，CGCS2000)和1985 国家高程基准。

2.2 基础数据 主要包括矢量和栅格两种形式。矢量数据包括境界线、公路、铁路、河流、湖泊、村镇居民地、小班分布等图层，栅格数据主要指正射影像、数字栅格地形图、其它数字栅格底图等。

2.3 产品比例尺和图式 主要生产1 ∶2 000～1∶10 000的危害木分布图，采用定位符号法表示危害木，具体表示为图上0.3 mm 的红色实心圆点。危害木小班分布图、监测区危害木分布图等可根据幅面自行确定比例尺。

2.4 遥感数据空间分辨率 综合考虑目前主流无人机监测系统的性能，以及能够准确监测树冠直径≥2 m 危害木的要求，遥感影像空间分辨率必须优于20 cm。由于监测区域多为山区，通常选择10 cm左右的空间分辨率。

2.5 精度指标 主要包括位置精度、识别精度、遗漏率等，这些指标相互关联和制约。根据生产实际，现阶段以绝对定位误差≤20 m、变色立木(主要指受病虫侵袭致害的红叶立木和黄叶立木)提取精度≥90%、漏判率≤3%为宜。

2.6 监测成果和产品类型 遥感监测产品可以有3 种表达形式，分别是地图产品、表格产品和交换产品。三者相辅相成，互为补充，可更全面地服务于业务生产与管理。

1)地图产品。采用国家大比例尺地形图标准分幅或制图区域(架次、作业子区或监测区)矩形分幅方式生产分布地图产品，也可采用乡、县等区划单元生产统计地图产品。地图整饰主要包括图名、图例、内图廓线和外图廓线等内容。图内空白处或南外图廓线下方可以标注无人机影像获取日期等说明性文字。

2)表格产品。主要是以县、乡、村等几级管理区划单元统计小班面积、危害木数量等数据，格式为Excel，可服务于统计地图和监测报告的制作。

3)交换产品。为了实现遥感监测结果对地面调查的指导作用，以及与现有林业有害生物数据管理系统的数据衔接，必须生成可满足地面调查业务需求的数据交换产品，主要包括监测区正射影像、危害木ID 号、危害木(或树丛)中心经度与纬度等信息，以便高效、快速地组织和服务于地面调查和监督业务，格式为 GeoTIFF、SHP、GPX、KML 等，方便与智能移动终端记录设备的无缝连接。

2.7 空域审批手续办理 我国为维护国家安全，兼顾民用、军用航空的需要和公众利益，统一规划，以便合理、充分、有效地利用空域，根据航空器(含无人机)可承受性、任务需求和应用领域的不同，建立了科学的空中交通管理机制，施行严格空域管理，即所有航空摄影作业必须进行报批和备案。

2.8 监测时间窗口 根据《松材线虫病普查监测技术规程》[1]的要求，每年两次的春秋季普查一般是在4—5月和9—10月，在秋季安排监测作业时应尽量避开阔叶树种的变色期，否则会形成极大干扰，严重影响监测效率。

3 松材线虫病无人机遥感监测技术路线和方法

根据变色单木监测的目标，结合低空遥感技术的特点，松材线虫病无人机遥感监测的主要工作流程如下。

3.1 基础资料收集与处理 需要收集监测区最新的高空间分辨率(卫星)遥感数据和森林资源二类调查数据，以及地形图、行政区划图等辅助资料，以服务于实地勘测和规划。

3.2 外业勘测 首先要借助GNSS 设备精确测定至少6 个以上的地面控制点坐标，实施对(卫星)遥感影像、二类调查等数据的几何精校正与配准，为测区设计、起降点规划等提供数据支撑。其次对监测区内的地形、高压线等障碍物进行勘测和调绘，便于作业区、飞行架次以及航线等的规划。

3.3 内业准备

1)空域申报。根据监测任务要求，开展监测区规划，确定各作业区的顶点坐标、飞行时间安排等，向空管部门提交空域申请材料。

2)飞行作业区规划与设计。依据前期的考察和数据分析，首先划分作业区和飞行架次，获取相应拐点坐标，基于相机参数和10 cm 左右空间分辨率的技术要求，确定航高、航向重叠率和旁向重叠率等参数。

3)飞行器和传感器的检查与调试。主要是从工作状态和性能指标等方面对无人机与传感器进行认真测试。

3.4 飞行作业(或数据获取)

1)航空摄影数据的采集。在掌握天气动态的前提下，对风向、风速、能见度等状况做到心中有数，应用专用软件完成航线设计工作，并尽量避开中午时间段，选择最有利的天气条件实施航空摄影作业。

2)影像数据质量的粗检。主要对影像的色调、均匀性、重叠度等进行粗查，如有质量问题需安排补飞。

3.5 内业数据处理

1)正射影像数据的制作。基于专业软件，经拼接、匀色等处理过程，自动制作每个架次的正射影像，数据格式为GeoTIFF。

2)正射影像数据的质检和拼接。检查各架次正射影像数据，然后可根据需要对质量合格的各架次正射影像进行拼接等操作以生成每个作业区乃至监测区的正射影像数据。

3)危害木信息的提取。借助经验知识或相应的图像识别算法提取危害木(含倒伏木、枯立木、黄叶立木、红叶立木等)的位置信息。

4)危害木信息的质检。可以采用交叉检验等方式开展质量检验，确保专题信息的准确性。

5)交换数据的生成。在GIS 软件中输出SHP格式的危害木编号、位置、类型等属性信息。

3.6 外业调查与取样

1)外业核查与验证。制定核查原则和核查数量，确定核查样点(重点是变色立木)，然后根据外业终端设备的使用要求，应用相关软件将核查样点文件转换成相应格式并上传到外业调查设备中，借助移动终端的导航功能，逐点进行调查和记录。

2)取样和送检。按照《松材线虫病检疫技术》[17]中的有关规定进行采样、分离和镜检等工作。

3.7 成果汇总与总结

1)危害木专题信息的修正。根据外业核查的结果，如果有误判、遗漏等问题，需对前期的内业处理结果进行订正。

2)基础地理数据的提取。根据需要基于航空或航天遥感影像，提取监测区内的各等级道路、片状居民地、工矿建设用地等现势性地物要素，以便后续的大比例尺制图。

3)监测产品。主要指 1∶2 000～1∶10 000 比例尺危害木分布图、A3 或A4 幅面危害木小班分布图、危害木明细表、危害木统计表等地图和表格等成果。

4)工作报告撰写。从任务要求、监测区概况、技术路线、实施过程、监测结果、存在问题等方面对监测工作进行全面总结，以图、文、表的方式生动直观展示和传播新技术应用的潜力。

5)监测成果的验收与提交。主要包括TIFF 格式各架次原始影像(含POS 数据等)、GeoTIFF 正射影像、外业核查数据库、SHP 格式危害木分布数据、Excel 格式明细与统计数据、JPG 格式分布地图与统计地图，以及WORD 格式工作总结报告等。

4 监测应用建议

目前传统的人工地面调查手段已经无法满足多频次、时效性严格的松材线虫病监测需求。无人机平台的发展为传统的航空摄影技术应用带来了春天，极大拓宽了其应用深度和广度，必将在松材线虫病普查和除治效果评估方面发挥重要作用，给危险性森林病虫灾害的监测注入新活力，但必须加强规范和引导，才能保证技术服务市场的健康、有序发展。

4.1 加强无人机遥感监测技术培训与推广应用力度 国务院办公厅2014年下发了《关于进一步加强林业有害生物防治工作的意见》(国办发〔2014〕26号)，倡导开展政府向社会化组织购买监测调查等服务的试点，积极提供优质的技术指导和政策支持，以推进社会化防治。同时由于各地区面临防范松材线虫病的巨大压力，助推了近年来松材线虫病的无人机遥感监测业务蓬勃发展，吸引了众多企业参与其中。然而，这些企业技术能力各不相同，导致服务质量参差不齐，严重影响了森林病虫害监测这种新型服务市场的公平竞争环境。因此，必须从行业和技术角度规范无人机遥感监测服务要求，夯实产业发展基础，充分发挥好高新技术的作用。

4.2 尽早构建松材线虫病的天空地一体化监测体系 遥感技术主要是利用可见光或多光谱相机记录林木瞬时的反射信息，实现林木类别、数量、分布、状态等瞬时生长过程的监测。因其监测对象是树木或寄主，而非病虫本身，故必须依靠地面调查和验证，才能把林木的亚健康状态信息(或灾害信息)转化为病虫情信息，以服务于防治。所以遥感技术与地面调查技术相辅相成，互为补充。地面调查作为森林病虫害防治的重要手段，具有不可替代的作用。无人机遥感一定程度上提高了数据获取的时效性，但无人机平台“自上而下”的作业方式，导致树冠下数据往往由于遮挡存在缺失[18]。因此，结合不同监测手段的优势互为补充和验证，可为松材线虫病的监测提供更丰富的信息。即遥感技术解决分布问题(面)，地面调查解决属性(类别)问题(点)，天空地一体化才能真正满足松材线虫病灾害的全覆盖、周期性、准实时等的监管需求。

4.3 加强甚高空间分辨率遥感数据的信息提取研究 随着遥感技术的发展以及陆地资源精准管理的需要，高空间分辨率遥感影像信息提取已经成为非常热点的研究领域，但海量的数据、复杂的细节、地物的多样性和时空尺度依赖等特点导致了高空间分辨率遥感影像信息提取的极度困难性。尤其是无人机航空影像还有数据获取过程和环境的差异性，更加重了数据的复杂程度，给目标识别带来更多的不确定性。但无论如何，必须持续开展单木级健康状态的信息提取技术研究。值得欣慰的是近年来人工智能技术取得众多突破，基于深度学习的图像识别方法层出不穷，为遥感图像的智能化、自动化信息提取指明了方向。