无人机监测松材线虫病的精度比较

曾 全，孙华富，杨远亮，周建华，杨 超

(1.四川省林业科学研究院,四川 成都 610081; 2.喜德县林业局,四川 凉山 616750;3.成都天麒科技有限公司,四川 成都 610213)

松材线虫病是由松材线虫(BursaphelenchusxylophilusNickle)引起的一种松林毁灭性灾害，主要通过松墨天牛(MonochamusalteratusHope)自然扩散，也可通过运输疫木造成人为远距离传播[1]。该病具有适生范围广、寄主种类多、发病速度快、松树死亡率高、防治困难等特点[2]。四川省拥有马尾松松林约333.33万hm2，是构成生态区位极端重要的盆周山区和攀西地区森林生态系统的优势树种，为四川省十分宝贵的生态资源。2004年四川省首次在广安市邻水县发现松材线虫病，现已扩散至11个市(州)、22个区县。松材线虫病的传统监测方法是通过护林员日常巡查，现场可视范围内找到发病松树位置，再安排工作人员进行砍伐烧毁除治。由于林间地形和道路等情况复杂，在日常巡查中可能有局部区域无法到达而存在观测盲点，以致无法及时发现和处置发病松树，使得除治效率低下而效果不理想。无人机在低空航摄中存在灵活机动等优点，对地形的受限度小，降低了林业有害生物监测的工作难度，在监测预警中具有无可比拟的优越性[3,4]。本研究在于通过无人机遥感技术实现松材线虫病致死松树的精准定位，进而指导林间除治工作，以克服传统森林病虫害监测预警中地理条件障碍、交通不便等问题。

1 实验材料和方法

1.1 研究区域

青山岭森林公园位于四川盆地南部，自贡市东南部，富顺县万寿镇境内。该公园介于东经105°03′51″～105°09′32″，北纬29°02′46″～29°07′46″之间，平均海拔360 m，面积近800 hm2。2013年6月，自贡市富顺县境内首次发现松材线虫病分布，本研究将青山岭森林公园中部作为研究区域，其植被主要为马尾松，起源为人工林，另有樟树、杉木、慈竹和桉树等树种。

1.2 遥感材料

结合松材线虫病春季普查，于4月上旬对研究区域进行遥感影像采集，天气状况为小雨转阴，为川南地区该季节典型性气候，拍摄时间为中午12∶00—13∶00。为保证数据的可靠性，每个飞行高度进行33次重复采集。实验中采用的无人机机型为丹麦原装测绘“积云一号”(见图1)，该机型数据参数见表1。

研究中选用的相机为SONY RX100，该相机有效像素为2020万(5472×3648)，具有光学防抖，支持连拍功能(最高约10张·s-1)。结合飞机载荷性能，一次作业面积可达 2 666.67 hm2以上。地面选择RTK(Real-time kinematic，实时动态)进行辅助定位。

图1 “积云一号”无人机Fig.1 UAV —“Jiyun Yi Hao”

表1“积云一号”无人机参数

Tab.1 Parameter of UAV —“Jiyun Yi Hao”

1.3 研究方法

本研究选用的遥感图像处理软件为ENVI 5.3，作为一款专业可靠的波谱分析工具，该软件可实现遥感影像的输入/输出、定标、正射影像、镶嵌、与GIS的整合等功能[5]。

1.3.1 遥感图像获取

无人机采用定高巡航飞行模式，相机镜头始终保持垂直向下，结合川南地区4月份阴雨绵绵的天气状况和无人机飞行性能(飞行高度过高会穿云，影响影像的清晰；高度低则不能发挥固定翼无人机的性能)、拍摄效果和作业效率等考虑，设计了430 m与700 m两个飞行高度，以比较不同飞行高度下遥感影像的清晰度和位置的精准性；每个飞行高度进行两次重复采集，以确保试验数据的科学性和可靠性。同时4月份也是松材线虫病春季普查末期，该季节进行遥感飞行也可以检查前期林间枯死松树除治效果。通过飞控软件(Sky-Watch Mission Planner-Cumulus 3.8)设置飞行线路(见图2)，采用同样的航向重叠和旁向重叠度(分别为75%和70%)，按照规划线路进行遥感影像采集。两个高度下的飞行面积分别为1.45 km2和1.46 km2，飞行时间共计58 min。拍摄的影像均含红、蓝、绿3个波段。

图2 飞控线路图Fig.2 Schematic of flight control line

1.3.2 图像几何校正

无人机超低空航摄时，由于地形起伏、飞行姿态变化和传感器等因素的影响，使得遥感影像会产生几何畸变。研究中的可见光图片皆为镜头垂直向下拍摄，试验地点较为平缓，相机是普通的广角光学相机，没有经过严格标定，因此影像畸变主要为相机镜头导致的桶形畸变。遥感图像的几何校正方法主要有基于控制点和基于影像特征的校正，前者主要是利用GPS信息进行。

无人机采集的遥感影像为没有坐标系的栅格文件，本研究采用image to image几何校正，即通过选择同名点(或控制点)来配准采集到的遥感影像，使相同地物出现在校正后的图像相同位置。也可以通过Arcgis对遥感影像进行几何校正和图像配准。采用西安80坐标系进行影像配准。

1.3.3 图像镶嵌

ENVI图像镶嵌功能提供交互式的方式将没有地理坐标或者有地理坐标的多幅图像合并，并生成一副单一的合成图像。在图像没有地理坐标的情况下，需进行基于像素的影像的镶嵌；有地理坐标的情况下，进行基于地理坐标的影像镶嵌。

现有的植被指数主要是基于可见光波段与近红外波段，如归一化植被指数(NDVI)。本研究首先通过GPS在现地获取异常枯死松树地理位置，然后将GPS坐标系和镶嵌遥感影像坐标系进行统一，再从镶嵌影像中找到现地获取位置枯死松树的NDVI指数，再将此指数扩展至整副镶嵌遥感影像，以提取其他异常枯死松树的地理位置信息。

图3 遥感镶嵌影像(左为430 m，右为700 m)Fig.3 Remote sensing mosaic image (left for 430 m，right for 700 m)

2 结果与分析

在430 m飞行高度下共采集影像147张，700 m飞行高度下采集影像39张。通过几何校正、图像配准和图像镶嵌，获取研究区域的正射影像(DOM影像)，在室内对RGB(波段1/2/3)影像进行人工近景甄别，并基于枯死松树的NDVI指数，提取枯死松树地理位置信息(见图4)。

2.1 遥感数据准确性

对两个不同飞行高度下采集和处理的遥感影像进行分析，人工近景甄别均提取异常枯死松树6株，利用 NDVI值均提取异常枯死松树7株。对比发现两个飞行高度下枯死松树位置重叠度高，表明430 m和700 m飞行高度均能实现枯死松树的准确识别，地理位置差异性不明显。NDVI值均提取枯死松树位置信息有效率为85.71%，NDVI值反映的枯死松树位置包涵全部人工提取位置信息，结合现地调查发现非异常枯死树为杉木，由于季节和树木长势的原因，表现出与枯死松树相近的光谱信息。

图4 异常枯死松树点位及地理信息提取Fig.4 Abnormal dead pine tree location and geographical position extract

2.2 遥感影像数据精度验证

将无人机遥感影像处理提取的地理位置信息与GPS现地采集的地理位置信息进行精度验证，水平距离误差在0.86 m～4.20 m之间(见表2)。针对林间枯死松树监测而言，表明无人机遥感提取的坐标位置数据比较准确、精准度较高，在野外进行林间受害树监测和搜寻时具有较高的可操作性，可用于检查林间松材线虫病枯死松树的除治效率。

表2遥感影像位置信息与实测位置信息比对

Tab.2 Remote sensing location information and actual measurement location information comparison

3 结论与讨论

本研究选用固定翼无人机在430 m和700 m飞行高度下对枯死松树进行了遥感影像采集，并通过ENVI处理软件进行数据处理，两个高度均能实现对异常枯死松树的准确识别，但相同的野外实验条件下，700 m飞行高度下作业时间仅9 min，430 m飞行高度下作业时间14 min，表明700 m飞行高的作业效率相对更高。利用NDVI值提取枯死松树位置信息有效率为85.7%，排除树木长势和季节等因素的影响，有必要结合人工甄别进行辅助判读。对本研究结果进行分析，今后可开展不同飞行高度下工作效率进行研究；在枯死松树症状明显期采用可见光遥感可以实现对枯死松树的监测，后续工作中还可

结合多光谱或高光谱遥感加强对该病的早期预警研究，探究早期感病松树的光谱反射通道，并建立感病松树不同时间段及光谱信息的监测预警模型。

在遥感数据运用延伸方面，徐冬青[6]等人研究了ENVI与GIS数据之间的转化，本研究获取的遥感影像也可以导入GIS，进行相应的后续处理。此外，通过对获取的DOM数据进行压缩处理并标记出枯死松树后，可以将该数据导入安卓、IOS等系统的手机并分发至护林员手中，护林员可根据该数据导航至疑似枯死树处，进行现场确认，并安排人员进行砍伐处理。该方法很好地弥补了传统作业手法的不足和缺陷，适应了当前森林病虫害除治的新要求，同时也便于林业工作者的操作和应用。基于此原理，也可以实现对其他爆发性森林病虫害的监测。研究中选用的无人机在饱满续航能力下可以飞行2.5 h，单次作业面积可以达到 2 666.67 hm2以上，相比人工巡视明显缩短了监测时间，提高了监测和防治效率。