基于无人机多光谱影像的松材线虫病早期动态监测*

刘春燕 曾庆圣 李亭潞 杨振意高亿波 陈湛昊 赵丹阳 孙 思

（1. 广东省森林资源保育中心, 广东 广州 510173；2. 华南农业大学 林学与风景园林学院，广东 广州 510642；3. 广东省森林培育与保护利用重点实验室/广东省林业科学研究院, 广东 广州 510520）

由于松材线虫病在我国的发生形势越来越严峻，国家对松材线虫病的防控也愈加重视，科研的力度也逐步增大，各种防控技术不断发展[1-3]。调查监测是防控工作的前端，目前调查监测的研究热点是应用深度学习识别无人机航拍图上的染病变色松树[4-11]。

在广东省，松树染病后变红的高峰期为8、9、10 月，而传播松材线虫的媒介昆虫——松褐天牛Monochamus alternatus的羽化高峰在5 月。如果监测与清理死树等防控工作在8 月以后才开展，实际已经错过了消灭侵染来源的最佳时期，导致防控效果不理想。因此，监测工作应安排在5 月，即开展早期监测，发现染病松树后（此时松树并没有明显变色）立即清除，才能真正达到消灭初侵染来源的目的。根据多光谱传感器对植物的生长势极为敏感的特性[12]，Run Yu 等[13]使用搭载多光谱传感器的无人机与深度学习算法相结合开展了识别染病早期松树的工作，取得了较好的效果，证明了这一技术的可行性。

已有研究表明，无论是否早期监测，都是在同一时间点，利用人工地面调查或人工判读航拍图的方法来验证深度学习识别效果的准确度，属于静态监测。本研究的思路是让试验进一步融入防控工作，以清理病死松树的结果来验证航拍监测结论，即用后时间点数据验证前时间点数据，属于动态监测，以期最终实现早期航拍监测数据作为清理发病初期松树的依据，进而达到铲除松材线虫病初侵染来源的目标。

1 材料与方法

1.1 试验地概况与试验对象

试验地位于广东省某松材线虫病疫区，试验林总面积为32 hm2，其中马尾松Pinus massoniana纯林约12 hm2，均为30 年生以上，在航拍影像上极易观察。在经历多年的松材线虫病侵染以后，原有的马尾松大部分已经死亡，只剩下数十株，即本试验的目标植株。

经向本地森防主管部门咨询，本地的防治措施是发现病死松树（变为红褐色的松树）后立即清理，即发现一株清理一株。清理工作由本地森防主管部门开展，本试验不对清理工作产生任何影响，只通过观察清理结果验证监测试验的准确 性。

1.2 试验仪器与软件

无人机：精灵4 多光谱版，深圳大疆创新科技有限公司；软件：Pix4Dmapper 4.4，Pix4d SA公司；ArcGIS Pro 2.9，Esri 信息技术有限公司。

1.3 试验方法

利用无人机对试验地进行航拍，从2021 年5 月至2022 年10 月逐月拍摄。由于5 月是监测的关键时间，2021 年5 月拍摄两次，中间间隔20 天。使用软件将原始图片拼接生成正射影像图（DOM）和归一化植被指数图（NDVI）。将DOM与NDVI 导 入Pix4Dmapper，在DOM 上 生 成 覆盖目标松树树冠的直径相等的圆形面要素，再使用 “以表格显示分区统计” 工具将面要素和NDVI结合生成每一株松树的NDVI 值，代表每一株松树的生长势。将所有松树的NDVI 值排序，排序最低的松树即为最衰弱的松树，理论上是最有可能被首先清理的对象。以NDVI 值排序最低的两株松树为目标，通过逐月从航拍图上检查被清理的松树是否是排序最低的松树来验证这一方法的可行性。松树NDVI 值排序和观察被清理松树的工作均在航拍图上进行。每次拍摄照片约480 张（含红，绿，蓝，近红外4 种单波段和可见光影像），分辨率约为21.5 cm/pix。

试验共进行了两轮。第一轮试验利用2021 年5 月拍摄的两次影像生成的NDVI 值预测可能被清理的病死松树，然后将结果与从6 月开始的可见光影像逐月核对，发现预测结果准确度不理想。讨论原因以后，改为从2021 年11 月拍摄的影像生成的NDVI 值预测，然后将结果与从2021 年12月的可见光影像开始逐月核对。

2 结果与分析

2.1 第一轮试验

2021 年5 月第一次拍摄的可见光影像与生成的NDVI 图，及勾绘的代表松树树冠的面要素见图1。共勾绘了36 株松树树冠，其NDVI 值分别为0.548 915，0.531 875，0.512 815，0.600 104，0.572 241，0.620 448，0.619 774，0.565 905，0.580 137，0.573 165，0.584 135，0.589 903，0.556 181，0.595 256，0.647 511，0.536 033，0.608 412，0.592 071，0.605 772，0.603 196，0.543 188，0.523 893，0.629 952，0.613 818，0.572 280，0.585 984，0.596 234，0.580 898，0.581 085，0.556 181，0.644 736，0.550 760，0.557 737，0.617 886，0.635 638，0.532 723。 其中最低值为0.512 815，0.523 893，对应的树木如图1 箭头所指。

图1 第一次拍摄可见光影像（上）与NDVI 图（下）Fig.1 RGB image (above) and NDVI image (below) of first shot

2021 年5 月第二次拍摄的可见光影像与生成的NDVI 图，及勾绘的代表松树树冠的面要素见图2。36 株松树树冠的NDVI 值分别为0.687 346，0.722 920，0.674 452，0.740 928，0.728 433，0.712 167，0.690 275，0.765 626，0.718 508，0.702 434，0.653 731，0.648 423，0.634 612，0.757 567，0.759 324，0.661 856，0.731 181，0.696 179，0.662 553，0.630 803，0.596 621，0.507 846，0.672 736，0.718 776，0.579 072，0.637 952，0.683 635，0.787 105，0.526 113，0.596 569，0.732 417，0.644 683，0.673 968，0.609 240，0.673 264，0.685 313。其中最低值为0.507 846，0.526 113，对应的树木如图2 箭头所指。

图2 第二次拍摄可见光影像（上）与NDVI 图（下）Fig.2 RGB image (above) and NDVI image (below)of second shot

逐月航拍调查发现，在2021 年9 月，有一株松树被清理，10 月，第二株松树被清理，如图3。但被清理的松树与2021 年5 月两次调查分析的结果均不相同，即从航拍图上观察到被清理的松树与NDVI 值排序最低的松树不一致。

图3 2021 年10 月最早被清理的两株松树Fig.3 The first two pines to be cleared in October 2021

2.2 第二轮试验

由于第一轮监测效果不理想，我们对试验过程进行了探讨分析，确定原因为地面茂盛的植被掩盖了衰弱松树降低的NDVI 值。因此，将预测时间改为地面植被较少的冬季，具体为2021 年11 月。

2021 年11 月拍摄的可见光影像与生成的NDVI 图，及勾绘的代表松树树冠的面要素见图4。死亡两株松树后剩余34 株松树，其树冠的NDVI 值分别为0.582 373，0.629 933，0.487 411，0.590 495，0.564 952，0.547 075，0.554 286，0.499 494，0.506 566，0.639 696，0.608 792，0.498 869，0.560 560，0.412 431，0.502 033，0.602 765，0.542 891，0.318 315，0.476 104，0.447 705，0.530 532，0.560 642，0.504 666，0.383 832，0.551 780，0.412 810，0.525 996，0.511 683，0.587 047，0.595 711，0.626 463，0.480 096，0.416 615，0.584 393。其中最低值为0.318 315，0.383 832，对应的树木如图4 箭头所指。

图4 可见光影像（上）与NDVI 图（下）Fig.4 RGB image (above) and NDVI image (below)

逐月航拍调查发现，在2022 年8 月，有一株松树被清理，9 月，有2 株松树被清理，即截止2022年9 月共清理了3 株松树，如图3。通过NDVI 值排序预测的两株衰弱松树与这3 株松树中的两株对应。

图5 2022 年10 月最早被清理的3 株松树Fig.5 The first three pines to be cleared in October 2022

3 结论与讨论

3.1 本研究使用动态监测的思路，最终选择在11月对感染松材线虫病但未表现症状的松树开展早期监测，准确识别到了衰弱松树，取得了较好的试验效果。

如前言所述，从防控的角度，松材线虫病监测的最佳时机为松褐天牛羽化之前。因为天牛羽化，病害已经开始传播，就不能达成消灭初侵染来源的目的。本研究初始也根据这一理论将监测时间定在5 月，结果发现通过监测所定位的最衰弱松树并没有首先变红枯死并被清理。探讨其原因时发现，定位到的最衰弱松树恰巧都接近无植被空地。根据图1，2 的可见光影像，5 月时地被植物生长旺盛。与11 月地被植物生长稀疏的影像对比，这一现象更加明显。虽然本研究的目标松树十分高大，从地面上看，其树冠与地被植物完全处于不同的高度，但在航拍图上，两者有合为一层的趋势。特别是在NDVI 指数图上，两者实际上融为一体，从代表植被的绿色的均匀度就可以看出这一情况。由于这一原因，长势衰弱的松树在航拍图上与下层植被融为一体，其NDVI 值得到提升；而原本一些健康松树由于树冠下方为无植被空地，其NDVI 值反而排序较低。

为了解决这一问题，本研究在开展第二轮试验时，在地被植物稀疏的11 月进行监测分析，所定位到的衰弱松树在第二年首先变红枯死，并立即被清理。这也证明了对第一轮试验结果不理想的原因分析的正确性。

根据本研究的结论，早期监测的时机选择在冬季较为合适。这一结论虽然从表面上看有悖于在天牛羽化之前，即春夏之交的时期开展监测的理论，但也可理解为将监测时间再提前，同样还是属于早期监测的范畴。最终哪种方法合适，则由防控的实际效果确定。

3.2 本研究第二轮的试验使用航拍技术证明了松材线虫病潜伏侵染的存在。试验结果表明确实存在有部分当年发病的松树实际在上一年已经被侵染导致衰弱，但没有表现明显症状。

如果从地面开展证明松材线虫病潜伏侵染存在性的试验，方法是在冬季，松褐天牛已经停止在不同树木转移的时期，从发病林分中选择无症状的松树进行取样检测。如为阳性，则表示该株松树处于潜伏侵染的状态。但其缺陷是，无症状的松树多数就是健康松树，所以要检测大量的样本。而利用航拍的方法则大大提高了工作效率。

3.3 已有的航拍监测技术通常是在监测的同一时间点，通过地面调查等方法来对监测结果进行验证，属于静态监测。静态监测近年来在结合了深度学习技术以后，无论是病死树的监测还是无症状染病松树的早期检测，准确率都在逐步提高[4-11]。但从实际防控工作的角度，由于松材线虫病传染性极强，如果监测染病松树的准确率达不到100%，就无法阻止其继续传播，即从理论上不允许有漏网之鱼。因此静态监测技术在生产实际中有一定局限性。

本研究准确捕捉到了衰弱松树，且通过动态监测得到了防控工作的验证。但本研究的场景具有一定特殊性，如试验地的松林组成为稀疏的高大松树，在航拍图上树冠十分清晰，有利于监测。而广东的松林，无论是针阔混交林还是马尾松纯林，主要都是中幼林，且郁闭度相对较高，从航拍图上难以准确的分割树冠。此外，试验地防控措施较为严格，可以做到发现一株病死松树，清理一株，但实际上很多地方做不到这一点，这也限制了本技术的推广应用。因此，能够适用于实际工作的松材线虫病染病早期松树航拍监测方法有待于进一步研发。