联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别.pdf
《联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别.pdf》由会员分享,可在线阅读,更多相关《联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别.pdf(13页珍藏版)》请在咨信网上搜索。
1、DOI:10.12171/j.10001522.20220453联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别童彤林思美李林源罗涛黄华国(北京林业大学林木资源高效生产全国重点实验室,北京100083)摘要:【目的】大范围准确监测林区松材线虫病感染情况对森林疫情防治和经营管理具有重要作用。现有研究往往采用单时相或少量时相数据,松材线虫病遥感监测易受森林背景和非寄主树木影响,导致监测精度存在较大的不确定性。此外,单一数据源往往对病害特征刻画不足,例如被动光学数据侧重描述森林冠层水平结构信息,但易受云雨影响造成数据缺失,而主动微波数据对森林垂直结构和水分含量敏感,但存在噪声高、色素敏感性低以
2、及地形影响大等问题。因此,联合主动微波与被动光学时间序列遥感影像数据,有望在降低环境因素影响的同时追踪同一林分的时序变化特征,进而提升松材线虫病探测的准确性与鲁棒性。【方法】利用厘米级分辨率无人机影像标记样本,联合 Sentinel-1C 波段微波和Sentinel-2 光学时间序列数据,构建基于极端梯度提升算法的松材线虫病害监测模型。分别评估微波模型、光学模型和微波与光学联合模型在松材线虫病监测方面的性能,以及最优模型在不同环境因子下的表现。【结果】(1)联合了微波和光学的模型精度(总体精度为 80.62%,Kappa系数为 0.61)略高于单一光学模型的精度(总体精度为 79.58%,Ka
3、ppa 系数为0.59),并明显高于单一微波模型的精度(总体精度为 68.87%,Kappa 系数为 0.36),说明了微波与光学时间序列联合数据在松材线虫病害监测中具有优势;(2)模型通常在缓坡、阳坡、低海拔、高覆盖度条件下展现出更高精度。【结论】本研究充分利用多源遥感卫星数据,为松材线虫病大范围准确监测提供了新的技术支撑。关键词:松材线虫病监测;光学时间序列数据;微波时间序列数据;植被指数;机器学习中图分类号:S771.8文献标志码:A文章编号:10001522(2024)03004013引文格式:童彤,林思美,李林源,等.联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别 J.北京林
4、业大学学报,2024,46(3):4052.TongTong,LinSimei,LiLinyuan,etal.RemotesensingrecognitionofpinewiltdiseaseinPinusmassonianaforestcombinedwithmicrowaveandopticaltime-seriesimagesJ.JournalofBeijingForestryUniversity,2024,46(3):4052.Remote sensing recognition of pine wilt disease in Pinus massoniana forestcombin
5、ed with microwave and optical time-series imagesTongTongLinSimeiLiLinyuanLuoTaoHuangHuaguo(KeyLaboratoryforSilvicultureandConservationofMinistryofEducation,SchoolofForestry,BeijingForestryUniversity,Beijing100083,China)Abstract:ObjectiveLarge-scaleandaccuratemonitoringofpinewiltdisease(PWD)playsanim
6、portantroleinforestepidemicpreventionandmanagement.Existingstudiesoftenusesingle-phasedata,resultingingreateruncertaintyintheaccuracyofmonitoringPWD,whichiseasilyaffectedbyforestbackgroundandnon-host trees.In addition,single data have the limitation of insufficient characterization of diseasecharact
7、eristics.For example,passive optical data focus on describing the horizontal structure of forestcanopy,andareeasilyaffectedbycloudandrain,resultinginmissingdata;Activemicrowavedataare收稿日期:20221109修回日期:20230106基金项目:国家自然科学基金项目(41971289),国家自然科学基金青年科学基金项目(42101328),国家林业和草原局重大应急科技项目(ZD202001)。第一作者:童彤。主要研
8、究方向:森林病虫害遥感监测。Email:tong_地址:100083北京市海淀区清华东路 35 号。责任作者:李林源,博士,讲师。主要研究方向:森林干扰定量遥感。Email:地址:同上。本刊网址:http:/;http:/第46卷第3期北京林业大学学报Vol.46,No.32024年3月JOURNALOFBEIJINGFORESTRYUNIVERSITYMar.,2024sensitivetoforestverticalstructureandmoisturecontent,butthereareproblemssuchashighnoise,lowpigmentsensitivityandl
9、argeterrainimpact.Therefore,thecombinationofactivemicrowaveandpassiveopticaltime-seriesimagesisexpectedtoreducetheimpactofenvironmentalfactorswhiletrackingthetime-serieschangecharacteristicsofthesameforeststand,whichhelpstoimprovetheaccuracyandrobustnessofPWDmonitoring.MethodFirst,usingcentimeter-le
10、velresolutiondroneimagestoobtainsamples.Basedonextremegradientboostingalgorithm,PWDmonitoringmodelswereconstructedbycombiningSentinel-1C-bandmicrowaveandSentinel-2opticaltime-seriesimages.Theperformanceofmicrowavemodel,opticalmodel,combinedmicrowaveandopticalmodelinthemonitoringofPWDwasevaluatedresp
11、ectively.Atthesame time,compare the performance of the optimal model under different environment conditions.Result(1)Theaccuracyofcombinedmicrowaveandopticalmodel(overallaccuracy=80.62%,Kappacoefficient=0.61)wasslightlyhigherthanthatofthesingleopticalmodel(overallaccuracy=79.58%,Kappacoefficient=0.5
12、9),butsignificantlyhigherthanthatofthesinglemicrowavemodel(overallaccuracy=68.87%,Kappacoefficient=0.36),anditsshowedthevalueofcombinedmicrowaveandopticaltime-seriesdatainthemonitoringofPWD.(2)Theanalysisofdifferentenvironmentconditionsshowedthatthemodelgenerally exhibited higher accuracy under gent
13、le slope,sunny slope,low altitude,and high coverageconditions.Conclusion This study makes full use of multi-source remote sensing satellite data andprovidesnewtechnicalsupportforlarge-scaleaccuratemonitoringofPWD.Key words:pinewiltdiseasemonitoring;opticaltime-seriesdata;microwavetime-seriesdata;veg
14、etationindex;machinelearning松材线虫病(pinewiltdisease,PWD)是由松材线 虫(Bursaphelenchus xylophilus)借 助 松 墨 天 牛(Monochamus alternatus)等 媒 介 昆 虫 侵 染 松 属(Pinus)树体导致的林木病害。松材线虫病自 1982年在我国首次发现以来不断传播扩散,成为对我国森林危害最严重的林业检疫性有害生物1。准确监测松材线虫病的发生和传播对疫情防治和预测具有重大作用。传统森林病虫害监测主要依靠人力开展实地调查,时效性差,不适合开展大范围调查。目前多数研究集中在采用高分辨率无人机影像进行松
15、材线虫病疫木详查,如秦军2构建 Spatial-Context-AttentionNetwork 精准识别受害单木,但无人机存在成本高、覆盖范围小的问题,同时利用卫星遥感识别病害和评估受害程度的研究方法相对常规化3,对实现松材线虫病扩散风险和潜在分布预测有重要意义4。因此,为实现大范围动态监测松材线虫病害仍需对星载遥感技术深入研究。松材线虫入侵寄主后,寄主的木质部薄壁细胞变性坏死引起树木水分代谢紊乱,植株水分亏缺造成冠层含水量下降,同时针叶细胞萎缩且叶绿素含量逐渐减少,进而导致光合作用和蒸腾作用的剧烈改变,致使感病植株在 13 个月内枯萎死亡5。病木外观主要经历绿色正常、针叶开始变黄、针叶萎蔫
16、全红以及最后整棵干枯死亡 4 个阶段6。由于病木针叶色素含量降低,导致“绿峰”、“红谷”、红边位置和斜率等植被特有的反射率特征发生明显变化,针叶细胞萎缩导致近红外谱段反射率降低,而短波红外反射率主要受到叶片等效水厚度和内部结构影响而上升,这是光学遥感探测松材线虫病的基本原理78。同时,由于微波信号对目标的复介电常数(主要由水分含量决定)敏感,因此微波遥感也具有监测松材线虫病的潜力9。综合前人研究分析,随着多源遥感数据的使用增加,同时方法也从简单的光谱反射率分析过渡到植被指数计算再到复杂的辐射传输过程研究,卫星遥感监测森林病虫害的研究逐步取得进展。光学遥感中的可见光至短波红外(visible-s
17、hortwaveinfrared,VIS-SWIR)谱段是当前森林病虫害遥感监测中最广泛使用的谱段10。直接利用不同分辨率遥感影像分析 VIS-SWIR 光谱反射率差异,对山松甲虫(Dendroctonus ponderosae)的“红色攻击”进行卫星遥感制图,监测精度可达 73%92%1112。植被指数利用波段间不同组合方式突出植被光谱特征,能有效描绘由病虫害引起的植被光谱特征的细微变化,例如:反映叶绿素含量的归一化植被指数(normalizeddifferencevegetationindex,NDVI)和优化土壤调整植被指数(optimizedsoiladjustedvegetation
18、index,OSAVI)1314,反映植被含水量的疾病水胁迫指数(disease-water stress index,DSWI)和 水 波 段 指 数(waterbandindex,WBI)1516等,均表现为与受害程度紧密相关。此外,部分学者尝试基于辐射传输模型构建病虫害的量化参数与遥感反射率信号之间的物理关系研究,以提升监测模型的适用性。例如:Lin 等17利用三维辐射传输模型(radiosityapplicable第3期童彤等:联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别41toporousindividualobjects,RAPID)模拟被树梢甲虫(Tomicusspp.
19、)侵染的垂直异质云南松(Pinusyunnanensis)林,通过查找表方法反演松林枝条枯死率,R2达 0.66;Li等18提出耦合叶片尺度叶绿素荧光辐射传输模型和冠层尺度随机辐射传输模型的FluorESRT(fluorescence stochastic radiative transfer)模型,用于模拟受胁迫冠层的垂直异质性,结果发现其模拟的冠层尺度叶绿素荧光在评估虫害早期监测中具有较大优势。总体来看,当前物理模型对于复杂的病虫害林分立地条件存在较大的简化,监测精度尚显不足,而机器学习模型避免了复杂物理模型的建模过程,能够充分利用多波段特征及辅助地形信息等,在训练样本量合适的情况下具有良
20、好的模型精度与泛化性。微波遥感具备全天候监测能力,在病虫害监测研究中应用的较少,这可能是由于微波信号对植物病虫害症状的响应相对较弱的缘故。尽管如此,合成孔径雷达(syntheticapertureradar,SAR)依然表现出了良好的病虫害监测潜力,例如:利用单景TerraSAR-X 波段数据监测树皮甲虫(Ips typographus)早期侵入的模型,其 Kappa 系数为 0.2319。然而由于 SAR 数据的固有斑点噪声,限制了单时相微波遥感变化检测和土地分类的应用,因此较多文献往往采用多时相数据,例如:Tanase等20利用多期 ALOSPALSAR-L 波段数据提出了一种新的微波指数
21、用于监测森林干扰,其中虫害监测总体精度在 65%88%之间。当前,微波监测森林病虫害的研究仍存在噪声高、色素敏感性低以及地形影响大等诸多局限性,技术尚未成熟。前人研究表明联合使用光学数据和微波数据通常能够有效提升森林病虫害监测精度19,21。因此利用微波遥感数据作为光学数据的有益补充,可以为研究提供额外信息。然而,单一时相的融合数据在监测复杂林分病虫害时往往存在较大限制,因为病虫害的光谱特征可能被森林背景(裸土或灌草)或者非寄主树木所混淆。相较而言,时间序列数据能够追踪同一林分多个时相的变化情况,一定程度降低了环境因素、林分类型、盖度等非干扰因素的影响,提高了遥感信息的质量和准确性。因此基于时
22、间序列的分析方法有望提升捕捉地物发生渐变或突变情况的能力,更适于森林病虫害的监测。本研究联合使用时序 Sentinel-1 微波影像和Sentinel-2 光学影像,通过学习健康林分和受害林分的多维度时序变化特征,建立时序数据松材线虫病害识别模型,旨在回答:(1)光学和微波时序特征如何在松材线虫病害监测模型中发挥作用?(2)松材线虫病害对光学与微波时序信号的影响程度如何?(3)环境因子如何影响模型的精度?1研究区概况与数据1.1 研究区概况研究区位于江西省吉安市中南部(25582737N,1135611520E),跨越吉安县、泰和县、万安县和遂川县等地(图 1)。境内具有丰富的森林资源,属于江
23、西省的重要林区,森林覆盖度达67.6%。研究区横跨赣江中游两岸,处于罗霄山脉中段,以山地、丘陵为主要地形。区内气候温和,日照充足,雨量充沛,多年平均降水量 1553mm,且主要集中在 46 月,年平均气温 17.118.6,属于亚热带季风性湿润气候。林区内以马尾松(Pinusmassoniana)针叶纯林为主,也存在小部分的杉木(Cunninghamia lanceolata)、湿地松(Pinus elliottii)与马尾松的混交林,此外阔叶林和针阔混交林也占有一定比例。其中,马尾松、湿地松等是松材线虫的主要寄主植物。由于吉安市气候条件非常有利于松材线虫的繁殖和传播,境内已有多地报告了松材线
24、虫病的爆发,且有逐步蔓延的趋势,严重威胁着吉安市的森林资源安全。据国家林业与草原局统计信息,截至 2023 年吉安市市内已有 12 个县(区、市)级疫点(https:/ km无人机点位 Drone point273000N270000N263000N260000N273000N270000N263000N260000N1143000E1150000E1140000E1143000E1150000E苍田 Cangtian千烟洲 Qianyanzhou肖港 Xiaogang城背 Chengbei沙田 Shatian图1研究区与无人机野外调查位置Fig.1Studyareaandlocationso
25、fUAVsurvey研究区松材线虫病害的发生开始于 2019 年 57 月,仅发现零星几棵病木,11 月份出现成片病木,到 2020 年初大部分疫木已被砍伐。区内病害发生程42北京林业大学学报第46卷度不同,大致可分为零散单木分布、斑块状分布以及成片状分布。1.2 遥感数据1.2.1Sentinel-1SAR时间序列数据Sentinel-1 是欧空局“哥白尼计划”全球对地观测任务研发的新一代双极化 C 波段星载合成孔径雷达双星系统,由 2014 年 4 月 3 日发射的 Sentinel-1A和 2016 年 4 月 25 日发射的 Sentinel-1B 组成,能够提供全天时全天候的观测数据
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 联合 微波 光学 时间 序列 影像 马尾 松林 松材线虫 遥感 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。