劉遐齡，程多祥，李濤，陳小平，高文娟

(1.四川測繪地理信息局測繪技術(shù)服務(wù)中心，四川 成都 610081； 2. 四川省森林病蟲防治檢疫總站，四川 成都 610081)

松材線蟲病(Bursaphelenchusxylophilus)是世界上最具危險(xiǎn)性和毀滅性的森林病害，傳播途徑廣、速度快、防治難度大、成本高，被稱為“松樹的癌癥”。夏末秋初是松材線蟲數(shù)量增長高峰期，通常，松樹染病后40 d即可死亡，松林染病后3～5 a即可毀滅[1]。松材線蟲病在我國發(fā)現(xiàn)30多年以來，目前已經(jīng)擴(kuò)散蔓延到浙江、安徽、福建、湖北、重慶、四川等16個(gè)省市，并繼續(xù)呈向西、向北擴(kuò)散趨勢(shì)，累計(jì)致死松樹5億多株，毀滅森林33.33 萬hm2，造成直接經(jīng)濟(jì)損失數(shù)億元。松材線蟲病在我國的傳播危害，直接威脅著我國南方0.33億hm2松林和一批重點(diǎn)生態(tài)區(qū)域的安全[2]。

四川省自2004年在鄰水縣發(fā)現(xiàn)松材線蟲病以來，先后有13個(gè)縣(市、區(qū))發(fā)生疫情。全省疫情呈跳躍式發(fā)生、多點(diǎn)連片發(fā)展的趨勢(shì)，防控形勢(shì)十分嚴(yán)峻。常規(guī)的松材線蟲病監(jiān)測工作主要采用人工地面踏查和“組-村-鄉(xiāng)(鎮(zhèn))-縣-市(州)-省”逐級(jí)統(tǒng)計(jì)上報(bào)方式進(jìn)行[2]。這種方式不僅耗時(shí)長、程序繁瑣，且上報(bào)數(shù)據(jù)的時(shí)效性和真實(shí)性差，不能快速直觀全面地反映疫區(qū)疫情發(fā)生發(fā)展情況，以致無法及時(shí)采取有效防控措施遏制疫情擴(kuò)散蔓延。

遙感技術(shù)具備遠(yuǎn)距離、大面積、無需直接接觸等探測特點(diǎn)，在農(nóng)林行業(yè)得到了廣泛應(yīng)用。特別是近幾年興起的無人機(jī)遙感技術(shù)，其實(shí)時(shí)、快速獲取目標(biāo)區(qū)域高分辨率影像數(shù)據(jù)的能力可有效保證遙感監(jiān)測技術(shù)的時(shí)效性。目前，國內(nèi)外學(xué)者對(duì)松材線蟲病的遙感監(jiān)測技術(shù)做了大量研究，但多數(shù)僅限于衛(wèi)星影像的遙感監(jiān)測。松材線蟲病危害較大，且政府部門對(duì)松材線蟲病信息數(shù)據(jù)處理時(shí)效性要求較高，因此，作者采用無人機(jī)高分影像開展松材線蟲病危害木自動(dòng)監(jiān)測技術(shù)研究工作。

1 研究區(qū)域和試驗(yàn)數(shù)據(jù)

1.1 研究區(qū)域概況 研究區(qū)域選為自貢市富順縣福善鎮(zhèn)，地處四川省自貢市西南部，位于長江上游中部地區(qū)，南靠宜賓，北接自貢。鎮(zhèn)內(nèi)地勢(shì)由北向南傾斜，地形以丘陵為主，占總面積60%以上。境內(nèi)土地覆蓋空間特征多元化、復(fù)雜化、易混淆，為典型的農(nóng)林交錯(cuò)區(qū)，其中耕地面積1 799 hm2，主要以種植旱地作物為主，林地面積1 666.67 hm2，主要以針葉林為主，林地覆蓋率38%。該地區(qū)每年因松材線蟲病致死松樹近萬株，累積采伐松木幾十萬株，如不采取強(qiáng)有力防控措施，一旦引起松材線蟲病大范圍暴發(fā)，將直接威脅松林資源安全，造成毀滅性生態(tài)災(zāi)難。

圖1 研究區(qū)域

1.2 試驗(yàn)數(shù)據(jù)獲取與處理

1.2.1 無人機(jī)高分影像 高分遙感影像獲取采用DB-2AP101型號(hào)無人機(jī)，該無人機(jī)最大載荷5 kg，最大航高4 000 m，并攜帶一臺(tái)尼康D800相機(jī)，該相機(jī)傳感器類型是CMOS，全幅是35.9 mm×24 mm(4 912×7 360)，有效像素為3 630萬，滿足航飛要求。

2016年9月30日，在夏末秋初松材線蟲病高發(fā)期利用無人機(jī)航攝獲取研究區(qū)域(自貢市富順縣福善鎮(zhèn))高分影像，作為主要數(shù)據(jù)源(表1)。為后續(xù)開展松材線蟲病危害木自動(dòng)監(jiān)測工作，試驗(yàn)對(duì)獲取航飛影像進(jìn)行必要數(shù)據(jù)處理：以航空攝影資料、像片控制資料為基本資料，利用數(shù)字?jǐn)z影測量系統(tǒng)及輔助軟件，進(jìn)行空中三角測量、正射糾正、影像鑲嵌裁切等，制作影像解譯底圖。

表1 影像數(shù)據(jù)源及其特征

1.2.2 研究區(qū)域樣本空間信息采集和感染松材線蟲病松樹株數(shù)統(tǒng)計(jì) 2016年10月7日，基于研究區(qū)域的數(shù)字正射影像，利用手持GPS，在研究區(qū)域當(dāng)?shù)厮刹木€蟲病防治人員的陪同下，采集健康松樹與感染松材線蟲病松樹影像解譯樣本，并統(tǒng)計(jì)研究區(qū)域感染松材線蟲病松樹株數(shù)，共計(jì)535株。

2 自動(dòng)識(shí)別方法與處理流程

2.1 自動(dòng)識(shí)別方法 首先綜合已有資料以及監(jiān)測區(qū)自然地理狀況，外業(yè)采集健康松樹與染病不同階段松樹的影像解譯樣本。然后以影像解譯樣本為根據(jù)，基于eCognition Developer 9.2.1軟件平臺(tái)，結(jié)合數(shù)字正射影像中松樹光譜、紋理、位置、上下文等特征，利用面向?qū)ο蠓诸惙椒ê湍０嫫ヅ浞椒ㄗ詣?dòng)識(shí)別研究區(qū)域內(nèi)松材線蟲病危害木。

2.1.1 面向?qū)ο笮畔⑻崛〖夹g(shù) 主要采用以異質(zhì)性最小的區(qū)域合并算法為核心的多尺度分割技術(shù)提取影像中松樹林區(qū)域，通過分割尺度、光譜異質(zhì)性、形狀異質(zhì)性3個(gè)參數(shù)對(duì)整個(gè)分割過程進(jìn)行控制[3]。

2.1.2 模板匹配方法 由于松樹在染病不同階段呈現(xiàn)的形態(tài)不一，因此模板的選擇采用多模板識(shí)別法，即染病不同階段的松樹對(duì)應(yīng)多個(gè)模板，模板特征值由多個(gè)聚類中心表示。設(shè)X是由n個(gè)樣本(x1,x2,…,xn)的p個(gè)變量的觀測值構(gòu)成的矩陣。模糊聚類是將n個(gè)樣本劃分為c類(2≤c≤n),記V={v1,v2,…,vc}為c類的聚類中心，其中v1=(vi1,vi2,…,vip)(i=1,2,…,c)。在模糊C-均值聚類劃分中，每個(gè)樣本以一定隸屬度劃分為某一類[4]。

(1)

式(1)中，U=(uik)c×n為隸屬度矩陣，dik=

||xk-vi||。

當(dāng)目標(biāo)函數(shù)J(U,V)的值達(dá)到最小時(shí)，計(jì)算得到隸屬度矩陣U和聚類中心V，其中聚類中心V作為模板特征值。

在模板匹配算法中，采用馬氏距離作為識(shí)別的判斷標(biāo)準(zhǔn)[4]，目標(biāo)函數(shù)如式(2)：

設(shè)第i個(gè)樣本與第j個(gè)樣本的馬氏距離為Dij。

(2)

式(2)中，Xi和Xj分別為第i個(gè)和第j個(gè)樣本的m個(gè)特征因子組成的向量，S為樣本協(xié)方差矩陣。

分別計(jì)算待識(shí)別樣本集中每個(gè)樣本特征值與各模板特征值的馬氏距離，并將馬氏距離最小所對(duì)應(yīng)的模板種類作為待識(shí)別樣本的種類。

2.2 數(shù)據(jù)處理流程 研究技術(shù)路線如圖2所示。

2.3 解譯樣本采集 結(jié)合室內(nèi)判讀和野外實(shí)地調(diào)查結(jié)果，確定健康松樹和染病不同階段松樹的影像解譯樣本。健康松樹和松材線蟲病危害木在染病初期、中期、后期和末期的影像色調(diào)、紋理特征見圖3和圖4。健康狀態(tài)：針葉基本呈綠色；染病初期：感病松樹針葉顏色開始發(fā)生變化，先少量枝條上針葉褪色發(fā)黃；染病中期：大部分針葉變?yōu)辄S褐色；染病后期：全部針葉變?yōu)辄S褐或紅褐色；染病末期：整株干枯死亡，變?yōu)樘m白色。

圖2 技術(shù)路線圖

圖3 健康松樹影像特征

圖4 松材線蟲病危害木影像特征

2.4 計(jì)算機(jī)自動(dòng)解譯

2.4.1 有林地提取 采用多尺度分割手段，結(jié)合影像的分辨率、有林地、房屋、道路、水系等地物面積大小分別設(shè)定各地物最適用的分割尺度參數(shù)，最終確保有林地對(duì)象輪廓線接近于有林地的實(shí)際邊界[6-9]，分割尺度越大有林地在分割后的完整性越高，但若分割尺度過大，其他地物易混入分割對(duì)象(圖5)。

通過對(duì)比分析，在保證有林地邊界的前提下最優(yōu)的全局分割尺度在600左右(圖6)?；谟辛值貥颖?，結(jié)合影像多級(jí)分割后有林地對(duì)象的光譜、紋理特征，通過設(shè)置藍(lán)綠波段比率值、亮度值、波段圖層標(biāo)準(zhǔn)差等特征提取有林地對(duì)象[10](圖7)。

圖5 多尺度分割結(jié)果圖

圖6 面向?qū)ο蠓诸惤Y(jié)果

圖7 有林地矢量圖

2.4.2 危害木提取 在采集模板訓(xùn)練的樣本時(shí)，需采集一定數(shù)量的染病不同階段松樹的典型樣本，同時(shí)設(shè)定樣本大小，盡量將樣本框與采集的松樹樣本外接矩形近似(圖8)。根據(jù)樣本框中的樣本在影像不同波段圖層上的均值特征創(chuàng)建不同的模板，選擇相關(guān)性最高的模板進(jìn)行訓(xùn)練。訓(xùn)練后的模板將用于模板匹配。

根據(jù)訓(xùn)練模板時(shí)采用的影像圖層與訓(xùn)練模板之間的相關(guān)系數(shù)，設(shè)定合適的相關(guān)性閾值。當(dāng)提取結(jié)果數(shù)量過多時(shí)需調(diào)高相關(guān)性閾值。當(dāng)提取結(jié)果數(shù)量過低時(shí)，需調(diào)低相關(guān)性閾值，直到把所有的松材線蟲病危害木都提取出來為止，若降低到0.2提取的對(duì)象未達(dá)到松材線蟲病危害木數(shù)量的90%時(shí)，需重新采集樣本進(jìn)行模板訓(xùn)練(圖9)。

利用有林地對(duì)象的上下文特征，剔除林地區(qū)域外的對(duì)象，再基于感染松材線蟲病松樹影像解譯樣本信息，通過設(shè)置紅綠波段比率、HIS、波段圖層標(biāo)準(zhǔn)差等不同特征參數(shù)分別提取不同染病階段松材線蟲病危害木對(duì)象[11](圖10)。

圖8 采集樣本

圖9 模板匹配結(jié)果

圖10 計(jì)算機(jī)解譯結(jié)果

3 試驗(yàn)結(jié)果評(píng)價(jià)

3.1 精度 選用計(jì)算機(jī)解譯和目視判讀方法分別提取研究區(qū)域松材線蟲病危害木松樹(表2，圖11)。計(jì)算機(jī)解譯結(jié)果與目視判讀結(jié)果基本重合，目視判讀正確率稍高于計(jì)算機(jī)解譯。

表2 目視判讀與計(jì)算機(jī)解譯誤差比較

圖11 目視判讀與計(jì)算機(jī)解譯結(jié)果對(duì)比

判讀解譯正確率高的區(qū)域主要集中在成片的林地區(qū)域內(nèi)，由于地物類型單一，松材線蟲病危害木的特征比較明顯，基本能提取出所有病株。判讀解譯正確率低的區(qū)域主要集中在影像陰影區(qū)域，主要由于陰影區(qū)域亮度低，危害木色調(diào)紋理特征不明顯(圖12)。

雖然2種方法判讀解譯正確率高，但錯(cuò)檢和漏檢現(xiàn)象普遍存在。由于人眼觀測事物能力和解譯人員相關(guān)經(jīng)驗(yàn)知識(shí)有限，目視判讀易忽視一些體態(tài)較小的病株和影像陰影區(qū)。計(jì)算機(jī)解譯雖能提取出大部分體態(tài)較小的病株，但在農(nóng)田交錯(cuò)區(qū)，由于地物類型復(fù)雜，例如田埂其影像特征與松材線蟲病危害木具有一定相似性，計(jì)算機(jī)解譯易出現(xiàn)錯(cuò)檢(圖13)。

圖12 陰影示意圖

圖13 田埂

3.2 處理效率評(píng)價(jià) 由于松材線蟲病蔓延速度較快，在松材線蟲病危害木自動(dòng)監(jiān)測工作中，計(jì)算效率也是需要重點(diǎn)考慮的關(guān)鍵因素之一。試驗(yàn)采用同一臺(tái)計(jì)算機(jī)處理，處理器 i5-4210M，CPU雙核四線程2.6 G；內(nèi)存16 GB，64位windows 7操作系統(tǒng)。計(jì)算機(jī)解譯若將松樹林邊界提取環(huán)節(jié)算在內(nèi)，總共耗時(shí)約0.5 h；而目視判讀約1.5 h。

試驗(yàn)測試影像大小為41.9 MB，影像數(shù)據(jù)量較大時(shí)會(huì)影響松材線蟲病危害木識(shí)別速率，若數(shù)據(jù)處理的計(jì)算機(jī)性能有限，可先將影像進(jìn)行分塊或者適當(dāng)?shù)慕挡蓸犹幚?，再進(jìn)行自動(dòng)解譯?？偟膩碚f，計(jì)算機(jī)解譯和目視判讀精度相差不大，整個(gè)流程耗時(shí)是目視判讀的1/3倍，因此該算法在運(yùn)行效率上具有一定優(yōu)勢(shì)。若時(shí)間充足，可以選擇以計(jì)算機(jī)解譯為主，目視判讀為輔，以提高判讀精度。

4 結(jié)論與討論

利用無人機(jī)高分影像自動(dòng)監(jiān)測松材線蟲病危害木，實(shí)現(xiàn)了有林地范圍內(nèi)松材線蟲病危害木的快速識(shí)別，雖然準(zhǔn)確率暫時(shí)無法達(dá)到100%，但改善了林業(yè)有害生物防治部門傳統(tǒng)監(jiān)測方式耗時(shí)長、程序繁瑣、監(jiān)測數(shù)據(jù)時(shí)效性和真實(shí)性差等一系列問題，有利于政府及防控指揮部門宏觀地快速了解各個(gè)疫點(diǎn)疫情發(fā)生態(tài)勢(shì)和危害程度，進(jìn)一步提高了松材線蟲病防控工作和疫情評(píng)估的科學(xué)性，為有效防止松材線蟲病的入侵和快速蔓延提供科學(xué)的技術(shù)支撐。