何天英
摘 要:松材線蟲害對(duì)松樹造成極大的隱患和危害。近年來(lái),遙感技術(shù)在松材線蟲害的監(jiān)測(cè)研究中得到了廣泛應(yīng)用。本文主要闡述了利用衛(wèi)星遙感技術(shù)和無(wú)人機(jī)遙感技術(shù)監(jiān)測(cè)松材線蟲病研究的主要內(nèi)容,探討了存在的主要問(wèn)題,并提出解決對(duì)策。
關(guān)鍵詞:松材線蟲病;衛(wèi)星遙感技術(shù);無(wú)人機(jī)遙感技術(shù)
中圖分類號(hào):S763.1文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1003-5168(2021)10-0013-03
Research Progress of Remote Sensing Monitoring of Pine Wood Nematode Pests in China
HE Tianying
(School of Earth Sciences and Resources, Chang'an University,Xi'an Shaanxi 710000)
Abstract: The damage of pine wood nematode has great hidden danger and harm to pine trees. In recent years, remote sensing technology has been widely used in the monitoring and research of pine line pest. This paper mainly describes the main contents of monitoring pine nematode disease by satellite remote sensing technology and UAV remote sensing technology, discusses the main problems and puts forward the countermeasures.
Keywords: pine wood nematode disease;satellite remote sensing technology;UAV remote sensing technology
松材線蟲病具有致病力強(qiáng)、寄主死亡快、傳播迅速的特點(diǎn),被稱“松樹癌癥”[1]。2019年,我國(guó)松材線蟲害總危害面積已達(dá)111.46萬(wàn)hm2,病死樹數(shù)量多,累計(jì)死亡1 946.74萬(wàn)株,同比分別上升71.67%和82.56%,損失巨大[2]。國(guó)家林草局指出,“十四五”期間,我國(guó)將組織開展松材線蟲病防控5年攻堅(jiān)行動(dòng),以遏制松材線蟲病的快速擴(kuò)散蔓延勢(shì)頭,維護(hù)國(guó)家生態(tài)安全、生物安全[3]。因此,實(shí)現(xiàn)對(duì)松材線蟲快速有效的監(jiān)測(cè)迫在眉睫。然而,傳統(tǒng)的人工現(xiàn)地調(diào)查方法耗時(shí)耗力,很難滿足當(dāng)前需求。隨著遙感技術(shù)和地理信息系統(tǒng)的快速發(fā)展,利用各種航空航天遙感圖像進(jìn)行病害監(jiān)測(cè)已成為主要趨勢(shì)[4]。我國(guó)已經(jīng)有不少學(xué)者基于遙感監(jiān)測(cè)對(duì)松材線蟲害進(jìn)行了大量的研究,并取得了一些成果,但對(duì)已有研究進(jìn)行總結(jié)和分析發(fā)現(xiàn)其還存在諸多不足。本文分析了我國(guó)當(dāng)前基于遙感的松材線蟲病害監(jiān)測(cè)的研究成果,并總結(jié)了研究中存在的問(wèn)題。
1 衛(wèi)星遙感技術(shù)在松材線蟲害監(jiān)測(cè)中的應(yīng)用
1.1 遙感基礎(chǔ)
松樹在遭受松材線蟲病后,松脂流量、針葉顏色、外部形態(tài)等都會(huì)發(fā)生變化,這些變化會(huì)嚴(yán)重影響植物反射率,使其光譜特性發(fā)生變化,從而引起遙感影像光譜值的變化和紋理結(jié)構(gòu)的異常等[5]。因此,基于遙感影像的近紅外波段監(jiān)測(cè)松材線蟲病害具有一定的可行性。例如,劉寧等以福建省泰寧縣馬尾松林為例,分別對(duì)感染松材線蟲病后4個(gè)病害階段(健康期及病害初期、中期、末期)馬尾松的蒸騰速率進(jìn)行測(cè)定,分析其在不同病害階段的變化規(guī)律;再對(duì)健康期及病害初期馬尾松的光譜數(shù)據(jù)進(jìn)行采集,以這2個(gè)階段的蒸騰速率為基準(zhǔn),分析其蒸騰速率與原始光譜及光譜特征參數(shù)的關(guān)系[6]。
1.2 遙感數(shù)據(jù)源
目前,國(guó)內(nèi)外監(jiān)測(cè)森林病害的遙感數(shù)據(jù)源包括:SPOT、Landsat TM和ETM+、NOAA AVHRR、MODIS、IKONOS、Quick Bird、雷達(dá)數(shù)據(jù)、航空遙感以及高光譜數(shù)據(jù)等[7]。如今,遙感技術(shù)正向高分辨率方向高速發(fā)展,為松材線蟲害的精準(zhǔn)監(jiān)測(cè)提供了數(shù)據(jù)保障。宋清亮等通過(guò)高光譜儀器采集松樹葉片光譜信息,分析其含水量與光譜反射率的關(guān)系。結(jié)果顯示,含水量與5種指標(biāo)參數(shù)呈較好的相關(guān)性,利用一種指標(biāo)參數(shù)就可以很好地判斷松樹病害程度[8]。張素蘭等對(duì)重慶永勝林場(chǎng)馬尾松的14個(gè)高光譜特征參數(shù)進(jìn)行嶺跡分析,篩選出非共線性特征參數(shù),為松材線蟲病害早期監(jiān)測(cè)和防治研究提供了技術(shù)支持[9]。
1.3 主要研究?jī)?nèi)容
1.3.1 遙感圖像識(shí)別病害的方法的精度研究。我國(guó)學(xué)者在利用衛(wèi)星遙感圖像監(jiān)測(cè)松材線蟲害時(shí)主要采用的分類方法有決策樹法、隨機(jī)森林法、支持向量機(jī)法和人工神經(jīng)網(wǎng)絡(luò)法等。為了提高監(jiān)測(cè)精度,學(xué)者們往往會(huì)對(duì)圖像分類方法進(jìn)行對(duì)比分析和改進(jìn)研究。黃芳芳等結(jié)合隨機(jī)森林和決策樹cart算法,提出了適用于湖北省宜昌市松材線蟲病的遙感監(jiān)測(cè)方法。該方法的平均精度在76%以上,能較好地實(shí)現(xiàn)森林病害的快速監(jiān)測(cè)[10]。張素蘭等對(duì)重慶永勝林場(chǎng)馬尾松光譜反射率的14個(gè)高光譜特征參數(shù)進(jìn)行嶺跡分析,篩選出非共線性特征參數(shù),經(jīng)驗(yàn)證平均估測(cè)精度為87.15%[9]。
1.3.2 染病松“缺素癥”的研究。松樹在遭受病害期間,自身養(yǎng)分含量必然會(huì)發(fā)生變化,而植被色素含量與其光合能力、發(fā)育階段和氮素狀況有較好的相關(guān)性[11]。因此,可以通過(guò)遙感技術(shù)來(lái)監(jiān)測(cè)由病蟲害引起的各種林木“缺素癥”[12]。巨云為等使用高光譜算法評(píng)估染病松的葉綠素含量,結(jié)果顯示,完全感染階段的標(biāo)準(zhǔn)化差異植被指數(shù)值與葉綠素含量的變化相關(guān)[13]。劉寧等以福建省泰寧縣馬尾松林為例,分別對(duì)感染松材線蟲病后4個(gè)病害階段(健康期及病害初期、中期、末期)馬尾松的蒸騰速率進(jìn)行測(cè)定。結(jié)果表明,馬尾松蒸騰速率隨著病害的加重而逐漸減弱[6]。
1.3.3 松材線蟲害的發(fā)生對(duì)森林景觀格局影響的研究。景觀格局一般指景觀的空間格局,外界和內(nèi)部干擾是景觀格局發(fā)生變化的一個(gè)重要因素。森林蟲害是森林生態(tài)系統(tǒng)主要的自然干擾之一[14]。松材線蟲侵襲松林后,會(huì)對(duì)松林群落演替及林內(nèi)物種多樣性產(chǎn)生影響,深入探討松材線蟲的入侵機(jī)制,揭示它們對(duì)特定松林生態(tài)系統(tǒng)結(jié)構(gòu)和功能的影響,有利于從生態(tài)尺度上探求松材線蟲病的防控策略[15]。柏龍等以湖北省宜昌市夷陵區(qū)松材線蟲病為研究對(duì)象,探究景觀格局對(duì)松材線蟲病發(fā)生的影響,結(jié)果顯示,在夷陵區(qū)鄉(xiāng)鎮(zhèn)尺度上,由小斑塊松林組成且斑塊聚集度低、景觀破碎化程度低的景觀格局對(duì)松材線蟲病有一定的抑制作用[16]。
1.3.4 染病松的光譜特征研究。不同的植物具有不同的反射光譜特征,這種光譜特性因植物種類、生長(zhǎng)階段、葉綠素含量、健康狀況而異[17]。松樹在遭受病害后,其健康狀況發(fā)生了變化,光譜特征也會(huì)在某些敏感波段發(fā)生顯著改變。研究顯示,在近紅外波段,受害松的光譜特征與健康松樹差異比較大,且不同程度的受害松近紅外光譜反射差異也比較大。王震等對(duì)馬尾松4種不同受害類型的林木進(jìn)行反射光譜測(cè)量,并對(duì)光譜反射曲線進(jìn)行一階微分分析。結(jié)果顯示,在綠、紅波段,它們的光譜反射率存在顯著差異,在近紅外區(qū)域,光譜反射率存在極顯著的差異[18]。
1.3.5 對(duì)松材線蟲害監(jiān)測(cè)系統(tǒng)的研究。該類系統(tǒng)平臺(tái)的開發(fā)、研究有利于整合病害普查、監(jiān)管、預(yù)警等各類信息資源,實(shí)現(xiàn)對(duì)松材線蟲病疫情監(jiān)測(cè)的網(wǎng)格化、精細(xì)化管理。蔣麗雅等以與安徽省松材線蟲病疫情相關(guān)的空間數(shù)據(jù)和多項(xiàng)屬性數(shù)據(jù)為基礎(chǔ),建立了以地區(qū)、縣、鄉(xiāng)三級(jí)區(qū)劃為管理單元,具有信息查詢、數(shù)據(jù)維護(hù)、信息存貯與管理、顯示、輸出等五大功能的計(jì)算機(jī)管理系統(tǒng)[19]。李念祥等基于農(nóng)業(yè)4.0建立了松材線蟲病遠(yuǎn)程監(jiān)測(cè)預(yù)警系統(tǒng)。該系統(tǒng)可以實(shí)現(xiàn)智慧森防數(shù)據(jù)互聯(lián)互通,由數(shù)據(jù)轉(zhuǎn)化為信息,最終實(shí)現(xiàn)森防信息的共享,實(shí)現(xiàn)松材線蟲病的自動(dòng)監(jiān)測(cè)預(yù)警[20]。
2 無(wú)人機(jī)遙感技術(shù)在松材線蟲害監(jiān)測(cè)中的應(yīng)用
無(wú)人機(jī)搭載的多光譜相機(jī)或者高光譜成像儀,不僅能快速識(shí)別變色木,而且能實(shí)現(xiàn)對(duì)染病松的定位,在松材線蟲病的監(jiān)測(cè)上有巨大的發(fā)揮空間。但是,無(wú)人機(jī)遙感技術(shù)獲得的信息十分有限,很難實(shí)現(xiàn)對(duì)松材線蟲病害的精準(zhǔn)監(jiān)測(cè)。因此,目前我國(guó)學(xué)者對(duì)利用無(wú)人機(jī)遙感技術(shù)監(jiān)測(cè)松材線蟲害的研究主要體現(xiàn)在如何提高識(shí)別精度和定位準(zhǔn)確度上。
2.1 識(shí)別精度
無(wú)人機(jī)搭載高光譜遙感提供的影像分辨率高、信息豐富,為松材線蟲病的及時(shí)快速識(shí)別提供了有效途徑。但是,森林景觀格局復(fù)雜,存在樹冠相互交叉遮擋、陰影層較多等問(wèn)題,給病害松樹識(shí)別帶來(lái)了一定的難度,因此需要選擇合適的提取算法來(lái)提高識(shí)別精度。李浩等提出了基于超綠特征因子與最大類間方差法相結(jié)合的圖像分割算法以及遙感全景圖的病害程度分析方法,該方法識(shí)別精度可達(dá)90.4%[21]。胡根生等利用無(wú)人機(jī)平臺(tái)獲取可見(jiàn)光和近紅外遙感圖像,采用改進(jìn)的加權(quán)支持向量數(shù)據(jù)描述多分類算法識(shí)別染病松。結(jié)果表明,該算法能準(zhǔn)確地進(jìn)行病害松樹識(shí)別[4]。
2.2 定位準(zhǔn)確度
與人工識(shí)別定位的方法相比,無(wú)人機(jī)在低空航拍中具有靈活、機(jī)動(dòng)等優(yōu)點(diǎn),對(duì)地形的受限度小,降低了林業(yè)有害生物監(jiān)測(cè)的工作難度,在監(jiān)測(cè)預(yù)警中具有無(wú)可比擬的優(yōu)越性[22]。李衛(wèi)正等利用低成本小型無(wú)人機(jī)采集疫情地區(qū)的高空間分辨率影像,并經(jīng)攝影測(cè)量軟件LPS(Leica Photogrammetry Suite)正射處理后,導(dǎo)入美國(guó)GeoLink軟件中,實(shí)現(xiàn)病死木位置信息的采集。經(jīng)驗(yàn)證,該方法比傳統(tǒng)病害監(jiān)測(cè)實(shí)施效率高[23]。曾全等將無(wú)人機(jī)野外GPS采集的位置信息同ENVI遙感數(shù)據(jù)處理軟件處理與解讀數(shù)據(jù)信息進(jìn)行比對(duì)。經(jīng)驗(yàn)證,無(wú)人機(jī)遙感基本實(shí)現(xiàn)了松材線蟲病致死松樹的精準(zhǔn)定位[24]。
3 存在的問(wèn)題
雖然目前我國(guó)已有不少基于遙感技術(shù)監(jiān)測(cè)松材線蟲害的研究,但是松材線蟲害的爆發(fā)往往是眾多因素相互作用的結(jié)果,具有復(fù)雜性,因此,利用遙感技術(shù)監(jiān)測(cè)松材線蟲害并非十全十美,仍然存在一些亟待解決的問(wèn)題,需要進(jìn)一步探索。
①對(duì)松材線蟲害早期預(yù)警研究不足。目前,我國(guó)大多數(shù)學(xué)者都是對(duì)變色立木進(jìn)行研究,通常情況下,當(dāng)松樹顏色發(fā)生變化時(shí),其遭受病害程度已經(jīng)比較深了,這時(shí)只能做到及時(shí)止損,不能有效預(yù)防。
②缺乏對(duì)松材線蟲監(jiān)管系統(tǒng)的研究。隨著國(guó)家對(duì)松材線蟲病普查工作的推進(jìn),越發(fā)需要一個(gè)能夠?qū)λ刹木€蟲病進(jìn)行監(jiān)測(cè)、管理的系統(tǒng)或平臺(tái),這對(duì)松材線蟲病害的發(fā)現(xiàn)和治理意義重大。
③無(wú)人機(jī)遙感監(jiān)測(cè)松材線蟲病還有一定的局限性。傳統(tǒng)無(wú)人機(jī)主要采用Wi-Fi、藍(lán)牙、微波等通信方式進(jìn)行傳輸,傳輸距離都比較短,飛行監(jiān)測(cè)范圍受限,給無(wú)人機(jī)遙感監(jiān)測(cè)松材線蟲病帶來(lái)了一定的困擾。
4 對(duì)策建議與展望
為了促進(jìn)松材線蟲衛(wèi)星遙感監(jiān)測(cè)的研究和實(shí)踐,為松材線蟲害的防治提供科學(xué)的依據(jù),本文對(duì)上述問(wèn)題提出對(duì)策建議,并對(duì)相關(guān)研究進(jìn)行展望。
①重視對(duì)松材線蟲病害的早期監(jiān)測(cè)。高光譜成像技術(shù)能實(shí)現(xiàn)“圖譜合一”,與其他遙感技術(shù)相比,其在光譜維度上的分割更細(xì)致,具有精準(zhǔn)識(shí)別的優(yōu)勢(shì),可以將這一優(yōu)勢(shì)充分應(yīng)用于松材線蟲害綠色階段的早期監(jiān)測(cè)研究中。
②構(gòu)建松材線蟲害光譜數(shù)據(jù)庫(kù)。根據(jù)松材線蟲害在不同影像數(shù)據(jù)中所表現(xiàn)出的光譜特征,建立豐富的松材線蟲害光譜數(shù)據(jù)庫(kù),為遙感監(jiān)測(cè)松材線蟲病害提供理論依據(jù),為松材線蟲害監(jiān)測(cè)模型的建立提供數(shù)據(jù)支持。
③建立5G與無(wú)人機(jī)遙感相結(jié)合的監(jiān)測(cè)技術(shù)。5G具有超高速率、超低時(shí)延、超大連接、超寬空域的特點(diǎn),可以擴(kuò)大監(jiān)測(cè)范圍,提高定位精度。未來(lái)5G無(wú)人機(jī)必將成為松材線蟲病害監(jiān)測(cè)的一大利器,其發(fā)展前景十分令人期待。
參考文獻(xiàn):
[1]都本緒.GIS在大連松線蟲病預(yù)防中的應(yīng)用[J].防護(hù)林科技,2017(6):76-77,88.
[2]李曉冬,王越,周艷濤,等.2019年全國(guó)主要林業(yè)有害生物發(fā)生情況及2020年發(fā)生趨勢(shì)預(yù)測(cè)[J].中國(guó)森林病蟲,2020(3):44-48.
[3]張志國(guó).國(guó)家林草局:我國(guó)將開展松材線蟲病防控5年攻堅(jiān)行動(dòng)[J].綠色中國(guó),2020(15):70-71.
[4]胡根生,張學(xué)敏,梁棟,等.基于加權(quán)支持向量數(shù)據(jù)描述的遙感圖像病害松樹識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013(5):258-263,287.
[5]徐華潮,駱有慶,張廷廷,等.松材線蟲自然侵染后松樹不同感病階段針葉光譜特征變化[J].光譜學(xué)與光譜分析,2011(5):1352-1356.
[6]劉寧,張曉麗,王書涵,等.基于蒸騰速率與光譜特征的松材線蟲病害預(yù)測(cè)[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2015(6):129-135.
[7]張?zhí)?,張曉麗,劉紅偉,等.遙感在森林病蟲害監(jiān)測(cè)中的應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué),2010(21):11604-11607.
[8]宋清亮,向榮,秦林,等.松葉光譜反射率的特性參數(shù)與含水量關(guān)系分析[J].科技與創(chuàng)新,2018(3):26-28.
[9]張素蘭,黃金龍,秦林,等.基于高光譜特征的松材線蟲嶺回歸估測(cè)模型研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2019(4):196-202.
[10]黃芳芳,雷鳴,張力,等.基于隨機(jī)森林和決策樹的馬尾松松材線蟲病監(jiān)測(cè)方法[J].信息通信,2019(12):32-36.
[11] FILELLA I, PENUELAS J. The red edge position and shape as indicators of plant chlorophyll content, biomass and hydric status [J]. International Journal of Remote Sensing,1994(7): 1459-1470.
[12]黃麟,張曉麗,石韌.森林病蟲害遙感監(jiān)測(cè)技術(shù)研究的現(xiàn)狀與問(wèn)題[J].遙感信息,2006(2):71-75.
[13] JU Yunwei, JIE Pan,WANG X, et al. Detection of Bursaphelenchus xylophilus infection in Pinus massoniana from hyperspectral data[J]. Nematology,2014(16): 1197-1207.
[14]陳宏偉,胡遠(yuǎn)滿,常禹,等.不同蟲害干擾強(qiáng)度下大興安嶺呼中林區(qū)森林景觀變化模擬[J].中國(guó)科學(xué)院研究生院學(xué)報(bào),2011(1):65-72.
[15]徐華潮,駱有慶.松材線蟲入侵對(duì)森林生態(tài)系統(tǒng)的影響[J].浙江林學(xué)院學(xué)報(bào),2010(3):445-450.
[16]柏龍,田呈明,洪承昊,等.湖北宜昌松林景觀格局對(duì)松材線蟲流行及擴(kuò)散的影響[J].生態(tài)學(xué)報(bào),2015(24):8107-8116.
[17]申廣榮,王人潮.植被光譜遙感數(shù)據(jù)的研究現(xiàn)狀及其展望[J].浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版),2001(6):95-103.
[18]王震,張曉麗,安樹杰.松材線蟲病危害的馬尾松林木光譜特征分析[J].遙感技術(shù)與應(yīng)用,2007(3):367-370.
[19]蔣麗雅,武紅敢,江順利,等.基于ArcView的安徽省松材線蟲病管理信息系統(tǒng)[J].安徽農(nóng)業(yè)大學(xué)學(xué)報(bào),2007(1):103-106.
[20]李念祥,白鴻巖,郭瑞,等.松材線蟲病遠(yuǎn)程監(jiān)測(cè)預(yù)警系統(tǒng)[J].現(xiàn)代化農(nóng)業(yè),2017(10):10-11.
[21]李浩,徐航煌,鄭恒宇,等.基于無(wú)人機(jī)遙感圖像的松材線蟲病監(jiān)測(cè)技術(shù)研究[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2020(9):170-175.
[22]張紅梅,陸亞剛.無(wú)人機(jī)遙感技術(shù)國(guó)內(nèi)松材線蟲病監(jiān)測(cè)研究綜述[J].華東森林經(jīng)理,2017(3):29-32.
[23]李衛(wèi)正,申世廣,何鵬,等.低成本小型無(wú)人機(jī)遙感定位病死木方法[J].林業(yè)科技開發(fā),2014(6):102-106.
[24]曾全,孫華富,楊遠(yuǎn)亮,等.無(wú)人機(jī)監(jiān)測(cè)松材線蟲病的精度比較[J].四川林業(yè)科技,2019(3):92-95,114.