應(yīng)用方向

森林病蟲害的早期檢測(cè)是森林健康監(jiān)測(cè)遙感應(yīng)用的重點(diǎn)。松枯?。≒WD）對(duì)全球松樹資源造成重大破壞，近距離高光譜遙感在早期診斷方面發(fā)揮關(guān)鍵優(yōu)勢(shì)，當(dāng)前探索高光譜檢測(cè)在視覺前階段檢測(cè)PWD的作用。本研究旨在調(diào)查松樹種類、感染反應(yīng)和數(shù)據(jù)類型對(duì)視覺前階段PWD高光譜檢測(cè)的影響。在三個(gè)地點(diǎn)對(duì)兩種松樹樣本樹進(jìn)行了人工接種實(shí)驗(yàn)，并使用地面非成像和無人機(jī)成像光譜儀定期收集高光譜數(shù)據(jù)。確定了五種感染反應(yīng)：保持健康（KH）、快速感染（QI）、緩慢恢復(fù)（SR）、快速恢復(fù)（QR）和緩慢感染（SI）。光譜分析揭示了RVI（680-550, 750）和NDVI（560, 680）指數(shù)動(dòng)態(tài)變化與五種感染反應(yīng)的光譜特征吻合。從第14天起能對(duì)具有QI反應(yīng)的感染樹木的光譜檢測(cè)準(zhǔn)確率超50%。此外，成像和非成像數(shù)據(jù)類型對(duì)檢測(cè)過程沒有顯著影響。需要進(jìn)一步的研究來確定光譜分辨率差異較大的閾值，并探索在各種松樹物種和生長(zhǎng)環(huán)境中的檢測(cè)。

背景

森林中的病蟲害發(fā)生是森林健康的關(guān)鍵指標(biāo)。通過監(jiān)測(cè)病蟲害的發(fā)生和傳播，可以深入了解森林生態(tài)系統(tǒng)的整體健康狀況，從而有助于及時(shí)采取措施預(yù)防或減輕潛在疾病的爆發(fā)。在眾多森林病蟲害中，松枯?。≒WD）一直被認(rèn)為是世*上*具破壞性的疾病之一。近年來，隨著對(duì)PWD發(fā)生和傳播特征的全面了解，加上有效的監(jiān)測(cè)和預(yù)防措施，PWD的廣泛和廣泛爆發(fā)已變得相對(duì)罕見。在PWD傳播之前，特別是在小尺度上，單個(gè)樹木水平上迫切需要使用具有高空間、時(shí)間和光譜分辨率的遙感數(shù)據(jù)。近距離傳感已成為森林監(jiān)測(cè)的重點(diǎn)，證明了在空間和時(shí)間維度上大幅增加實(shí)地觀察量的能力。不同松樹種對(duì)PWD的易感性差異明顯。不同的數(shù)據(jù)類型意味著在近距離傳感中使用具有不同空間、光譜和時(shí)間分辨率的高光譜數(shù)據(jù)進(jìn)行PWD監(jiān)測(cè)。

實(shí)驗(yàn)設(shè)計(jì)

松樹樣樹來自江蘇省南京的城市森林帶，在三個(gè)選定的地點(diǎn)進(jìn)行了兩次田間試驗(yàn)。在三個(gè)地點(diǎn)對(duì)兩種松樹樣本樹進(jìn)行了人工接種實(shí)驗(yàn)，并使用地面非成像和無人機(jī)成像光譜儀定期收集高光譜數(shù)據(jù)。

圖1 中國(guó)南京研究區(qū)域（a），三個(gè)林分（b），一個(gè)接種管（c），接種的Pinus thunbergii出現(xiàn)綠色攻擊、灰綠色攻擊、10%、50%、70%和100%變色的癥狀（d）和接種的馬尾松（e）的癥狀

成像高光譜數(shù)據(jù)來自350-1050 nm的推掃式成像光譜儀（GaiaSky-mini2-VN，江蘇雙利合譜光譜成像技術(shù)有限公司，中國(guó)江蘇無錫）配備DJI Matrice M600 Pro 六軸飛行無人機(jī)。葉綠素指數(shù)使用葉綠素計(jì)無損測(cè)量。

圖2 GaiaSky-mini-2成像儀（a）、DJI Matrice 600 Pro（b）、輻射參考目標(biāo)（c）、CCM-300葉綠素計(jì)（d）

在地點(diǎn)A和地點(diǎn)B的接種實(shí)驗(yàn)中，兩種松樹對(duì)接種都表現(xiàn)出五種不同的反應(yīng)。第一個(gè)反應(yīng)是免疫狀態(tài)，即25棵接種的黑松中有3棵在整個(gè)觀察的250多天中保持健康狀態(tài)，20棵接種的馬尾松樹中有8棵保持健康。第二次反應(yīng)的是6棵黑松和4棵馬尾松迅速進(jìn)入感染狀態(tài)，表現(xiàn)出10%的變色，分別在接種后90天和180天內(nèi)發(fā)展到100%變色和整株枯萎。第三次反應(yīng)涉及5棵黑松和4棵馬尾松，表現(xiàn)出緩慢的感染，然后逐漸恢復(fù)健康。第四次反應(yīng)以5棵黑松和4棵馬尾松為特色，迅速感染變色，但隨后迅速恢復(fù)到綠色或灰綠色狀態(tài)。第五次反應(yīng)包括7棵黑松和2棵表現(xiàn)出緩慢感染的馬尾松。與其他感染狀態(tài)相比，這些樹木表現(xiàn)出更長(zhǎng)的視覺前階段持續(xù)時(shí)間。

根據(jù)病木葉綠素濃度在感染過程中的變化比較，如圖1所示，健康對(duì)照黑松的葉綠素含量在整個(gè)測(cè)量期間保持穩(wěn)定。僅在接種后第178天的測(cè)量期間，觀察到葉綠素含量略有下降。然而，這種下降明顯小于在接種的松樹中觀察到的下降。這種小幅下降的主要原因是它與冬天的到來相吻合。然而，與黑松相比，馬尾松在衰退和恢復(fù)方面表現(xiàn)出更劇烈的變化，尤其是當(dāng)測(cè)量期延長(zhǎng)到冬季時(shí)。這表明在SI、SR和QR感染狀態(tài)下樹種之間葉綠素含量變化的差異是顯著的。此外，季節(jié)性變化對(duì)葉綠素含量的影響也很明顯，特別是在受PWD感染的樹木中。

圖2 Pinus thunbergii（a）和Pinus massoniana（b）5種侵染狀態(tài)下接種后葉綠素濃度的變化

植被指數(shù)的變化證實(shí)了光譜特征對(duì)PWD感染進(jìn)展的有效響應(yīng)。然而，很明顯，當(dāng)受感染的樹木中出現(xiàn)可見的變色特征時(shí)，會(huì)發(fā)生顯著的光譜變化。在視覺前階段對(duì)受感染樹木的可檢測(cè)性意味著可以識(shí)別出細(xì)微的光譜變化。我們將2個(gè)物種的感染木分為視覺前階段（PV）和視覺階段。在視覺階段中，進(jìn)一步細(xì)分，區(qū)分早期視覺階段（EV，樹木變色在10%以內(nèi)）和晚期視覺階段（LV，樹木變色超過10%）。通過隨機(jī)森林方法對(duì)原始波段、VI和組合數(shù)據(jù)集分別進(jìn)行分類。在分類過程中，健康對(duì)照與PV、EV和LV階段一起分類，形成四類。結(jié)果表明，黑松的總體分類準(zhǔn)確率超過80%，馬尾松的分類準(zhǔn)確率均低于70%。實(shí)驗(yàn)結(jié)果還表明，雖然高光譜方法可用于黑松和馬尾松的早期檢測(cè)，但準(zhǔn)確性明顯低于晚期。此外，兩種松樹種的識(shí)別能力存在顯著差異。

在對(duì)數(shù)據(jù)集進(jìn)行分類時(shí)，使用兩種方法確定了對(duì)分類貢獻(xiàn)最大的*十個(gè)波段或植被指數(shù)（VI）：RF和PCA用于光譜學(xué)。通過射頻方法發(fā)現(xiàn)兩種物種的較高重要性條帶集中在相似的范圍內(nèi)，在特定條帶方面存在顯著差異；PCA-S確定的貢獻(xiàn)最大的因素在兩種松樹種之間表現(xiàn)出高度的一致性。

在站點(diǎn)C進(jìn)行的無人機(jī)飛行實(shí)驗(yàn)中，在接種黑松和馬尾松的樹木中，除了一棵保持健康的樹木外，其余三棵樹作為站點(diǎn)A和B表現(xiàn)出快速感染（QI）的癥狀。由于樹木中大部分癥狀變化始于樹冠中下部，因此從無人機(jī)圖像觀察時(shí)，樹冠頂部針葉的變色滯后。因此，在圖像上選擇樣本像素時(shí)，尤其是在可見癥狀變化期間，選擇將基于空中變色特征和地面觀測(cè)，以最大限度地減少冠層頂部新鮮樹葉的干擾。

圖3 馬尾松（a）和黑松（b）的無人機(jī)RGB圖像中接種后病松的發(fā)育

分析了自接種之日起RVI（680-550, 750）和NDVI（560, 680）的時(shí)間動(dòng)態(tài)，在疾病進(jìn)展過程中，兩個(gè)指數(shù)的變化趨勢(shì)與非成像數(shù)據(jù)分析的結(jié)果一致。就兩個(gè)指數(shù)值的變化時(shí)間而言，馬尾松比黑松更快地進(jìn)入視覺上可辨別的變色階段。這種疾病的進(jìn)展與對(duì)接種樹木的實(shí)地調(diào)查結(jié)果一致。此外，與非成像數(shù)據(jù)分析的結(jié)果一致，這兩個(gè)指標(biāo)雖然表明區(qū)分了視覺前階段和視覺階段，但在視覺前階段，患病樹木和健康樹木之間的差異很小，使其不足以識(shí)別這一階段的患病樹木。

圖4 無人機(jī)圖像顯示馬森和黑松快速感染狀態(tài)下RVI（680-550, 750）和NDVI（560, 680）的時(shí)間變化

注：在實(shí)驗(yàn)2中，觀察到黑松和馬尾松分別在接種后第44天和第25天最初進(jìn)入視覺變色階段。

利用無人機(jī)高光譜圖像在HC、PV、EV和LV階段建立4組光譜數(shù)據(jù)和43個(gè)VI。無論成像還是非成像數(shù)據(jù)集，黑松使用原始波段和VIs組合數(shù)據(jù)集的分類精度最高，而馬尾松使用VIs數(shù)據(jù)實(shí)現(xiàn)的分類精度最高。此外，在相應(yīng)時(shí)期，實(shí)驗(yàn)2中成像數(shù)據(jù)的分類精度普遍高于實(shí)驗(yàn)1中的非成像數(shù)據(jù)。這可能是由于與實(shí)驗(yàn)1相比，實(shí)驗(yàn)2中接種的黑松和馬尾松的疾病進(jìn)展更快。此外，與非成像數(shù)據(jù)選擇的結(jié)果類似，波段或VI的選擇存在顯著的不確定性，在各種分類組合的*十名貢獻(xiàn)中觀察到顯著變化。同樣，RVI（554, 677）或NDVI（531, 570）也出現(xiàn)在各種成像數(shù)據(jù)分類組合中，在重要性排序的優(yōu)先位置排名突出。使用PCA-S方法獲得的重要性排序結(jié)果表明，對(duì)于黑松和馬尾松，以及任何分類組合，選定的6個(gè)VI與非成像數(shù)據(jù)選擇的結(jié)果完*一致，重要性排序順序僅略有不同。

圖5 HC、PV、EV和LV階段的黑松（左）和馬尾松（右）的PCA-S評(píng)分圖

結(jié)合成像和非成像數(shù)據(jù)，分析RVI（554, 677）、NDVI（531, 570）的視覺前分期變化以及PCA-S選擇的6個(gè)穩(wěn)定指標(biāo)。RVI（680-550, 750）和NDVI（560, 680）的值可以用作預(yù)測(cè)感染狀態(tài)是否會(huì)很快變得可見的指標(biāo)，因?yàn)樗鼈儚年幮缘疥?yáng)性或陽(yáng)性到陰性的明顯變化，在視覺前階段選擇的VI的變化雖然一致，但并不能為確定此階段的感染提供明確的標(biāo)準(zhǔn)。然而，無人機(jī)圖像的特性可能為通過這些光譜變化引起的圖像中的細(xì)微顏色變化來識(shí)別視覺前階段提供了潛力。

圖6 黑松和馬尾松4個(gè)特異性VIs在HC和3個(gè)PV期（接種后第10、14、20天）的平均值變化

當(dāng)使用選定的8個(gè)VI進(jìn)行顏色合成時(shí)，我們發(fā)現(xiàn)生成的偽彩色圖像高度碎片化，因此難以辨別樹冠本身。盡管一些組合在視覺前階段確實(shí)在受感染的樹木中顯示出顏色差異，但它們需要初始樹冠分割才能正確顯示樹冠信息，這增加了識(shí)別過程的復(fù)雜性。為了更好地保留冠狀特征并提高圖像可讀性，我們保留了原始的紅色（R, 648.5 nm）和藍(lán)色（B, 449.5 nm）波段信息，并在顏色合成過程中用各種VI替換了綠色波段。

圖7 馬尾松（a）和黑松（b）在侵染期（1、10、14、20和106）下的假彩色圖像接種后第二天）

結(jié)論

我們?cè)?個(gè)地點(diǎn)對(duì)接種PWD的黑松和馬尾松進(jìn)行了高光譜監(jiān)測(cè)實(shí)驗(yàn)，收集了成像和非成像高光譜數(shù)據(jù)，涵蓋了從視覺前感染階段到視覺階段的整個(gè)周期，其中整棵樹表現(xiàn)出變色和枯萎。使用RF，對(duì)感染樹木和健康對(duì)照在不同階段的光譜特征進(jìn)行分類，重點(diǎn)是接種后第7、10、14、20和28天的視覺前階段。使用RF和PCA-S對(duì)非成像數(shù)據(jù)和無人機(jī)圖像，基于原始波段、43個(gè)VI及其組合進(jìn)行重要性分析。指數(shù)整合了來自紅、綠、紅邊和近紅外波段的關(guān)鍵信息，在視覺前階段識(shí)別受感染的樹木方面發(fā)揮著至關(guān)重要的作用。將這些VI與真彩色圖像中的紅色（648.5 nm）和藍(lán)色（449.5 nm）波段相結(jié)合，生成了偽彩色合成圖像。從接種后第14天開始，這些復(fù)合材料開始在圖像中顯示色差，直觀地顯示出可檢測(cè)的差異。

推薦產(chǎn)品

350-1050 nm的推掃式成像光譜儀（GaiaSky-mini2-VN，江蘇雙利合譜光譜成像技術(shù)有限公司，中國(guó)江蘇無錫）

作者簡(jiǎn)介

一作：潘潔；南京林業(yè)大學(xué)林草學(xué)院、華南地區(qū)可持續(xù)林業(yè)協(xié)同創(chuàng)新中心；碩導(dǎo)。

參考文獻(xiàn)

論文引自一區(qū)SCI：Jie Pan, Xinquan Ye, Fan Shao, Gaosheng Liu, Jia Liu, Yunsheng Wang. Impacts of pine species, infection response, and data type on the detection of Bursaphelenchus xylophilus using close-range hyperspectral remote sensing, Remote Sensing of Environment, 2024.