劉云鵬，解春霞，李 莉，張林燕

(江蘇省林業(yè)科學(xué)研究院，江蘇 南京 211153； 溧陽市林業(yè)站，江蘇 溧陽 213300)

松材線蟲病是森林生態(tài)系統(tǒng)中最具毀滅性的森林病害之一，被列為我國(guó)林業(yè)檢疫性有害生物，常被稱作松樹的“癌癥”。自1982年在江蘇南京首次發(fā)生以來，疫情不斷擴(kuò)展蔓延，已成為我國(guó)近幾十年來發(fā)生最嚴(yán)重、最危險(xiǎn)的重大林業(yè)病害。據(jù)國(guó)家林業(yè)和草原局公告(2022年第6號(hào))顯示，截至2022年，我國(guó)松材線蟲病已擴(kuò)展至19個(gè)省(區(qū)、市)731個(gè)縣級(jí)行政區(qū)，發(fā)生面積超過180 萬hm2，致死松樹數(shù)十億株，造成的直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損不可估量。目前，疫情發(fā)生區(qū)域最西端已達(dá)四川涼山，最北端到達(dá)遼寧撫順，并已入侵到廬山、黃山、張家界、九華山等多個(gè)重要的國(guó)家級(jí)風(fēng)景名勝區(qū)和生態(tài)區(qū)。目前,我國(guó)松材線蟲病縣級(jí)疫區(qū)數(shù)量占全國(guó)縣級(jí)行政區(qū)的20.5%，但相對(duì)于全國(guó)6 000萬hm2松林而言，松材線蟲病的發(fā)生面積還只占現(xiàn)有松林面積的極少部分，還有逾90%的健康松林正面臨著松材線蟲病傳播侵染的威脅[1]。鑒于此，加強(qiáng)疫情防控，遏制松材線蟲病疫情快速傳播和發(fā)展，成為當(dāng)務(wù)之急。

松材線蟲病防控的4個(gè)關(guān)鍵環(huán)節(jié)為病害檢疫、疫情監(jiān)測(cè)、疫木除治和媒介昆蟲防治，其中疫情監(jiān)測(cè)最為重要。松材線蟲病的疫情監(jiān)測(cè)是一切防控的前提。目前，傳統(tǒng)的松材線蟲病監(jiān)測(cè)主要依靠人工踏查，由于受森林地勢(shì)、林間雜灌等影響，人工踏勘的勞動(dòng)強(qiáng)度大、作業(yè)效率低，特別是在山地陡坡、林分茂密、人跡罕至的惡劣區(qū)域，全面勘察更加困難。隨著無人機(jī)技術(shù)和多光譜、高光譜信息采集設(shè)備的小型化，以及遙感圖像分析算法的不斷豐富，無人機(jī)遙感監(jiān)測(cè)技術(shù)能夠較好地解決人工踏查效率低、衛(wèi)星遙感分辨率差的缺點(diǎn)。因此，開展無人機(jī)遙感技術(shù)研究和應(yīng)用，對(duì)松材線蟲病的大面積監(jiān)測(cè)、流行動(dòng)態(tài)研究、防控效果評(píng)價(jià)和災(zāi)害損失評(píng)估等均具有重要意義。

1 基于遙感數(shù)據(jù)監(jiān)測(cè)松材線蟲病的基本原理

松樹感染松材線蟲病后，典型癥狀就是葉片會(huì)轉(zhuǎn)變?yōu)辄S褐色，嚴(yán)重后轉(zhuǎn)變?yōu)榧t褐色，最后完全枯萎死亡。在這個(gè)過程中，松樹針葉內(nèi)部的組織結(jié)構(gòu)、水分含量、葉綠素含量等均會(huì)呈現(xiàn)相應(yīng)的變化[2-3]，并在光譜特征中有所體現(xiàn)。無人機(jī)遙感監(jiān)測(cè)技術(shù)是通過遙感圖像信息采集設(shè)備采集上述松樹針葉的變化信息，并對(duì)其進(jìn)行對(duì)應(yīng)分析和分類識(shí)別，即可了解松樹的健康狀況。人們對(duì)感染了松材線蟲病的黑松和馬尾松針葉進(jìn)行分析發(fā)現(xiàn)，感病后的針葉含水量、葉綠素、類胡蘿卜素含量均有顯著下降。通過ASD光譜儀測(cè)量感病松針的反射光譜也發(fā)現(xiàn)，感病松針與健康松針在近紅外和中紅外波段(波長(zhǎng)大于800 nm)的光譜反應(yīng)有明顯差異。進(jìn)一步對(duì)比不同感病階段光譜反應(yīng)發(fā)現(xiàn)，隨發(fā)病程度加重，光譜紅邊位置藍(lán)移，綠峰反射高度逐漸降低[4-6]。黃明祥等[7]在研究馬尾松高光譜時(shí)序特征中發(fā)現(xiàn)，感病馬尾松與健康馬尾松的時(shí)序光譜差異較大，其近紅外平臺(tái)內(nèi)最大的一階微分值、紅邊內(nèi)一階微分的總和與藍(lán)邊內(nèi)一階微分的總和比值等差異尤其顯著。馬躍等[8]在分析不同發(fā)病階段黑松針葉的反射光譜特征曲線中發(fā)現(xiàn)，感病針葉光譜紅邊位置藍(lán)移、綠峰反射高度、紅谷吸收深度均降低，紅邊斜率也逐漸減小。王震等[9]利用波段值為350—1 050 nm 的便攜式光譜儀測(cè)定了不同感病階段的馬尾松特征光譜發(fā)現(xiàn)，不同感病階段的馬尾松針葉在近紅外區(qū)域(760—900 nm)的光譜反射率差異極顯著。這些基于松材線蟲病感病植株光譜特征的研究表明，光譜特征上的差異可以用于松材線蟲病的動(dòng)態(tài)監(jiān)測(cè)，也為無人機(jī)遙感監(jiān)測(cè)奠定了基礎(chǔ)。

2 無人機(jī)遙感圖像的采集

無人機(jī)遙感圖像采集作業(yè)流程通?？梢愿爬橐韵聨讉€(gè)步驟[10-11]：首先，根據(jù)遙感任務(wù)要求，在地面控制系統(tǒng)中進(jìn)行航跡規(guī)劃，并依據(jù)地形、光照等情況設(shè)定航線、航速、航高，以及遙感傳感器的采集方式、速度等參數(shù)；其次，通過地面控制系統(tǒng)將上述參數(shù)載入到無人機(jī)系統(tǒng)和遙感傳感器系統(tǒng)；再次，無人機(jī)系統(tǒng)和遙感傳感器系統(tǒng)按照預(yù)設(shè)的航線和采集方式進(jìn)行拍攝采集；最后，遙感傳感器將拍攝的圖像數(shù)據(jù)進(jìn)行存儲(chǔ)，或利用無線傳輸通道將數(shù)據(jù)傳輸?shù)降孛娴目刂谱酉到y(tǒng)，用于后續(xù)圖像分析。目前，無人機(jī)搭載的傳感器多以數(shù)字化、重量輕、體積小、探測(cè)精度高的設(shè)備為主，如：數(shù)碼相機(jī)、多光譜相機(jī)、高光譜相機(jī)、紅外掃描儀、雷達(dá)等[12-14]。在林業(yè)相關(guān)應(yīng)用中，可見光和多光譜、高光譜等3類遙感傳感系統(tǒng)應(yīng)用較為廣泛。

可見光遙感一般有紅、綠、藍(lán) 3 個(gè)波段。近年來,近地低空無人機(jī)平臺(tái)的快速發(fā)展以及數(shù)碼相機(jī)性能的不斷提高,使得高空間分辨率的無人機(jī)可見光數(shù)據(jù)獲取更加便捷。劉遐齡等[15]利用無人機(jī)搭載高分可見光傳感器采集遙感圖像，并通過人工目視和模版匹配2種方法對(duì)疫區(qū)松材線蟲病死木進(jìn)行識(shí)別判讀，總體精度逾85%。 李衛(wèi)正等[16]利用無人機(jī)采集松材線蟲病疫區(qū)高分辨率遙感圖像,采用目視尋找方式，對(duì)病死木進(jìn)行識(shí)別，并做出定位標(biāo)記，實(shí)現(xiàn)了病死木位置信息的采集,其位置精度在0.24—2.82 m之間。然而，在疫區(qū)病死木識(shí)別、定位的實(shí)際應(yīng)用中發(fā)現(xiàn)，可見光遙感圖像受裸地、彩色樹種、變色雜灌等復(fù)雜地被情況的影響較大，在圖像精度、分類判讀模式和識(shí)別精度上還有待提高。

多光譜遙感除了可見光的紅、綠、藍(lán) 3 個(gè)波段外,還包括紅外、微波等波譜范圍,所獲得的遙感圖像在每個(gè)波段可以單獨(dú)提取成為1幅灰度圖像。Saari 等[17]開發(fā)了無人機(jī)搭載珀羅干涉儀的多光譜圖像采集系統(tǒng)，其相機(jī)光譜波長(zhǎng)在500—900 nm之間。褚東花等[18]利用無人機(jī)平臺(tái)搭載雙光譜相機(jī)獲取遙感圖像，采用加權(quán)支持向量分類算法進(jìn)行受害木識(shí)別，得到的遙感識(shí)別精度達(dá)0.98。黃寶華[19]利用無人機(jī)搭載有450—940 nm的多光譜相機(jī)來獲取松材線蟲病疫區(qū)圖像數(shù)據(jù)，對(duì)人工黑松純林的病死木識(shí)別準(zhǔn)確率為100%。多光譜遙感是基于特定光譜波長(zhǎng)的圖像數(shù)據(jù)采集，因此，相對(duì)可見光遙感圖像所獲得的信息增加，但依然會(huì)有非特定光譜波段的信息缺失。

為了獲得更多的遙感圖像信息，高光譜遙感技術(shù)獲得了進(jìn)一步發(fā)展。高光譜遙感實(shí)際上是將成像技術(shù)和多光譜技術(shù)有機(jī)結(jié)合，對(duì)地面目標(biāo)物空間特征進(jìn)行成像的技術(shù)。圖像采集過程中，每個(gè)空間像素單元都經(jīng)過色散處理，而形成幾十個(gè)甚至幾百個(gè)較窄的光譜波段,使地物特征形成連續(xù)光譜波段信息。這些連續(xù)光譜的圖像數(shù)據(jù)，能夠?yàn)閰^(qū)分變色松樹、彩色闊葉樹、稀疏植被和裸土等提供更好的數(shù)據(jù)基礎(chǔ)。Fassnacht等[20]對(duì)變色松樹的高光譜識(shí)別進(jìn)行研究后發(fā)現(xiàn)，遙感圖像中變色松樹的分類精度與特征光譜波段的選擇有直接相關(guān)性。李嘉祺等[21]通過提前對(duì)人工標(biāo)注的枯死病樹和正常松樹進(jìn)行高光譜圖像采集、分析，獲得其特征波段，再利用無人機(jī)搭載多光譜相機(jī)，采集整個(gè)試驗(yàn)區(qū)進(jìn)入遙感圖像，并以前期獲得特征光譜為標(biāo)準(zhǔn)，對(duì)試驗(yàn)區(qū)病死樹進(jìn)行識(shí)別與標(biāo)注，其準(zhǔn)確率可達(dá)95.03%。

總體而言，運(yùn)用高光譜傳感器和多光譜傳感器能夠獲得比可見光傳感器或衛(wèi)星遙感更加細(xì)致和精準(zhǔn)的數(shù)據(jù)，能夠?yàn)樘岣吣Ｐ偷臏?zhǔn)確率和可靠性提供更好的支持。此外，無人機(jī)遙感圖像采集過程中的圖像重疊率也十分關(guān)鍵，一般航向重疊率要在60%以上，旁向重疊率要求在30%以上，才能在全景拼接時(shí)獲得較好的拼接效果。

3 無人機(jī)遙感圖像的拼接

無人機(jī)遙感在采集圖像過程中，受無人機(jī)平臺(tái)自身穩(wěn)定性、拍攝時(shí)的自然條件、相機(jī)傳感器曝光時(shí)間、天氣因素等多方面的影響，可能使遙感圖像在一定程度上出現(xiàn)幾何形態(tài)的平移、旋轉(zhuǎn)、縮放等，同時(shí)也會(huì)出現(xiàn)亮度和顏色上的差異。此外，無人機(jī)傳感器還會(huì)因2次航拍時(shí)間上的間隔，造成拍攝的2幅圖像上出現(xiàn)色差、圖像亮度、飽和度不一致等問題。這些均會(huì)影響最終的遙感圖像質(zhì)量。因此，就需要對(duì)這些圖像進(jìn)行輻射校正、配準(zhǔn)等預(yù)處理，消除圖像中的變形和色差，并融合拼接成高質(zhì)量的全景圖像[22](見圖1)。

圖1 無人機(jī)遙感圖像的全景拼接流程

圖像預(yù)處理的首要任務(wù)，是對(duì)遙感圖像采集過程中產(chǎn)生的各種畸變進(jìn)行校正，以使單幅瓦片圖像處于同一基準(zhǔn)投影面上,消除圖像之間的偏差，減少對(duì)拼接效果的影響。無人機(jī)遙感圖像幾何校正主要包括坐標(biāo)系統(tǒng)變換、構(gòu)建共線方程、重采樣等過程。王學(xué)平[23]以廣東省從化市 ETM +遙感數(shù)據(jù)和 GIS 數(shù)據(jù)為基礎(chǔ),通過圖像坐標(biāo)的空間轉(zhuǎn)換、圖像像元灰度值重采樣等步驟，深入分析遙感圖像的幾何校正原理和應(yīng)用, 提出了圖像幾何校正是提高遙感分析精度的有效途徑。厙向陽等[24]在對(duì)目標(biāo)遙感圖像進(jìn)行幾何校正處理過程中，對(duì)比了近似幾何校正算法、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)算法等幾種處理方法，優(yōu)化了基于支持向量機(jī)算法的遙感圖像幾何校正方法和實(shí)現(xiàn)步驟，為遙感圖像定量化和高精度化分析提供了技術(shù)支持。

圖像配準(zhǔn)是決定圖像拼接質(zhì)量的關(guān)鍵。對(duì)于無人機(jī)航拍獲取的序列圖像來說，由于無人機(jī)自身重量輕，受到氣流影響較大，易造成遙感圖像中出現(xiàn)偏移、擠壓、扭曲等畸變現(xiàn)象，使得基于單一變換域或灰度信息的圖像配準(zhǔn)方法很難達(dá)到理想的匹配效果?；谔卣鞯膱D像配準(zhǔn)方法更適用于無人機(jī)圖像配準(zhǔn)。基于特征的圖像配準(zhǔn)方法：首先是采用人工或自動(dòng)的方法提取圖像的各類特征,如轉(zhuǎn)角、邊界線或輪廓線、曲線等，再按序列圖像的空間關(guān)系，匹配所提取特征，估算圖像間的變換關(guān)系，最后再利用得到的變換關(guān)系對(duì)圖像進(jìn)行處理,得出多幅圖像在同一坐標(biāo)系下的配準(zhǔn)圖像。基于特征的圖像配準(zhǔn)方法因具有壓縮信息量、算法靈活、處理速度快、精度高等優(yōu)點(diǎn),是近年來研究較多的方法。由Lowe[25]在1999年提出的尺度不變特征變換匹配算法(SIFT)，是經(jīng)典的基于特征的圖像配準(zhǔn)算法。近年來，在SIFT 算法基礎(chǔ)之上又衍生出一些其他算法，如ASIFT,CSIFT,PCA-SIFT,SURF 算法等[26-28]。周佳欣等[29]在SIFT算法的基礎(chǔ)上，通過多尺度空間極值點(diǎn)提取，曲線擬合確定特征點(diǎn)的位置，再根據(jù)確定的特征點(diǎn)來完成匹配。改進(jìn)后的SIFT算法在運(yùn)行時(shí)間上減少了0.47 s,運(yùn)算速度則提高了10.7%。

圖像融合的目的是將配準(zhǔn)后的圖像基于一定的變換模型合并成1幅全景圖像。圖像融合不僅僅是遙感圖像的簡(jiǎn)單復(fù)合, 而是采用一定的算法來對(duì)信息進(jìn)行優(yōu)化、突出特征信息、減少冗余信息,從而增加圖像解譯可靠性和準(zhǔn)確性[30]。從信息表征層次上來看，圖像融合方法可分為3個(gè)層次: 像元級(jí)融合、特征級(jí)融合和決策級(jí)融合。像元級(jí)融合是在原始數(shù)據(jù)層上的直接融合, 獲得的全景圖像清晰度更符合人或機(jī)器的視覺性要求,但相對(duì)的特征信息量較少，屬于低層次的融合技術(shù)。特征級(jí)的融合是在對(duì)各種數(shù)據(jù)源進(jìn)行識(shí)別目標(biāo)特征提取、分析的基礎(chǔ)上, 再進(jìn)行融合處理。其較像元級(jí)融合技術(shù)不僅突出了圖像中目標(biāo)特征信息，同時(shí)還可以大幅減少數(shù)據(jù)量。決策級(jí)的融合是最高層次的融合技術(shù), 是在對(duì)原始圖像進(jìn)行特征提取和分析的基礎(chǔ)上，通過引入一些輔助識(shí)別的信息對(duì)數(shù)據(jù)決策判別之后，再將這些有價(jià)值的信息進(jìn)行融合。融合后的圖像能夠?yàn)闆Q策分析提供更多的信息。

4 無人機(jī)遙感圖像分析

遙感圖像分析是依據(jù)圖像中每個(gè)像元的空間結(jié)構(gòu)、特征光譜信息或其他分類特征信息，按照一定的分類規(guī)則或算法，劃分成不同的類別。目前，基于無人機(jī)航拍遙感圖像的分類大體可分為非監(jiān)督分類和監(jiān)督分類2種。2種分類最本質(zhì)的區(qū)別是有沒有訓(xùn)練樣本的存在：非監(jiān)督分類不需要訓(xùn)練樣本，只使用某個(gè)單一的光譜信息進(jìn)行分類，因其原理相對(duì)簡(jiǎn)單，存在“同譜異物”“同物異譜”的現(xiàn)象，易造成分類上的混淆和錯(cuò)誤；而監(jiān)督分類則是在利用遙感軟件進(jìn)行分類前，需要人工輔助從遙感圖像上選擇若干個(gè)典型目標(biāo)物或目標(biāo)區(qū)域作為分類的訓(xùn)練樣本，再通過不同的軟件分類器和算法，對(duì)比遙感圖像中的像元和訓(xùn)練樣本中的像元，并將圖像中與之最相近的像元都?xì)w為同一類，從而實(shí)現(xiàn)對(duì)整個(gè)全景遙感圖像的分類。監(jiān)督分類研究是遙感圖像分類的熱點(diǎn)，其分類方法也相對(duì)較多，其中，決策樹分類法和支持向量機(jī)分類法因具有較好的分類精度，在遙感圖像的分類過程中被廣泛的應(yīng)用。

決策樹分類法[31]是基于圖像數(shù)據(jù)庫(kù)中擁有最大信息量的屬性字段，建立決策樹的根節(jié)點(diǎn)，再依據(jù)指定規(guī)則對(duì)遙感圖像進(jìn)行運(yùn)算，根據(jù)計(jì)算邏輯值(是或否)生成2分支或多分支。按此步驟再向下進(jìn)行拓展，直至將圖像分出目標(biāo)類別(葉節(jié)點(diǎn))。決策樹分類法除能夠利用光譜特性以外，還可以利用幾何、紋理、地形等特征信息，可以提取多維度的、多目標(biāo)屬性信息進(jìn)行分類，其分類結(jié)果也更加直觀、清晰，計(jì)算效率更高。常見的決策樹算法有 ID3，C4.5，CART 這3種[32]。基于決策樹分類法的松材線蟲病監(jiān)測(cè)分類研究較少。黃芳芳等[33]利用 Landsat-8 遙感圖像中7個(gè)波段原始光譜值作為自變量，采用決策樹CART算法對(duì)湖北省宜昌市馬尾松松材線蟲病進(jìn)行遙感監(jiān)測(cè)分類，平均分類精度在76%以上，對(duì)松材線蟲病的大面積監(jiān)測(cè)具有一定的指導(dǎo)意義。

支持向量機(jī)(SVM)分類法是機(jī)器學(xué)習(xí)中非常重要的分類算法之一。它通過將特征向量映射到高維特征空間，并在這個(gè)特征空間中構(gòu)建出一個(gè)最優(yōu)超平面，使2類圖像單元無錯(cuò)誤地區(qū)分開 ,并使它們的分類間隙最大化，最終實(shí)現(xiàn)對(duì)遙感圖像的分類。它在解決小樣本數(shù)據(jù)、非線性映射和高維模式識(shí)別方面具有較強(qiáng)優(yōu)勢(shì)。隨著大量學(xué)者的不斷深入研究，SVM分類法衍生出許多改進(jìn)和擴(kuò)展算法，如模糊支持向量機(jī)(FSVM)、加權(quán)支持向量機(jī)(WSVM)、最小二乘支持向量機(jī)(LSSVM)、孿生支持向量機(jī)(TSVM)等。胡根生等[34]利用改進(jìn)的加權(quán)支持向量多分類算法，實(shí)現(xiàn)感病松樹的精確識(shí)別,分類精度為 0.949 2。張學(xué)敏[35]將特征稀疏表示和WWSVDD多分類相結(jié)合，提出了一種基于加權(quán)支持向量數(shù)據(jù)描述的感病松樹遙感圖像分類算法，分類精度達(dá)到0.947 0。

5 松材線蟲病的無人機(jī)遙感監(jiān)測(cè)技術(shù)應(yīng)用

隨著多光譜、高光譜采集設(shè)備和無人機(jī)技術(shù)的飛速發(fā)展，基于無人機(jī)航拍遙感的松材線蟲病監(jiān)測(cè)的應(yīng)用案例也越來越多。武紅敢等[36]利用無人機(jī)遙感監(jiān)測(cè)技術(shù)在重慶市沙坪壩區(qū)對(duì)松材線蟲病進(jìn)行監(jiān)測(cè)應(yīng)用，監(jiān)測(cè)準(zhǔn)確率為94%，定位精度在10 m 以內(nèi)。黃華毅等[37]利用固定翼無人機(jī)搭載可見光數(shù)碼相機(jī)和多光譜數(shù)碼相機(jī)，采集了試驗(yàn)區(qū)可見光和多光譜圖像，采用植被指數(shù) (NDVI)對(duì)圖像進(jìn)行了分類，獲得了試驗(yàn)區(qū)疫木的分布位置圖和GPS坐標(biāo)點(diǎn)，驗(yàn)證監(jiān)測(cè)準(zhǔn)確率超80%，坐標(biāo)點(diǎn)精度達(dá)到2—3 m。黃華毅等[37]利用 Faster R-CNN 深度學(xué)習(xí)框架對(duì)無人機(jī)航拍獲得的可見光和多光譜遙感圖像中的病枯死松樹進(jìn)行判別，正確率分別達(dá)到 90% 和 82%。李嘉祺等[21]運(yùn)用無人機(jī)光譜遙感和卷積神經(jīng)網(wǎng)絡(luò)分類模型，進(jìn)行林區(qū)松材線蟲病疫木自動(dòng)識(shí)別和標(biāo)注，準(zhǔn)確率超95%。這些案例均為大面積松材線蟲病發(fā)生現(xiàn)狀和流行動(dòng)態(tài)的監(jiān)測(cè)、防控效果和災(zāi)害損失的評(píng)估提供了技術(shù)支撐與應(yīng)用示范。

基于無人機(jī)可見光、多光譜、高光譜的低空遙感監(jiān)測(cè)技術(shù)逐漸成熟，2016年，安徽省質(zhì)量技術(shù)監(jiān)督局發(fā)布了《基于無人機(jī)平臺(tái)的松材線蟲病枯死松樹監(jiān)測(cè)技術(shù)規(guī)程》地方標(biāo)準(zhǔn)。2018年，中國(guó)林學(xué)會(huì)發(fā)布了《無人機(jī)遙感監(jiān)測(cè)異常變色木操作規(guī)程》行業(yè)標(biāo)準(zhǔn)。這些標(biāo)準(zhǔn)對(duì)無人機(jī)遙感監(jiān)測(cè)作業(yè)中的航拍系統(tǒng)、航拍計(jì)劃與設(shè)計(jì)方案、圖像質(zhì)量、信息處理等應(yīng)用技術(shù)環(huán)節(jié)進(jìn)行了規(guī)范，為大面積松材線蟲病疫木的快速識(shí)別和定位提供了新的途徑和方法，也為松材線蟲病的治理效果核查與災(zāi)害評(píng)估等工作提供了支持。

6 問題與展望

隨著無人機(jī)遙感技術(shù)的不斷發(fā)展，其及時(shí)獲取多時(shí)態(tài)、多角度、多光譜、高精度遙感圖像的優(yōu)勢(shì)，能夠?yàn)闆Q策者提供及時(shí)的松材線蟲病監(jiān)測(cè)信息，逐漸在研究和生產(chǎn)中得到重視。然而，無人機(jī)在穩(wěn)定性、續(xù)航時(shí)間、可操控性及遙感圖像獲取和處理、枯死松樹識(shí)別的準(zhǔn)確率等方面依然存在一些問題，從而限制了松材線蟲病無人機(jī)遙感監(jiān)測(cè)技術(shù)的應(yīng)用與推廣:

(1)無人機(jī)及遙感數(shù)據(jù)采集終端研發(fā)依然有待加強(qiáng)。無人機(jī)受自身重量、電池續(xù)航、天氣(風(fēng)力)以及載荷量、穩(wěn)定平臺(tái)的影響較大，飛行獲取的圖像數(shù)據(jù)質(zhì)量不高，從而影響后期數(shù)據(jù)的分析精度，距離生產(chǎn)上的實(shí)際應(yīng)用還存在一定差距。今后應(yīng)加強(qiáng)無人機(jī)硬件設(shè)備和飛行控制系統(tǒng)研究，開發(fā)具有高穩(wěn)定性的無人機(jī)機(jī)型和飛控技術(shù)，以及信息無線快速傳輸技術(shù)，提高遙感數(shù)據(jù)的精度和準(zhǔn)確度。此外，專業(yè)的飛手必不可少。只有飛手對(duì)飛行參數(shù)進(jìn)行科學(xué)、專業(yè)的規(guī)劃、設(shè)計(jì)和操控，才能確保獲得高質(zhì)量的遙感數(shù)據(jù)。

(2)基于無人機(jī)獲取遙感數(shù)據(jù)的解譯方法依然有待改進(jìn)。目前，松材線蟲病無人機(jī)遙感圖像的解譯工作仍然是以人工目視判讀或人機(jī)結(jié)合的方式為主，這種方式對(duì)判讀人員專業(yè)技術(shù)要求很高，存在主觀性強(qiáng)、效率低的弊端，難以滿足大面積快速識(shí)別、判讀的應(yīng)用需求。今后應(yīng)積累更全面的松材線蟲病疫木癥狀樣本、變色樹種樣本及其他非松材線蟲病枯死樹特征樣本，形成更加全面的樣本庫(kù)，并分析其在圖像上的區(qū)別特征，及時(shí)調(diào)整特征因子，優(yōu)化圖像拼接、配準(zhǔn)、融合、解譯分類算法及模型，挖掘更深層次的大數(shù)據(jù)相關(guān)性，從而提高系統(tǒng)對(duì)人機(jī)遙感數(shù)據(jù)的利用率和工作效率。

(3)無人機(jī)遙感監(jiān)測(cè)松材線蟲病的技術(shù)標(biāo)準(zhǔn)依然有待規(guī)范。松材線蟲病疫木監(jiān)測(cè)的主要標(biāo)志是松樹針葉感病后的變色特性，而松材線蟲病的發(fā)生是一個(gè)漸進(jìn)的過程，不同發(fā)病階段和不同發(fā)病程度的癥狀是不盡相同的。此外，彩葉樹種的變色期和闊葉樹的枯死木等均會(huì)影響系統(tǒng)的判讀。因此，今后還應(yīng)不斷完善松材線蟲病無人機(jī)遙感監(jiān)測(cè)技術(shù)的應(yīng)用研究，優(yōu)化、規(guī)范航拍高度、航速、航向重疊率和旁向重疊率等參數(shù)，確保遙感數(shù)據(jù)的全覆蓋和圖像空間分辨率的一致性。進(jìn)一步規(guī)范監(jiān)測(cè)數(shù)據(jù)采集時(shí)間節(jié)點(diǎn)，秋季遙感監(jiān)測(cè)宜選擇在9月下旬至10月上旬,春季則應(yīng)在4月下旬至5月初。一方面，這2個(gè)時(shí)間段內(nèi)健康植被生長(zhǎng)旺盛，有利于對(duì)遙感圖像中感病變色松樹的識(shí)別和定位；另一方面，也可以有效降低烏飯樹、楓香樹、山胡椒等許多樹種葉片變色帶來的干擾。

綜上所述，利用無人機(jī)遙感技術(shù)對(duì)松材線蟲病危害的病枯死樹進(jìn)行自動(dòng)化識(shí)別、定位，能顯著提高松材線蟲病監(jiān)測(cè)的效率和客觀性，能夠?yàn)樗刹木€蟲病的發(fā)生規(guī)律研究和應(yīng)急除治提供數(shù)據(jù)依據(jù)，在松材線蟲病監(jiān)測(cè)、預(yù)警、防控等方面均有著巨大的發(fā)展?jié)摿Α?/p>