秦 琳,孟先進(jìn),張水花,薛亞東,劉新科,邢 鵬

(1.廣東省林業(yè)調(diào)查規(guī)劃院,廣州 510520；2.二十一世紀(jì)(廣州)空間技術(shù)應(yīng)用有限公司,廣州 510500)

松材線蟲病(Pine Wilt Disease,PWD)被稱為松樹的“癌癥”,松樹一旦感染此病,40余天即可表現(xiàn)出枯死狀,3～5年即可造成整片松林死亡,是全球森林生態(tài)系統(tǒng)中最具危險(xiǎn)性、毀滅性的病害。松材線蟲病自1982年在我國南京中山陵首次發(fā)現(xiàn)以來,疫情發(fā)展范圍持續(xù)增加、發(fā)生面積快速增長、危害程度持續(xù)加重,截至2021年7月,松材線蟲病疫情已經(jīng)擴(kuò)散蔓延至全國19個(gè)省(自治區(qū)、直轄市),728個(gè)縣(市、區(qū))[1-2],損失的松樹累計(jì)達(dá)數(shù)億株,造成的直接經(jīng)濟(jì)損失和生態(tài)服務(wù)價(jià)值損失上千億元,防控形勢(shì)十分嚴(yán)峻。因此,對(duì)染病松樹進(jìn)行快速、準(zhǔn)確識(shí)別和定位研究,對(duì)松材線蟲病防治來講具有重大意義。

松樹感染松材線蟲病后,外部癥狀變化非常明顯,先是針葉失水、退綠,繼而變褐,而后整株枯死,針葉呈紅黃色或紅褐色(以下簡稱“變色松樹”)。這些變化會(huì)引起植物反射率異常,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)變化,為變色松樹的遙感監(jiān)測提供了可能[3-5]。受空間分辨率的影響,中低空間分辨率的衛(wèi)星影像只能實(shí)現(xiàn)大尺度監(jiān)測,而高分辨遙感衛(wèi)星則能完成精準(zhǔn)監(jiān)測。近年來,光學(xué)遙感衛(wèi)星的空間分辨率已經(jīng)達(dá)到了亞米級(jí),為變色松樹單株級(jí)別的精準(zhǔn)監(jiān)測提供了很好的數(shù)據(jù)源。國家林業(yè)和草原局印發(fā)的2021年版《松材線蟲病防治技術(shù)方案》,較2018年版增加了松樹異常衛(wèi)星遙感監(jiān)測技術(shù)參數(shù),明確指出用于松材線蟲病變色松樹監(jiān)測的衛(wèi)星影像數(shù)據(jù)必須擁有藍(lán)、綠、紅、近紅外4個(gè)光譜波段,多光譜波段分辨率不超過2m,全色波段分辨率不超過1m。目前,滿足松材線蟲病衛(wèi)星遙感監(jiān)測技術(shù)標(biāo)準(zhǔn)的遙感影像數(shù)據(jù)有國外的WorldView-2,3,4；GeoEye-1;KOMPSAT-3A;Pleiades及國產(chǎn)的高景一號(hào)等[6-7]。

2021年4月29日和8月17日,擁有甚高分辨率的北京三號(hào)國際合作星座(BJ3N)首批兩顆衛(wèi)星發(fā)射成功,有效提高了我國高分辨率遙感衛(wèi)星數(shù)據(jù)的供給能力,也為我國自主甚高分辨率空間大數(shù)據(jù)及空間信息綜合應(yīng)用提供了新選擇和新方向。為探索BJ3N衛(wèi)星影像在松材線蟲病遙感監(jiān)測上的潛力,本文利用BJ3N在廣東省韶關(guān)市相關(guān)影像開展松材線蟲病變色松樹的遙感監(jiān)測,通過DOM生產(chǎn)、影像融合、指數(shù)計(jì)算和信息提取等方法實(shí)現(xiàn)變色松樹的識(shí)別和提取,并對(duì)相關(guān)結(jié)果進(jìn)行評(píng)價(jià)與分析,以期為BJ3N數(shù)據(jù)在更多領(lǐng)域開展應(yīng)用研究提供參考依據(jù)。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于廣東省韶關(guān)市湞江區(qū)內(nèi)(圖1)，地理坐標(biāo)為24°45′～24°48′N,113°35′～113°37′E,屬亞熱帶山地季風(fēng)氣候,雨量充沛,年平均溫度20.2℃,年平均降雨量1 600mm,環(huán)境利于松墨天牛生存,是松材線蟲病疫區(qū),疫情較為嚴(yán)重。研究區(qū)面積約5km2,海拔為60～255m,森林覆蓋率約90%,主要樹種為馬尾松(PinusmassonianaLamb.)、杉木(Cunninghamialanceolata(Lamb.)Hook.)、樟(Cinnamomumcamphora(L.)presl)、楓香(LiquidambarformosanaHance)等。

圖1 研究區(qū)位置及概況示意圖

1.2 數(shù)據(jù)來源

BJ3N由4顆相同的0.3m分辨率衛(wèi)星組成,分別命名為BJ3N1,BJ3N2,BJ3N3,BJ3N4,本文采用的數(shù)據(jù)為BJ3N2影像,成像時(shí)間為2021年12月8日,產(chǎn)品等級(jí)為L1級(jí),數(shù)據(jù)特點(diǎn)如表1所示。

表1 BJ3N星座特性及能力

2 研究方法

通過遙感影像的正射糾正、影像融合、指數(shù)計(jì)算、樣本采集和模型訓(xùn)練等,實(shí)現(xiàn)變色松樹的智能解譯和提取,并對(duì)結(jié)果進(jìn)行分析評(píng)價(jià),研究技術(shù)路線如圖2所示。

圖2 研究技術(shù)路線圖

2.1 影像預(yù)處理

BJ3N的L1級(jí)影像已經(jīng)消除了成像光學(xué)載荷固有的輻射和幾何畸變誤差,該影像的預(yù)處理先采用RPC正射糾正,再利用主成分變換(PCA)、Pansharp、HIS變換[8-11]等方法進(jìn)行影像融合,然后通過均值、標(biāo)準(zhǔn)差、信息熵、平均梯度和空間頻率等指標(biāo)選擇融合效果最優(yōu)的影像作為研究區(qū)的遙感正射影像圖(DOM)。

2.2 指數(shù)計(jì)算

通過構(gòu)造歸一化植被指數(shù)(NDVI)、歸一化綠紅差異指數(shù)(NGRDI)、歸一化差異紅色邊緣指數(shù)(NDRE)[12-15]等相關(guān)植被指數(shù)來增強(qiáng)植被信息,并用植被指數(shù)的變異系數(shù)和相對(duì)極差作為指數(shù)敏感性的判斷依據(jù)。各植被指數(shù)的計(jì)算公式為:

NDVI=(NIR-R)/(NIR+R)

(1)

NGRDI=(G-R)/(G+R)

(2)

NDRE=(NIR-REG)/(NIR+REG)

(3)

式中:NIR為近紅外波段,R為紅光波段,G為綠光波段,REG為紅邊波段。

2.3 基于深度學(xué)習(xí)的智能提取

基于深度學(xué)習(xí)訓(xùn)練框架(TensorFlow/Keras/Pytorch),先對(duì)松材線蟲病變色松樹進(jìn)行樣本選取和標(biāo)注,再構(gòu)建模型,針對(duì)特定學(xué)習(xí)樣本進(jìn)行模型訓(xùn)練及優(yōu)化,最后基于深度學(xué)習(xí)自動(dòng)提取感染松材線蟲病的變色松樹信息[16-18]。

2.3.1樣本標(biāo)注與瓦片裁切

染病松樹在不同感病期針葉為黃褐色、紅褐色或者紅色(圖3)。根據(jù)影像光譜值的變化選取并標(biāo)注樣本,然后開展瓦片裁切,制作訓(xùn)練和驗(yàn)證樣本集。本文瓦片裁切大小為768×768像素,瓦片間重疊度為128像素,瓦片樣本如圖4所示。

圖3 健康松樹和變色松樹影像特征

圖4 部分瓦片圖

2.3.2模型訓(xùn)練迭代

初次訓(xùn)練:利用樣本集內(nèi)所有變色松樹樣本,使用基礎(chǔ)模型開展初始訓(xùn)練。

模型迭代:完成初始訓(xùn)練,選取驗(yàn)證樣本集,進(jìn)行模型預(yù)測,分析預(yù)測精度,總結(jié)典型漏提取和誤提取情況,進(jìn)行有針對(duì)性的樣本補(bǔ)充、模型參數(shù)和權(quán)重調(diào)整,開展模型多輪次迭代優(yōu)化。

2.3.3精度驗(yàn)證

由于研究區(qū)范圍內(nèi)松材線蟲病變色松樹較多,現(xiàn)地核驗(yàn)工作量較大,選用無人機(jī)航拍高清影像抽樣的方式進(jìn)行核驗(yàn),即在研究區(qū)范圍內(nèi)生成0.5km×0.5km網(wǎng)格,隨機(jī)挑選4個(gè)網(wǎng)格(圖5)進(jìn)行無人機(jī)高清拍攝和目視判讀,并將判讀結(jié)果作為真值對(duì)自動(dòng)提取的變色松樹圖斑進(jìn)行精度驗(yàn)證,以精確率(Precision)和召回率(Recall)作為精度評(píng)價(jià)指標(biāo),公式分別如式(4)、式(5)所示:

圖5 抽樣核驗(yàn)示意圖

Precision=TP/(TP+FP)

(4)

Recall=TP/(TP+FN)

(5)

式中:TP為正確檢出的變色松樹數(shù)目,FP為誤檢的變色松樹數(shù)目,FN為未檢出的變色松樹數(shù)目。精確率和召回率又被稱為查準(zhǔn)率和查全率。

3 結(jié)果與分析

3.1 影像融合結(jié)果評(píng)價(jià)分析

從圖6可以看出,3種融合方法對(duì)原始影像的空間信息都有不同程度的改善。表2則反映了影像光譜保真度、清晰度和信息量等方面的定量評(píng)價(jià)結(jié)果,指標(biāo)顯示Pansharp融合效果較好,HIS融合效果次之,PCA融合效果較差。

表2 融合影像定量評(píng)價(jià)結(jié)果

圖6 原始影像及不同融合方法融合后的影像

3.2 指數(shù)計(jì)算結(jié)果評(píng)價(jià)分析

通過圖7的指數(shù)灰度圖可以看出,NGRDI對(duì)增強(qiáng)松材線蟲病變色松樹的識(shí)別效果最好,能比較清楚地呈現(xiàn)變色松樹分布情況。表3統(tǒng)計(jì)了植被指數(shù)的變異系數(shù)和相對(duì)極差,其中NGRDI的相對(duì)極差最高,說明該植被指數(shù)對(duì)植被生長狀況的差異反應(yīng)是3種指數(shù)里較為敏感的,表4則是利用變異系數(shù)作為指標(biāo)來判斷指數(shù)敏感度,結(jié)果顯示3種植被指數(shù)均屬于中度敏感指數(shù)。

圖7 融合影像和指數(shù)灰度圖

表3 影像植被指數(shù)信息統(tǒng)計(jì)表

表4 敏感性分析表

3.3 變色松樹提取結(jié)果分析評(píng)價(jià)

從圖8和表5可知,核驗(yàn)區(qū)域共有變色松樹1 115株,其中正確檢測出985株,誤檢43株,漏檢130株,精確率(即查準(zhǔn)率)較高,產(chǎn)生的誤提取主要是枯萎植被或裸土區(qū)的影像特征表現(xiàn)與變色松樹的影像特征相似,產(chǎn)生了少量誤提取。召回率(即查全率)較低一些,主要是因?yàn)檫@些因素(圖9)對(duì)檢測精度產(chǎn)生了一定的負(fù)面影響:一是影像陰影會(huì)造成變色松樹的信息受損,直接影響地物識(shí)別；二是多株相鄰的變色松樹在衛(wèi)星影像上的單株邊界較為模糊,容易判別為1株,造成數(shù)量上的漏判；三是變色樹冠被遮擋或變色樹冠直徑太小,無法在衛(wèi)星影像上體現(xiàn)。

表5 提取結(jié)果統(tǒng)計(jì)表

圖8 提取結(jié)果和局部效果圖

圖9 誤差分析對(duì)照?qǐng)D

4 討論

基于衛(wèi)星遙感影像監(jiān)測森林病蟲害是一種經(jīng)濟(jì)高效的手段,具有監(jiān)測尺度大、多光譜和多時(shí)相等特點(diǎn),可以快速準(zhǔn)確實(shí)時(shí)地評(píng)估森林病蟲害。隨著空間技術(shù)的快速發(fā)展,利用亞米級(jí)衛(wèi)星數(shù)據(jù)進(jìn)行松材線蟲病監(jiān)測,可以精確到單株疫木,讓疫情評(píng)估從定性走向了定量。BJ3N衛(wèi)星擁有0.3m甚高分辨率的全色影像和6波段1.2m分辨率的多光譜影像,利用其開展松材線蟲病遙感監(jiān)測,對(duì)變色松樹單株級(jí)別的監(jiān)測和定位具有顯著優(yōu)勢(shì),能夠滿足松材線蟲病精準(zhǔn)監(jiān)測的應(yīng)用需求。但也存在以下問題,一是BJ3N是星座衛(wèi)星,首批兩顆衛(wèi)星于2021年發(fā)射成功,后續(xù)兩顆將于2022年發(fā)射,因此,現(xiàn)階段該衛(wèi)星數(shù)據(jù)的供給率是有局限的；二是發(fā)病初期的松樹外觀正常,健康松樹和變色松樹的光譜信號(hào)差異微弱,BJ3N影像在這一階段的遙感監(jiān)測能力較差；三是BJ3N多光譜影像較一般4波段衛(wèi)星多了深藍(lán)和紅邊兩個(gè)多光譜波段,新增的兩個(gè)波段在研究區(qū)松材線蟲病監(jiān)測方面的作用表現(xiàn)不突出,還有待在更多區(qū)域應(yīng)用更多數(shù)據(jù)開展持續(xù)的研究。

5 結(jié)論

BJ3N是我國擁有自主知識(shí)產(chǎn)權(quán)的甚高分辨率光學(xué)衛(wèi)星,本文利用BJ3N數(shù)據(jù)通過影像融合、指數(shù)計(jì)算和信息提取等方法開展松材線蟲病遙感監(jiān)測,結(jié)果表明,BJ3N數(shù)據(jù)可在極大程度上提升健康松樹和變色松樹等要素間的差異化,能有效識(shí)別感染松材線蟲病的變色松樹,基于深度學(xué)習(xí)的智能提取變色松樹精準(zhǔn)率和召回率較高,提高了變色松樹單株定量監(jiān)測的可解性,有利于松材線蟲病的精準(zhǔn)監(jiān)測和防控。當(dāng)然,本文對(duì)BJ3N衛(wèi)星數(shù)據(jù)的研究僅是初步應(yīng)用,還未進(jìn)行深入對(duì)比性研究,相信隨著BJ3N衛(wèi)星數(shù)據(jù)的不斷豐富,BJ3N將會(huì)為保護(hù)我國的綠水青山發(fā)揮重要作用。