松材線蟲病有人機(jī)航空攝影監(jiān)測(cè)模式初探
——以松滋市為例

胡文杰 彭壽連 鄧德峰 付 甜 潘 磊 畢艷岳

(1.湖北省林業(yè)科學(xué)研究院 武漢 430075；2.湖北神農(nóng)架森林生態(tài)系統(tǒng)國(guó)家定位觀測(cè)研究站 神農(nóng)架 442421； 3.湖北同誠(chéng)通用航空有限公司 荊州 434020；4.石首市南岳山森林公園管理所 石首 434400)

松材線蟲病又稱松樹萎蔫病，是由松材線蟲Bursaphelenchusxylophilus引起的具有毀滅性的森林病害，自1982年首次在中國(guó)發(fā)現(xiàn)以來，松材線蟲病已擴(kuò)散至18個(gè)省(區(qū)、市)的666個(gè)縣級(jí)行政區(qū)，累計(jì)致死松樹超過6億株[1]。近年來，該病害進(jìn)入高發(fā)期，全國(guó)疫區(qū)數(shù)量增加420個(gè)，發(fā)生面積增長(zhǎng)154倍，病死樹數(shù)量增長(zhǎng)26.2倍，由于疫情發(fā)生面積大、范圍廣、程度重、增速快，老疫區(qū)松樹數(shù)量大量減少，且超四成的新疫區(qū)疫木發(fā)現(xiàn)不及時(shí)，使得松材線蟲病直接對(duì)中國(guó)近6 000萬hm2松林資源的安全產(chǎn)生嚴(yán)重威脅[2]。

由于航空遙感監(jiān)測(cè)技術(shù)具有能夠反映植物特征變化、節(jié)省人力物力資源、提高監(jiān)測(cè)防治效率等優(yōu)勢(shì)[3]，已越來越多地應(yīng)用到中國(guó)松材線蟲病監(jiān)測(cè)和防治工作中，為有效遏制松材線蟲病快速擴(kuò)散蔓延勢(shì)頭，維護(hù)國(guó)家生態(tài)安全發(fā)揮了一定的積極作用。但是，航空遙感在松材線蟲病的預(yù)警和防治中仍存在普及率不高、監(jiān)測(cè)技術(shù)不夠成熟穩(wěn)定等問題，且不同的遙感監(jiān)測(cè)平臺(tái)在具體實(shí)踐應(yīng)用中各具優(yōu)勢(shì)[4-5]，因此，為推進(jìn)遙感技術(shù)的應(yīng)用，需要進(jìn)一步增強(qiáng)各監(jiān)測(cè)平臺(tái)的穩(wěn)定性和技術(shù)成熟度。本研究以有人機(jī)航空攝影為監(jiān)測(cè)平臺(tái)，結(jié)合專業(yè)影像識(shí)別軟件，開展松滋市松材線蟲病監(jiān)測(cè)實(shí)地調(diào)查工作，并對(duì)實(shí)施方式和方法進(jìn)行了介紹，以期為松材線蟲病監(jiān)測(cè)防控提供參考。

1 技術(shù)方法

1.1 飛行平臺(tái)

根據(jù)本次作業(yè)面積和區(qū)域氣候條件，選用固定翼有人機(jī)“空中力士P750”，最大航行時(shí)間8 h，最大航程2 183 km，最大飛行高度6 096 m，巡航飛行速度260 km·h-1，可搭載不同類型航攝儀，具有較高的飛行平穩(wěn)度。

1.2 監(jiān)測(cè)區(qū)域

松滋市位于湖北省中南部，長(zhǎng)江中游南岸。東連江漢平原，與江陵、公安毗鄰，西與五峰、宜都接壤，南連湖南澧縣、石門，北枕長(zhǎng)江，與枝江隔江相望。地理坐標(biāo)東經(jīng)110°14′～112°03′，北緯29°53′～30°22′。東西長(zhǎng)約77 km，南北寬約55 km，總面積2 235 km2，共轄2街15個(gè)鄉(xiāng)鎮(zhèn)，人口近100萬。本次飛行覆蓋松滋市13個(gè)鄉(xiāng)鎮(zhèn)及2個(gè)林場(chǎng)，行政區(qū)域2 000多km2，監(jiān)測(cè)對(duì)象涉及其中所有的松林小班，面積約2.67萬hm2(圖1)。

圖1 監(jiān)測(cè)區(qū)域圖

1.3 航線設(shè)計(jì)

根據(jù)監(jiān)測(cè)范圍面積，了解作業(yè)量大小，在確定飛行平臺(tái)和航攝系統(tǒng)后，對(duì)目標(biāo)區(qū)域進(jìn)行航線設(shè)計(jì)。航線設(shè)計(jì)必須要依據(jù)空域管制和作業(yè)要求，原則上以最節(jié)省航線長(zhǎng)度為主，減少航線數(shù)，減少飛機(jī)掉頭次數(shù)，單條航線不能超過25 min飛行長(zhǎng)度(圖2)。在必要時(shí)考慮太陽(yáng)高度角影響相片過爆的問題，控制飛行時(shí)間，避免中午飛行。航線設(shè)計(jì)確定后，向有關(guān)部門進(jìn)行空域申請(qǐng)。

圖2 松滋市全域航線設(shè)計(jì)圖

1.4 飛行作業(yè)

空域申請(qǐng)通過之后，即開始準(zhǔn)備飛行作業(yè)。有人機(jī)航攝時(shí)間為2019年9月27日，天氣晴，溫度20～32 ℃，東北風(fēng)2級(jí)，空氣質(zhì)量良好。當(dāng)日氣候條件非常適合航攝，在提前報(bào)備飛行計(jì)劃后，順利實(shí)施飛行作業(yè)。飛機(jī)飛行航高2 500 m，航向重疊度60%以上，旁向重疊度30%以上，飛行速度240 km·h-1，飛行7 h，完成了整個(gè)測(cè)區(qū)的飛行任務(wù)。

1.5 航攝相機(jī)

選用Leica DMC III大框幅式相機(jī)，搭載在固定翼有人機(jī)“空中力士P750”上進(jìn)行航空拍攝。該相機(jī)基于專門為航空應(yīng)用而打造的全新CMOS傳感器，可提供世界上單片傳感器能夠覆蓋的最大幅寬，像素高達(dá)3.9億，影像分辨率為0.1 m，為測(cè)繪級(jí)專業(yè)航攝儀。該航攝儀包含五個(gè)鏡頭，分別為R、G、B、NIR、PAN五個(gè)波段，集成IMU/GPS系統(tǒng)，同時(shí)配備PAV平臺(tái)，實(shí)時(shí)矯正飛行姿態(tài)，保證鏡頭始終垂直朝下。

1.6 影像處理

航攝完成之后，采用徠卡配套軟件Hxmap進(jìn)行原始影像提取、預(yù)處理，生成RGBN航空影像及POS文件，然后在Inhpo軟件中，進(jìn)行空三過程、提取DTM、正射校正和影像拼接，最終生成各個(gè)鄉(xiāng)鎮(zhèn)的正射影像圖。影像精度可以達(dá)到航攝國(guó)家標(biāo)準(zhǔn)水平。影像坐標(biāo)系采用UTM-49n坐標(biāo)系。

1.7 影像自動(dòng)識(shí)別

在獲得正射影像數(shù)據(jù)產(chǎn)品后，使用“同誠(chéng)多光譜圖像識(shí)別軟件”進(jìn)行松材線蟲病死木自動(dòng)識(shí)別，軟件識(shí)別完成后可直接導(dǎo)出與圖像坐標(biāo)系一致的點(diǎn)圖層shp格式文件，并在地理信息軟件中查看結(jié)果。該軟件包含光譜特征提取與選擇、空間特征提取與選擇、基于深度學(xué)習(xí)的去噪處理等關(guān)鍵技術(shù)，具有處理效率高、識(shí)別準(zhǔn)確度高等特點(diǎn)。

2 結(jié)果分析

2.1 監(jiān)測(cè)結(jié)果

以松滋市某局部區(qū)域的監(jiān)測(cè)結(jié)果為例，采取人工檢測(cè)和軟件檢測(cè)相結(jié)合的方法對(duì)監(jiān)測(cè)結(jié)果進(jìn)行評(píng)價(jià)分析。軟件檢測(cè)的漏檢率為0～37.5%，平均漏檢率為10.48%，檢測(cè)錯(cuò)誤率為0～25.00%，平均錯(cuò)誤率為10.79%，由此可見，監(jiān)測(cè)結(jié)果精度總體處于較高水平(表1)。

表1 松滋市某區(qū)域監(jiān)測(cè)結(jié)果

2.2 現(xiàn)場(chǎng)核查與精度驗(yàn)證

在得到最終的識(shí)別結(jié)果后，選取幾個(gè)鄉(xiāng)鎮(zhèn)及其中的松林小班開展現(xiàn)場(chǎng)核查與精度驗(yàn)證工作(圖3)。最終核查小班數(shù)量30個(gè)，枯死松樹1 040株。通過驗(yàn)證表明，自動(dòng)識(shí)別軟件識(shí)別準(zhǔn)確率達(dá)到81.6%，定位精度在1 m以內(nèi)(表2)。

表2 現(xiàn)場(chǎng)核查照片對(duì)應(yīng)的圖像

圖3 部分現(xiàn)場(chǎng)核查路線

2.3 效果評(píng)價(jià)

有人機(jī)航空攝影監(jiān)測(cè)在對(duì)縣級(jí)行政區(qū)進(jìn)行松材線蟲病監(jiān)測(cè)方面具有覆蓋全、周期短、分辨率高、結(jié)果快和圖像質(zhì)量好等優(yōu)勢(shì)，整體應(yīng)用效率較高，能夠節(jié)省大量人力財(cái)力物力。在保證單株可識(shí)別的基礎(chǔ)上，有人機(jī)航空攝影監(jiān)測(cè)僅飛行一個(gè)架次即可實(shí)現(xiàn)單個(gè)縣級(jí)行政區(qū)的全域覆蓋，如果連年普查則可對(duì)病害進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，及時(shí)掌握防治效果，減少人為調(diào)查的誤差；以本方式進(jìn)行松材線蟲病普查，在快速獲取影像后，利用多光譜的植被指數(shù)進(jìn)行自動(dòng)識(shí)別，可以準(zhǔn)確識(shí)別出松材線蟲病枯死松樹，目前準(zhǔn)確率超過80%，準(zhǔn)確率較高，減少了大量人工目視解譯的工作，提升了工作效率，縮短了工作周期；采用測(cè)繪級(jí)的飛行平臺(tái)和航空攝影系統(tǒng)，獲取的影像數(shù)據(jù)可以生成符合國(guó)家標(biāo)準(zhǔn)的測(cè)繪產(chǎn)品，利于實(shí)現(xiàn)林業(yè)信息化，并可對(duì)林業(yè)“一張圖”進(jìn)行較好地補(bǔ)充與更新。此外，通過比對(duì)分析多期影像資料，可讓林業(yè)管理部門對(duì)當(dāng)?shù)厣仲Y源的變化有更直觀地了解，提高了影像的使用率和價(jià)值。

3 討論

基于飛行平臺(tái)等手段替代人工方法進(jìn)行松材線蟲病死木監(jiān)測(cè)，是實(shí)現(xiàn)病蟲害防治現(xiàn)代化發(fā)展的重要環(huán)節(jié)。當(dāng)前，無人機(jī)飛行平臺(tái)是應(yīng)用于松樹病死木監(jiān)測(cè)的主要平臺(tái)[6-8]，因其具有便攜、操作簡(jiǎn)便、準(zhǔn)確度較高等特點(diǎn)而在部分區(qū)域得到實(shí)踐應(yīng)用[9]。為提升監(jiān)測(cè)的準(zhǔn)確度，基于HSV閾值法[4]、深度學(xué)習(xí)模型Faster R-CNN和YOLO V4等[10]方法的松樹病死木識(shí)別技術(shù)已逐步得到應(yīng)用。HSV閾值法主要是對(duì)發(fā)病前松樹分布的高分辨率影像進(jìn)行掩膜，最終實(shí)現(xiàn)60%～65%的變色松樹提取精度，該方法的精度略低于本研究，但應(yīng)用場(chǎng)景均為松樹染病后的中后期識(shí)別，還無法做到對(duì)病害發(fā)生趨勢(shì)的預(yù)警性監(jiān)測(cè)，因此如何基于現(xiàn)有方法，實(shí)現(xiàn)對(duì)松材線蟲病發(fā)生趨勢(shì)的預(yù)測(cè)預(yù)警對(duì)病害防控管理具有積極意義。深度學(xué)習(xí)模型Faster R-CNN和YOLO V4識(shí)別的精度與本研究較為接近，均達(dá)到80%以上，但從適用場(chǎng)景來看，無人機(jī)飛行平臺(tái)一般用于小范圍監(jiān)測(cè)或現(xiàn)場(chǎng)驗(yàn)證等，而有人機(jī)飛行平臺(tái)則可結(jié)合林業(yè)資源數(shù)據(jù)，進(jìn)行以行政區(qū)域?yàn)閱卧拇蠓秶O(jiān)測(cè)，且從飛行到成果輸出用時(shí)不到20 d，不僅很大程度縮短行政單元的普查周期，還可分析得出村級(jí)行政單元的病害發(fā)生情況，為后期松材線蟲病具體防治決策提供了可靠依據(jù)。

黃煥華等[11]利用固定翼無人機(jī)監(jiān)測(cè)松材線蟲病死木時(shí)，在1 425.9 hm2的監(jiān)測(cè)范圍內(nèi)識(shí)別病死木1 486株，病死木死亡密度約1株·hm-2，監(jiān)測(cè)精度為2～3 m。但在死亡密度較高的區(qū)域，常出現(xiàn)松樹聚集性死亡的情況，即相鄰的病死木之間距離非常近，2～3 m的監(jiān)測(cè)精度就難以滿足工作需求。本研究基于有人機(jī)飛行平臺(tái)，搭載Leica DMC III大框幅式相機(jī)，結(jié)合基于深度學(xué)習(xí)法的“同誠(chéng)多光譜圖像識(shí)別軟件”，定位精度在1 m以內(nèi)，大幅增加了有人機(jī)在病死木識(shí)別中的應(yīng)用場(chǎng)景。但同時(shí)必須意識(shí)到，使用有人機(jī)方式進(jìn)行普查時(shí)也存在一些問題，如松材線蟲病的普查工作以春季和秋季居多，由于航空攝影飛行對(duì)天氣條件的要求較高，為了保證及時(shí)完成普查工作并提交成果，需要密切關(guān)注天氣變化情況；另外，以本方式進(jìn)行遙感監(jiān)測(cè)時(shí)，航空攝影生成的正射影像圖主要是獲取地表的森林部分，對(duì)于茂密林下或林內(nèi)小株枯死松樹難以直接識(shí)別，因此具有一定的局限性。盡管本普查方式的準(zhǔn)確率超過了80%，能夠滿足一般監(jiān)測(cè)需求，但仍存在較大的改進(jìn)空間，在后期實(shí)踐中需要累積更多樣本和數(shù)據(jù)來提升、改進(jìn)軟件的自動(dòng)識(shí)別算法和模型。