林业遥感专栏
周龙飞, 金诗怡, 徐小文, 王义勋, 徐玲莉, 陈明泉, 田金荣, 刘海龙, 孟冉
松材线虫病是毁灭性的松树病害,严重威胁我国森林生态安全。及时可靠的获取松材线虫病发生范围和病害程度对于森林管理和病害防控极其重要。然而松材线虫病传播速度快、防治难度大,传统人工调查方法难以满足需求。无人机遥感能够快速、准确的获取森林病虫害空间分布和病害程度,为森林病虫害防治和管理提供可靠的信息支撑。本研究利用无人机获取高分辨率红绿蓝(red-green-blue,RGB)可见光影像,首先使用面向对象的多尺度分割算法进行单木树冠提取,并计算植被指数(VIs)、纹理特征(GLCM),再利用特征选择算法优化特征集,使用随机森林分类(Random Forest,RF)和支持向量机分类(Support Vector Machine,SVM)算法构建松材线虫病分类模型,通过消融实验选取最优分类模型,最终实现松材线虫病病害程度和空间分布状况制图。结果表明:在面向对象单木树冠尺度上不同病害程度的松树冠层植被指数和纹理特征有所差异,使用植被指数(VIs RF:OA=76.52%,Marco-F1=0.77;SVM:OA=79.68%,Marco-F1=0.79)分类结果精度优于纹理特征(GLCM RF:OA=46.74%,Marco-F1=0.47;SVM:OA=62.09%,Marco-F1=0.54);相比使用单一特征集,植被指数和纹理特征的组合可显著提高分类精度,说明多特征组合可以有效提高病害分类效果(VIs&GLCM RF:OA=79.47%,Marco-F1=0.80;SVM:OA=85.45%,Marco-F1=0.85);无论是单一特征集建模,还是组合特征集建模,SVM模型分类效果都优于RF模型。本研究为全面掌握松材线虫病病害程度及空间分布情况提供及时、可靠的信息支持,有助于推动重大林业有害生物防治体系建设,维护生态安全。