使用高光譜和激光雷達(dá)數(shù)據(jù)區(qū)分楊樹林中的生物脅迫和非生物脅迫

亞洲天牛(Anoplophora glabripennis, ALB)是一種嚴(yán)重威脅全球闊葉林的蛀木害蟲,特別對中國西北干旱地區(qū)的楊樹防護(hù)林造成了顯著破壞。由于干旱和 ALB 脅迫均會引起缺水癥狀,但其成因和治理方法截然不同,及時區(qū)分這兩種脅迫對制定有效治理措施至關(guān)重要。高光譜成像(HSI)和激光雷達(dá)(LiDAR)技術(shù)因其在植物脅迫檢測中的潛力而備受關(guān)注,HSI 提供精細(xì)的光譜信息,LiDAR 捕獲冠層三維結(jié)構(gòu)變化。然而,單一技術(shù)存在局限性,結(jié)合 HSI 和 LiDAR 數(shù)據(jù)能夠彌補(bǔ)不足,實(shí)現(xiàn)更精確的脅迫檢測。本研究采用偏最小二乘支持向量機(jī)(PLS-SVM)方法,有效降低數(shù)據(jù)維度,避免過度擬合,提升分類精度,旨在:(1)評估無人機(jī) HSI 和 LiDAR 數(shù)據(jù)區(qū)分 ALB 損傷、干旱脅迫及復(fù)合脅迫的能力;(2)探索兩種數(shù)據(jù)對脅迫的響應(yīng)特征,篩選最敏感的檢測指標(biāo),為干旱地區(qū)楊樹健康監(jiān)測和管理提供科學(xué)依據(jù)。
研究地塊位于中國西北部甘肅省酒泉市,屬戈壁地貌,氣候類型為大陸性干旱氣候,年均降水量為80毫米,但年均蒸發(fā)量達(dá)2000毫米。本研究選取了兩個水分條件不同(灌溉和非灌溉)且樹齡相近的林場(圖1)。

圖 1. 本研究的研究區(qū)域。(a)酒泉新城國有林場(水源充足)。(b)酒泉三河國有林場(缺水)。四個樣地標(biāo)記為藍(lán)色。
樣地1(圖1a):酒泉新城國有林場(39°57′N,98°23′E)。農(nóng)田防風(fēng)林,灌溉良好,有地表水,包括健康林和黃萎病林,樹齡為40–60年。研究樹種為甘肅楊、白楊和旱柳。樣地2(圖1b):酒泉三河國有林場(39°23′N,99°04′E)。灌溉條件極差,無地表水,兩年未正常灌溉。林分健康林和黃萎病林,樹齡為40-60年。研究樹種與樣地1相同。兩個農(nóng)場都有健康林和黃萎病林的楊樹。兩個農(nóng)場都位于海拔1480 m的平坦區(qū)域。土壤條件相同:棕色沙漠土,有機(jī)質(zhì)含量低,氮素含量低。兩個樣地均被甘肅楊覆蓋。我們在每個林場建立了兩個50×50米的樣地,共四個樣地。總共有四種類型的樣本樹:健康(H)、僅受黃萎病損害(A)、僅受干旱損害(D)和同時受黃萎病和干旱損害(AD)(圖2)。

圖 2. 本試驗中的四種楊樹。括號中顯示了每種楊樹樣本的縮寫。
亞洲長角甲蟲(ALB)是一種樹干蛀蟲,通過識別漏斗狀產(chǎn)卵坑、排便孔和圓形出口孔(圖 3)確定楊樹是否受損。若發(fā)現(xiàn)這些特征或樹冠稀疏(稀疏葉片、干枯枝條),則認(rèn)為楊樹受到 ALB 損傷。
葉面積指數(shù) (LAI) 反映葉片密度及生物物理能力。采用 SmartLAI 應(yīng)用程序從不同方向進(jìn)行四次測量取平均值,評估樹冠稀疏程度。調(diào)查了 325 棵楊樹:健康(H)66 棵,受 ALB 脅迫(A)75 棵,受干旱脅迫(D)80 棵,受雙重脅迫(AD)104 棵,表 1 顯示不同條件下的 LAI 數(shù)據(jù)。

圖 3. 確定 ALB 損害的證據(jù)。(a) ALB 成蟲在漏斗狀的產(chǎn)卵坑中挖溝。(b) ALB 幼蟲排出的糞便。(c) ALB 成蟲的圓形出口孔。
表 1. 四種脅迫條件下楊樹林葉面積指數(shù)。
在同一飛行活動期間,使用 DJI M600 無人機(jī)搭載IRIS LR-1601激光雷達(dá)一體機(jī)(北京理加聯(lián)合科技有限公司)收集高光譜圖像 (HSI) 和激光雷達(dá)數(shù)據(jù)(圖 4)。安裝系統(tǒng)使高光譜和激光雷達(dá)設(shè)備能夠聯(lián)合使用無人機(jī)的慣性測量單元 (IMU) 和全球定位系統(tǒng) (GPS),從而實(shí)現(xiàn)高精度正射校正和數(shù)據(jù)融合。無人機(jī)還配備了 RTK 系統(tǒng),可實(shí)現(xiàn)厘米級精確定位。2021 年 8 月 2 日 12:20 至 12:50 PM 采集了地塊 1(水量充足)的數(shù)據(jù),2021 年 8 月 3 日上午 11:50 至下午 12:30 采集了地塊 2(缺水)的數(shù)據(jù)。飛行在無云的天空下進(jìn)行,高度為 100 米,速度為 3 米/秒,正面和側(cè)面圖像重疊度為 60%。
圖4.本研究中的無人機(jī)搭載系統(tǒng)。
高光譜成像儀的視場為 10°,焦距為17 mm。高光譜圖像包含 150 個光譜帶,范圍從 400 到 1000 nm。高光譜圖像以 0.1 m 的空間分辨率生成。使用標(biāo)準(zhǔn)白板進(jìn)行反射率校正和輻射校準(zhǔn)(圖 4)。高光譜圖像與具有十二個地面控制點(diǎn) (GCP) 的 LiDAR 數(shù)據(jù)進(jìn)行匹配,總體均方根誤差 (RMSE) < 1 像素。
利用 LiDAR360 軟件的冠層高度模型 (CHM) 分割單棵樹,CHM 由 DSM 和 DEM 生成,分辨率為 0.1 米。根據(jù) CHM 分割結(jié)果提取樣本樹的高光譜和 LiDAR 特征,并手動修正錯誤分割的樣本樹。僅計算每棵樹冠的陽光照射像素的高光譜反射率,并用 Savitzky-Golay 濾波器平滑處理。提取了 23 個光譜變量(包括 12 個植被指數(shù)、5 個吸收帶、2 個紅邊參數(shù)和 4 個吸收特征)及 32 個 LiDAR 變量(14 個與點(diǎn)云高度分布相關(guān)、13 個點(diǎn)云強(qiáng)度指標(biāo)和 5 個冠層密度指標(biāo))。共使用 55 個變量進(jìn)行篩選,并開發(fā) PLS-SVM 分類模型。
圖 5. 楊樹的平均光譜反射率按以下方式分組:(a) 健康/不健康;(b) 澆水充足/缺水;(c) ALB 受損/無 ALB;(d) 健康/ALB 感染/干旱脅迫/復(fù)合脅迫。注:陰影區(qū)域表示平均值的標(biāo)準(zhǔn)偏差。
圖 6. 不同壓力下高光譜和 LiDAR 圖像得出的十個典型參數(shù)(H:健康;A:ALB 壓力
圖 7. 受到 ALB 損傷的楊樹干梢。(a) RGB 圖像。(b) LiDAR 圖像。
研究表明,無人機(jī)高光譜圖像和激光雷達(dá)的組合可以檢測和區(qū)分楊樹的 ALB 和干旱脅迫。PLS-SVM 分類在區(qū)分水分充足和缺水樹木方面實(shí)現(xiàn)了 94.85% 的準(zhǔn)確率,在檢測 ALB 損害方面實(shí)現(xiàn)了 80.81% 的準(zhǔn)確率。對四種楊樹類別進(jìn)行分類的總體分類準(zhǔn)確率為 78.79%:健康、僅受 ALB 影響、僅受干旱影響以及干旱和 ALB 損害并存的楊樹。開發(fā)的分類模型為檢測和區(qū)分脅迫類型提供了寶貴的工具,使及時干預(yù)措施成為可能,例如在楊樹林中進(jìn)行灌溉或病蟲害防治,尤其是在戈壁沙漠的惡劣條件下。
相關(guān)產(chǎn)品
免責(zé)聲明
- 凡本網(wǎng)注明“來源:化工儀器網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-化工儀器網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品,未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的,應(yīng)在授權(quán)范圍內(nèi)使用,并注明“來源:化工儀器網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關(guān)法律責(zé)任。
- 本網(wǎng)轉(zhuǎn)載并注明自其他來源(非化工儀器網(wǎng))的作品,目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個人從本網(wǎng)轉(zhuǎn)載時,必須保留本網(wǎng)注明的作品第一來源,并自負(fù)版權(quán)等法律責(zé)任。
- 如涉及作品內(nèi)容、版權(quán)等問題,請在作品發(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系,否則視為放棄相關(guān)權(quán)利。