馬云強(qiáng)，李宇宸,劉夢盈，石 雷*，張 軍*，張忠和

(1.西南林業(yè)大學(xué)生物多樣性保護(hù)學(xué)院/云南省森林災(zāi)害預(yù)警與控制重點實驗室，云南 昆明 650224；2. 中國林業(yè)科學(xué)研究院資源昆蟲研究所，云南 昆明 650224；3.云南大學(xué)資源環(huán)境與地球科學(xué)學(xué)院，云南 昆明 650504)

【研究意義】遙感因其遠(yuǎn)距離和無接觸的監(jiān)測方式，近年來在地表信息監(jiān)測已經(jīng)顯示出了它獨特的優(yōu)勢。但由于衛(wèi)星遙感受大氣狀況影響較大、重訪周期長、空間分辨率低導(dǎo)致混合像元存在等問題，難以實現(xiàn)實時、高精度的信息監(jiān)測，這些因素在一定程度上制約了其在實際作物脅迫精準(zhǔn)監(jiān)測中的應(yīng)用[1]。而無人機(jī)遙感因具有高頻、迅捷、低成本、高空間分辨率、受大氣影響小、操作簡便等特點，為大范圍、高精度觀測提供了很好的契機(jī)。近年來，隨著無人機(jī)平臺技術(shù)的不斷成熟，無人機(jī)遙感系統(tǒng)逐漸成為空、天、地一體化提供實時、動態(tài)監(jiān)測平臺[2]?！厩叭搜芯窟M(jìn)展】在林業(yè)領(lǐng)域，隨著社會對生態(tài)環(huán)境保護(hù)的日益關(guān)注，森林資源的開發(fā)利用方式由傳統(tǒng)的經(jīng)濟(jì)利用向可持續(xù)發(fā)展方向轉(zhuǎn)型，森林資源監(jiān)測因此也備受重視[3]。吳項乾等應(yīng)用無人機(jī)激光雷達(dá)估測銀杏人工林有效葉面積指數(shù)，研究結(jié)果表明利用Cover分組后建模精度優(yōu)于不分組建模的精度[4]。Roope N?si等應(yīng)用多光譜無人機(jī)對芬蘭拉赫蒂的歐洲云杉樹皮甲蟲侵染挪威云杉的危害程度的自動識別進(jìn)行了經(jīng)驗評估，研究結(jié)果表明基于單株樹分析和校正后的遙感影像對評估城市森林的健康狀況具有巨大的潛力[5]。Smigaj, Magdalena應(yīng)用無人機(jī)監(jiān)測蘇格蘭松林由于病蟲害引起的冠層溫度上升情況，結(jié)果表明在冠層水平，通過無人機(jī)紅外相機(jī)記錄的樹冠溫度，發(fā)現(xiàn)紅帶針葉林樹冠溫度與病蟲害侵染有關(guān)，帶有紅外相機(jī)的無人機(jī)可以用于監(jiān)測病蟲害侵染引發(fā)的亞度溫差[6]。此外，機(jī)器學(xué)習(xí)理論與應(yīng)用的高速發(fā)展，有效地助力其在林業(yè)病蟲害遙感領(lǐng)域的應(yīng)用研究。張文一應(yīng)用多種機(jī)器學(xué)習(xí)模型對馬尾松毛蟲和落葉松毛蟲歷年發(fā)生面積做出回歸預(yù)測，結(jié)果表明機(jī)器學(xué)習(xí)可以應(yīng)用于實際生產(chǎn)并有效預(yù)測蟲害發(fā)生面積，尤其是支持向量機(jī)模型是種很好的預(yù)測手段[7]。因此，無人機(jī)與機(jī)器學(xué)習(xí)在病蟲害監(jiān)測方面具有廣闊的應(yīng)用前景。云南石林地區(qū)由于受云南切梢小蠹影響危害較重[8]，迫切需要展開對森林病蟲害的有效監(jiān)測。云南切梢小蠹屬于鉆蛀型害蟲，由松林針葉枝梢中上部或底部蛀入髓心，會破壞樹干向針葉的水分運輸通道。隨著病情加重，松林針葉會因缺水分而枯死[9]。對松林生化和生物物理參數(shù)，如葉綠素含量、綠葉面積指數(shù)等產(chǎn)生影響。導(dǎo)致冠層反射率的變化，從而能夠使用遙感數(shù)據(jù)以監(jiān)測森林蟲害[10-11]。大多數(shù)利用光譜反射率指數(shù)的方法可以有效地反映林區(qū)葉綠素變化情況，進(jìn)而反映受病蟲害影響情況，luo等人研究了感染小麥蚜蟲的小麥葉片的光譜響應(yīng)情況，結(jié)果表明，700～750、 750～930、950～1030和1040～1130 nm等幾個波段處的葉片的光譜反射對小麥蚜蟲的響應(yīng)率顯著[12]。而Shi等通過相關(guān)性分析篩選了感染小麥條銹病、白粉病和蚜蟲的冠層高光譜數(shù)據(jù)敏感波段，據(jù)此建立了多種特征指數(shù)，并構(gòu)建分類器監(jiān)測識別[13]。鄧槿等學(xué)者通過反演NDVI、亮度和溫度建立相應(yīng)特征空間，得到反映土壤含水量的溫度植被干旱指數(shù)(TVDI)，得出結(jié)果顯示，TVDI與云南切梢小蠹危害程度呈線性負(fù)相關(guān)[14]。【本研究切入點】基于無人機(jī)遙感多光譜數(shù)據(jù)，利用其高分辨率的優(yōu)勢，結(jié)合野外實地調(diào)查采樣數(shù)據(jù)，通過數(shù)學(xué)和統(tǒng)計方法以及深度學(xué)習(xí)相關(guān)算法分析云南切梢小蠹危害程度與相關(guān)指數(shù)的相關(guān)性。從而獲得其相關(guān)關(guān)系數(shù)學(xué)表達(dá)式，反演整個研究區(qū)云南切梢小蠹危害信息?！緮M解決的關(guān)鍵問題】檢測出云南切梢小蠹害災(zāi)變信息，為研究區(qū)內(nèi)動態(tài)監(jiān)測、預(yù)測森林蟲害提供依據(jù)。并為當(dāng)?shù)叵嚓P(guān)決策部門防控云南切梢小蠹提供數(shù)據(jù)支撐，對云南生態(tài)環(huán)境保護(hù)、林業(yè)資源管理有著十分重要的意義。

1 材料與方法

1.1 研究區(qū)概況

石林彝族自治縣(簡稱石林縣)坐落于云南省昆明市東南部，距離昆明市主城區(qū)78 km，東經(jīng)103°10′～103°41′，北緯24°30′～25°03′，下轄1街道4鄉(xiāng)(鎮(zhèn))，常住人口24.7萬人，少數(shù)民族34%。地貌屬于典型卡斯特，地層以碳酸巖類為主，類型發(fā)育齊全，規(guī)模宏大，在海拔1459～2594 m分布，丘陵之間分布著石林和石芽，地貌富有特色，面積1719 km2。石林縣以西逐漸向滇中紅層過渡，以東、以南過盤江進(jìn)入滇東南峰叢洼地喀斯特區(qū)。境內(nèi)低山、盆地、洼地、石丘、石牙及峰叢等地貌類型齊全，地勢東高西低，由東北向西南傾斜。屬亞熱帶低緯高原山地季風(fēng)氣候，四季如春、雨量充沛，干、濕分明，年平均降雨量939.5 mm。地帶性植被為半濕潤常綠闊葉林[15](圖1)。

1.2 數(shù)據(jù)來源與處理

1.2.1 無人機(jī)數(shù)據(jù) 機(jī)載多光譜數(shù)據(jù)采用精靈4多光譜RTK版無人機(jī)(P4 Multispectral)采集，精靈4多光譜RTK版搭載了一體式的多光譜成像系統(tǒng)，集成1個可見光傳感器及5個多光譜傳感器(分別是藍(lán)光Blue、綠光Green、紅光Red、紅邊Red Edge和近紅外NIR)，每個傳感器均擁有200萬像素解析度并配備全局快門，整套的成像系統(tǒng)搭載于三軸云臺上，可輸出高質(zhì)量的多光譜數(shù)據(jù)。該無人機(jī)記錄數(shù)據(jù)采用TimeSync時間同步系統(tǒng)，通過將飛控、相機(jī)與RTK的時鐘系統(tǒng)進(jìn)行微秒級同步，實現(xiàn)相機(jī)成像時刻的毫秒級誤差。系統(tǒng)還對每個相機(jī)鏡頭中心點位置與天線中心點位置，結(jié)合設(shè)備姿態(tài)信息，進(jìn)行實時補(bǔ)償，使影像獲得更加精確的位置信息。

1.2.2 樣本數(shù)據(jù) 樣本質(zhì)量直接關(guān)系到樣地信息提取的精度，應(yīng)選擇具有典型性、代表性的純凈像元作為樣本[16]。為了解研究區(qū)受云南切梢小蠹影響下的真實林地信息，需實地現(xiàn)場樣地踏勘。2019年11月18日，對研究區(qū)進(jìn)行了詳細(xì)的調(diào)研，把研究區(qū)分為4個區(qū)域，采用高精度GPS對不同枯萎程度林木位置進(jìn)行定位，分別統(tǒng)計區(qū)域內(nèi)的林木其全梢數(shù)、枯梢數(shù)、樹高，并根據(jù)《林業(yè)有害生物成災(zāi)標(biāo)準(zhǔn)》中云南松受切梢小蠹危害的評級標(biāo)準(zhǔn)對林木枯萎程度分等定級、記錄和拍照(表1)。最后，將以上野外踏勘數(shù)據(jù)構(gòu)成樣本數(shù)據(jù)和驗證數(shù)據(jù)分別用于信息反演模型的構(gòu)建及精度驗證。

1.3 研究方法

受切梢小蠹影響，植被光譜特征會產(chǎn)生變化，且隨著蟲害危害程度加重，光譜特征變化更為明顯。因此，從受云南切梢小蠹不同程度危害壞死的樹冠層光譜入手，通過波段組合運算，結(jié)合深度學(xué)習(xí)算法進(jìn)行模型反演、分類以及精度驗證，設(shè)計技術(shù)路線如圖2所示。

1.3.1 光譜指數(shù)構(gòu)建 植物對電磁輻射的吸收和反射特性會隨著波長與自身特征的變化而變化, 植物在病蟲害感染等條件下會在不同波段上表現(xiàn)出不同程度的吸收和反射特性的改變, 即病蟲害的光譜響應(yīng)[17]。對比各危害程度光譜反射率(圖3)，發(fā)現(xiàn)在NIR、Red Edge波段表現(xiàn)出危害程度越小、反射率越高，在Red波段則相反。因此可以用以上波段進(jìn)行波段組合以量化云南切梢小蠹危害程度(表2)。

表1 野外樣本數(shù)據(jù)

2 結(jié)果與分析

2.1 反演模型結(jié)果

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的新分支，其動機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來解釋數(shù)據(jù)，目前已廣泛應(yīng)用于多種領(lǐng)域[18]。由于Tensor Flow模型是谷歌提供的深度學(xué)習(xí)官方開發(fā)框架，能夠支持主流的(Convolutional Nerual Network, CNN)、(Deep Neural Networks, DNN)、(Recurrent neural network, RNN)等深度神經(jīng)網(wǎng)絡(luò)模型，因此選擇Tensor Flow作為模型擬合框架。

進(jìn)行云南切梢小蠹的危害程度的反演流程為：首先確定模型輸入?yún)?shù)，進(jìn)行預(yù)處理，將采樣點數(shù)據(jù)與遙感影像數(shù)據(jù)依據(jù)地理坐標(biāo)相互對應(yīng)；考慮到本研究屬于典型的小樣本線性擬合模型，為保證擬合效果，對數(shù)據(jù)集以1∶2的比例選擇測試集與訓(xùn)練集，訓(xùn)練模型并采用交叉驗證的方式防止過擬合[19]。之后通過模型迭代，反復(fù)訓(xùn)練模型并調(diào)整參數(shù)，確定最優(yōu)反演模型。

在擬合NDVI和云南切梢小蠹危害程度的相關(guān)性方程迭代過程中，精度驗證方法選擇反向傳播算法，計算損失函數(shù)MSE的導(dǎo)數(shù)來優(yōu)化每層的權(quán)重和偏置。損失函數(shù)為：

表2 光譜波段組合

針對研究區(qū)，通過反演結(jié)果圖、回歸方程對云南松枯稍率反演精度進(jìn)行分析對比。

分析GNRE模型訓(xùn)練過程圖(圖4-A)發(fā)現(xiàn)，模型訓(xùn)練過程在迭代600次之后發(fā)生收斂，證明模型訓(xùn)練結(jié)果較好，且驗證模型過程在600次時收斂于0.1，表明模型訓(xùn)練過程沒有產(chǎn)生過擬合現(xiàn)象。2019年野外實測云南松樣本點枯稍率(圖4-B)與無人機(jī)影像GNRE間的關(guān)系如GNRE擬合圖所示，GNRE與云南松枯稍率呈現(xiàn)線性負(fù)相關(guān)，其相關(guān)系數(shù)R2為0.45331，受云南切梢小蠹影響，枯枝率較高的樹木GNRE值較低。分析NDVI模型訓(xùn)練圖(圖4-C)發(fā)現(xiàn)，模型訓(xùn)練過程MSE梯度下降很快，在訓(xùn)練10次后訓(xùn)練模型和驗證模型收斂于0.04，表明模型擬合很快，且精度較高。分析NDVI擬合圖(圖4-D)發(fā)現(xiàn)，無人機(jī)影像NDVI與樣本點枯稍率呈現(xiàn)負(fù)相關(guān)關(guān)系，相關(guān)指數(shù)R2為0.6769，相關(guān)系較強(qiáng)。通過對比以上實驗結(jié)果得出，盡管2種模型都呈現(xiàn)出明顯的負(fù)相關(guān)關(guān)系，但反演相關(guān)性存在很大差異，并且從NDVI擬合的Loss-MSE圖可以看出，NDVI擬合所得模型具有較強(qiáng)的魯棒性、穩(wěn)定性。因此可將NDVI指數(shù)作為特征參數(shù)與森林枯稍率應(yīng)用于影像擬合，同時也為其他病蟲害反演模型提供參考。

2.2 NDVI與蟲害等級關(guān)系

應(yīng)用無人機(jī)多光譜影像提取的NDVI指數(shù)與云南切梢小蠹危害程度呈現(xiàn)負(fù)相關(guān)關(guān)系。分析其原因感染云南切梢小蠹的樹木篩管和導(dǎo)管等疏導(dǎo)組織水分和養(yǎng)分的運輸被影響，造成蛀孔上方的葉片得不到水分及營養(yǎng)物質(zhì)供應(yīng)，影響葉綠素合成，使得葉片減少了對紅光波段的吸收與近紅外波段的反射，從而導(dǎo)致受切梢小蠹侵染越嚴(yán)重而NDVI值越小[20]。

2.3 蟲害等級分布

總體上切梢小蠹危害程度較輕(圖5，表3)。危害程度中、重度的區(qū)域分布于道路及空曠地周圍，且重度、中度、輕度危害與健康林地的分布呈現(xiàn)由外到內(nèi)有層次的分布，各類別面積分別為3938.16、28820.3325、246972.785、55255.0175 m2，其占比分別為1.18%、8.60%、73.73%、16.47%。說明在研究區(qū)范圍內(nèi)受蟲害影響面積占比達(dá)到83.51%，但總體情況較好，中度危害以上面積占比為9.78%。結(jié)合云南切梢小蠹具有趨光性[21]、趨食性的生存習(xí)性[22]，由于林地深處林分郁閉度較高、空氣流通能力差，而空曠地通氣性良好且光線充足，對蠹蟲的吸引能力較強(qiáng)，因此在空曠地周圍的林地受害程度更大[7]，且呈現(xiàn)區(qū)域性連續(xù)分布，而受侵害程度低的林地則呈現(xiàn)區(qū)域性均勻分布。

進(jìn)一步分析受危害云南松，發(fā)現(xiàn)當(dāng)受侵染的部分位于樹冠下層時，其冠層反射與健康或輕度危害林地受侵染冠層反射相似，因為上層健康的冠層在垂直方向上阻礙了受切梢小蠹侵染的部分。因此，該類云南松受危害程度將被低估。

擬合模型在反演整個研究區(qū)云南切梢小蠹危害程度時，為驗證本文使用的模型在其他區(qū)域的適用性及可移植情況，將本文的反演結(jié)果結(jié)合采樣值運用混淆矩陣法進(jìn)行精度驗證[23-24]。其總體分類精度為 71.11%，Kappa系數(shù)為 0.6751，精度驗證結(jié)果表明無人機(jī)遙感病蟲害能夠提高遙感監(jiān)測精度。分析其誤差產(chǎn)生原因，植被指數(shù)NDVI代表研究區(qū)無人機(jī)影像樹冠信息，而枯稍率代表采樣樹整體信息，因此，擬合過程仍然存在誤差。但應(yīng)用無人機(jī)影像結(jié)合地面調(diào)查、驗證的方式開展森林病蟲害潛在危險性預(yù)報和林業(yè)資源調(diào)查及損失評估的方式具有十分廣闊的前景。

3 討 論

多數(shù)學(xué)者在病蟲害研究方面是運用熱紅外成像技術(shù)僅于針葉尺度上監(jiān)測云南切梢小蠹的蟲害信息，未能于更大尺度上監(jiān)測蟲害相關(guān)信息[9]。在傳統(tǒng)遙感研究中存在混合像元導(dǎo)致難以單株樹木分析的問題，近年來隨著無人機(jī)遙感技術(shù)的逐步發(fā)展，使得運用無人機(jī)多光譜影像監(jiān)測區(qū)域性蟲害信息的空間分布格局成為一種可能。能夠在更大的尺度上監(jiān)測、預(yù)警蟲害的分布以及擴(kuò)散，對林業(yè)病蟲害空間分布的相關(guān)監(jiān)測方面有借鑒意義。

表3 云南切梢小蠹危害面積分布占比

從云南切梢小蠹蟲害林地的光譜和實地調(diào)查的枯枝率間的相關(guān)關(guān)系展開研究，由于蟲害信息的光譜反饋時間上存在一定的滯后性[25]、難以將其準(zhǔn)確量化為與樹冠光譜信息相關(guān)的數(shù)據(jù)，很難在病蟲害初期就判斷林地的健康狀況。為了更加精準(zhǔn)、定量、及時的應(yīng)用光譜反映蟲害影響程度，下一步將從云南切梢小蠹蟲直接影響云南松的生物參數(shù)信息方面展開調(diào)查，設(shè)置更合理采樣參數(shù)以及明確植被參數(shù)與光譜參數(shù)物理量間相關(guān)機(jī)制[26-28]，考慮影響因子，進(jìn)而優(yōu)化反演模型，得到更加準(zhǔn)確的反演結(jié)果。從而更加精準(zhǔn)的判斷蟲害信息，促進(jìn)當(dāng)?shù)厣鷳B(tài)環(huán)境的保護(hù)。

4 結(jié) 論

基于云南省昆明市石林縣研究區(qū)多光譜無人機(jī)數(shù)據(jù)與實地踏勘調(diào)查數(shù)據(jù)，通過深度學(xué)習(xí)擬合NDVI與樹木的受損害程度，得到NDVI與云南切梢小蠹危害程度的相關(guān)關(guān)系，從而得到研究區(qū)云南切梢小蠹危害程度分布圖。

(1)應(yīng)用深度學(xué)習(xí)算法擬合NDVI與云南切梢小蠹危害程度之間關(guān)系。結(jié)果顯示NDVI與云南切梢小蠹危害程度呈現(xiàn)明顯的線性負(fù)相關(guān)，線性關(guān)系式為：

y=-1.256x+1.1436,R2=0.6769

基于多光譜數(shù)據(jù)提取植被信息僅使用了部分波段，難以精確監(jiān)測植被內(nèi)部信息的變化，應(yīng)當(dāng)應(yīng)用高光譜數(shù)據(jù)探尋其他相關(guān)波段數(shù)據(jù)精確反演。

(2)對反演結(jié)果按枯枝率進(jìn)行等級劃分并進(jìn)行精度驗證，發(fā)現(xiàn)其總體分類精度71.11%，Kappa系數(shù)為 0.6751，精度相對較高，且該研究區(qū)內(nèi)，危害程度較重的樹主要分布于道路以及樹林密度較小區(qū)域。主要原因是云南切梢小蠹具有趨食、趨光性，而林分郁閉度較高的樹林空氣流通性差、光線較差，因此誘源流通情況、分布情況較差，導(dǎo)致云南切梢小蠹較少分布于此類區(qū)域。