中圖分類號(hào)：S436.8 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1005-7897（2025）11-0187-03

0引言

具有隱蔽性與擴(kuò)散性的園林病蟲害，對(duì)城市生態(tài)景觀構(gòu)成重大威脅，傳統(tǒng)人工巡查與單點(diǎn)監(jiān)測(cè)技術(shù)無(wú)法滿足大面積、實(shí)時(shí)預(yù)警需求，而無(wú)人機(jī)遙感憑借高時(shí)空分辨率及動(dòng)態(tài)監(jiān)測(cè)方面的優(yōu)勢(shì)，成為植物健康評(píng)估的關(guān)鍵手段。基于深圳市園林的生態(tài)特性，針對(duì)多源數(shù)據(jù)融合精度、復(fù)雜場(chǎng)景識(shí)別魯棒性等存在的技術(shù)瓶頸，打造覆蓋整個(gè)鏈條的病蟲害早期識(shí)別技術(shù)體系，促進(jìn)園林病蟲害防控智能化水平提高。

1園林病蟲害早期識(shí)別技術(shù)現(xiàn)狀

1.1傳統(tǒng)識(shí)別技術(shù)局限性

人力實(shí)地逐株巡檢中，工作人員需一株挨著一株檢查植物，面對(duì)廣袤的園林范圍，工作負(fù)荷超乎想象，效率極度低下。在錯(cuò)綜復(fù)雜的園林植物群落里，工作人員易受身體疲勞、經(jīng)驗(yàn)短板等影響，難以精準(zhǔn)辨認(rèn)病蟲害早期的細(xì)微表征，如葉片上極小尺寸的病斑、初期數(shù)量不多的害蟲，較易引發(fā)漏檢狀況。而實(shí)施實(shí)驗(yàn)室檢測(cè)時(shí)，得將植物樣本采集攜回，需經(jīng)過切片、染色等一系列繁雜工序，操作程序瑣碎，檢測(cè)的時(shí)間周期長(zhǎng)，無(wú)法迅速反饋病蟲害情形，造成病蟲害在等待檢測(cè)結(jié)果的階段進(jìn)一步擴(kuò)散，錯(cuò)失病蟲害防治的絕佳時(shí)機(jī)，對(duì)園林植物健康構(gòu)成極大的威脅。

1.2病蟲害生理與光譜特征變化機(jī)制

病蟲害引發(fā)植物細(xì)胞結(jié)構(gòu)破壞，破壞植物正常新陳代謝的節(jié)奏，造成植物光合作用、呼吸作用等生理過程失調(diào)。就光譜特性而言，健康植物葉片于可見光、近紅外等波段，有著特定的反射、吸收及透射屬性，葉綠素對(duì)紅光的吸收十分強(qiáng)烈，在近紅外波段呈現(xiàn)較強(qiáng)反射性。若遭受病蟲害影響后，葉片所含葉綠素含量下降，葉片出現(xiàn)變色及萎蔫情形，這會(huì)引起紅光波段反射率增高，近紅外波段的反射率出現(xiàn)下降；病蟲害引發(fā)葉片水分含量的波動(dòng)，也會(huì)在水分吸收波段呈現(xiàn)出光譜特征的顯著改變，這些特征變動(dòng)為借助光譜實(shí)現(xiàn)病蟲害早期識(shí)別提供了關(guān)鍵支撐。

1.3無(wú)人機(jī)遙感技術(shù)應(yīng)用缺口

就數(shù)據(jù)處理的層面而言，無(wú)人機(jī)采集的多源數(shù)據(jù)，如高分辨率影像和多光譜數(shù)據(jù)之類，數(shù)據(jù)量龐大，格式呈多樣化，現(xiàn)有的數(shù)據(jù)處理算法及配套軟件，在數(shù)據(jù)融合及快速分析方面表現(xiàn)欠佳。從海量數(shù)據(jù)中快速精準(zhǔn)提取病蟲害相關(guān)特征并非易事，就識(shí)別精度的表現(xiàn)而言，處于復(fù)雜園林的環(huán)境里，各植物種類光譜特征出現(xiàn)了重疊，且病蟲害早期時(shí)，光譜變化就很微弱，現(xiàn)有的識(shí)別模型無(wú)法進(jìn)行有效區(qū)分，造成識(shí)別準(zhǔn)確率不高。天氣狀況極大地影響著無(wú)人機(jī)飛行，在風(fēng)雨、霧霾這類惡劣的天氣環(huán)境中，無(wú)法實(shí)現(xiàn)作業(yè)的正常開展，而且無(wú)人機(jī)的續(xù)航能力欠佳，無(wú)法做到長(zhǎng)時(shí)間、大范圍的連續(xù)監(jiān)測(cè)，這些情況均對(duì)無(wú)人機(jī)遙感技術(shù)在園林病蟲害早期識(shí)別時(shí)的廣泛應(yīng)用有所制約。

2無(wú)人機(jī)遙感園林病蟲害早期識(shí)別技術(shù)原理與系統(tǒng)構(gòu)建

2.1無(wú)人機(jī)遙感光譜監(jiān)測(cè)技術(shù)原理

對(duì)于深圳市的園林植物，健康葉片因富含葉綠素，在可見光的紅光波段（波長(zhǎng)約為 0.62～0.76μm） 會(huì)強(qiáng)烈吸收光線，用于光合作用；在近紅外波段的范疇，歸因于葉片內(nèi)部獨(dú)特的細(xì)胞構(gòu)造，體現(xiàn)出高反射特征。若園林植物遭遇病蟲害，細(xì)胞的結(jié)構(gòu)受損毀，葉綠素含量明顯降低，光合作用的進(jìn)程受阻，紅光波段反射率向上攀升，葉片水分的狀態(tài)出現(xiàn)變動(dòng)，近紅外波段反射率出現(xiàn)了下降。無(wú)人機(jī)搭載的光譜傳感器可精準(zhǔn)捕捉這些細(xì)微光譜變化，通過采集、分析不同波段反射率數(shù)據(jù)，計(jì)算特定植被指數(shù)，如歸一化植被指數(shù)（NDVD，其計(jì)算公式如下：

式中：PNIR 近紅外波段反射率；pR 紅光波段反射率。

2.2無(wú)人機(jī)平臺(tái)及傳感器選型標(biāo)準(zhǔn)

續(xù)航層面，考慮到深圳市園林區(qū)域面積較大，為契合大面積巡查需求，續(xù)航時(shí)長(zhǎng)通常需在30＼～120min，部分固定翼無(wú)人機(jī)續(xù)航可達(dá)數(shù)小時(shí)，具備飛行速度快、航程遠(yuǎn)的特點(diǎn)，適用于大面積、布局規(guī)則的園林監(jiān)測(cè)；多旋翼無(wú)人機(jī)雖續(xù)航較短，但靈活性極高，適合城市公園中植被分布復(fù)雜、空間受限的區(qū)域。飛行穩(wěn)定性對(duì)數(shù)據(jù)采集質(zhì)量有直接影響，需配備先進(jìn)飛控系統(tǒng)，以保障無(wú)人機(jī)在微風(fēng)甚至一定風(fēng)力條件下穩(wěn)定飛行，負(fù)載能力決定了可搭載傳感器的類型與數(shù)量，需依據(jù)實(shí)際監(jiān)測(cè)需求，選取能承載相應(yīng)重量傳感器的無(wú)人機(jī)平臺(tái)，如大疆M300RTK無(wú)人機(jī)負(fù)載能力較強(qiáng)，可滿足多種傳感器的搭載需求。傳感器選型亦為重要，光譜分辨率影響植物光譜特征區(qū)分的精細(xì)度，園林病蟲害早期識(shí)別宜選用高光譜傳感器，此類傳感器可提供數(shù)百個(gè)連續(xù)且窄波段的光譜信息，靈敏捕捉病蟲害導(dǎo)致的細(xì)微光譜變化，部分高光譜傳感器光譜分辨率可達(dá)1＼～10nm?？臻g分辨率關(guān)系到植物個(gè)體及病蟲害細(xì)節(jié)的分辨能力，深圳市園林植物監(jiān)測(cè)一般采用空間分辨率在0.1＼～10cm的傳感器，以清晰展現(xiàn)單株植物甚至葉片上的病蟲害跡象。

3無(wú)人機(jī)遙感園林病蟲害早期識(shí)別技術(shù)應(yīng)用3.1多源數(shù)據(jù)協(xié)同采集技術(shù)應(yīng)用

開展深圳園林病蟲害早期識(shí)別的工作，需根據(jù)園林計(jì)算機(jī)輔助設(shè)計(jì)圖紙，結(jié)合實(shí)地勘測(cè)數(shù)據(jù)規(guī)劃無(wú)人機(jī)飛行航線，就大面積的園林地帶而言，采用“網(wǎng)格全面覆蓋 + 重點(diǎn)區(qū)域加密\"的做法，把無(wú)人機(jī)飛行高度調(diào)控至 50～100m ，借此得到空間分辨率為0.1＼～10cm的遙感數(shù)據(jù)。在無(wú)人機(jī)飛行進(jìn)程內(nèi)，由無(wú)人機(jī)搭載的多光譜傳感器，同步采集藍(lán)光 （450-520nm） 、紅光（630＼～690nm） 、近紅外 （760-1100nm） 等波段的測(cè)量數(shù)據(jù)，同時(shí)借助GNSS模塊來(lái)記錄厘米級(jí)定位數(shù)據(jù)，在地面布放氣象站，以10min的采樣間隔來(lái)采集溫度、濕度、光照強(qiáng)度等環(huán)境狀況參數(shù)。

數(shù)據(jù)處理環(huán)節(jié)，利用ENVI5.6軟件構(gòu)建多源數(shù)據(jù)融合框架（圖1）。首先，對(duì)原始影像進(jìn)行幾何校正與大氣校正，消除地形起伏與大氣散射影響。其次，通過Gram-Schmidt變換將高光譜與多光譜數(shù)據(jù)融合，生成兼具高空間分辨率（5cm）與高光譜分辨率的數(shù)據(jù)集。最后，基于Python編寫的自動(dòng)化腳本，提取歸一化植被指數(shù)、歸一化差異紅外指數(shù)等12種植被參量，構(gòu)建病蟲害特征數(shù)據(jù)集。

采集多源數(shù)據(jù)后開展光譜數(shù)據(jù)處理。運(yùn)用 SavitzkyGolay濾波消除信號(hào)噪聲，通過連續(xù)統(tǒng)去除法規(guī)整光譜

3.2智能特征融合提取技術(shù)應(yīng)用

曲線，著重凸顯 700-750nm 波段“紅邊\"位移現(xiàn)象，該波段變化與植物葉綠素含量波動(dòng)緊密相關(guān)。圖像特征提取環(huán)節(jié)，借助Canny算子獲取葉片邊緣輪廓，進(jìn)而計(jì)算周長(zhǎng)、面積、圓形度等幾何參數(shù)；采用 ^8×8 像素窗口、1像素量化步長(zhǎng)的局部二值模式提取葉片紋理特征。特征融合階段，實(shí)施加權(quán)策略，光譜特征權(quán)重設(shè)為0.6，圖像特征賦予0.4權(quán)重，利用主成分分析將高維特征向量壓縮至20維以內(nèi)，同時(shí)確保保留 95% 以上原始信息。以深圳市常見樟樹為研究對(duì)象，當(dāng)監(jiān)測(cè)區(qū)域樟樹近紅外波段光譜反射率低于0.4，且葉片紋理粗糙度參數(shù)超過18時(shí)，結(jié)合其他形態(tài)與光譜特征，即可判定該區(qū)域樟樹存在病蟲害風(fēng)險(xiǎn)，據(jù)此構(gòu)建包含多維度特征的病蟲害判別向量，為后續(xù)精準(zhǔn)識(shí)別提供數(shù)據(jù)支撐。

3.3動(dòng)態(tài)閥值自適應(yīng)判定技術(shù)應(yīng)用

在園林復(fù)雜的生態(tài)環(huán)境中，溫度、濕度、光照等環(huán)境因素時(shí)刻變化，植物生長(zhǎng)周期也各有不同，靜態(tài)閾值難以精準(zhǔn)識(shí)別病蟲害，動(dòng)態(tài)閾值自適應(yīng)判定技術(shù)便成為破局關(guān)鍵。數(shù)據(jù)采集階段，地面氣象站以 10min 為間隔，持續(xù)監(jiān)測(cè)溫度（精度 ±0.5^°C） 、相對(duì)濕度（精度 12% ）、光照強(qiáng)度（精度 ±5μmol/m²?s^-1） 等環(huán)境參數(shù)；無(wú)人機(jī)搭載光譜分辨率達(dá)5nm、空間分辨率為5cm的高光譜傳感器，以及分辨率為4800萬(wàn)像素的光學(xué)相機(jī)，在50＼～100m 飛行高度下，以0.1＼～10cm的空間分辨率獲取植物生長(zhǎng)狀態(tài)數(shù)據(jù)，二者協(xié)同為病蟲害識(shí)別提供實(shí)時(shí)、全面的數(shù)據(jù)支撐。

該技術(shù)依據(jù)環(huán)境與植物生長(zhǎng)情況智能調(diào)整閾值。當(dāng)監(jiān)測(cè)到連續(xù)3h環(huán)境溫度不低于 30% 且相對(duì)濕度不低于 80% 時(shí)，自動(dòng)將葉片光譜異常判定標(biāo)準(zhǔn)中的紅光波段反射率閾值提高0.05，近紅外波段反射率閾值降低0.03，避免因高溫高濕導(dǎo)致的葉片生理變化造成誤判；針對(duì)不同生長(zhǎng)階段植物，動(dòng)態(tài)改變形態(tài)特征識(shí)別準(zhǔn)則。以深圳市常見榕樹為例，在其生長(zhǎng)旺盛期，模型會(huì)根據(jù)歷史數(shù)據(jù)與實(shí)時(shí)監(jiān)測(cè)，精準(zhǔn)調(diào)整葉片顏色、紋理等特征的識(shí)別閾值，實(shí)現(xiàn)病蟲害的早期預(yù)警。動(dòng)態(tài)閾值自適應(yīng)判定技術(shù)顯著提升了病蟲害識(shí)別準(zhǔn)確率，有效避免漏檢誤判，為深圳市園林病蟲害防控決策提供了科學(xué)、可靠的依據(jù)。

3.4識(shí)別結(jié)果空間可視化技術(shù)應(yīng)用

針對(duì)病蟲害致疫木情況，將病蟲害導(dǎo)致疫木的識(shí)別結(jié)果存儲(chǔ)于數(shù)據(jù)層PostGIS數(shù)據(jù)庫(kù)，字段包含病蟲害類型、嚴(yán)重程度、空間坐標(biāo)，利用GIST格式空間索引提升查詢效率。服務(wù)層借助GeoServer發(fā)布WMS/WFS服務(wù)，疊加矢量數(shù)據(jù)（點(diǎn)線面要素，對(duì)應(yīng)疑似疫木點(diǎn)位等）與柵格數(shù)據(jù)（可輔助分析植被背景信息）進(jìn)行顯示。前端采用OpenLayers框架，加載對(duì)應(yīng)區(qū)域基礎(chǔ)地圖作基礎(chǔ)層，病蟲害致疫木專題層以分級(jí)圖呈現(xiàn)感染密度，暖色區(qū)域?yàn)楦唢L(fēng)險(xiǎn)區(qū)（即疑似病腐木數(shù)量多、病蟲害影響重的區(qū)域），動(dòng)態(tài)時(shí)序?qū)涌砂粗芷谡故静∠x害擴(kuò)散及致疫木發(fā)展的動(dòng)畫。系統(tǒng)交互功能豐富，點(diǎn)擊病蟲害致疫木分布區(qū)域，彈出對(duì)應(yīng)樹種、病害類型及防治建議；框選區(qū)域可生成感染（致疫木分布）面積與嚴(yán)重程度占比報(bào)表，還能導(dǎo)出KML數(shù)據(jù)，為無(wú)人機(jī)針對(duì)病蟲害防治作業(yè)（噴藥抑制病害擴(kuò)散、處置疫木）導(dǎo)航提供數(shù)據(jù)支撐，實(shí)現(xiàn)基于病蟲害致疫木監(jiān)測(cè)的林業(yè)或?qū)?yīng)場(chǎng)景的病蟲害防治。

4無(wú)人機(jī)遙感早期識(shí)別技術(shù)在深圳園林的應(yīng)用成效

4.1病蟲害識(shí)別提前期顯著縮短

傳統(tǒng)園林病蟲害識(shí)別模式中，鑒于人工巡查頻次的局限性，往往得等到病蟲害發(fā)展成一定規(guī)模，癥狀十分明顯時(shí)才可察覺，應(yīng)用無(wú)人機(jī)遙感早期識(shí)別技術(shù)之后，借助多源數(shù)據(jù)的協(xié)同采集，可周期性全面監(jiān)測(cè)園林區(qū)域。在針對(duì)深圳市一處大型公園的監(jiān)測(cè)工作里，無(wú)人機(jī)循著既定路線，每周開展一次綜合性巡查。在該技術(shù)引入前，面對(duì)常見的朱紅毛斑蛾蟲害現(xiàn)象，平均發(fā)現(xiàn)蟲害的時(shí)間是在爆發(fā)后15d左右；采用無(wú)人機(jī)遙感技術(shù)后，依靠智能特征融合提取及深度學(xué)習(xí)模型優(yōu)化部署相關(guān)技術(shù)，可以于蟲害初發(fā)時(shí)期，也就是在3＼～5d內(nèi)實(shí)現(xiàn)精準(zhǔn)識(shí)別，大幅縮短了識(shí)別提前期達(dá)10＼～12d，為迅速落實(shí)防治舉措爭(zhēng)取到寶貴時(shí)段。

4.2定位精度大幅提高

以往依靠人工巡查，難以精準(zhǔn)鎖定病蟲害發(fā)生的具體位置，多采用大致區(qū)域說明，對(duì)精準(zhǔn)防治工作不利，而無(wú)人機(jī)所配備的GNSS模塊可記錄厘米級(jí)定位信息，結(jié)合多源數(shù)據(jù)做處理，能精準(zhǔn)聚焦單株植物。在深圳市某條道路兩側(cè)榕樹的病蟲害防治作業(yè)里，在采用這項(xiàng)技術(shù)之前，定位存在數(shù)十米的誤差，不容易對(duì)每一棵受病蟲害影響的榕樹進(jìn)行靶向處理。引入早期的無(wú)人機(jī)遙感識(shí)別技術(shù)后，可實(shí)現(xiàn) 0.1～0.5m 的定位精度，采用空間可視化的技術(shù)，直觀地在地圖上呈現(xiàn)病蟲害位置，清晰展現(xiàn)出不同區(qū)域受病蟲害植株的準(zhǔn)確坐標(biāo)點(diǎn)，使防治人員可迅速、精準(zhǔn)地鎖定目標(biāo)植株，顯著提升了防治工作的精準(zhǔn)度及工作效能。表1為深圳某道路榕樹病蟲害位置信息示例。

4.3整體防控效果顯著增強(qiáng)

受益于病蟲害識(shí)別提前時(shí)段的縮短及定位精準(zhǔn)程度的提高，深圳市園林對(duì)病蟲害的整體防控成效呈質(zhì)的躍升。若早期就發(fā)現(xiàn)了病蟲害，能即刻采用有針對(duì)性的防治辦法，阻止病蟲害大規(guī)模蔓延，降低防治成本。例如，開展海欖雌瘤斑螟對(duì)白骨壤侵害的防治工作時(shí)，運(yùn)用無(wú)人機(jī)開展早期探查，可在蟲害初起階段開展精準(zhǔn)噴藥，與過去蟲害大面積肆虐后才著手防治相比較，農(nóng)藥使用量約減少了40個(gè)百分點(diǎn)，切實(shí)節(jié)約了開支，又減輕了對(duì)整個(gè)環(huán)境的污染壓力。因精準(zhǔn)定位，防治措施能更有效地作用在目標(biāo)區(qū)域，提升了防治工作成效，以蓮花山公園為例，自應(yīng)用這項(xiàng)技術(shù)起，與之前情況比，病蟲害發(fā)生率降低了 30%～40% ，園林植物的健康態(tài)勢(shì)明顯好轉(zhuǎn)，生態(tài)景觀實(shí)現(xiàn)了更好的維護(hù)效果，為市民造就了更優(yōu)質(zhì)的園林天地。

5結(jié)語(yǔ)

借助無(wú)人機(jī)遙感的園林病蟲害早期識(shí)別技術(shù)構(gòu)架，證明了多源數(shù)據(jù)協(xié)同采集與深度學(xué)習(xí)模型在深圳園林場(chǎng)景中切實(shí)有效，病蟲害識(shí)別提前期縮短，定位精準(zhǔn)至厘米級(jí)別，為園林病蟲害的防治工作提供了科學(xué)決策的支撐。未來(lái)，還需進(jìn)一步增強(qiáng)復(fù)雜環(huán)境里模型泛化能力，推動(dòng)該技術(shù)跟物聯(lián)網(wǎng)監(jiān)測(cè)網(wǎng)絡(luò)深度結(jié)合，進(jìn)而實(shí)現(xiàn)園林生態(tài)的智慧化管控。

參考文獻(xiàn)

[1]高輝.濟(jì)南市園林病蟲害防治存在的問題及其對(duì)策[J].南方農(nóng)業(yè)，2024，18（16）：159-161.

[2]張翠翠，潘業(yè)田，易春燕，等.成都市城市園林植物病蟲害防治現(xiàn)狀及措施[J].四川農(nóng)業(yè)科技，2024（11）：64-66.

[3]孫麗娜，王德華.園林花卉病蟲害的發(fā)生特點(diǎn)及防治技術(shù)探究[J].園藝與種苗，2022，42（8）：45-46.

[4]閆菁，唐淑芬.無(wú)人機(jī)遙感在城市園林綠化調(diào)查的應(yīng)用研究[J].江西通信科技，2024（1）：37-41.

[5]周小成，廖鴻燕，崔雅君，等.無(wú)人機(jī)遙感估算綠化園林三維綠量：以福州大學(xué)旗山校區(qū)為例[J]福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（6）：699-705.

作者簡(jiǎn)介：李琪安（1973一），男，漢族，廣東深圳人，本科，高級(jí)工程師，主要從事園林專業(yè)工作。