松材线虫病有人机航空摄影监测模式初探——以松滋市为例

胡文杰 彭寿连 邓德峰 付 甜 潘 磊 毕艳岳

(1.湖北省林业科学研究院 武汉 430075；2.湖北神农架森林生态系统国家定位观测研究站 神农架 442421； 3.湖北同诚通用航空有限公司 荆州 434020；4.石首市南岳山森林公园管理所 石首 434400)

松材线虫病又称松树萎蔫病，是由松材线虫Bursaphelenchusxylophilus引起的具有毁灭性的森林病害，自1982年首次在中国发现以来，松材线虫病已扩散至18个省(区、市)的666个县级行政区，累计致死松树超过6亿株[1]。近年来，该病害进入高发期，全国疫区数量增加420个，发生面积增长154倍，病死树数量增长26.2倍，由于疫情发生面积大、范围广、程度重、增速快，老疫区松树数量大量减少，且超四成的新疫区疫木发现不及时，使得松材线虫病直接对中国近6 000万hm2松林资源的安全产生严重威胁[2]。

由于航空遥感监测技术具有能够反映植物特征变化、节省人力物力资源、提高监测防治效率等优势[3]，已越来越多地应用到中国松材线虫病监测和防治工作中，为有效遏制松材线虫病快速扩散蔓延势头，维护国家生态安全发挥了一定的积极作用。但是，航空遥感在松材线虫病的预警和防治中仍存在普及率不高、监测技术不够成熟稳定等问题，且不同的遥感监测平台在具体实践应用中各具优势[4-5]，因此，为推进遥感技术的应用，需要进一步增强各监测平台的稳定性和技术成熟度。本研究以有人机航空摄影为监测平台，结合专业影像识别软件，开展松滋市松材线虫病监测实地调查工作，并对实施方式和方法进行了介绍，以期为松材线虫病监测防控提供参考。

1 技术方法

1.1 飞行平台

根据本次作业面积和区域气候条件，选用固定翼有人机“空中力士P750”，最大航行时间8 h，最大航程2 183 km，最大飞行高度6 096 m，巡航飞行速度260 km·h-1，可搭载不同类型航摄仪，具有较高的飞行平稳度。

1.2 监测区域

松滋市位于湖北省中南部，长江中游南岸。东连江汉平原，与江陵、公安毗邻，西与五峰、宜都接壤，南连湖南澧县、石门，北枕长江，与枝江隔江相望。地理坐标东经110°14′～112°03′，北纬29°53′～30°22′。东西长约77 km，南北宽约55 km，总面积2 235 km2，共辖2街15个乡镇，人口近100万。本次飞行覆盖松滋市13个乡镇及2个林场，行政区域2 000多km2，监测对象涉及其中所有的松林小班，面积约2.67万hm2(图1)。

图1 监测区域图

1.3 航线设计

根据监测范围面积，了解作业量大小，在确定飞行平台和航摄系统后，对目标区域进行航线设计。航线设计必须要依据空域管制和作业要求，原则上以最节省航线长度为主，减少航线数，减少飞机掉头次数，单条航线不能超过25 min飞行长度(图2)。在必要时考虑太阳高度角影响相片过爆的问题，控制飞行时间，避免中午飞行。航线设计确定后，向有关部门进行空域申请。

图2 松滋市全域航线设计图

1.4 飞行作业

空域申请通过之后，即开始准备飞行作业。有人机航摄时间为2019年9月27日，天气晴，温度20～32 ℃，东北风2级，空气质量良好。当日气候条件非常适合航摄，在提前报备飞行计划后，顺利实施飞行作业。飞机飞行航高2 500 m，航向重叠度60%以上，旁向重叠度30%以上，飞行速度240 km·h-1，飞行7 h，完成了整个测区的飞行任务。

1.5 航摄相机

选用Leica DMC III大框幅式相机，搭载在固定翼有人机“空中力士P750”上进行航空拍摄。该相机基于专门为航空应用而打造的全新CMOS传感器，可提供世界上单片传感器能够覆盖的最大幅宽，像素高达3.9亿，影像分辨率为0.1 m，为测绘级专业航摄仪。该航摄仪包含五个镜头，分别为R、G、B、NIR、PAN五个波段，集成IMU/GPS系统，同时配备PAV平台，实时矫正飞行姿态，保证镜头始终垂直朝下。

1.6 影像处理

航摄完成之后，采用徕卡配套软件Hxmap进行原始影像提取、预处理，生成RGBN航空影像及POS文件，然后在Inhpo软件中，进行空三过程、提取DTM、正射校正和影像拼接，最终生成各个乡镇的正射影像图。影像精度可以达到航摄国家标准水平。影像坐标系采用UTM-49n坐标系。

1.7 影像自动识别

在获得正射影像数据产品后，使用“同诚多光谱图像识别软件”进行松材线虫病死木自动识别，软件识别完成后可直接导出与图像坐标系一致的点图层shp格式文件，并在地理信息软件中查看结果。该软件包含光谱特征提取与选择、空间特征提取与选择、基于深度学习的去噪处理等关键技术，具有处理效率高、识别准确度高等特点。

2 结果分析

2.1 监测结果

以松滋市某局部区域的监测结果为例，采取人工检测和软件检测相结合的方法对监测结果进行评价分析。软件检测的漏检率为0～37.5%，平均漏检率为10.48%，检测错误率为0～25.00%，平均错误率为10.79%，由此可见，监测结果精度总体处于较高水平(表1)。

表1 松滋市某区域监测结果

2.2 现场核查与精度验证

在得到最终的识别结果后，选取几个乡镇及其中的松林小班开展现场核查与精度验证工作(图3)。最终核查小班数量30个，枯死松树1 040株。通过验证表明，自动识别软件识别准确率达到81.6%，定位精度在1 m以内(表2)。

表2 现场核查照片对应的图像

图3 部分现场核查路线

2.3 效果评价

有人机航空摄影监测在对县级行政区进行松材线虫病监测方面具有覆盖全、周期短、分辨率高、结果快和图像质量好等优势，整体应用效率较高，能够节省大量人力财力物力。在保证单株可识别的基础上，有人机航空摄影监测仅飞行一个架次即可实现单个县级行政区的全域覆盖，如果连年普查则可对病害进行动态监测，及时掌握防治效果，减少人为调查的误差；以本方式进行松材线虫病普查，在快速获取影像后，利用多光谱的植被指数进行自动识别，可以准确识别出松材线虫病枯死松树，目前准确率超过80%，准确率较高，减少了大量人工目视解译的工作，提升了工作效率，缩短了工作周期；采用测绘级的飞行平台和航空摄影系统，获取的影像数据可以生成符合国家标准的测绘产品，利于实现林业信息化，并可对林业“一张图”进行较好地补充与更新。此外，通过比对分析多期影像资料，可让林业管理部门对当地森林资源的变化有更直观地了解，提高了影像的使用率和价值。

3 讨论

基于飞行平台等手段替代人工方法进行松材线虫病死木监测，是实现病虫害防治现代化发展的重要环节。当前，无人机飞行平台是应用于松树病死木监测的主要平台[6-8]，因其具有便携、操作简便、准确度较高等特点而在部分区域得到实践应用[9]。为提升监测的准确度，基于HSV阈值法[4]、深度学习模型Faster R-CNN和YOLO V4等[10]方法的松树病死木识别技术已逐步得到应用。HSV阈值法主要是对发病前松树分布的高分辨率影像进行掩膜，最终实现60%～65%的变色松树提取精度，该方法的精度略低于本研究，但应用场景均为松树染病后的中后期识别，还无法做到对病害发生趋势的预警性监测，因此如何基于现有方法，实现对松材线虫病发生趋势的预测预警对病害防控管理具有积极意义。深度学习模型Faster R-CNN和YOLO V4识别的精度与本研究较为接近，均达到80%以上，但从适用场景来看，无人机飞行平台一般用于小范围监测或现场验证等，而有人机飞行平台则可结合林业资源数据，进行以行政区域为单元的大范围监测，且从飞行到成果输出用时不到20 d，不仅很大程度缩短行政单元的普查周期，还可分析得出村级行政单元的病害发生情况，为后期松材线虫病具体防治决策提供了可靠依据。

黄焕华等[11]利用固定翼无人机监测松材线虫病死木时，在1 425.9 hm2的监测范围内识别病死木1 486株，病死木死亡密度约1株·hm-2，监测精度为2～3 m。但在死亡密度较高的区域，常出现松树聚集性死亡的情况，即相邻的病死木之间距离非常近，2～3 m的监测精度就难以满足工作需求。本研究基于有人机飞行平台，搭载Leica DMC III大框幅式相机，结合基于深度学习法的“同诚多光谱图像识别软件”，定位精度在1 m以内，大幅增加了有人机在病死木识别中的应用场景。但同时必须意识到，使用有人机方式进行普查时也存在一些问题，如松材线虫病的普查工作以春季和秋季居多，由于航空摄影飞行对天气条件的要求较高，为了保证及时完成普查工作并提交成果，需要密切关注天气变化情况；另外，以本方式进行遥感监测时，航空摄影生成的正射影像图主要是获取地表的森林部分，对于茂密林下或林内小株枯死松树难以直接识别，因此具有一定的局限性。尽管本普查方式的准确率超过了80%，能够满足一般监测需求，但仍存在较大的改进空间，在后期实践中需要累积更多样本和数据来提升、改进软件的自动识别算法和模型。