松材线虫病是最具危害性的森林病害之一,亟需采取精准的监测手段来确定病疫木的株数和位置,实现松材线虫病的高效防控.利用多光谱无人机获取贵州省榕江县忠诚镇松材线虫病疫区图像,以无人机多光谱及其衍生点云作为数据源.首先,通过点云分割算法对研究区单木进行定位识别和树冠轮廓分割;然后,以分割单元提取光谱特征,并通过随机森林与递归特征消除相结合(RF-RFE)筛选出最佳特征集;最后,基于筛选特征集用于随机森林(RF)和支持向量机(SVM)检测模型构建,并评价模型检测性能,同时,使用RF和SVM对研究区进行感病情况反演,绘制松材线虫病空间分布图.结果表明:1)基于摄影测量点云单木分割效果较好,整体F-score为82.21％;经过特征筛选构建的RF模型,其OA和Kappa分别为84.4％和0.74,SVM的为76.09％和0.66.2)在树木健康、早期、中期和晚期4个阶段的检测中,RF的F-score值分别为78.43％,69.23％,83.33％和94.12％;SVM的为80.7％,55.81％,70.18％和84.13％.综合比较,RF的检测性能最好.研究表明,采用无人机多光谱影像和摄影测量点云相结合进行松材线虫病单木尺度监测具有可行性.通过研究,以期为低成本和精准的松材线虫病遥感监测提供参考.

松材线虫病;无人机多光谱;摄影测量点云;单木分割

贵州大学 林学院,贵阳550025;贵州大学林业信息工程研究中心,贵阳550025

[1]王补;谭伟;王贵林;蒲秀青-.基于无人机多光谱影像的松材线虫病单木尺度监测)[J].林业资源管理,2022(05):107-117

衍生点

无人机多光谱影像,松材线虫病,危害性,森林病害,监测手段,病疫,疫木,株数,多光谱无人机,榕江县,疫区,数据源,点云分割,分割算法,定位识别,树冠,分割单,光谱特征,递归特征消除,RFE,征集,检测模型,模型检测,检测性能,空间分布图,摄影测量点云,单木分割,分割效果,score,特征筛选,OA,Kappa,树木,遥感监测

0.23034