【技术实现步骤摘要】
本专利技术属于植物病虫害检测领域，尤其涉及一种基于地面高光谱识别的落叶松针叶虫害检测方法。
技术介绍
1、森林病虫害是林业发展的大敌，被称为不冒烟的火灾，其危害性不言而喻。病虫害并非都是大面积、成片地发生，发病初期一般都是小范围，分散发生。对发病初期的监测不容忽视，如果经过长期的恶性循环，最终导致大片发生，虽然这时能被监测到，但危害已经难以控制了。因此及时、及早监测病虫害具有重要意义。
2、在不同病虫害区分方面，人们利用地面高光谱识别技术和卫星遥感监测技术对植物不同病虫害进行了判别研究。随信息科学技术的快迷发展和传感器性能的不断提高，森林病虫害严重程度调查与监测技术方法有很大变化。过去森林病虫害监测以人工调查取样、口测手查、利用昆虫信息素和引诱剂监测和诱捕器等为主，这些传统方法虽然能取得较好的调查结果，但耗时费力，时效性差，主观性强、且不能满足大区域尺度病虫害的实时监测的需求。近年来，随着高光谱技术本身的迅猛发展以及生态安全问题的日益突出，植物病虫害检测与识别手段技术也不断革新，地面高光谱检测技术以其及时和精准的优势己成为植物病虫害快速、无损及准确获取的重要手段。在森林虫害光谱检测中，通常利用相关性分析、方差分析、敏感性分析、遗传算法、后向特征消去法和变量重要性分析等方法对森林虫害的光谱敏感性进行分析，并提取敏感光谱特征。敏感光谱特征提取是植物虫害光谱检测模型建立的前提。植物虫害光谱检测模型的算法是通常利用多元线性回归、支持向量机法、神经网络法等。
3、森林病虫害严重程度一方面直接表现在受害林木的外观状态
4、高光谱数据在森林病虫害监测研究中的应用虽然己经趋于成熟，但林木在特定的生育期内，不同的胁迫类型可能导致在叶片或冠层尺度上表现出相似的生理反应，从而影响特征光谱的提取，降低病虫害高光谱判别的准确性。
5、目前，遥感技术己成为森林病虫害监测的重要手段。从多光谱遥感来看，coops等利用高空间分辨率快鸟多光谱影像数据，在山松甲虫不同危害程度上，分析单个光谱带以及归一化差异植被指数和红绿反射比指数变化特点，评价了这些多光谱特征对山松甲虫虫害的监测能力(coops et al,2006)；eklundh等的研究表明基于modi s数据的植物虫害检测方法对昆虫爆发的定位很有效，而对昆虫虫害严重程度的估测效果不佳。
6、综上所述，在森林病虫害航空航天遥感监测研究方面，人们取得了长足进展。一部分是利用航空航天遥感数据的光谱指数直接监测森林虫害严重程度；另一部分是利用航空航天遥感数据的光谱指数先监测受害林木外观状态指标(如失叶率、冠层颜色)或内部生化组分(如叶绿素含量、水分含量)，然后间接反映林木虫害严重程度。林木虫害严重程度可理解为林木受害程度和害虫发生程度的综合结果。在林木受害过程中，可利用林木外观状态指标和内部生化组分的变化来描述林木受害程度，可采用虫口数量变化来表征害虫发生程度。从而通过基于遥感数据的光谱指数直接监测虫害严重程度，很难保证其准确性，只有综合考虑林木外观状态指标、内部生化组分和虫情指标才能得到较可靠的虫害严重程度。
7、从遥感数据应用而言，一般在森林病虫害监测中利用卫星多光谱遥感数据较多，而采用无人机和卫星高光谱遥感数据相对较少，使用的遥感数据源具有单一性特点，使得出现遥感数据之间协同性较差和互补性不足的情况。这是因为卫星多光谱遥感数据可免费获得，其覆盖范围较大且成本低，而高光谱遥感数据获取难度大，其覆盖范围相对较小且成本高，进而森林虫害监测中多光谱遥感成为了主角。但多光谱遥感与高光谱遥感相比，其森林虫害监测精度相对低，有待提高。此外，对森林不同类型虫害的航空航天遥感判别研究成果较为罕见。
8、通过上述分析，现有技术存在的问题及缺陷为：
9、(1)基于遥感数据的光谱指数直接监测虫害严重程度，无法保证精准度。
10、(2)分析的遥感数据的单一性，遥感数据之间协同性较差，互补性不足。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种利用的落叶松针叶虫害检测方法。
2、本专利技术是这样实现的，一种基于地面高光谱识别的落叶松针叶虫害检测方法，包括：
3、步骤一，数据收集与预处理：使用配备高光谱仪和定位装置的无人机在特定特征波段采集落叶松区域的高光谱图像，并记录图像对应的经纬度坐标；对采集的高光谱图像进行去噪、校正和增强处理，确保数据质量；
4、步骤二，综合表征与特征提取：选择失叶率、冠层颜色、叶绿素含量、干重含水率、鲜重含水率和虫口密度作为虫害指示性指标，应用深度学习模型自动识别和提取这些关键指标；
5、步骤三，智能化监测与预测：利用实时数据处理和分析平台，快速处理新获取的高光谱数据，使用高级机器学习技术建立虫害类型和等级预测模型；
6、步骤四，虫害识别与等级判定：输入高光谱图像至病虫害类型识别神经网络模型，识别受损叶片数量，当受损叶片数量超过预设阈值时，进一步分析确定虫害类型，通过病虫害等级估测模型对虫害程度进行量化；
7、步骤五：多尺度数据融合与预警：结合无人机高光谱数据和sentinel-2a卫星多光谱遥感数据，进行冠层和区域两个尺度的虫害分析；根据虫害识别和等级估测结果，向森林管理部门及时发出虫害预警。
8、进一步，所述步骤一通过无人机搭载高光谱仪在预设的特征波段进行飞行，覆盖待测落叶松区域，收集落叶松的高光谱图像，并同时记录图像的gps坐标；
9、利用数字滤波技术去除图像的背景噪声，根据gps坐标进行图像的几何校正，确保影像与实际地理位置一致，进行辐射校正，确保光谱数据的一致性和准确性，应用图像增强技术提高图像的对比度和清晰度。
10、进一步地，在冠层尺度上，探析虫口密度、叶绿素含量、干重含水率、鲜重含水率、失叶率和冠层颜色等虫害指示性指标的敏感光谱特征，建立虫害指示指标高光谱识别模型，识别林木受害程度和害虫发生程度，为虫害遥感监测提供实验理论基础。
11、进一步地，在区域尺度上，模拟sentinel-2a多光谱遥感数据，利用其敏感光谱特征，建立6个虫害指示指标的遥感监测模型，识别虫害严重程度，提高多光谱遥感的虫害监测精度，并且证实利用哪一个虫害指示指标能够较好监测虫害严重程度。
12、进一步地，所述的虫害高光谱敏感性分析方法步骤为，首先处理样本树高光谱实测数据，获得ssr,dsr,cwc以及gsi其次对野外调查的虫口数量、相对叶绿素含量(spad值)、针叶样本的鲜重和干重、受损和健康针叶数量、以及冠层颜色数据分别进行整理与处理，获得各样本树的popd,chlc,lwcd,lwcf,llr和fcc等虫害指示指标。再利用相关性分析方法分别分析四种高光谱特征(ssr,dsr,cwc和gsi)与popd,chlc,lwc本文档来自技高网...
【技术保护点】
1.一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述步骤一通过无人机搭载高光谱仪在预设的特征波段进行飞行，覆盖待测落叶松区域，收集落叶松的高光谱图像，并同时记录图像的GPS坐标；
3.如权利要求1所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，在冠层尺度上，探析虫口密度、叶绿素含量、干重含水率、鲜重含水率、失叶率和冠层颜色等虫害指示性指标的敏感光谱特征，建立虫害指示指标高光谱识别模型，识别林木受害程度和害虫发生程度，为虫害遥感监测提供实验理论基础。
4.如权利要求1所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，在区域尺度上，模拟Sentinel-2A多光谱遥感数据，利用其敏感光谱特征，建立6个虫害指示指标的遥感监测模型，识别虫害严重程度，提高多光谱遥感的虫害监测精度，并且证实利用哪一个虫害指示指标能够较好监测虫害严重程度。
5.如权利要求2所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法
6.如权利要求5所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述的相关性分析法对落叶松针叶虫害指示指标进行了高光谱敏感性分析；首先分别计算四种高光谱特征(SSR,DSR,CWC和GSI)与POPD,CHLC,LWCD,LWCF和LLR等虫害指标的相关系数r，并获得其决定系数R2，然后分析SSR,DSR,CWC和GSI对虫害指标的敏感性，R2越接近1，即敏感性越强。
7.如权利要求5所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述的方差分析方法对雅氏落叶松尺蠖和西伯利亚松毛虫引起的林木不同冠层颜色对应的SSR,DSR,CWC和GSI计算了其F值，揭示了这些高光谱特征对FCC的敏感性；同时，对雅氏落叶松尺蠖和西伯利亚松毛虫不同虫害林木冠层的高光谱特征亦计算了其F值，并分析了SSR,DSR,CWC和GSI对不同虫害类型的敏感性。
8.如权利要求3所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述的虫害地面高光谱识别方法，基于不同虫害类型判别和虫害严重程度两个方面；对不同虫害类型高光谱判别步骤为，首先选择不同虫害的受灾落叶松与健康落叶松冠层的SSR,DSR,GSI和CWC等光谱特征，分析其对不同虫害的方差F值，揭示这些光谱特征对不同虫害类型的敏感性；其次运用Fp-SPA结合模式提取不同虫害判别的敏感光谱特征；然后分别利用SSR,DSR,GSI和CWC等敏感光谱特征，通过SVC和RF算法建立不同虫害类型判别模型，并与Fisher模型进行了比较；对虫害严重程度，利用LLR,FCC,CHLC,LWCD和LWCF等指标来表征林木受害程度，采用POPD来描述害虫发生程度。
9.如权利要求4所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述的虫害遥感监测方法以及模型性能评价方法，从多光谱特征与针叶虫害指示指标(FCC,LLR,CHLC,LWCD,LWCF和POPD)的敏感性关系入手，利用地面非成像高光谱数据、无人机RGB图像数据、Sentinel-2A卫星影像数据以及地面实测与调查虫害指示指标数据，实现了不同虫害类型判别及虫害严重程度监测。
10.一种如权利要求1所述方法基于地面高光谱识别的落叶松针叶虫害检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述步骤一通过无人机搭载高光谱仪在预设的特征波段进行飞行，覆盖待测落叶松区域，收集落叶松的高光谱图像，并同时记录图像的gps坐标；
3.如权利要求1所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，在冠层尺度上，探析虫口密度、叶绿素含量、干重含水率、鲜重含水率、失叶率和冠层颜色等虫害指示性指标的敏感光谱特征，建立虫害指示指标高光谱识别模型，识别林木受害程度和害虫发生程度，为虫害遥感监测提供实验理论基础。
4.如权利要求1所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，在区域尺度上，模拟sentinel-2a多光谱遥感数据，利用其敏感光谱特征，建立6个虫害指示指标的遥感监测模型，识别虫害严重程度，提高多光谱遥感的虫害监测精度，并且证实利用哪一个虫害指示指标能够较好监测虫害严重程度。
5.如权利要求2所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，在冠层尺度和区域尺度上，利用虫害高光谱敏感性分析方法，揭示落叶松虫害区分的敏感光谱特征，所述的虫害高光谱敏感性分析方法步骤为，首先处理样本树高光谱实测数据，获得ssr,dsr,cwc以及gsi其次对野外调查的虫口数量、相对叶绿素含量(spad值)、针叶样本的鲜重和干重、受损和健康针叶数量、以及冠层颜色数据分别进行整理与处理，获得各样本树的popd,chlc,lwcd,lwcf,llr和fcc等虫害指示指标。
6.如权利要求5所述的一种基于地面高光谱识别的落叶松针叶虫害检测方法，其特征在于，所述的相关性分析法对落叶松针叶虫害指示指标进行了高光谱敏感性分析；首先分别计算四种高光谱特征(ssr,dsr,cwc和gsi)与popd,chlc,lwcd,lwcf和llr等虫害指标的相关...
【专利技术属性】
技术研发人员：黄晓君，白力嘎，杨乐，萨和芽，郭佳泽，孙广友，汪澈，
申请(专利权)人：内蒙古师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。