CN109142237B - 一种监测感染松材线虫病枯死马尾松的卫星光谱指数 - Google Patents

一种监测感染松材线虫病枯死马尾松的卫星光谱指数 Download PDF

Info

Publication number
CN109142237B
CN109142237B CN201811079465.5A CN201811079465A CN109142237B CN 109142237 B CN109142237 B CN 109142237B CN 201811079465 A CN201811079465 A CN 201811079465A CN 109142237 B CN109142237 B CN 109142237B
Authority
CN
China
Prior art keywords
spectral
pine
index
masson pine
masson
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811079465.5A
Other languages
English (en)
Other versions
CN109142237A (zh
Inventor
王治中
方国飞
戴维序
张旭
张青
李培琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Xinde Zhitu Beijing Science And Technology Co ltd
Original Assignee
Aerospace Xinde Zhitu Beijing Science And Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aerospace Xinde Zhitu Beijing Science And Technology Co ltd filed Critical Aerospace Xinde Zhitu Beijing Science And Technology Co ltd
Priority to CN201811079465.5A priority Critical patent/CN109142237B/zh
Publication of CN109142237A publication Critical patent/CN109142237A/zh
Application granted granted Critical
Publication of CN109142237B publication Critical patent/CN109142237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种监测感染松材线虫病枯死马尾松的卫星光谱指数,包括如下步骤:1)采集马尾松冠层960nm、760nm、650nm和540nm波段冠层光谱反射率;2)计算归一化光谱指数NDVI和植被状态指数α;3)计算光谱指数β,根据计算得到的β的值来获得马尾松感染松材线虫病的评价结果。本发明以光谱数据分析技术为基础,提取与马尾松松材线虫病发生动态密切相关的960nm、760nm、650nm和540nm光谱参数,根据植被状态指数和光谱指数预测马尾松感病阶段,以光谱指数变化规律与植被状态指数的变化阈值判断肉眼可识别前感病与否,为未知情况下的森林健康无损鉴定提供了依据。

Description

一种监测感染松材线虫病枯死马尾松的卫星光谱指数
技术领域
本发明涉及本发明涉及松材线虫病定量监测方法,特别涉及一种一种监测感染松材线虫病枯死马尾松的卫星光谱指数。
背景技术
中国森林病虫害共有8000多种,经常造成危害的有200多种,森林病虫害大面积发生,危害极为严重。对病虫害进行早期预警,是控制病虫害大范围蔓延、维护森林健康与持续发展的重要内容。松材线虫病(Pine Wilt Disease)又称松树萎蔫病或松树枯萎病,于1971年确认是由松材线虫(Bursaphelenchus xylophilus)引起的松树枯萎死亡。该病主要寄生松属植物,传播蔓延极快,一旦发病将造成极为严重的损失,已有40多个国家将其列为检疫对象。我国自 1982年在南京中山陵首次发现该病,现已蔓延至江苏、浙江、安徽、山东、湖北、广东、江西、重庆、贵州等省份的113个县以及台湾和香港的部分地区造成林业经济、森林生态上的巨大损失和自然景观的严重破坏,并严重威胁著名风景区及主要乡土树种马尾松和黄山马尾松的安全。
高光谱遥感以纳米级的超高光谱分辨率和几十或几百个波段同时对地表地物成像,获得包括森林资源的地面物体连续光谱信息。在森林植被的高光谱信息中,光谱维方向的特征主要集中在因植物叶片中生物化学成分含量的变化而形成的吸收波形处,其实质上反映了植物内部物质(叶绿素等生物化学成分) 的吸收波形变化。当病虫害入侵植被后,感病植株自身的各种营养元素必然即时发生改变,因而受害林区(林株)的光谱特征(吸收波形)就会相应发生细微变化。高光谱遥感以其强大的光谱敏感性能够探测到植被在病虫害侵害早期与健康植被的细微光谱差异,为森林病虫害的早期监测预警提供了可能。
发明内容
针对现有技术存在的上述问题,本发明提供一种一种监测感染松材线虫病枯死马尾松的卫星光谱指数。
为了解决上述技术问题,本发明采用的技术方案是:
一种监测感染松材线虫病枯死马尾松的卫星光谱指数,其中,包括如下步骤:
1)采集马尾松冠层960nm、760nm、650nm和540nm波段冠层光谱反射率;
2)基于反射率数值,计算归一化光谱指数NDVI和植被状态指数α;
3)基于所述归一化光谱指数和植被状态指数,计算光谱指数β,根据计算得到的β的值来获得马尾松感染松材线虫病的评价结果;
步骤2)中α的计算公式为:
α(540,760)=ρ540760
其中,α(540,760)为波段540与760nm的植被状态指数;ρ540、ρ760分别代表 540nm、760nm的光谱反射率值;
所述步骤3)中β的计算公式为:
β=NDVI(960,650)(540,760)
优选的是,所述的一种监测感染松材线虫病枯死马尾松的卫星光谱指数,其中,所述步骤2)中NDVI的计算公式为:
NDVI(960,650)=(ρ960650)/(ρ960650);
其中,NDVI(960,650)为波段960与650nm的归一化光谱指数;ρ960、ρ650分别代表960nm、650nm的光谱反射率值。
优选的是,所述的一种监测感染松材线虫病枯死马尾松的卫星光谱指数,其中,所述步骤(1)中,采集马尾松冠层光谱反射率的方法为:采用ASD便携式光谱辐射仪,在晴好天气10:00~14:00区间,50°≤太阳高度角≤60°进行测量,测定时探头垂直向下距冠层顶1.6~1.8m,每接种株重复测定10次,每次测量前后均用标准的参考板进行校正。
优选的是,所述的一种监测感染松材线虫病枯死马尾松的卫星光谱指数,其中,所述步骤1)中,采集马尾松冠层光谱反射率的方法为:提取高光谱影像数据Hyperion影像,在进行准确的大气校正后,直接提取研究区相应目标的反射率。
有益效果:
本发明以光谱数据分析技术为基础,提取与马尾松松材线虫病发生动态密切相关的960nm、760nm、650nm和540nm光谱参数,根据植被状态指数和光谱指数预测马尾松感病阶段,以光谱指数变化规律与植被状态指数的变化阈值判断肉眼可识别前感病与否,为未知情况下的森林健康无损鉴定提供了依据。同时,利用光谱指数对感病天数进行定量化模拟,为实现马尾松松材线虫病的早期监测奠定了基础,有效地提高森林松材线虫病的防治效率。同时也为其它森林病虫害早期监测与诊断提供可靠依据与方法借鉴。
具体实施方式
下面结合对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1模型建立
在北京市奥林匹克国家森林公园马尾松林区,选择健康成年马尾松30株,其中25株作为松材线虫接种株,5株作为对照株。试验所用接种线虫来源:取自北京地区自然感病死亡的马尾松木段上。用贝曼氏漏斗法从病木上取材后剪碎然后用纱布包好,置于贝曼漏斗中,加适量的水,在常温下分离10~16h,然后从漏斗下接取12ml,分离出病树上的松材线虫,在显微镜下经人工挑取松材线虫纯化,接种在灰葡萄孢菌的PSA培养基上,置于26℃培养箱中培养,备用。于2015年6月10日进行定株接种实验。接种采用皮接法:用灭过菌的解剖刀松苗主茎下部划一“T”字形伤口,伤口深及木质部,掀开树皮,塞入灭过菌的脱脂棉,往脱脂棉上注入0.2mL线虫悬浮液,然后用石蜡膜封好接种部位,保湿以利于线虫侵入。每株马尾松植株接种线虫约12000条,并设2株接种无菌水植株为对照。线虫量计算方法:根据不同发病阶段和症状特点,在高光谱测定点周围选取症状最相近枝条取样,调查病树体内线虫的数量,每次取样的同时用对照组健康松树作为对照。将枝条剪碎(火柴梗大小)混匀,称取3~5g左右,用贝曼漏斗法分离线虫,并经人工显微镜镜检松材线虫,记录线虫数量,计算每克木材中线虫数量,每处理重复3次。
自接种之日起,每隔4~6d(依天气而定)进行定株光谱测量。光谱仪选用美国ASDFieldSpec HH便携式光谱辐射计,其波段值为350~1050nm,光谱分辨率2nm,采样间隔(波段宽)为1~1.5nm,视场角25°。选择晴朗无风天气,在上午10点至下午2点之间进行光谱反射率测定。测定过程中用硫酸钡白板进行校正。每株选10个冠层测量点,每次取10组数据,测量光谱的同时,取测量部位新鲜叶片2g左右放入冰盒中备用。光谱数据由光谱仪传入计算机后,转换为反射率数据,采用光谱仪自带的光谱反射曲线分析软件进行数据分析处理(波长数据范围325~1050nm)。数据统计分析使用Matlab软件处理。由实验结果分析得出,健康马尾松的光谱变化不明显,光谱指数β平均在 1.08±0.2mg/g左右,感病株光谱指数β随着感病天数的推进呈现先上升后下降的变化趋势,在感病21d左右,光谱指数β达到最大值,后逐渐下降。光谱指数β开始下降后,冠层叶片颜色开始变化,此后肉眼可识别。
利用光谱参数进行感病株光谱指数β预测。模型如下:
β=NDVI(960,650)(540,760)
α(540,760)被用来作为判断马尾松感染松材线虫病与否的植被状态指数因子:当α(540,760)>0.30时,能够确定马尾松感染松材线虫病,而且已经到了中后期,感病超过了70d;当α(540,760)<0.13时,能够确定马尾松马尾松感染松材线虫病,而且感病阶段处于早期阶段,30d以内;当α(540,760)值处于0.13~0.30之间时,必须结合相应的β定量演算进行判断,当β值小于6.2时,能够判断此时马尾松感染了松材线虫病,且处于感病的早期与中期的过渡时期(20天至50天之间),此时冠层叶色未有显著变化;β值含量高于6.2时,植株不感病。
实施例2模型验证
同样的接种试验于2010年6月在南京市韩府山风景林区进行。选取健康成年马尾松20株,对照5株。试验实施过程及测量方法实施例1相同,具体测定数值见表1。步骤包括:
(1)直接获取960与650nm波段的光谱反射率值,直接获取760与540nm 波段的光谱反射率值;
(2)以此计算获得光谱参数NDVI(960,650)=(ρ960-ρ650)/(ρ960 +ρ650);α(540,760)=ρ540760
(3)以上述模型定量反演计算光谱指数β,根据计算得到的β的值来获得马尾松感染松材线虫病的评价结果。
β=NDVI(960,650)(540,760)
对表1结果进行分析,预测的光谱指数β相对误差值为2.13%,表明模型对马尾松松材线虫病的定量预测具有良好的可靠性与准确性,值得推广使用,为其它森林病虫害的定量预测提供模式。
表1光谱反射率与植被状态指数、光谱指数测定结果
Figure GDA0003044342360000061
以上结合实施例对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。

Claims (4)

1.一种监测感染松材线虫病枯死马尾松的卫星光谱指数,其特征在于,包括如下步骤:
1)采集马尾松冠层960nm、760nm、650nm和540nm波段冠层光谱反射率;
2)基于反射率数值,计算归一化光谱指数NDVI和植被状态指数α;
3)基于所述归一化光谱指数和植被状态指数,计算光谱指数β,根据计算得到的β值来获得马尾松感染松材线虫病的评价结果;
所述步骤2)中α的计算公式为:
α(540,760)=ρ540/ρ760;
其中,α(540,760)为波段540与760nm的植被状态指数;ρ540、ρ760分别代表540nm、760nm的光谱反射率值;
所述步骤3)中β的计算公式为:
β=NDVI(960,650)(540,760)
2.根据权利要求1所述的一种监测感染松材线虫病枯死马尾松的卫星光谱指数,其特征在于,所述步骤2)中NDVI的计算公式为:
NDVI(960,650)=(ρ960-ρ650)/(ρ960+ρ650);
其中,NDVI(960,650)为波段960与650nm的归一化光谱指数;ρ960、ρ650分别代表960nm、650nm的光谱反射率值。
3.根据权利要求1所述的监测感染松材线虫病枯死马尾松的卫星光谱指数,其特征在于,所述步骤1)中,采集马尾松冠层光谱反射率的方法为:采用ASD便携式光谱辐射仪,在晴好天气10:00~14:00区间,50°≤太阳高度角≤60°进行测量,测定时探头垂直向下距冠层顶1.6~1.8m,每接种株重复测定10次,每次测量前后均用标准的参考板进行校正。
4.根据权利要求1所述的监测感染松材线虫病枯死马尾松的卫星光谱指数,其特征在于,所述步骤1)中,采集马尾松冠层光谱反射率的方法为:提取高光谱影像数据Hyperion影像,在进行准确的大气校正后,直接提取研究区相应目标的反射率。
CN201811079465.5A 2018-09-13 2018-09-13 一种监测感染松材线虫病枯死马尾松的卫星光谱指数 Active CN109142237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811079465.5A CN109142237B (zh) 2018-09-13 2018-09-13 一种监测感染松材线虫病枯死马尾松的卫星光谱指数

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811079465.5A CN109142237B (zh) 2018-09-13 2018-09-13 一种监测感染松材线虫病枯死马尾松的卫星光谱指数

Publications (2)

Publication Number Publication Date
CN109142237A CN109142237A (zh) 2019-01-04
CN109142237B true CN109142237B (zh) 2021-09-17

Family

ID=64814295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811079465.5A Active CN109142237B (zh) 2018-09-13 2018-09-13 一种监测感染松材线虫病枯死马尾松的卫星光谱指数

Country Status (1)

Country Link
CN (1) CN109142237B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110779879A (zh) * 2019-11-07 2020-02-11 航天信德智图(北京)科技有限公司 一种基于红边植被指数的松材线虫监测方法
CN117746168B (zh) * 2024-02-21 2024-05-07 深圳块织类脑智能科技有限公司 基于无人机多光谱的松林线虫病智能检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507504A (zh) * 2011-10-25 2012-06-20 南京林业大学 一种马尾松松材线虫病的高光谱监测方法
CN103278197A (zh) * 2013-05-31 2013-09-04 南京农业大学 一种基于车载系统的作物生长监测装置与方法
CN104502283A (zh) * 2014-12-15 2015-04-08 南京农业大学 估测大豆产量和地上部干重的一套两波段高光谱指数和预测模型

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507504A (zh) * 2011-10-25 2012-06-20 南京林业大学 一种马尾松松材线虫病的高光谱监测方法
CN103278197A (zh) * 2013-05-31 2013-09-04 南京农业大学 一种基于车载系统的作物生长监测装置与方法
CN104502283A (zh) * 2014-12-15 2015-04-08 南京农业大学 估测大豆产量和地上部干重的一套两波段高光谱指数和预测模型

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于冠层反射光谱的水稻水分及稻麦生长监测;田永超;《中国优秀博硕士学位论文全文数据库 农业科技辑 2004年期》;20040615;第D047-1页 *

Also Published As

Publication number Publication date
CN109142237A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN102507453B (zh) 一种黑松松材线虫病的高光谱监测方法
Campillo et al. Solar radiation effect on crop production
CN109211802B (zh) 监测感染松材线虫病枯死马尾松的方法
Ciganda et al. Non-destructive determination of maize leaf and canopy chlorophyll content
Martín et al. Using hyperspectral remote sensing to map grape quality inTempranillo'vineyards affected by iron deficiency chlorosis
CN102507504B (zh) 一种马尾松松材线虫病的高光谱监测方法
Chapungu et al. Estimating biomass of savanna grasslands as a proxy of carbon stock using multispectral remote sensing
CN107145876B (zh) 基于变化向量分析的小麦全蚀病遥感监测方法及其监测模型的构建方法
CN109142237B (zh) 一种监测感染松材线虫病枯死马尾松的卫星光谱指数
Darvishsefat et al. Evaluation of spectral reflectance of seven Iranian rice varieties canopies
Lang et al. Detection of chlorophyll content in maize canopy from UAV imagery
Asante et al. Detection and assessment of nitrogen effect on cold tolerance for tea by hyperspectral reflectance with PLSR, PCR, and LM models
Watt et al. Prediction of the severity of Dothistroma needle blight in radiata pine using plant based traits and narrow band indices derived from UAV hyperspectral imagery
Mokhele et al. Estimation of leaf nitrogen and silicon using hyperspectral remote sensing
Čepl et al. Heritable variation in needle spectral reflectance of Scots pine (Pinus sylvestris L.) peaks in red edge
CN113324927A (zh) 一种松材线虫病林间早期防治方法及监测系统
CN116151454A (zh) 一种多光谱无人机预测矮林芳樟精油产量的方法及系统
Zhao et al. Characterization of the rice canopy infested with brown spot disease using field hyperspectral data
CN109596577A (zh) 小麦白粉病病情监测模型的构建方法及宽角度适应的监测方法
Zovko et al. Hyperspectral imagery as a supporting tool in precision irrigation of karst landscapes
Azmi et al. Differences between healthy and Ganoderma boninense infected oil palm seedlings using spectral reflectance of young leaf data
Lin et al. Analysis of hyperspectral bands for the health diagnosis of tree species
Bannari et al. Modeling Water Stress as an Indicator of Red Palm Weevil Infestation Using Field Sampling, Worldview-3 Reflectance, and Laboratory Analysis
CN114548220B (zh) 基于手持式分光辐射谱仪的水稻颖花开花状态检测方法
Kovalev et al. Analysis of forest condition based on MODIS remote-sensing data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant