发明内容
本发明要解决的技术问题,在于提供一种林业病虫害智能识别方法及系统,实现提升林业病虫害监测的精度。
一方面,本发明提供了一种林业病虫害智能识别方法,包括如下步骤:
步骤S10、设定一区域尺度范围,通过林木资源数据库获取所述区域尺度范围内,多时相下林木的基础信息;
步骤S20、获取所述区域尺度范围内,反应林木生理特征的时间连续的卫星遥感数据以及气象数据,并对获取的所述卫星遥感数据以及气象数据进行预处理;
步骤S30、从所述卫星遥感数据获取反应林木生理特征的第一光谱反射率;从所述气象数据获取与卫星遥感数据相同时相下,林木生境条件的气候数据;将所述第一光谱反射率以及气候数据存储至林木资源数据库;
步骤S40、基于所述气候数据,获取当前时相下的所述基础信息,并基于光谱发射率表对比当前时相下所述基础信息以及第一光谱反射率,判断当前时相下,所述区域尺度范围内的林木的生理特征是否正常,若是,则结束流程;若否,则进入步骤S50;
步骤S50、标识出生理特征不正常的疑似区域,利用无人机获取所述疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像;
步骤S60、从所述林木资源图像获取反应林木生理特征的第二光谱反射率;将所述第二光谱反射率存储至林木资源数据库;
步骤S70、基于光谱发射率表对比当前时相下的所述基础信息以及第二光谱反射率,判断当前时相下,所述疑似区域内的林木的生理特征是否正常,若是,则结束流程;若否,则进入步骤S80;
步骤S80、生成林业病虫害判定报告,由人工进行最终判定。
进一步地,所述步骤S10中,所述区域尺度范围为林班、大班或者小班。
进一步地,所述步骤S10中,所述基础信息包括林木生理特征、树种基础信息以及树种分布特征;所述林木生理特征包括树种、冠幅以及叶色。
进一步地,所述步骤S20具体包括:
步骤S21、获取所述区域尺度范围内,反应林木生理特征的2个年度内的卫星遥感数据以及24个节气内的气象数据;
步骤S22、对获取的所述卫星遥感数据以及气象数据进行校正几何畸变、大气消光以及辐射量失真的预处理,并利用地形图和非林业用地在卫星影像上的色调特征建立目视解译标志,用于辅助人工判定。
进一步地,所述步骤S50具体为:
标识出生理特征不正常的疑似区域,提取所述疑似区域内,小班的矢量图层数据以及坐标位置,利用携带红外光谱扫描仪以及多波段光谱扫描仪的无人机,基于所述矢量图层数据以及坐标位置获取疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像。
另一方面,本发明提供了一种林业病虫害智能识别系统,包括如下模块:
基础信息获取模块、用于设定一区域尺度范围,通过林木资源数据库获取所述区域尺度范围内,多时相下林木的基础信息;
遥感及气象数据获取模块、用于获取所述区域尺度范围内,反应林木生理特征的时间连续的卫星遥感数据以及气象数据,并对获取的所述卫星遥感数据以及气象数据进行预处理;
第一光谱反射率获取模块、用于从所述卫星遥感数据获取反应林木生理特征的第一光谱反射率;从所述气象数据获取与卫星遥感数据相同时相下,林木生境条件的气候数据;将所述第一光谱反射率以及气候数据存储至林木资源数据库;
第一病虫害识别模块、用于基于所述气候数据,获取当前时相下的所述基础信息,并基于光谱发射率表对比当前时相下所述基础信息以及第一光谱反射率,判断当前时相下,所述区域尺度范围内的林木的生理特征是否正常,若是,则结束流程;若否,则进入疑似区域标识模块;
疑似区域标识模块、用于标识出生理特征不正常的疑似区域,利用无人机获取所述疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像;
第二光谱反射率获取模块、用于从所述林木资源图像获取反应林木生理特征的第二光谱反射率;将所述第二光谱反射率存储至林木资源数据库;
第二病虫害识别模块、用于基于光谱发射率表对比当前时相下的所述基础信息以及第二光谱反射率,判断当前时相下,所述疑似区域内的林木的生理特征是否正常,若是,则结束流程;若否,则进入报告生成模块;
报告生成模块、用于生成林业病虫害判定报告,由人工进行最终判定。
进一步地,所述基础信息获取模块中,所述区域尺度范围为林班、大班或者小班。
进一步地,所述基础信息获取模块中,所述基础信息包括林木生理特征、树种基础信息以及树种分布特征;所述林木生理特征树种、冠幅以及叶色。
进一步地,所述遥感及气象数据获取模块具体包括:
数据获取单元、用于获取所述区域尺度范围内,反应林木生理特征的2个年度内的卫星遥感数据以及24个节气内的气象数据;
数据预处理单元、用于对获取的所述卫星遥感数据以及气象数据进行校正几何畸变、大气消光以及辐射量失真的预处理,并利用地形图和非林业用地在卫星影像上的色调特征建立目视解译标志,用于辅助人工判定。
进一步地,所述疑似区域标识模块具体为:
标识出生理特征不正常的疑似区域,提取所述疑似区域内,小班的矢量图层数据以及坐标位置,利用携带红外光谱扫描仪以及多波段光谱扫描仪的无人机,基于所述矢量图层数据以及坐标位置获取疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像。
本发明的优点在于:
1、通过获取所述区域尺度范围内多时相的基础信息、卫星遥感数据以及气象数据,进而对比当前时相、当前气候下,所述基础信息与卫星遥感数据的光谱反射率,判断林木的生理特征,并对疑似区域利用无人机获取高分辨率遥感数据,进行二次判断,最终生成林业病虫害判定报告,由人工进行最终判定,即极大的提高了数据的空间分辨率和时间分辨率,结合了气象数据,充分考虑不同时段的林木生理特征,采用三级措施识别病虫害(卫星遥感数据判定、无人机遥感数据判定、人工判定),进而极大的提升了林业病虫害监测的精度。
2、通过卫星遥感数据对所述区域尺度范围进行大范围的病虫害监测,再利用无人机对所述疑似区域进行小范围的病虫害二次监测,实现对地形不便、重点区域实施低空遥感监测,有效降低林业病虫害野外作业成本,为病虫害识别提供更精细的信息输出,便于林业管理和生态管理部门及时、准确掌握区域病虫害信息,做到早发现、早防治。
具体实施方式
本申请实施例中的技术方案,总体思路如下:获取区域尺度范围内多时相的基础信息、卫星遥感数据以及气象数据,通过卫星遥感数据获取林木生理特征,并利用气象数据查找基础信息中对应实相的林木生理特征,判断是否一致,若不一致,再利用无人机获取高分辨率遥感数据,提取林木生理特征,与基础信息中对应实相的林木生理特征进行比对,由人工进行最终判定。
本发明所使用的无人机包括一控制模块、一通信模块、一图像采集模块、一GPS定位模块、一红外光谱扫描仪以及一多波段光谱扫描仪;所述通信模块、图像采集模块、GPS定位模块、红外光谱扫描仪以及多波段光谱扫描仪均分别与控制模块连接。
请参照图1至图3所示,本发明一种林业病虫害智能识别方法的较佳实施例,包括如下步骤:
步骤S10、设定一区域尺度范围,通过林木资源数据库获取所述区域尺度范围内,多时相下林木的基础信息;多时相指在不同时间获取的同一地域的一组影像、地图或地理数据;
林木资源数据库收录了全国林木种质资源生理特征基础数据库、林木基础数据、林木分布等数据,同时建立不同区域植物志与中国植物志命名索引表,系统上实现无论输入学名、俗名、中文名,直接以中国植物志的种名进行植物“户口”的登记,实现植物的统一“户口”登记;
步骤S20、获取所述区域尺度范围内,反应林木生理特征的空间连续且时间连续的卫星遥感数据以及气象数据,并对获取的所述卫星遥感数据以及气象数据进行预处理;气象数据用于获取气候数据,气候数据会直接影响林木的生长情况;选取可覆盖可见光、近红外和热红外波段的中高分辨率且重返时间较长的卫星获取卫星遥感数据,例如高分二号和资源三号(ZY-3);重返时间指卫星转一圈回到初始位置的时间,因为林业的区域覆盖范围较广,选取重返时间较短的卫星遥感影像数据成本很高,因此选用重返时间较长的卫星遥感数据;
步骤S30、从所述卫星遥感数据获取反应林木生理特征的第一光谱反射率;从所述气象数据获取与卫星遥感数据相同时相下,林木生境条件的气候数据;将所述第一光谱反射率以及气候数据存储至林木资源数据库;生境条件指植物生长环境条件;
鉴于林木绿色叶子内部组织结构,功能的变异和树木形态结构留物,可使受病虫害的林木寄主在光谱特性上发生明显变化。因此,根据光谱反射率的非正常变化(即叶色的变化,叶与植株变化,叶绿素含量变化以及叶片上产生的残余差异和结构异常在遥感图像上的记录,通过图像增强处理和模式识别,并在地理信息系统和专家系统的支持下,就可实施对林业病虫害的监测;
步骤S40、基于所述气候数据,获取当前时相下的所述基础信息,并基于光谱发射率表对比当前时相下所述基础信息以及第一光谱反射率,判断当前时相下,所述区域尺度范围内的林木的生理特征是否正常,若是,则结束流程;若否,则进入步骤S50;
即根据卫星遥感数据和气象数据上的区域叠加至林木资源数据库中的该区域该时段内的小班数据,小班数据自动带出该区域的基础信息,再根据基础信息带出植物图像库中的植物生理图片和林木生理特征;最后,根据林木生理特征和生理图片上显示的光谱反射率与卫星遥感数据采集的光谱反射率进行对比;
光谱发射率表采用7个光谱发射率作为病虫害监测的备选特征,目前林业病虫害大部分是松材线虫,而这7种光谱发射率就能有效的提取松材线虫的特征,且这7种光谱发射率可以涵盖大部分的植被种类。
光谱发射率表如下:
步骤S50、标识出生理特征不正常的疑似区域,利用无人机获取所述疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像;所述拼图软件优选为ArcMap ENVI;
无人机低空调查与对应时期卫星拍摄日期相隔不超过3天,根据应用区域的面积,在样点设置上应不低于1样点/10平方千米的密度。同时,总调查样点个数应不少于30个。调查范围为以调查样点为圆心,直径超过30m的森林资源连续覆盖区域,调查内容为调查区域内森林资源的发病级别。为便于大范围中的林间调查和病理管理,将染病林区块分为轻、重两个级别。
步骤S60、从所述林木资源图像获取反应林木生理特征的第二光谱反射率;将所述第二光谱反射率存储至林木资源数据库;
林木在近红外波长域的光谱反射率往往很高,当森林资源受病虫害时,叶片含水量降低,细胞随之塌陷,叶绿素减少,因此,它们在红外波长域的光谱反射会自然降低,即发生红外光谱反射衰减。当病虫害进一步发展,使森林资源叶片的叶绿素消失殆尽、叶片结构遭到彻底破坏时,影像色调则会变得更暗,以至于呈现青色调。
步骤S70、基于光谱发射率表对比当前时相下的所述基础信息以及第二光谱反射率,判断当前时相下,所述疑似区域内的林木的生理特征是否正常,若是,则结束流程;若否,则进入步骤S80;
步骤S80、生成林业病虫害判定报告,由人工进行最终判定。
所述步骤S10中,所述区域尺度范围为林班、大班或者小班。
林班(Compartment),是为了便于调查设计和长期的经营管理,在基层林业单位(如林场)内,把土地分成大致相等的基本单位;林班具有永久性质,其境界线必须明确标明;林班面积的大小,因经营强度而不同;划分林班的方法有人工区划、自然区划和综合区划三种;林班的编号用大写正体的阿拉伯数字,以便与小班编号相区别。
小班(Sub-Compartment),是进行森林经营、组织木材生产的最小单位,也是调查设计的基本单位;在作业区内把立地条件、林分因子、采伐方式、经营措施相同和集材系统一致的林分划为一个小班;小班界限按集材系统以自然区划为主;一个小班的面积,一般以5公顷左右为宜,最大不应超过20公顷。
所述步骤S10中,所述基础信息包括林木生理特征、树种基础信息以及树种分布特征;所述林木生理特征包括树种、冠幅以及叶色,不同生长季节的林木生理特征不同。
所述步骤S20具体包括:
步骤S21、获取所述区域尺度范围内,反应林木生理特征的2个年度内的卫星遥感数据以及24个节气内的气象数据;
由于林木随季节性变化的生理特征明显,需获取一定区域内多时相的卫星遥感数据、气象数据以及大范围地面调查数据;因此,卫星遥感数据选择2个年度内的植物变化周期性数据,气象数据选择24节气的数据,地面调查数据是对处理结果进行验证,需要在季节性更替较明显的时段进行;
步骤S22、对获取的所述卫星遥感数据以及气象数据进行校正几何畸变、大气消光以及辐射量失真的预处理,并利用地形图和非林业用地在卫星影像上的色调特征建立目视解译标志,用于辅助人工判定。具体如何对所述卫星遥感数据以及气象数据进行预处理是本领域的常规技术手段,是本领域技术人员所熟知的。
所述目视解译标志指在卫星遥感数据上研究地表地物种种特征的总和,也叫判读遥感图像标志,用于人工肉眼判定识别时进行辅助。
所述步骤S50具体为:
标识出生理特征不正常的疑似区域,提取所述疑似区域内,小班的矢量图层数据以及坐标位置,利用携带红外光谱扫描仪以及多波段光谱扫描仪的无人机,基于所述矢量图层数据以及坐标位置获取疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像。
本发明一种林业病虫害智能识别系统的较佳实施例,包括如下模块:
基础信息获取模块、用于设定一区域尺度范围,通过林木资源数据库获取所述区域尺度范围内,多时相下林木的基础信息;多时相指在不同时间获取的同一地域的一组影像、地图或地理数据;
林木资源数据库收录了全国林木种质资源生理特征基础数据库、林木基础数据、林木分布等数据,同时建立不同区域植物志与中国植物志命名索引表,系统上实现无论输入学名、俗名、中文名,直接以中国植物志的种名进行植物“户口”的登记,实现植物的统一“户口”登记;
遥感及气象数据获取模块、用于获取所述区域尺度范围内,反应林木生理特征的空间连续且时间连续的卫星遥感数据以及气象数据,并对获取的所述卫星遥感数据以及气象数据进行预处理;气象数据用于获取气候数据,气候数据会直接影响林木的生长情况;选取可覆盖可见光、近红外和热红外波段的中高分辨率且重返时间较长的卫星获取卫星遥感数据,例如高分二号和资源三号(ZY-3);重返时间指卫星转一圈回到初始位置的时间,因为林业的区域覆盖范围较广,选取重返时间较短的卫星遥感影像数据成本很高,因此选用重返时间较长的卫星遥感数据;
第一光谱反射率获取模块、用于从所述卫星遥感数据获取反应林木生理特征的第一光谱反射率;从所述气象数据获取与卫星遥感数据相同时相下,林木生境条件的气候数据;将所述第一光谱反射率以及气候数据存储至林木资源数据库;生境条件指植物生长环境条件;
鉴于林木绿色叶子内部组织结构,功能的变异和树木形态结构留物,可使受病虫害的林木寄主在光谱特性上发生明显变化。因此,根据光谱反射率的非正常变化(即叶色的变化,叶与植株变化,叶绿素含量变化以及叶片上产生的残余差异和结构异常在遥感图像上的记录,通过图像增强处理和模式识别,并在地理信息系统和专家系统的支持下,就可实施对林业病虫害的监测;
第一病虫害识别模块、用于基于所述气候数据,获取当前时相下的所述基础信息,并基于光谱发射率表对比当前时相下所述基础信息以及第一光谱反射率,判断当前时相下,所述区域尺度范围内的林木的生理特征是否正常,若是,则结束流程;若否,则进入疑似区域标识模块;
即根据卫星遥感数据和气象数据上的区域叠加至林木资源数据库中的该区域该时段内的小班数据,小班数据自动带出该区域的基础信息,再根据基础信息带出植物图像库中的植物生理图片和林木生理特征;最后,根据林木生理特征和生理图片上显示的光谱反射率与卫星遥感数据采集的光谱反射率进行对比;
光谱发射率表采用7个光谱发射率作为病虫害监测的备选特征,目前林业病虫害大部分是松材线虫,而这7种光谱发射率就能有效的提取松材线虫的特征,且这7种光谱发射率可以涵盖大部分的植被种类。
光谱发射率表如下:
疑似区域标识模块、用于标识出生理特征不正常的疑似区域,利用无人机获取所述疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像;所述拼图软件优选为ArcMap ENVI;
无人机低空调查与对应时期卫星拍摄日期相隔不超过3天,根据应用区域的面积,在样点设置上应不低于1样点/10平方千米的密度。同时,总调查样点个数应不少于30个。调查范围为以调查样点为圆心,直径超过30m的森林资源连续覆盖区域,调查内容为调查区域内森林资源的发病级别。为便于大范围中的林间调查和病理管理,将染病林区块分为轻、重两个级别。
第二光谱反射率获取模块、用于从所述林木资源图像获取反应林木生理特征的第二光谱反射率;将所述第二光谱反射率存储至林木资源数据库;
林木在近红外波长域的光谱反射率往往很高,当森林资源受病虫害时,叶片含水量降低,细胞随之塌陷,叶绿素减少,因此,它们在红外波长域的光谱反射会自然降低,即发生红外光谱反射衰减。当病虫害进一步发展,使森林资源叶片的叶绿素消失殆尽、叶片结构遭到彻底破坏时,影像色调则会变得更暗,以至于呈现青色调。
第二病虫害识别模块、用于基于光谱发射率表对比当前时相下的所述基础信息以及第二光谱反射率,判断当前时相下,所述疑似区域内的林木的生理特征是否正常,若是,则结束流程;若否,则进入报告生成模块;
报告生成模块、用于生成林业病虫害判定报告,由人工进行最终判定。
所述基础信息获取模块中,所述区域尺度范围为林班、大班或者小班。
林班(Compartment),是为了便于调查设计和长期的经营管理,在基层林业单位(如林场)内,把土地分成大致相等的基本单位;林班具有永久性质,其境界线必须明确标明;林班面积的大小,因经营强度而不同;划分林班的方法有人工区划、自然区划和综合区划三种;林班的编号用大写正体的阿拉伯数字,以便与小班编号相区别。
小班(Sub-Compartment),是进行森林经营、组织木材生产的最小单位,也是调查设计的基本单位;在作业区内把立地条件、林分因子、采伐方式、经营措施相同和集材系统一致的林分划为一个小班;小班界限按集材系统以自然区划为主;一个小班的面积,一般以5公顷左右为宜,最大不应超过20公顷。
所述基础信息获取模块中,所述基础信息包括林木生理特征、树种基础信息以及树种分布特征;所述林木生理特征树种、冠幅以及叶色,不同生长季节的林木生理特征不同。
所述遥感及气象数据获取模块具体包括:
数据获取单元、用于获取所述区域尺度范围内,反应林木生理特征的2个年度内的卫星遥感数据以及24个节气内的气象数据;
由于林木随季节性变化的生理特征明显,需获取一定区域内多时相的卫星遥感数据、气象数据以及大范围地面调查数据;因此,卫星遥感数据选择2个年度内的植物变化周期性数据,气象数据选择24节气的数据,地面调查数据是对处理结果进行验证,需要在季节性更替较明显的时段进行;
数据预处理单元、用于对获取的所述卫星遥感数据以及气象数据进行校正几何畸变、大气消光以及辐射量失真的预处理,并利用地形图和非林业用地在卫星影像上的色调特征建立目视解译标志,用于辅助人工判定。具体如何对所述卫星遥感数据以及气象数据进行预处理是本领域的常规技术手段,是本领域技术人员所熟知的。
所述目视解译标志指在卫星遥感数据上研究地表地物种种特征的总和,也叫判读遥感图像标志,用于人工肉眼判定识别时进行辅助。
所述疑似区域标识模块具体为:
标识出生理特征不正常的疑似区域,提取所述疑似区域内,小班的矢量图层数据以及坐标位置,利用携带红外光谱扫描仪以及多波段光谱扫描仪的无人机,基于所述矢量图层数据以及坐标位置获取疑似区域的高分辨率遥感数据,并利用拼图软件基于所述高分辨率遥感数据生成林木资源图像。
综上所述,本发明的优点在于:
1、通过获取所述区域尺度范围内多时相的基础信息、卫星遥感数据以及气象数据,进而对比当前时相、当前气候下,所述基础信息与卫星遥感数据的光谱反射率,判断林木的生理特征,并对疑似区域利用无人机获取高分辨率遥感数据,进行二次判断,最终生成林业病虫害判定报告,由人工进行最终判定,即极大的提高了数据的空间分辨率和时间分辨率,结合了气象数据,充分考虑不同时段的林木生理特征,采用三级措施识别病虫害(卫星遥感数据判定、无人机遥感数据判定、人工判定),进而极大的提升了林业病虫害监测的精度。
2、通过卫星遥感数据对所述区域尺度范围进行大范围的病虫害监测,再利用无人机对所述疑似区域进行小范围的病虫害二次监测,实现对地形不便、重点区域实施低空遥感监测,有效降低林业病虫害野外作业成本,为病虫害识别提供更精细的信息输出,便于林业管理和生态管理部门及时、准确掌握区域病虫害信息,做到早发现、早防治。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。