CN112666170A - 天空地一体化病虫害遥感监测方法 - Google Patents
天空地一体化病虫害遥感监测方法 Download PDFInfo
- Publication number
- CN112666170A CN112666170A CN202110015872.5A CN202110015872A CN112666170A CN 112666170 A CN112666170 A CN 112666170A CN 202110015872 A CN202110015872 A CN 202110015872A CN 112666170 A CN112666170 A CN 112666170A
- Authority
- CN
- China
- Prior art keywords
- insect pests
- plant diseases
- remote sensing
- image
- forest
- 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.)
- Pending
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 34
- 201000010099 disease Diseases 0.000 title claims abstract description 30
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 241000238631 Hexapoda Species 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000004383 yellowing Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 239000002131 composite material Substances 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims 1
- 238000011160 research Methods 0.000 description 14
- 241000196324 Embryophyta Species 0.000 description 10
- 230000036541 health Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 241000218657 Picea Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Catching Or Destruction (AREA)
Abstract
本发明涉及林业病虫害的监测方法，具体是天空地一体化病虫害遥感监测方法，包括如下方法，第一步，目标区域的GF1多光谱遥感影像获取；第二步，对目标影像进行预处理，方法包括：辐射定标、大气校正、正射校正、裁剪与拼接；第三步，采用失量林班裁剪出目标林区范围内的块状影像；第四步，对裁剪后的影像进行波段计算，计算出各像素点的黄化指数：Y＝(b2lt600)*b3/float(b2)其中：Y表示植被病虫害评价指数，当Y<0.70时为健康，在0.70≤Y<0.75时为亚健康，Y≥0.75时为严重；第五步，对黄化指数进行分级渲染后出图，使得病虫害的监测省工省时，监测效率高，节省人力。
Description
技术领域
本发明涉及林业病虫害的监测方法，具体是天空地一体化病虫害遥感监测方法。
背景技术
森林病虫害问题是威胁我国森林资源的重要危害之一，对于森林资源的质量和效率都有着很大的影响。当森林遭受病虫害后，若没有得到有效的控制，很可能会进一步对森林造成无法估计的破坏，所以准确、及时的监测林业病虫害是防治病虫害的关键。
传统的病虫害监测方法主要是采用人工经验识别、手工记录、人工计算的方式，使得在实际的操作应用过程中，造成监测工作费时费力，且管理不便、数据收集不易，同时需要大量人工进行，也使得监测数据并不能实时反映出林区的健康与受灾状态，导致监测数据更新不及时，造成灾害预防机制反应迟钝，反而不利于灾害的预防和检测，使用不便。
发明内容
有鉴于此，本申请提供天空地一体化病虫害遥感监测方法，解决了传统采用人工经验识别、手工记录、人工计算方式进行监测，使得监测工作费时费力、管理不便、数据收集不易，造成监测数据不能实时反映出林区的健康与受灾状态的问题。
为解决以上技术问题，本发明提供的技术方案是天空地一体化病虫害遥感监测方法，其特征在于：包括如下方法，
第一步，目标区域的GF1多光谱遥感影像获取；
第二步，对目标影像进行预处理，方法包括：辐射定标、大气校正、正射校正、裁剪与拼接；
第三步，采用失量林班裁剪出目标林区范围内的块状影像；
第四步，对裁剪后的影像进行波段计算，计算出各像素点的黄化指数：
Y＝(b2 lt 600)*b3/float(b2)
其中：Y表示植被病虫害评价指数，当Y<0.70时为健康，在0.70≤Y<0.75时为亚健康，Y≥0.75时为严重。
第五步，对黄化指数进行分级渲染后出图。
本申请与现有技术相比，其详细说明如下：
本发明节省人力，使得病虫害的监测省工省时，监测效率高，使用便捷，操作方便，本发明具有监测范围广、获取信息快、重复周期短和投入成本低等优点，能够快速和准确的监测大面积林区的健康状况，从而体现出病虫害的发生情况。根据病木的波谱特征，对遥感影像数据进行波段计算分析，可准确识别病木的空间位置，经济效益高且时效性更强。
附图说明
图1为肃南县裕固族自治县皇城镇西营河林场的GF1多光谱影像。
图2为肃南县裕固族自治县皇城镇西营河林场NDVI指数图。
图3为肃南县裕固族自治县皇城镇西营河林场林区健康情况结果图。
图4为肃南县裕固族自治县皇城镇西营河林场病虫害遥感监测流程图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面结合具体实施例对本发明作进一步的详细说明。
本发明研究地区选取肃南县裕固族自治县皇城镇西营河林场林业病虫害进行说明。
首先提取研究区研究树种的空间分布信息，避免其他地物对监测结果造成影响。然后根据研究区的具体情况选择时间序列模型,即选取病虫害高发时期的遥感影像；结合地面调查点数据建立病虫害受害程度与黄化指数之间的一元回归模型，根据建立的模型，对整个研究区进行病虫害监测和分析，并利用地面调查受害情况数据进行对比分析，结果表明监测结果与地面实际调查情况在空间分布和受害情况都具有很好的一致性，该模型可以应用到病虫害监测中。
第一，影像数据获取和预处理：
影像数据获取：
需要的GF1多光谱影像数据需满足以下条件：
(1)影像获取时间为病虫害的高峰期易表现期；
(2)白天的影像；
(3)来自同一个轨道卫星的影像；
(4)影像云量和积雪较少。
由于研究区地处祁连山山脉高海拔地区，经常有厚云及积雪存在，另外根据当地林业局调查，6～8月份为林区林木生长期，同时6～8月也为病虫害的高峰期，所以根据病虫害的发生规律，选择研究区为肃南县裕固族自治县皇城镇西营河林场6～8月的GF1多光谱数据。
影像数据预处理：
(1)辐射定标、大气校正
获取到的原始遥感影像上的值是数字量化值，需要转换为辐射亮度值等物理量才能使用，所以需要对原始影像进行辐射定标。在遥感影像的元数据文件中一般保存有辐射定标的参数，利用ENVI软件的辐射定标工具(Radiometric Calibration)可以直接从元数据文件中读取辐射定标参数，完成辐射定标。所以本文根据研究需要，应用到ENVI软件的辐射定标和大气校正。
(2)几何校正
卫星或者无人机获得的多光谱影像，因为传感器搭载平台、地形或者大气等因素的影响，获取的遥感影像都会发生一些几何畸变，因此获取的影像数据不能直接应用。同时，由于遥感技术的快速发展，遥感影像现如今也越来越多样化，时间分辨率和空间分辨率也越来越高，光谱波段也越来越多，影像中包含的信息也越来越丰富，但是在具体使用的过程中，需要根据不同的应用要求，对其进行几何校正。所以，在使用遥感影像前必需要对其进行几何校正。一般需要先通过选取合适的地面控制点，采用相应的算法，拟合畸变函数来建立地理坐标和像元坐标之间的对应系数或者对应关系，也可进行图像与图像之间的几何配准。
(3)影像的裁剪和拼接
影像裁剪是指从影像上剪切出研究所需要的区域，由于在实际应用中，图像覆盖范围往往与研究区域不太一致，必须根据研究区范围对遥感影像进行拼接和裁剪。图像拼接就是指将若干相邻图像根据研究区域合并成一幅图像或一组图像，进行拼接的影像必须具备相同几何校正后的地理参考以及相同的波段数。由于原始GF1影像已经覆盖了整个研究区，所以本研究利用ENVI软件工具并结合研究区的林斑矢量文件，实现遥感影像的裁剪，获取研究区的影像。
(4)监测模型的建立：
肃南裕固族自治县遥感监测区域以林场为单位，主要监测对象为林区内云杉的健康状况。由于云杉的病虫害体现主要在于其外围针叶的黄化与脱落，而林下又有草地等绿植，故林区的健康状态与NDVI的指数并不明显，经不断探索与推演尝试，最终总结出黄化指数的计算公式，可以针对GF卫星的8m分辨率多光谱遥感数据进行波段计算分析，准确判断目标区域内云杉的健康状况。
健康状况与黄化指数之间的病虫害监测模型如下式：
Y＝(b2 lt 600)*b3/float(b2)
其中：Y表示植被病虫害评价指数，当Y<0.70时为健康，在0.70≤Y<0.75时为亚健康，Y≥0.75时为严重。
分析完成后，由林厂工作人员对分析结果进行初步确认，认定当年林区的整体健康状况确实和分析结果中的分布一致，说明模型初步成功。然后对2020年的目标林区抽样出100个地面调查点进行无人机或人工实地调查验证，通过现场确认，100个抽样地点中，有85个抽样点与实际地点受害程度一致，所以该模型平均的估测精度可达85％，达到了研究的精度水平，可以用于肃南县病虫害的监测。
以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。
Claims (1)
1.天空地一体化病虫害遥感监测方法，其特征在于：包括如下方法，
第一步，目标区域的GF1多光谱遥感影像获取；
第二步，对目标影像进行预处理，方法包括：辐射定标、大气校正、正射校正、裁剪与拼接；
第三步，采用失量林班裁剪出目标林区范围内的块状影像；
第四步，对裁剪后的影像进行波段计算，计算出各像素点的黄化指数：
Y＝(b2 lt 600)*b3/float(b2)
其中：Y表示植被病虫害评价指数，当Y<0.70时为健康，在0.70≤Y<0.75时为亚健康，Y≥0.75时为严重。
第五步，对黄化指数进行分级渲染后出图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110015872.5A CN112666170A (zh) | 2021-01-06 | 2021-01-06 | 天空地一体化病虫害遥感监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110015872.5A CN112666170A (zh) | 2021-01-06 | 2021-01-06 | 天空地一体化病虫害遥感监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112666170A true CN112666170A (zh) | 2021-04-16 |
Family
ID=75413379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110015872.5A Pending CN112666170A (zh) | 2021-01-06 | 2021-01-06 | 天空地一体化病虫害遥感监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112666170A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113378700A (zh) * | 2021-06-08 | 2021-09-10 | 四川农业大学 | 基于无人机航拍影像的草原鼠害动态监测方法 |
| CN113670825A (zh) * | 2021-08-24 | 2021-11-19 | 河南省科学院地理研究所 | 一种基于综合遥感技术的森林环境遥感监测系统 |
| CN116773464A (zh) * | 2023-08-21 | 2023-09-19 | 内蒙古师范大学 | 基于无人机高光谱和激光雷达的落叶松毛虫虫害监测方法 |
-
2021
- 2021-01-06 CN CN202110015872.5A patent/CN112666170A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113378700A (zh) * | 2021-06-08 | 2021-09-10 | 四川农业大学 | 基于无人机航拍影像的草原鼠害动态监测方法 |
| CN113378700B (zh) * | 2021-06-08 | 2022-11-08 | 四川农业大学 | 基于无人机航拍影像的草原鼠害动态监测方法 |
| CN113670825A (zh) * | 2021-08-24 | 2021-11-19 | 河南省科学院地理研究所 | 一种基于综合遥感技术的森林环境遥感监测系统 |
| CN116773464A (zh) * | 2023-08-21 | 2023-09-19 | 内蒙古师范大学 | 基于无人机高光谱和激光雷达的落叶松毛虫虫害监测方法 |
| CN116773464B (zh) * | 2023-08-21 | 2023-11-07 | 内蒙古师范大学 | 基于无人机高光谱和激光雷达的落叶松毛虫虫害监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12008744B2 (en) | Mapping field anomalies using digital images and machine learning models | |
| CN112666170A (zh) | 天空地一体化病虫害遥感监测方法 | |
| Hall et al. | Optical remote sensing applications in viticulture‐a review | |
| Fuentes et al. | Automated estimation of leaf area index from grapevine canopies using cover photography, video and computational analysis methods | |
| Hall et al. | Characterising and mapping vineyard canopy using high-spatial-resolution aerial multispectral images | |
| AU2019398104A1 (en) | Mapping soil properties with satellite data using machine learning approaches | |
| Baofeng et al. | Digital surface model applied to unmanned aerial vehicle based photogrammetry to assess potential biotic or abiotic effects on grapevine canopies | |
| CN111738175A (zh) | 一种基于遥感影像和卷积神经网络的农业干旱监测系统 | |
| Felderhof et al. | Near-infrared imagery from unmanned aerial systems and satellites can be used to specify fertilizer application rates in tree crops | |
| Xue et al. | Assessment of canopy vigor information from kiwifruit plants based on a digital surface model from unmanned aerial vehicle imagery | |
| CN115062863B (zh) | 基于作物参考曲线和积温校正的苹果的始花期预测方法 | |
| Vélez et al. | Estimation of Leaf Area Index in vineyards by analysing projected shadows using UAV imagery | |
| CN110987063A (zh) | 一种遥感监测河湖水文水生态要素的方法 | |
| CN108535193A (zh) | 一种林业典型病虫害遥感监测方法 | |
| CA3206780A1 (en) | Remote soil and vegetation properties determination method and system | |
| Ouyang et al. | UAV and ground-based imagery analysis detects canopy structure changes after canopy management applications | |
| Ouyang et al. | Assessment of canopy size using UAV-based point cloud analysis to detect the severity and spatial distribution of canopy decline | |
| CN113128453B (zh) | 采用遥感时间序列数据的地膜识别方法、系统以及介质 | |
| Sulieman | Expansion of mechanized rain-fed agriculture and land-use/land-cover change in the Southern Gadarif, Sudan | |
| Green | Geospatial tools and techniques for vineyard management in the twenty-first century | |
| Fuentes-Peñailillo et al. | Digital count of sunflower plants at emergence from very low altitude using UAV images | |
| Yusof et al. | Land clearing, preparation and drone monitoring using Red-Green-Blue (RGB) and thermal imagery for Smart Durian Orchard Management project | |
| Johnson et al. | Vineyard canopy density mapping with IKONOS satellite imagery | |
| Chen et al. | Statewide mapping and estimation of vegetation aboveground biomass using airborne lidar | |
| Das et al. | A high-throughput phenotyping pipeline for rapid evaluation of morphological and physiological crop traits across large fields |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |
|
| RJ01 | Rejection of invention patent application after publication |