技术特征：
1.松材线虫病监测天空地一体化监测方法，其特征在于包括以下步骤：s1、首先通过无人机影像对对染病枯死树提取，通过卫星影像对染病枯死树斑块进行提取，通过地面调查对枯死树进行实地标记、定位和测量；s2、分别获取高空间分辨率卫星遥感数据、无人机遥感数据为数据源，结合地面调查数据与森林资源二类调查数据，共同形成监测区域的数据集合；s3、通过上述数据建立疫木的样本，样本包括松材线虫病害枯死树的光谱特征、征纹理特征和几何特征；s4、根据样本，卫星遥感对染病枯死树斑块进行确认，综合运用图像增强与图像分类方法，并进行验证，建立松材线虫病枯死树空间分布信息和位置信息。2.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：高空间分辨率卫星遥感数据包括50cm空间分辨率全色波段(470-830nm)数据和2米空间分辨率蓝、绿、红、近红外四个波段多光谱数据。3.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：无人机遥感数据包括多个区域中在每个区域选取一个1km
2-2km2的区域作为验证区，分别对所选区域用无人机进行拍摄，无人机遥感数据采集使用设备为大疆精灵4 pro rtk多旋翼无人机搭载fc6310r航摄仪。4.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：地面调查数据包括在无人机拍摄后的区域内选择其中一个或多个区域的部分小班内的枯死树进行了实地手持gps枯死树标记、定位和测量，以完成建模和和专题分析；实地测量的数据包括：小班号，疫木编号，胸径，冠幅，空中可见冠幅，松针保留率，树冠颜色，坐标x(gps)，坐标y(gps)，坐标x(影像)和坐标y(影像)，通过实地调查，建立疫木图像特征库，包括颜色、形状、纹理、图案、空间分布特点。5.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：森林资源二类调查数据包含各区域行政区界线和小班界线空间信息，各级行政区名称、小班号、小班面积、地类及树种属性信息。6.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：无人机遥感数据分析用于提取染病枯死树数量，根据疫木在图像上的目视特征，选取感染了松材线虫病的松树进行记录，确定疫木分布结果。7.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：高空间分辨率卫星遥感数据分析用于对染病枯死树斑块提取，基于卫星遥感影像，首先运用hsv阈值方法识别疫木斑块，然后利用森林资源二类调查本底数据提取松林分布区域，并通过分割算法剔除林中空地，并用斑块面积与疫木株数建立疫木株数模型，最后用株数模型估算全部斑块的疫木株数，提取每一株的位置坐标；分割算法是从单个像元开始向上逐渐合并成较大的对象，直到满足所设置的分割尺度(f)为止；分割尺度(f)由四个参数组成，分别是光谱异质性(h
color
)、形状异质性(h
shape
)、光谱信息权重(w
color
)以及形状信息权重(w
shape
)，光谱特征和形状特征的权重之和为1(即w
color
+w
shape
＝1)，f＝w
×
h
color
+(1-w)
×
h
shape
；光谱异质性(h
color
)不仅与组成对象的像元个数有关，还取决于各个波段标准差：为对象内部像元值的标准差，根据组成对象的像元值计算得到，n为像元数目；
此外，形状异质性(h
shape
)由紧凑度(h
compact
)和平滑度(h
smooth
)来计算，光滑度用来优化分割对象边界的光滑程度，可以抑制边缘的破碎；紧凑度用来优化分割对象的紧凑程度，两个指标的权重之和也是1(即w
compact
+w
smooth
＝1)；h
shape
＝w
compact
×
h
compact
+(1-w
compact
)
×
h
smooth
；在图像预处理的基础上，借助ecognition developer软件对p卫星影像进行分割，对影像进行多尺度分割，分割范围为20-150，对多尺度分割结果进行定量评价，找到最优分割尺度，通过目视评价，选出最优分割尺度；在定量化评价出最优分割尺度后，通过ecognition developer导出最优分割尺度下对象层中每个对象的在p卫星影像中具有的特征变量，包括有光谱、纹理、几何特征变量以及由图像原始波段计算得出了各种指数；对高空间分辨率卫星遥感数据中的rgb，其中rgb即是代表红、绿、蓝三个通道的颜色，红绿蓝3个波段多光谱数据做hsv变换图像色彩增强，转化hsv彩色模型，疫木与健康树木在h波段的值上呈现明显的分异，找到区分者的阈值，即可对疫木的斑块进行自动识别；rgb转换hsv公式如下：v＝max(r，g，b)v＝max(r，g，b)if h＜0 then h＝h+360.on output 0≤v≤1，0≤s≤1，0≤h≤360.疫木的斑块进识别后，结合森林资源二类调查数据，对松林范围裁剪，剔除非松林区域，获取松林区域的疫木斑块；通过通过局部几何校正方法，校正时以卫星数据为参考，将无人机提取的结果进行几何校正，以便于将无人机数据提取结果作为参考数据，与卫星数据做匹配、叠加分析，基于无人机影像、卫星影像及各自的判读识别结果，通过二者同一位置疫木大小、颜色、空间分布特征、图案以及与周边地物的位置关系，综合运用对比分析、逻辑推断的方法，对疫木位置作出准确判断，得到几何精校正结果，实现无机影像判读的疫木的位置与卫星影像识别结果一一对应；通过无人机影像判读结果与卫星图斑数据，用人机交互方式得到一个新的卫星疫木点矢量数据，此数据用于疫木识别株数建模；基于卫星影像识别出不同大小的疫木斑块，进行计算疫木数量，通过面积与株数的关系模型获得，模型形式为：y＝ax+b或者y＝ax2+bx+c
其中，y为疫木株数，x为斑块面积，以此模型公式求解全部斑块的疫木株数。8.根据权利要求7所述的松材线虫病监测天空地一体化监测方法，其特征在于：抽取部分区域，在距卫星影像获取日一周以内进行全域或局部抽样区域进行无人机拍摄，通过对无人机影像的人工判读获得枯死树位置，以此验证卫星影像识别结果的准确性；随机分布在多块验证区域的无人机影像，经人工判读结果获得每个区域的株数和每个区域每一株枯死树的位置，两者分别用于位置精度和株数精度验证评价。9.根据权利要求7所述的松材线虫病监测天空地一体化监测方法，其特征在于：株数精度基于无人机影像的验证，株数精度p
n
用株数误差率的函数表示：p
n
＝1-|e
n
|其中，e
n
为株数误差率，n为识别株数,m为验证株数，下表i为区域号，n
i
为第i区域的识别株数，m
i
为第i区域的验证株数，b为区域数。e
n
可以有正负，当e
n
＞0时，表示识别值大于验证值；当e
n
＜0时，表示识别值小于验证值；通过人工地面踏查和除治工作完成后获得枯死树数量验证信息，对识别结果的准确性进行验证；单株位置精度误差采用识别点位置(xd,yd)与验证点位置(xt,yt)的欧式距离表示，对于验证区域，总体位置误差(ep)采用单株位置误差的算数平均值表示：其中，表示识别数据第i株的x坐标值，表示验证数据第i株的x坐标值，表示识别数据第i株的y坐标值，表示验证数据第i株的y坐标值；以均值e
p
为主要参考，同时考虑最大值和最小值。10.根据权利要求1所述的松材线虫病监测天空地一体化监测方法，其特征在于：采用图像分类方法，将松林小班中的林中(含林缘)空地从森林中分离出来，以便从卫星影像识别结果中剔易与染病枯死树混淆的区域。
技术总结
本发明公开了一种松材线虫病监测天空地一体化监测方法，其技术方案：S1、首先通过无人机影像对对染病枯死树提取，通过卫星影像对染病枯死树斑块进行提取，通过地面调查对枯死树进行实地标记、定位和测量；S2、分别获取高空间分辨率卫星遥感数据、无人机遥感数据为数据源，结合地面调查数据与森林资源二类调查数据，共同形成监测区域的数据集合；S3、通过上述数据建立疫木的样本，样本包括松材线虫病害枯死树的光谱特征、征纹理特征和几何特征；S4、根据样本，卫星遥感对染病枯死树斑块进行确认，综合运用图像增强与图像分类方法，并进行验证，建立松材线虫病枯死树空间分布信息和位置信息。本发明具有筛选疫区效率高，可实现大面积高效监测，无人机遥感数据获取方便、识别精度高，用于精度验证有保障。用于精度验证有保障。用于精度验证有保障。
技术研发人员：陈小华 吴利平 丁丽霞 李伟明 茹磊 季卓 周通
受保护的技术使用者：浙江同创空间技术有限公司
技术研发日：2021.12.29
技术公布日：2022/4/22