應用方向

森林病蟲害的早期檢測是森林健康監測遙感應用的重點。松枯病（PWD）對全球松樹資源造成重大破壞，近距離高光譜遙感在早期診斷方面發揮關鍵優勢，當前探索高光譜檢測在視覺前階段檢測PWD的作用。本研究旨在調查松樹種類、感染反應和數據類型對視覺前階段PWD高光譜檢測的影響。在三個地點對兩種松樹樣本樹進行了人工接種實驗，并使用地面非成像和無人機成像光譜儀定期收集高光譜數據。確定了五種感染反應：保持健康（KH）、快速感染（QI）、緩慢恢復（SR）、快速恢復（QR）和緩慢感染（SI）。光譜分析揭示了RVI（680-550, 750）和NDVI（560, 680）指數動態變化與五種感染反應的光譜特征吻合。從第14天起能對具有QI反應的感染樹木的光譜檢測準確率超50%。此外，成像和非成像數據類型對檢測過程沒有顯著影響。需要進一步的研究來確定光譜分辨率差異較大的閾值，并探索在各種松樹物種和生長環境中的檢測。

背景

森林中的病蟲害發生是森林健康的關鍵指標。通過監測病蟲害的發生和傳播，可以深入了解森林生態系統的整體健康狀況，從而有助于及時采取措施預防或減輕潛在疾病的爆發。在眾多森林病蟲害中，松枯病（PWD）一直被認為是世*上*具破壞性的疾病之一。近年來，隨著對PWD發生和傳播特征的全面了解，加上有效的監測和預防措施，PWD的廣泛和廣泛爆發已變得相對罕見。在PWD傳播之前，特別是在小尺度上，單個樹木水平上迫切需要使用具有高空間、時間和光譜分辨率的遙感數據。近距離傳感已成為森林監測的重點，證明了在空間和時間維度上大幅增加實地觀察量的能力。不同松樹種對PWD的易感性差異明顯。不同的數據類型意味著在近距離傳感中使用具有不同空間、光譜和時間分辨率的高光譜數據進行PWD監測。

實驗設計

松樹樣樹來自江蘇省南京的城市森林帶，在三個選定的地點進行了兩次田間試驗。在三個地點對兩種松樹樣本樹進行了人工接種實驗，并使用地面非成像和無人機成像光譜儀定期收集高光譜數據。

圖1 中國南京研究區域（a），三個林分（b），一個接種管（c），接種的Pinus thunbergii出現綠色攻擊、灰綠色攻擊、10%、50%、70%和100%變色的癥狀（d）和接種的馬尾松（e）的癥狀

成像高光譜數據來自350-1050 nm的推掃式成像光譜儀（GaiaSky-mini2-VN，江蘇雙利合譜光譜成像技術有限公司，中國江蘇無錫）配備DJI Matrice M600 Pro 六軸飛行無人機。葉綠素指數使用葉綠素計無損測量。

圖2 GaiaSky-mini-2成像儀（a）、DJI Matrice 600 Pro（b）、輻射參考目標（c）、CCM-300葉綠素計（d）

在地點A和地點B的接種實驗中，兩種松樹對接種都表現出五種不同的反應。第一個反應是免疫狀態，即25棵接種的黑松中有3棵在整個觀察的250多天中保持健康狀態，20棵接種的馬尾松樹中有8棵保持健康。第二次反應的是6棵黑松和4棵馬尾松迅速進入感染狀態，表現出10%的變色，分別在接種后90天和180天內發展到100%變色和整株枯萎。第三次反應涉及5棵黑松和4棵馬尾松，表現出緩慢的感染，然后逐漸恢復健康。第四次反應以5棵黑松和4棵馬尾松為特色，迅速感染變色，但隨后迅速恢復到綠色或灰綠色狀態。第五次反應包括7棵黑松和2棵表現出緩慢感染的馬尾松。與其他感染狀態相比，這些樹木表現出更長的視覺前階段持續時間。

根據病木葉綠素濃度在感染過程中的變化比較，如圖1所示，健康對照黑松的葉綠素含量在整個測量期間保持穩定。僅在接種后第178天的測量期間，觀察到葉綠素含量略有下降。然而，這種下降明顯小于在接種的松樹中觀察到的下降。這種小幅下降的主要原因是它與冬天的到來相吻合。然而，與黑松相比，馬尾松在衰退和恢復方面表現出更劇烈的變化，尤其是當測量期延長到冬季時。這表明在SI、SR和QR感染狀態下樹種之間葉綠素含量變化的差異是顯著的。此外，季節性變化對葉綠素含量的影響也很明顯，特別是在受PWD感染的樹木中。

圖2 Pinus thunbergii（a）和Pinus massoniana（b）5種侵染狀態下接種后葉綠素濃度的變化

植被指數的變化證實了光譜特征對PWD感染進展的有效響應。然而，很明顯，當受感染的樹木中出現可見的變色特征時，會發生顯著的光譜變化。在視覺前階段對受感染樹木的可檢測性意味著可以識別出細微的光譜變化。我們將2個物種的感染木分為視覺前階段（PV）和視覺階段。在視覺階段中，進一步細分，區分早期視覺階段（EV，樹木變色在10%以內）和晚期視覺階段（LV，樹木變色超過10%）。通過隨機森林方法對原始波段、VI和組合數據集分別進行分類。在分類過程中，健康對照與PV、EV和LV階段一起分類，形成四類。結果表明，黑松的總體分類準確率超過80%，馬尾松的分類準確率均低于70%。實驗結果還表明，雖然高光譜方法可用于黑松和馬尾松的早期檢測，但準確性明顯低于晚期。此外，兩種松樹種的識別能力存在顯著差異。

在對數據集進行分類時，使用兩種方法確定了對分類貢獻最大的*十個波段或植被指數（VI）：RF和PCA用于光譜學。通過射頻方法發現兩種物種的較高重要性條帶集中在相似的范圍內，在特定條帶方面存在顯著差異；PCA-S確定的貢獻最大的因素在兩種松樹種之間表現出高度的一致性。

在站點C進行的無人機飛行實驗中，在接種黑松和馬尾松的樹木中，除了一棵保持健康的樹木外，其余三棵樹作為站點A和B表現出快速感染（QI）的癥狀。由于樹木中大部分癥狀變化始于樹冠中下部，因此從無人機圖像觀察時，樹冠頂部針葉的變色滯后。因此，在圖像上選擇樣本像素時，尤其是在可見癥狀變化期間，選擇將基于空中變色特征和地面觀測，以最大限度地減少冠層頂部新鮮樹葉的干擾。

圖3 馬尾松（a）和黑松（b）的無人機RGB圖像中接種后病松的發育

分析了自接種之日起RVI（680-550, 750）和NDVI（560, 680）的時間動態，在疾病進展過程中，兩個指數的變化趨勢與非成像數據分析的結果一致。就兩個指數值的變化時間而言，馬尾松比黑松更快地進入視覺上可辨別的變色階段。這種疾病的進展與對接種樹木的實地調查結果一致。此外，與非成像數據分析的結果一致，這兩個指標雖然表明區分了視覺前階段和視覺階段，但在視覺前階段，患病樹木和健康樹木之間的差異很小，使其不足以識別這一階段的患病樹木。

圖4 無人機圖像顯示馬森和黑松快速感染狀態下RVI（680-550, 750）和NDVI（560, 680）的時間變化

注：在實驗2中，觀察到黑松和馬尾松分別在接種后第44天和第25天最初進入視覺變色階段。

利用無人機高光譜圖像在HC、PV、EV和LV階段建立4組光譜數據和43個VI。無論成像還是非成像數據集，黑松使用原始波段和VIs組合數據集的分類精度最高，而馬尾松使用VIs數據實現的分類精度最高。此外，在相應時期，實驗2中成像數據的分類精度普遍高于實驗1中的非成像數據。這可能是由于與實驗1相比，實驗2中接種的黑松和馬尾松的疾病進展更快。此外，與非成像數據選擇的結果類似，波段或VI的選擇存在顯著的不確定性，在各種分類組合的*十名貢獻中觀察到顯著變化。同樣，RVI（554, 677）或NDVI（531, 570）也出現在各種成像數據分類組合中，在重要性排序的優先位置排名突出。使用PCA-S方法獲得的重要性排序結果表明，對于黑松和馬尾松，以及任何分類組合，選定的6個VI與非成像數據選擇的結果完*一致，重要性排序順序僅略有不同。

圖5 HC、PV、EV和LV階段的黑松（左）和馬尾松（右）的PCA-S評分圖

結合成像和非成像數據，分析RVI（554, 677）、NDVI（531, 570）的視覺前分期變化以及PCA-S選擇的6個穩定指標。RVI（680-550, 750）和NDVI（560, 680）的值可以用作預測感染狀態是否會很快變得可見的指標，因為它們從陰性到陽性或陽性到陰性的明顯變化，在視覺前階段選擇的VI的變化雖然一致，但并不能為確定此階段的感染提供明確的標準。然而，無人機圖像的特性可能為通過這些光譜變化引起的圖像中的細微顏色變化來識別視覺前階段提供了潛力。

圖6 黑松和馬尾松4個特異性VIs在HC和3個PV期（接種后第10、14、20天）的平均值變化

當使用選定的8個VI進行顏色合成時，我們發現生成的偽彩色圖像高度碎片化，因此難以辨別樹冠本身。盡管一些組合在視覺前階段確實在受感染的樹木中顯示出顏色差異，但它們需要初始樹冠分割才能正確顯示樹冠信息，這增加了識別過程的復雜性。為了更好地保留冠狀特征并提高圖像可讀性，我們保留了原始的紅色（R, 648.5 nm）和藍色（B, 449.5 nm）波段信息，并在顏色合成過程中用各種VI替換了綠色波段。

圖7 馬尾松（a）和黑松（b）在侵染期（1、10、14、20和106）下的假彩色圖像接種后第二天）

結論

我們在3個地點對接種PWD的黑松和馬尾松進行了高光譜監測實驗，收集了成像和非成像高光譜數據，涵蓋了從視覺前感染階段到視覺階段的整個周期，其中整棵樹表現出變色和枯萎。使用RF，對感染樹木和健康對照在不同階段的光譜特征進行分類，重點是接種后第7、10、14、20和28天的視覺前階段。使用RF和PCA-S對非成像數據和無人機圖像，基于原始波段、43個VI及其組合進行重要性分析。指數整合了來自紅、綠、紅邊和近紅外波段的關鍵信息，在視覺前階段識別受感染的樹木方面發揮著至關重要的作用。將這些VI與真彩色圖像中的紅色（648.5 nm）和藍色（449.5 nm）波段相結合，生成了偽彩色合成圖像。從接種后第14天開始，這些復合材料開始在圖像中顯示色差，直觀地顯示出可檢測的差異。

推薦產品

350-1050 nm的推掃式成像光譜儀（GaiaSky-mini2-VN，江蘇雙利合譜光譜成像技術有限公司，中國江蘇無錫）

作者簡介

一作：潘潔；南京林業大學林草學院、華南地區可持續林業協同創新中心；碩導。

參考文獻

論文引自一區SCI：Jie Pan, Xinquan Ye, Fan Shao, Gaosheng Liu, Jia Liu, Yunsheng Wang. Impacts of pine species, infection response, and data type on the detection of Bursaphelenchus xylophilus using close-range hyperspectral remote sensing, Remote Sensing of Environment, 2024.