基于無人機遙感的松材線蟲病綠色新型藥劑防治效果評估

張歆逢，于海英*，趙 銳，商洪溢，蔣麗雅

（1.國家林業和草原局生物災害防控中心，遼寧 沈陽 110034；2.中國農業大學，北京 100083；3.山東瑞達生態技術有限公司，山東 濟南 250000）

松材線蟲病是全球最具危險性的林業檢疫性有害生物。自1982年傳入我國以來，已成為威脅我國松林資源的頭號大敵，造成了巨大的生態、經濟損失[1]。由于松材線蟲病防治存在致病機理不清、阻斷傳播蔓延的難度大、有效防治技術手段匱乏等問題，急需創新性技術手段和綠色安全藥劑的研發。此外，防治工程項目中采取疫木除治及伐根處理、飛防施藥、打孔注藥等綜合措施開展防治，但防治過程的監理和防治效果檢查缺乏相對系統、科學的評價手段。近年來，通過無人機遙感技術監測變色和枯死松樹，代替護林員徒步巡查，精確定位發病松樹位置，據此組織地面人員砍伐除治，已取得一定成效[2-8]。但將無人機遙感與林業有害生物防治效果評估結合的研究較少。本文旨在通過無人機遙感和地理信息系統綜合應用，結合人工地面核查與取樣檢測，對松材線蟲病新型藥劑施藥區及空白對照區不同類型感病松樹進行不同時期的精準定位，從而實現防治效果的階段性評價。

1 材料與方法

1.1 試驗地概況

試驗于2020年在山東省威海市文登區昆崳山南部區域葛家鎮黃龍峴村西山（37°10'48"—37°11'16.8"N 121°45'36"—121°46'12"E）開展。試驗區平均海拔150 m，森林類型為針闊混交林。闊葉樹以麻櫟、刺槐為主，松樹以黑松、赤松為主，平均樹齡20年，平均胸徑11 cm。平均樹高5.5 m，平均冠幅2 m，郁閉度0.3。試驗區面積共36 hm2，其中施藥區面積28.7 hm2，空白對照區面積7.3 hm2。

1.2 試驗材料

無人機設備采用大疆經緯M600 PRO 進行數據采集。M600 PRO 內置專業級A3 飛行控制系統、Lightbridge 2 圖像傳輸系統。M600 PR0 搭載大疆禪思Z30 相機。施藥區松材線蟲病綠色新型防治藥劑由中國農業大學吳學民教授提供，涉及“天牛、線蟲、樹體、環境”四位一體藥劑體系，包括天牛殺滅藥劑、線蟲殺滅藥劑、植物生物刺激劑、高效靶標攜帶劑和新型耐雨水沖刷助劑等；無人機精準施藥及監測由山東瑞達生態技術有限公司實施。3 次飛機施藥時間分別為2020年6月1日、6月28日和8月5日。

1.3 試驗方法

昆崳山試驗區松材線蟲病枯死樹監測主要包括無人機數據采集、枯死松樹提取、外業地面核查與取樣檢測、內業整理等，流程如圖1。

圖1 無人機遙感流程圖Figure 1 Flow-progress of UAV Remote Sensing

1.3.1 無人機數據采集

對無人機數據采集、正射影像制作和試驗區的森林資源等數據進行整理，檢查數據完整性、空間精度等。

劃定航測區域。采用1:10000 林相圖和更大比例尺遙感影像圖、地形圖等進行作業區的規劃，精確定位所有航點（誤差小于10 m），求算飛行作業區面積。

航線設計。2020年5月5日，7月8日和10月12日對實驗區進行數據采集，具體作業設計如圖2。

圖2 無人機作業航線圖Figure 2 UAV operation route map

飛行作業。本試驗要求地面分辨率0.05 m，同一航線上相鄰像片的航高差≤30 m，實際航高與設計航高之差≤50 m。避開晴天時正午前后2 h 內攝影，攝影時的太陽高度角大于30～40°。

1.3.2 無人機數據采集與處理

2020年5月5日、7月8日、10月12日對試驗項目進行無人機數據采集，采集當日均為晴天，且風速較小，滿足無人機工作條件要求。飛行過程中設定的航向重疊度為85%，旁向重疊度為70%，采集的數據空間分辨率為0.05 m。

無人機影像處理通過Agisoft Photo Scan 軟件進行拼接，工作流程由軟件自動完成，使用GPU 對處理過程進行加速。對導入的影像進行照片對齊、建立密集點云、生成網格、生成紋理、生成DEM 和DOM 數據等處理。

1.3.3 枯死及變色樹提取

由于松材線蟲病防治效果評估過程中需要對涉及到的不同染病程度的松樹進行提取，目前利用自動提取的方法無法滿足本研究要求。因此，在研究過程中利用人工目視判讀方法對不同染病類型的病、枯死松樹進行提取，同時配合人工地面取樣檢測。根據松材線蟲病不同染病程度所表現的不同特征，將染病松樹分為整株干枯、整株變色、局部變色3 個類型（見表1、圖3）。

表1 染病松樹類型表Table 1 Types of pine infected by Bursaphelenchus xylophilus

圖3 無人機遙感染病松樹類型圖Figure 3 Types of disease trees by UAV

1.3.4 內業整理

內業整理是對變色、枯死樹提取的結果和外業地面調查結果進行整理，結合森林資源數據和往年監測成果數據開展數據建庫、空間分析等工作，形成松材線蟲病枯死松樹空間數據庫和各種專題圖成果。

專題地圖主要為1：10000 分測區的枯死松樹分布圖，以及A3 幅面按行政區劃制作的枯死松木小班分布圖。

1.3.5 正射影像制作

數字正射影像圖(DOM)，利用數字高程模型(DEM)對數字化航空攝影影像,經逐像元進行投影差改正、鑲嵌,按國家基本比例尺地形圖圖幅范圍裁切生成的數字正射影像數據集。本試驗項目利用PIX4D 軟件進行影像數據的處理。

前期POS 數據處理。無人機照片數據按經緯度順序，編輯照片名稱，導入坐標轉換軟件通過RTK 計算的坐標轉換參數，將經緯度坐標轉換為當地坐標數據。轉換后的平面坐標保存為.TXT 格式：照片名稱，Y，X，Z。

坐標系編輯選擇昆崳山試驗區當地坐標系，地理定位選擇從文件中，格式根據TXT 格式，選擇之前轉換的是X,Y,Z(注：這里的XY 和地理坐標中是反的)后導入照片。數據處理完成，點擊鑲嵌圖編輯器，進行影像微調，完成影像處理，形成正射影像圖（圖4、5）。

圖4 導入照片Figure 4 Importing photos

圖5 昆崳山試驗區正射影像圖Figure 5 Orthophoto of Kunyushan experimental area

1.4 提取變色木信息

1.4.1 建立解譯標志

在覆蓋松材線蟲病疫區的無人機影像中選擇若干典型變色、枯死松樹，建立智能提取算法及人工審核的解譯標志。典型枯死松樹影像如圖6。

圖6 無人機影像典型病枯死松樹解譯標志圖Figure 6 Interpretation mark of typical disease and dead pine in UAV image

1.4.2 智能提取

利用人工智能和機器學習的方法開展智能算法訓練，建立訓練模型實現枯死樹的識別與提取。

智能算法訓練：針對昆崳山試驗區無人機影像，選擇一定數量的正、負樣本對智能提取模型進行訓練；利用測試樣本對訓練的模型進行精度驗證，當模型測試精度大于99.5%時，停止訓練并利用訓練好的模型對無人機影像進行枯死樹提取；分析模型訓練狀況，如果處于欠擬合狀態則繼續進行迭代訓練；如果處于過擬合狀態，則加入新的訓練樣本進行訓練。

圖像智能識別：將各監測區無人機影像按智能模型的IO 要求做好相應處理；智能模型批量讀取準備好的無人機影像，對其中枯死樹進行識別，并對圖像中的枯死樹木自動標記（圖7）。

圖7 變色松樹智能識別Figure 7 Intelligent recognition of discolored pine

處理結束后，帶有標記的圖像被算法自動上傳，交由人工開展人機交互檢查和審核。

1.4.3 結果檢查與審核

（1）人工交互平臺監測到新數據源時，自動將待審核的數據分發給審核人員；

（2）審核人員根據解譯標志通過人機交互的目視判讀方法對算法的智能化處理的結果進行檢查和審核；

（3）計算通過審核數據的經緯度坐標信息，為外業調查做準備。

1.5 地面核查

為了從多角度、多層次反映昆崳山試驗區枯死松樹分布的全貌，把枯死松樹提取過程中的疑難點、典型區和集中發生區域作為調查重點，驗證枯死樹提取的準確度，掌握昆崳山試驗區松材線蟲病枯死樹的實際發生情況和分布現狀。在試驗區域內存在的僅部分枝條變為黃綠色的松樹，無人機遙感影像無法識別，采取地面核查及取樣檢測，按照松材線蟲樣本檢出率，一同歸入松材線蟲病罹病木，計算病株率。

2 結果與分析

2.1 變色樹木統計分析

圖8 人工地面核查枯死樹類型（a.整株干枯;b.整株變紅;c.局部變色）Figure 8 Verification of discolored and dead tree types on ground

試驗區內36 hm2（28.7 hm2施藥區和7.3 hm2空白對照區）4月底前進行了病死樹清理，5月5日，無人機遙感判讀結合地面人工調查驗證，確定施藥區共有松樹10239 株，對照區共有松樹4189 株。利用機器學習和人工目視判讀相結合的方法提取了28.7 hm2施藥區和7.3 hm2對照區的變色、枯死松樹分別為49 株和10 株，施藥區和空白對照區病株率分別為0.48%和0.23%，即施藥區在施藥前的發病程度略重于空白對照區。

越年枯死樹 （2019年感染松材線蟲但當年未顯癥，2020年春季始顯癥） 從2020年5月到7月陸續出現，本試驗依據松褐天牛和松材線蟲病在當地的發生規律以及往年的病死樹情況[9-15]，將2020年7月中旬作為分界點，5月1日至7月中旬以前新發生的變色、枯死樹作為越年枯死結果進行統計。7月中旬以后的變色樹作為當年發生的病死樹統計。11月初當地麻櫟開始變色。因此，本試驗只對7月中旬和10月中旬數據進行統計分析。

7月8-12日，確定28.7 hm2畝施藥區變色及枯死樹共有147 株，其中整株干枯10 株，整株變色112 株，局部變色25 株；對照區共有45 株病枯死松樹，其中整株干枯5 株，整株變色33 株，局部變色7 株。2020年10月12-15日，無人機遙感判讀結合地面人工調查驗證，施藥區共有144 株變色、枯死松樹，其中整株干枯50 株，整株變色84 株，局部變色10 株；對照區共有186 株變色、枯死松樹，其中整株干枯15 株，整株變色100 株，局部變色71 株（詳見表2）。所有局部變色樹在地面人工調查驗證時均進行了感病枝條的取樣檢測，整株變色樹進行了主干抽樣檢測，松材線蟲檢出率92%。

表2 昆崳山試驗區2020年7月和10月變色、枯死松樹統計表Table 2 Statistics of discolored and dead pine trees in Kunyushan experimental area in July and October,2020

據此計算，7月份施藥區和對照區的病株率分別為1.44%和1.07%，10月份施藥區和對照區的病株率分別為1.41%和4.44%。施藥區感病樹增加量為（144-147）/430=-0.007 株/667m2；對照區感病樹增加量（186-45）/110=1.28 株/667m2。施藥區相對未增加新變色及枯死樹，對照區平均每畝增加了1.28 株變色、枯死樹。

從圖9可以看出，與7月份相比，10月份對照區整株變色、局部變色和整株干枯3 種類型的變色、枯死松樹的數量均有增加，尤其整株變色和局部變色的松樹大量增加，即對照區出現大量新感病松樹。施藥區整株干枯的數量有所增加，整株變色和局部變色的松樹數量均有所減少。施藥區7月份有一部分整株變色的松樹到10月份發展為整株干枯，一部分局部變色的松樹10月份變為整株變紅。

圖9 7月和10月試驗區不同類型變色、枯死樹統計Figure 9 Statistics on different types of discolored and dead trees in July and Octobe

2.2 新增病死樹分布情況分析

從7月和10月的變色、枯死樹分布圖（圖10、11）看出，10月份施藥區新增的局部枝條變紅的10 株樹大多分布于施藥區與其他區域毗鄰邊界，存在藥劑飄移及邊界天牛密度增加等影響因素。此外，經過坐標點比對，7月份有13 株枝條局部感病的松樹，經取樣檢測含松材線蟲，10月份有松材線蟲擴散受抑制、枝條內被殺死的現象，取樣檢測不含松材線蟲。說明新型藥劑有很強的內吸傳導性，在殺天牛的同時兼具殺松材線蟲的特點。因昆崳山區域海風較大，因此10月份時這13 株樹的病枝很快落葉，無人機遙感以及人工地面核查將其計入健康樹。因此，施藥區相對未增加新感病樹。對照區10月份與7月份相比，新增感病樹明顯。

圖10 7月昆崳山試驗區變色、枯死樹分布圖Figure 10 Distribution of discolored and dead trees in Kunyushan experimental area in July

3 結論與討論

應用無人機對昆崳山試驗區進行航拍，獲取0.05 m 分辨率數據，并利用Pixel4D Mapper 軟件對其進行正射校正形成正射影像圖。利用機器學習和人工目視判讀相結合的方法實現了對無人機遙感圖像中變色、枯死樹的有效提取，在人機平臺上實現了相對精準的技術判別，比較直觀地反映了7月—10月施藥區和對照區的變色、枯死松樹變化情況。通過地面核查對比分析，2020年7月12日，在試驗區和空白對照區共核查60 處枯死樹點，準確識別定位枯死松樹56 株，核查點周邊漏提取4 處；10月15日針對無人機監測處理結果開展地面驗證核查，準確識別對照區30 株、施藥區10 株部分枝條變色的松樹。漏提取2 株，未發現誤判現象。變色、枯死松樹判讀準確率為93.3%以上。有遺漏的原因可能是樹體冠層過小或局部感病枝條位于樹冠中下層。

圖11 10月昆崳山試驗區變色、枯死樹分布圖Figure 11 Distribution of discolored and dead trees in Kunyushan experimental area in October

無人機遙感只是采集數據的手段，與在監測上的應用比，防治效果評估要求更高分辨率，且能對不同類型變色、枯死樹進行精確區分和定位，才能保證評估結果的準確性。本試驗應用無人機可見光遙感采集0.05 m 空間分辨率的數據，分辨率要求高，且需精確判讀多種類型變色、枯死樹。此外，昆崳山試驗區麻櫟在每年11月份樹葉會變色（變成黃褐色或紅褐色）且不脫落，直到第2年4月后長出新葉同時老葉脫落，這就對無人機遙感的時間及數據采集效率有嚴格要求，即太早體現不出施藥效果，太晚闊葉樹變色導致干擾判斷。無人機遙感必須在適當的時間快速準確完成。本試驗未使用多光譜相機。因防治效果評估中，要求高分辨率，才能區分不同類型枯死樹，多光譜相機在高分辨率要求下幅寬受限，每個航帶的面積小，視野窄，數據采集能力有限，花費時間成本過高，目前仍處于試驗階段，未在工程實踐中大量應用。但隨著訓練樣本的不斷累積、特征波段的有效選擇、深度學習以及監測方法及技術水平的不斷提升，無人機多光譜甚至高光譜遙感將在松材線蟲病精準監測、防治實踐中潛力巨大[16-17]。

本試驗中的無人機遙感機器智能判讀對整株變色松樹信息能進行準確提取，但對整株干枯和局部變色（尤其中下部枝葉局部變色）松樹需結合人工目視判讀和人工地面核查進行。同時，為確定變色、枯死樹是否為松材線蟲病死樹，需取樣檢測。本試驗對局部變色的松樹全部進行感病枝條取樣，對整株變色的松樹進行隨機樹干木質部砍片取樣。雖因昆崳山試驗區海風較大，由整株變紅到整株干枯時間較其他地區短，但因整株干枯松樹是否含松材線蟲對藥劑防治效果判別影響不大，故未對其進行取樣檢測。

本試驗中，人工目視判讀、人工地面核查及取樣檢測都非常重要，因其能排除可能因闊葉樹變色、變色枯死樹成簇出現等干擾源引起的誤判。

本試驗根據昆崳山地區松褐天牛和松材線蟲的發生規律以及往年的病死樹情況將7月中旬預估為越年枯死樹與當年新感病樹的分界點，該分界點的準確時間還需進一步研究。