[发明专利]一种时间-光谱混合的松材线虫病害早期监测方法

说明书

时间‑光谱混合的松材线虫病害早期监测方法，S1：获取Sentinel‑2监测下的时序影像和待预测期影像并进行预处理；S2：基于多个时相下不同波段的反射值计算时序均值归一化植被指数，并提取马尾松分布；S3：计算时序多类型红边植被指数序列和待预测期多类型红边植被指数序列；S4：基于时序多类型红边植被指数序列训练预测模型；S5：利用预测模型对待预测期多类型红边植被指数序列进行预测，结合马尾松分布情况得到松材线虫害预测结果；引入多时相、多类型红边植被指数反映马尾松健康变化情况，建立预测模型，充分挖掘马尾松遭受松材线虫病害前后的光谱变化规律，有效解决了利用单期卫星遥感进行松材线虫病害早期监测的难题。

技术领域

本发明涉及遥感图像处理技术领域，更具体的说是涉及一种时间-光谱混合的松材线虫病害早期监测方法。

背景技术

松材线虫病害是由松材线虫寄生在松树体内而导致树木迅速死亡的一种毁灭性病害，也是目前全球森林生态系统中最具危险性、毁灭性的病害。“十四五”期间，我国将组织开展松材线虫病害防控5年攻坚行动，遏制松材线虫病害快速扩散蔓延势头。传统的松材线虫病害监测一般是人工实地调查染病松，该方式浪费大量的人力物力且效率低下，尤其在山高地险的山区，不能及时、全面地掌握疫情发生动态，难以有效控制疫情蔓延。

目前，国内生产单位利用卫星遥感影像监测松材线虫病害主要根据虫害发生后高分辨影像上表现出的色调和纹理等特征建立解译标志，叠加公里网格，通过目视判读方法，逐网格提取枯死树图斑。该方法相对于人工实地普查具有效率优势，但是当树木颜色发生变化甚至枯死时，表示其遭受病害程度较深，目视解译方法只能做到及时止损，不能实现早期预防。

国内外利用卫星遥感影像监测松材线虫病害的研究主要集中于利用单时相遥感影像和实测数据建立预测模型，从而实现对某时期松材线虫病害的发生情况和分布范围的监测；或利用野外光谱仪采集实地反射率光谱数据，实验室分析光谱变化规律，从而判定是否发生病害。但是这些方法只能反应数据采集时期的虫害情况，未能对前、后期发展趋势进行监测或早期预测。此外，实测数据一般是实地调查的染病松或利用野外光谱仪获取的实地反射率光谱数据。研究表明，染病松染病初期时只表现为光谱上的轻微变化，实地调查难以100％发现。而由于高分辨率影像上的“异物同谱”和“同物异谱”现象，当影像区域、时间发生变化后，实地反射率光谱数据不再适应。

因此，如何提供一种时间-光谱混合的松材线虫病害早期监测方法来实现松材线虫病害的早期预测和动态监测是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种时间-光谱混合的松材线虫病害早期监测方法，解决了现有基于卫星遥感的松材线虫病害监测自动化程度低、缺乏普适性、难以早期预测和缺乏动态监测等问题，为林业虫害预警与防治提供了一种新思路。

为了实现上述目的，本发明采用如下技术方案：

一种时间-光谱混合的松材线虫病害早期监测方法，包括以下步骤：

S1：获取Sentinel-2监测下的时序影像和待预测期影像并进行预处理；

S2：基于时序影像中多个时相下不同波段的反射值计算时序均值归一化植被指数，根据时序均值归一化植被指数，从所述时序影像中提取马尾松分布，得到马尾松分布情况；

S3：基于预处理后的时序影像和待预测期影像中近红外范围内的各个波段和红边范围内的各个波段的反射值，计算得到时序多类型红边植被指数序列和待预测期多类型红边植被指数序列；

S4：基于时序多类型红边植被指数序列训练预测模型；

S5：利用所述预测模型对所述待预测期多类型红边植被指数序列进行预测，结合马尾松分布情况得到松材线虫害预测结果。

进一步的，S1中，所述预处理包括大气校正、几何校正、重采样和波段合成。