基于机器学习的松材线虫病疫木识别研究

松材线虫病是一种毁灭性的森林病害,对我国的森林资源、生态环境和经济发展构成严重威胁。为准确且高效地识别疫木,从林区无人机影像中提取了植被指数、HSI色彩和纹理等17个特征指数,利用随机森林(random forest,RF)、BP神经网络(back propagation neural network)、支持向量机(support vector machine,SVM)、CatBoost(category boosting)、K最近邻(k-nearest neighbor,KNN)5种典型的机器学习算法构建了多特征多模型的松材线虫病疫木识别方法。结果表明:仅使用单一类型特征或全部特征时均不能获得最优的分类准确率,不同的机器学习模型在特征选择之后能提升疫木识别的准确率;其中以RF模型的疫木提取精度最高,准确率为92.94%。总体而言,RF模型与其他模型相比在无人机松材线虫病疫木识别中具有较大潜力。建立的疫木识别方法为防控森林病虫传播提供了技术支撑。