无人机遥感技术在松材线虫病监测中的应用

为验证无人机遥感技术能够高效、精准监测松材线虫病枯死木,解决当前人工调查效率低、数据不准确、防治决策不精准、防治工作开展不及时的问题。该研究应用垂直起降固定翼无人机在金谷镇境内验证区进行航拍,获取具有代表性的松枯死木遥感影像,应用Pix4Dmapper、YOLOv5软件对影像进行自动拼接、识别、定位,获得的数据与秋季普查比较。结果表明:人工调查的松枯死木为无人机监测的71%,无人机监测识别准确率达到93.94%,坐标点位置的平均水平误差4.1 m,能够为基层林业提供高效、准确的监测松枯死木服务。

利用固定翼无人机监测松材线虫病疫点枯死松树的初步研究

无人机航摄监测森林病虫害是一个新的研究热点。为探究无人机航摄在松材线虫病监测中的应用,本研究于2017年11月利用小型固定翼无人机采集了广东省河源市新丰江库区松材线虫病疫点的航摄影像,总面积1425.9 hm^2。固定翼无人机搭载了1台可见光数码相机和1台多光谱数码相机,能同时采集枯死松树的可见光和近红外的航摄影像。利用LAMapper软件对航摄图像进行空中三角测量和像素匹配,获得可见光正射影像和多光谱正射影像。使用ERDAS软件生成影像的归一化植被指数(NDVI)。然后将带有地理信息的完整影像自动导入GIS系统进行异常点识别和几何矫正,导出最终的影像数据。最后,对影像进行分析,并根据植被指数(NDVI)对图像进行分类。分析结果显示,航摄的疫点中共自动识别1486株枯死松树,并获得了其分布地图及坐标点位置。验证结果表明监测的准确率达到80%以上,坐标点精度达到2-3 m。本研究结果具有低成本、自动化、可靠、客观、高效和及时等优点,可为大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑。

松材线虫病死木中真菌和细菌的分离

从来自江苏省和浙江省几个疫区的松材线虫(PWN)病病死木的木质部中分离出111个真菌菌株,经鉴定种类为木霉(Trichodermaspp.)、轮枝霉(Verticilliumspp.)、青霉(Penicilliumspp.)、镰孢霉(Fusariumspp.)、曲霉(Aspergillusspp.)、毛壳菌(Chaetomiumspp.)、茎点菌(Phomaspp.)、短梗单孢霉(Dicoccumsp.)、头孢霉(Cephalosporiumsp.)、交链孢霉(Alternariasp.),这些真菌约占分离真菌总数的60%;在43%的未鉴定菌中,除3个菌株为有孢菌外,其余均是无孢菌。可以分离出真菌的病死木占56.42%,从病死木中可分离出细菌的比例达86%,可同时分离到真菌和细菌的比例为43.6%。

木腐菌及病死木中的真菌对松材线虫的影响

在松材线虫病的病死木分离出的真菌中,松材线虫可以在无孢菌和待鉴定的3株有孢菌上大量繁殖.在曲霉、青霉、短梗单孢霉、头孢霉的菌落上不能大量繁殖,在木霉、轮枝霉的部分菌株的菌落上也不能大量繁殖.引入了8种木腐菌,毛柄金钱菌(Flammulinavelutipes),糙皮侧耳(Pleurotusostreaus),香菇(Lentinusedodes),黑木耳(Auriculariaauricula),拟管革裥菌(Lenzitestrabea),粘褶菌(Gloeophyllumtrabeum),洁丽香菇(Lentinuslepideus),杂色云芝(Polyporusversicolor),测试了它们对松材线虫种群增长的影响.结果表明,松材线虫可在其菌落上大量繁殖的只有毛柄金钱菌,而其他真菌都对松材线虫具有一定的抑杀作用,其中在粘褶菌和糙皮侧耳菌落上松材线虫完全不能存活.

无人机遥感技术在重庆市沙坪坝区松材线虫病监测中的应用

在分析重庆市松材线虫病防控任务严峻形势的基础上,介绍了在沙坪坝区开展枯死松树无人机遥感监测的工作步骤;分析了枯死松树的空间分布状况;展示了由于媒介昆虫传播导致疫木呈离散型分布的特点;总结了在地形复杂山区开展低空遥感监测的经验和对策,以及开展时空规律研究的重要意义。

低成本小型无人机遥感定位病死木方法

松材线虫病造成了我国大量的松树死亡,带来了严重的经济损失。及时发现并定位松材线虫感染的病死木,采取焚烧、就地砍伐等措施是有效阻止疫情扩散的可行方法。笔者利用低成本小型无人机采集疫情地区的高空间分辨率影像,并经摄影测量软件LPS正射处理后,导入到美国GeoLink软件中,实现病死木位置信息的采集。经地面差分GPS测量验证,水平位置偏差在0.24~2.82m之间,精度均方根误差为1.565m。该方法比传统病虫害监测实施效率高,系统维护和使用成本较低,可为疫情区域判断疑似病死木位置提供定位技术支持。

刍议枯死松树的天空地协同监测技术体系建设

枯死松树及时精准监测是做好松材线虫病防治的基础,传统人工线路踏查难以保证全覆盖和高时效。高空间分辨率的航空和航天遥感技术可以快速采集区域级地表覆盖数据,获取单木与树丛级森林资源健康状态信息,服务于枯死松树监测;地面调查是航天和航空遥感技术应用不可或缺的组成部分,是实现对松材线虫病疫情遥感监测必不可少的工序。枯死松树的天空地协同监测技术体系的建立,以及天空地遥感技术互为补充的集成运用,是提高松材线虫病监测调查工作实时性、客观性和科学性的重要保障,不仅可为精准监管森林资源提供相应解决方案,也是完善和丰富现有松材线虫病监测普查体系、实现松材线虫病疫情早期发现以及疫情处置监管的有效途径。

侧耳杀线虫特性研究现状和应用于防治松材线虫病的前景

综述了侧耳的生物学特性和侧耳对线虫的毒杀特性 ,简述了松树材线虫病在中国的发生危害与处理松材线虫病木的方法 ,指出了现有处理方法的缺陷、原因。依据作者的初步试验 ,首次提出了将侧耳引入松材线虫病死木的设想 ,认为侧耳的生态习性、强烈的杀线虫活性、对病木中细菌的融解能力、以及线虫对侧耳的营养性和侧耳对松树立木的安全性 。

融合超分辨率重建的YOLOv5松枯死木识别模型

为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比(intersection over union,IoU)阈值取0.5时的平均精度均值(mean average precision,mAP50)为92.7%,mAP50~95(以步长0.05从0.5到0.95间取IoU阈值下的平均mAP)为62.1%,APsmall(小目标平均精度值)为53.2%,相比于原算法mAP50提高了3.2个百分点,mAP50~95提升了8.3个百分点,APsmall提升了15.8个百分点。不同算法对比分析表明,该方法优于Faster R-CNN、YOLOv4、YOLOX、MT-YOLOv6,QueryDet、DDYOLOv5等深度学习算法,mAP50分别提高了16.7、15.3、2.5、2.8、12.3和1.2个百分点。改进后松枯死木识别算法具有较高精度,有效缓解了小目标与纹理模糊目标识别困难问题,为后续疫木清零提供技术支持。

基于多色彩空间的YOLOv5松枯死树检测方法

【目的】针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5松枯死树高精度自动识别新方法。【方法】利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等6种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F 1分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这3个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别。【结果】6种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F 1分数在6种算法中均最高,分别达到97.58%、82.40%和0.85。通过3个色彩空间融合后,反映漏检情况的召回率由74.54%提高到98.99%,平均准确率提升至98.39%。【结论】基于多色彩空间的YOLOv5模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治。

松材线虫病致死松树上的松褐天牛季节性分布规律

连续两年定期监测、调查采样和鉴定证明：每年６～１０月出现的松材线虫病Ｂｕｒｓａｐｈｅｌｅｎｃｈｕｓｘｙｌｏｐｈｉｌｕｓ致死松树上，松褐天牛Ｍｏｎｏｃｈａｍｕｓａｌｔｅｒｎａｔｕｓ虫株率为１００％，而１１月至次年５月间出现的病死株上，虫株率为零。对前者应集中砍除，并加以严格的除害处理；后者可经剥皮处理后在疫情发生区内加工利用。

松材线虫病防治中及时清理死亡松树和诱杀松褐天牛的必要性研究

松材线虫病是世界上最具危险性的检疫性植物病害,是松林的毁灭性病害,重庆自2001年发生松材线虫病以来,经过多年的防治,未能控制松材线虫病的扩散蔓延,其主要原因是地方上没有充分认识到严格执行松材线虫病防治措施的必要性。从科学研究的角度,分析严格按疫情除治要求开展松材线虫病病树、死树及时清理和诱杀松褐天牛的重要性研究,以期促进松材线虫病的防控。

天目湖松材线虫病综合治理示范区清除病死树效果研究

天目湖为我国AAAA级风景区，近年来松材线虫病的发生，使景观效果大受影响。到2004年，病死松树达5万株以上，病害严重林分病死树率达50％以上，危害日趋严重。从2004年11月～2007年11月，对景区松材线虫病病死树采取了彻底清除的措施，对景区的松材线虫病的控制起到了良好的效果。通过调查分析表明，病死树采伐量下降8682％，新增病死树率从6．0％下降到0．26％，病死树中天牛幼虫量下降了80％。

无人机监测枯死松树技术应用研究

以松材线虫病疫点的枯死松树为研究对象,采用无人机监测、影像采集和计算机软件勾绘分析等手段对目标地枯死松树进行标记,利用人工地面随机调查的方式对无人机监测枯死松树的准确度进行验证。在66.67 hm^2试验地中无人机共标记枯死松树863株,人工调查了100株枯死松树,发现有95株与无人机标记的完全吻合,有5株无人机未能标记到。经计算和分析发现,无人机监测枯死松树效果为95%,未能标记的枯死松树具有松针落完、被冠幅较大松树遮挡或枯死树并连等特点。本研究旨在为无人机监测枯死松树技术的准确度提高和应用推广方面提供实践依据。

利用大面积无人机航拍影像研究松材线虫病病死树林间分布规律

本研究使用固定翼无人机拍摄4200 ha林地,从中选取了广东省河源市和平县阳明镇、紫金县紫城镇、东源县义合镇共3个样地的3500 ha林地的航拍影像进行分析,用以探究松材线虫Bursaphelenchus xylophilus病死树的空间分布情况,及不同立地因子对疫情的影响,为松材线虫病监测预报提供解决途径。通过Pix4Dmapper软件对航拍的图像进行拼接生成正射影像图(DOM)等成果,然后使用eCognition(易康)软件对影像成果进行分割、分类和信息提取,最后借助ArcGIS平台进行病死树数量统计并获取方位、坡向、坡度、海拔等立地因子信息。结果表明,松材线虫病死树分布均呈聚集分布。使用双对角线法、平行线法、“Z”字法、五点法等不同抽样方法调查发现,仅五点法所得平均数与总体平均数无明显差异(P<0.05)。松材线虫病死树在不同立地因子下均有差异:主要分布在西坡、南坡和东南坡,西坡最多为25.94%,其次是南坡23.57%;主要分布在半阳坡和阳坡,半阳坡占36.54%,阳坡占34.09%;主要分布在凸坡,但随着疫情的发展,凹坡病死树数量逐渐超过凸坡;主要分布海拔区间在300~350 m和250~300 m之间,其中300~350 m的病死树占30.43%,250~300 m的病死树占21.83%。固定翼无人机作业效率高,可在较短的时间内拍摄大面积的林地,获取足够的样本用于研究分析,其成本明显低于人工调查。分析结果表明,研究区域内松材线虫病死树分布具有空间差异和地形差异。在今后的松材线虫病防治中,可以考虑结合地形因素,提高对疫情的防治效率,为防治工作提供了新的思路与方法。

几种松树受松突圆蚧危害程度的调查研究

通过对几种松树受松突圆蚧危害程度和松树枯死木的调查研究,5 a中黑松、马尾松、湿地松的中重度危害程度所占的平均比例依次为76.9%、57.8%和13.3%;3 a中黑松、马尾松、湿地松受害松树枯死率平均比例依次为9.8%、1.3%和0.069%,其结果表明,受害程度为黑松重于马尾松,马尾松重于湿地松,并建议在松突圆蚧疫区营造松类,应尽量选择湿地松树种。

无人机核查广西重点松材线虫疫情的应用实践

将包含枯死松木的松树林历史无人机影像输入到U-net神经网络中进行学习,以人工标注样本作为验证,得到识别准确率为83.44%,漏检率为12.61%,误检率为11.87%的自动识别模型,以该模型对贺州市平桂区羊头镇、八步区桂岭镇和玉林市博白县那林镇3个重点松材线虫疫区,共18.39 km^(2)区域的松树林无人机影像进行自动识别并辅以人工修正,得到最终识别成果。共发现枯立木5103株,清除痕迹148个,枯倒木52株,涉及林班19个,小班470个,面积911.75 hm^(2)。应用模型对大范围无人机影像进行识别,辅以人工修正,相较于单纯的人工识别,准确率相当,却能够省时省力,极大地提高工作效率。值得大范围松材线虫疫情核查推广应用。

基于时序无人机遥感影像的松材线虫病扩展趋势分析

为探索松材线虫病致死松树的分布与扩散规律,在已经严重发生松材线虫病的林地,从2021年5月开展逐月连续航拍监测,记录枯死树数量、分析分散程度和密度。结果表明:5月只观察到往年枯死松树,没有出现新增枯死松树;6月开始出现新增枯死松树,8月增幅最大,到10月枯死松树增量为往年数量的87.9%,且枯死松树仍在继续增加。从表观上,枯死松树呈现由高密度区域向低密度区域扩散的趋势。2021年枯死松树的内核与往年枯死松树的内核高度重叠,证明当年松材线虫病的发生是由往年枯死松树为侵染源传播而来。该结果为清理枯死木这一防控措施提供理论依据。

树干注药结合疫木除治防治松材线虫病效果的量化评价

松材线虫病治理措施的效果最终体现在枯死松树的减少。该研究通过枯死松树数量的变化来量化评价防治措施。通过连续几年的树干注药和疫木除治相结合的综合防治措施,试验地枯死松树数量减少66.84%,防治效果显著。同时观察到采用2种措施结合的区域比采用单一措施区域的枯死松树的密度更低,证明2种措施相结合的效果优于单一使用疫木除治的效果。

襄阳市枯死松树天空地监测体系构建探索

针对襄阳市松材线虫病监测现状,构建了枯死松树天空地监测体系,综合运用卫星遥感监测、无人机航测、人工地面踏查等技术,采取“互联网+无人机举证+人工地面踏查”的模式,对枯死松树进行监测核查。基于GNSS、卫星遥感、互联网+等技术,研发了“襄阳市松材线虫病疫情监测核查管理信息系统”,实现枯死松树的坐标定位及身份证化管理。监测体系在襄阳市的推广使用,基本实现了疫情监测智慧化、管理信息化。