發(fā)布時間：2020-04-05 05:18

【摘要】：松樹是我國植樹造林的植物種類之一,也是主要的建筑木材,具有很高的觀賞價值與經濟價值。自從1982年在南京首次發(fā)現(xiàn)感染松材線蟲病的黑松后,該病在我國松林中不斷蔓延擴散,造成了大量的松樹死亡,不僅破壞了森林生態(tài)系統(tǒng)也帶來了巨大的經濟損失。因此,開展及時且高效的松材線蟲病防治工作是遏制疫情蔓延的關鍵。疫情監(jiān)測是松材線蟲病防治的工作基礎,本文基于“衛(wèi)星遙感數據-無人機航攝數據-地面調查數據(星機地數據)”探討星機地協(xié)同的松材線蟲病疫區(qū)枯死松樹監(jiān)測方法。監(jiān)測方法主要是利用衛(wèi)星、無人機的多源遙感影像和深度學習方法結合GIS技術完成枯死松樹的監(jiān)測及快速識別定位任務,為此主要開展了以下幾個方面的研究內容:(1)通過地面非成像高光譜測量儀器測定健康松針和不同程度枯死松針的光譜曲線數據,結合高分二號(下文稱:GF-2)遙感影像設置的波段范圍分析其光譜特征與敏感波段。并且,從現(xiàn)有的28種光譜指數中篩選了適宜區(qū)分健康松樹與枯死松樹的光譜指數。(2)研究利用資源三號衛(wèi)星立體像對提取精細的DEM(Digital Elevation Model)數據,結合VECA地形校正模型對GF-2遙感影像進行地形校正。使用地形校正后的GF-2遙感影像結合篩選獲得的歸一化型的紅色植被指數(RGNDI)提取枯死松樹分布,以枯死松樹分布數據疊加林業(yè)小班面數據,統(tǒng)計單位面積內枯死松樹發(fā)生情況,并以此制作疫區(qū)受災等級圖。(3)依據研究區(qū)受災的輕重程度,對疫情嚴重的區(qū)域優(yōu)先采用無人機進行航攝作業(yè),利用無人航攝影像開展基于深度學習方法的枯死松樹識別定位。該方法利用無人機影像制作深度學習方法的數據集,參考經典的AlexNet模型搭建并訓練卷積神經網絡模型。最后將訓練好的卷積神經網絡模型用于對不同目標區(qū)域的枯死松樹的定位識別。以實際地面調查樣點和人工標注的結果為真實值,評價深度學習方法在不同場景下的枯死松樹識別精度。結果表明:利用深度學習方法對枯死松樹進行檢測,其最高的識別精度可達80%。該方法在無人機影像的枯死松樹監(jiān)測中具有一定的優(yōu)勢,能提高人工目視判讀的效率,可為高效快速的開展枯死松樹的識別定位的方法研究提供參考借鑒。
【學位授予單位】：東華理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751;S763.7

【參考文獻】

相關期刊論文 前10條

1 魯恒;付蕭;賀一楠;李龍國;莊文化;劉鐵剛;;基于遷移學習的無人機影像耕地信息提取方法[J];農業(yè)機械學報;2015年12期

2 李明君;李存軍;淮賀舉;胡海棠;史姝;全斌;;基于模擬光譜數據的冬小麥播期遙感監(jiān)測最佳時相研究[J];麥類作物學報;2015年08期

3 蔣金豹;Michael D Steven;何汝艷;蔡慶空;;水浸脅迫下植被高光譜遙感識別模型對比分析[J];光譜學與光譜分析;2013年11期

4 黃明祥;龔建華;李順;張波;郝千婷;;松材線蟲病害高光譜時序與敏感特征研究[J];遙感技術與應用;2012年06期

5 王來剛;田永超;李文龍;朱艷;曹衛(wèi)星;;基于地—空遙感耦合的冬小麥葉片氮積累量估算[J];應用生態(tài)學報;2012年01期

6 金偉;葛宏立;杜華強;徐小軍;;無人機遙感發(fā)展與應用概況[J];遙感信息;2009年01期

7 高永年;張萬昌;;遙感影像地形校正研究進展及其比較實驗[J];地理研究;2008年02期

8 石進;馬盛安;蔣麗雅;張宏;葉勤文;陳鳳毛;;航空遙感技術監(jiān)測松材線蟲病的應用[J];中國森林病蟲;2006年01期

9 唐世浩,朱啟疆,王錦地,周宇宇,趙峰;三波段梯度差植被指數的理論基礎及其應用[J];中國科學(D輯:地球科學);2003年11期

10 張仁華,饒農新,廖國男;植被指數的抗大氣影響探討[J];植物學報;1996年01期

，

本文編號：2614600