基于高光谱数据与针叶电阻率的松材线虫病早期诊断研究

摘要：

松材线虫病对我国松林资源造成严重破坏,早期精准诊断该病害对精准防控及保障国家森林生态安全具有重要意义.该病目前的诊断技术包括林间症状诊断法、病原线虫鉴定法、流胶法等,这些方法受到条件或技术的限制而不完善,也无法有效地对松树针叶变色前或极少数针叶变色的阶段进行诊断.为此提出一种基于光谱分析的马尾松松材线虫病针叶电阻率检测方法.对野外 8～9 年生马尾松接种松材线虫后,在不同时间对针叶进行数据测量.使用美国 Ocean Insight公司生产的 Ocean Optics USB2000+对马尾松针叶反射光谱数据进行采集,取冠层上、中、下 3 个位置光谱反射率平均值作为该植株的光谱反射率;将针叶横截面近似看成半椭圆形,剪取针叶中部 4 cm,测量针叶的宽度和厚度,使用 M4070 LCR测试仪测其电阻值,从而计算出其电阻率;取冠层上、中、下 3 个位置电阻率平均值作为该植株的针叶电阻率.对原始光谱(OR)进行光谱变换,主要方法为一阶导数(FD)、二阶导数(SD)、对数变换(LOG)、倒数变换(1/R)和连续统去除法(CR);使用随机森林算法对原始光谱和各个变换的光谱数据提取特征波段以反演针叶电阻率,采用最小二乘支持向量机(LSSVM)算法对筛选出的特征波段与针叶电阻率的建模效果进行分析,确定最佳马尾松针叶电阻率预测模型.结果表明,在该病害出现极少数针叶变色后的早期阶段,马尾松接虫株与对照株针叶电阻率达到极显著差异(p＜0.01).LSSVM建模效果表明,二阶导数变换后的光谱数据综合表现最好,选择特征波段为 594.986、646.107、646.451、782.896、784.841、839.164、863.890、902.021、947.901 和962.315 nm;建模集和验证集的平均R2 为 0.848,RMSE和MAE分别为 32.331 和 7.067.相较于原始数据(OR)建立的模型,R2 提升 4%,RMSE和MAE分别降低 2.5%和 18.9%.研究结果表明,使用针叶反射光谱反演针叶电阻率是可行的,且 SD-RF-LSSVM建立的预测模型精度最高,可用于针叶电阻率的快速估测,为实现基于遥感的松材线虫病早期诊断与监测提供了思路与方法.

关键词：松材线虫病、早期诊断、针叶电阻率、高光谱数据、随机森林、最小二乘支持向量机

所属期刊栏目：43

分类号：TP79(遥感技术)

资助基金：国家重点研发计划;国家林草局重大应急科技项目;江西省科技厅重点研发计划项目

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3280-3285