基于Multiple-RSS识别技术的松材线虫疫情监测——以清原县为例

摘要：

松材线虫病是由松材线虫寄生在松树体内而引起松树迅速死亡的一种流行性、传染性、毁灭性林木病害,为实现对清原满族自治县的松材线虫病疫木的有效监测,提出了Multiple-RSS识别技术.该技术主要包含TS-INSAR影像粗分类与顾及后向散射系数时序变化的深度学习方法两部分,其中深度学习采用AttU-Net深度神经网络模型.该方法以多期时序干涉合成孔径雷达影像、GF2光学影像为数据源,参考项目区的"林地一张图"、地国情监测、物候数据、气象数据等,通过时序雷达的干涉测量与地理编码,获取后向散射系数时序变化分类因子,通过语义模型进行雷达影像粗分类,获取松材线虫病疫情区域.通过掩膜技术结合雷达后向散射系数时序变化的"深度学习"识别方法对项目区的松材线虫病疫木进行了精确监测.该技术在清原满族自治县进行了试验,在一期监测中获得松材线虫疫情小班754处,二期监测获得松材线虫疫情小班812处,三期监测获得松材线虫疫情小班793处.通过清原满族自治县林业主管部门反馈,小班识别率高达83％,表明:监测成果客观可靠,可为其他林区开展松材线虫病疫情监测提供方法.

关键词：松材线虫病、时序合成孔径雷达干涉、后向散射系数、深度学习

所属期刊栏目：25

分类号：S763(森林保护学)

在线出版日期：2023-05-11（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：156-161