无人机遥感监测技术在松材线虫病疫情监测中的应用探讨.pdf

该【无人机遥感监测技术在松材线虫病疫情监测中的应用探讨 】是由【十二官】上传分享，文档一共【6】页，该文档可以免费在线阅读，需要了解更多关于【无人机遥感监测技术在松材线虫病疫情监测中的应用探讨 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第卷第期江苏林业科技
492
年月JournalofJiangsuForestryScience&Technology

文章编号
:1001—7380(2022)02—0052—06
无人机遥感监测技术在松材线虫病
疫情监测中的应用探讨
刘云鹏1解春霞1李莉2张林燕2
,, ,
江苏省林业科学研究院江苏南京溧阳市林业站江苏溧阳
(, 211153;, 213300)
摘要基于无人机遥感的松材线虫病监测技术能够及时获取多时态多角度多光谱和高精度的遥感图像为决策
:,、、,
者提供松材线虫病监测和防控数据支持在松材线虫病防控上有着较大的发展空间对松材线虫病无人机遥感监
,。
测技术的基本原理遥感图像的采集处理与解译研究进展以及应用现状等方面进行了阐述提出了无人机遥感监
、、,
测松材线虫病实际应用中存在的问题和不足并就其在松材线虫病监测中的发展方向和应用前景进行了展望
,。
关键词松材线虫病无人机遥感疫情监测技术
:;;;;
中图分类号文献标志码doi
:;;V19 :A :.1001⁃
DiscussionontheapplicationofUAVremote
sensingtechnologyinmonitoringofPWD
1122
LiuYunpeng,XieChunxia,LiLi,ZhangLinyan
(,Nanjing211153,China;,Liyang213300,China)
Abstract
:Withthedevelopmentofunmannedaerialvehicle(UAV)remotesensing(RS)technologyandpinewiltdisease
(PWD)RSmonitoring,themulti⁃tense,multi⁃angle,multiplespectrum,highprecisionRSimagecouldbetimelyob⁃
tained,anddecisionmakerscouldbeprovidedwithearlyPWDmonitoringandpreventionandcontrolbasis,whichbrought
⁃
ogyofPWD,theresearchprogressofRSinformationcollection,imageprocessingandinterpretation,aswellastheappli⁃
cationstatus,
studywerealsodiscussed,andtheprospectoftheapplicationofUAVRStechnologyinmonitoringPWDwasprospected.
Keywords
:Pinewiltdisease(PWD);Unmannedaerialvehicle(UAV);Remotesensing(RS);Monitoringtechnology
松材线虫病是森林生态系统中最具毁灭性的不可估量目前疫情发生区域最西端已达四川凉
。,
森林病害之一被列为我国林业检疫性有害生物山最北端到达辽宁抚顺并已入侵到庐山黄山
,,,,、、
常被称作松树的癌症自年在江苏南京首张家界九华山等多个重要的国家级风景名胜区和
“”。1982、
次发生以来疫情不断扩展蔓延已成为我国近几生态区目前我国松材线虫病县级疫区数量占全
,,。,
十年来发生最严重最危险的重大林业病害据国国县级行政区的但相对于全国万
、。20􀆰5%,6000
家林业和草原局公告年第号显示截至2松林而言松材线虫病的发生面积还只占现有
(20226),hm,
年我国松材线虫病已扩展至个省区市松林面积的极少部分还有逾的健康松林正面
2022,19(、),90%
个县级行政区发生面积超过万2致死临着松材线虫病传播侵染的威胁[1]鉴于此加强
731,180hm,。,
松树数十亿株造成的直接经济损失和间接经济损疫情防控遏制松材线虫病疫情快速传播和发展
,,,
收稿日期修回日期
:2022⁃02⁃07;:2022⁃02⁃26
基金项目江苏省林业科技创新与推广项目无人机多光谱遥感在松材线虫病疫情监测中的应用与示范中央财政林
:“”(LYKJ[2020]10);
业科技推广示范资金项目松材线虫病遥感监测与分类治理技术集成示范苏
“”([2021]TG05)
作者简介刘云鹏男安徽宿州人副研究员博士研究方向为森林病虫害防治
:(1978-),,,,。。E⁃mail:******@
第期刘云鹏等无人机遥感监测技术在松材线虫病疫情监测中的应用探讨
2:53
成为当务之急针叶在近红外区域的光谱反射率差
。(760—900nm)
松材线虫病防控的个关键环节为病害检疫异极显著这些基于松材线虫病感病植株光谱特
4、。
疫情监测疫木除治和媒介昆虫防治其中疫情监征的研究表明光谱特征上的差异可以用于松材线
、,,
测最为重要松材线虫病的疫情监测是一切防控虫病的动态监测也为无人机遥感监测奠定了基础
。,。
的前提目前传统的松材线虫病监测主要依靠人
。,无人机遥感图像的采集
工踏查由于受森林地势林间杂灌等影响人工踏
,、,2
勘的劳动强度大作业效率低特别是在山地陡坡无人机遥感图像采集作业流程通常可以概括
、,、
林分茂密人迹罕至的恶劣区域全面勘察更加困为以下几个步骤[10⁃11]首先根据遥感任务要求在
、,:,,
难随着无人机技术和多光谱高光谱信息采集设地面控制系统中进行航迹规划并依据地形光照
。、,、
备的小型化以及遥感图像分析算法的不断丰富等情况设定航线航速航高以及遥感传感器的采
,,、、,
无人机遥感监测技术能够较好地解决人工踏查效集方式速度等参数其次通过地面控制系统将上
、;,
率低卫星遥感分辨率差的缺点因此开展无人述参数载入到无人机系统和遥感传感器系统再
、。,;
机遥感技术研究和应用对松材线虫病的大面积监次无人机系统和遥感传感器系统按照预设的航线
,,
测流行动态研究防控效果评价和灾害损失评估和采集方式进行拍摄采集最后遥感传感器将拍
、、;,
等均具有重要意义摄的图像数据进行存储或利用无线传输通道将数
。,
据传输到地面的控制子系统用于后续图像分析
基于遥感数据监测松材线虫病的基,。
目前无人机搭载的传感器多以数字化重量轻体
1 ,、、
本原理积小探测精度高的设备为主如数码相机多光
、,:、
松树感染松材线虫病后典型症状就是叶片会谱相机高光谱相机红外扫描仪雷达等[12⁃14]在
,、、、。
转变为黄褐色严重后转变为红褐色最后完全枯林业相关应用中可见光和多光谱高光谱等类遥
,,,、3
萎死亡在这个过程中松树针叶内部的组织结感传感系统应用较为广泛
。,。
构水分含量叶绿素含量等均会呈现相应的变可见光遥感一般有红绿蓝个波段近年
、、、、3。
化[2⁃3]并在光谱特征中有所体现无人机遥感监来近地低空无人机平台的快速发展以及数码相机
,。,
测技术是通过遥感图像信息采集设备采集上述松性能的不断提高使得高空间分辨率的无人机可见
,
树针叶的变化信息并对其进行对应分析和分类识光数据获取更加便捷刘遐龄等[15]利用无人机搭
,。
别即可了解松树的健康状况人们对感染了松材载高分可见光传感器采集遥感图像并通过人工目
,。,
线虫病的黑松和马尾松针叶进行分析发现感病后视和模版匹配种方法对疫区松材线虫病死木进行
,2
的针叶含水量叶绿素类胡萝卜素含量均有显著识别判读总体精度逾李卫正等[16]利用无人
、、,85%。
下降通过光谱仪测量感病松针的反射光谱机采集松材线虫病疫区高分辨率遥感图像采用目
。ASD,
也发现感病松针与健康松针在近红外和中红外波视寻找方式对病死木进行识别并做出定位标记
,,,,
段波长大于的光谱反应有明显差异进实现了病死木位置信息的采集其位置精度在
(800nm)。,
一步对比不同感病阶段光谱反应发现随发病程度之间然而在疫区病死木识别定
,0􀆰24—2􀆰82m。,、
加重光谱红边位置蓝移绿峰反射高度逐渐降位的实际应用中发现可见光遥感图像受裸地彩
,,,、
低[4⁃6]黄明祥等[7]在研究马尾松高光谱时序特征色树种变色杂灌等复杂地被情况的影响较大在
。、,
中发现感病马尾松与健康马尾松的时序光谱差异图像精度分类判读模式和识别精度上还有待提高
,、。
较大其近红外平台内最大的一阶微分值红边内多光谱遥感除了可见光的红绿蓝个波段
,、、、3
一阶微分的总和与蓝边内一阶微分的总和比值等外还包括红外微波等波谱范围所获得的遥感图
,、,
差异尤其显著马跃等[8]在分析不同发病阶段黑像在每个波段可以单独提取成为幅灰度图像
。1。
松针叶的反射光谱特征曲线中发现感病针叶光谱等[17]开发了无人机搭载珀***涉仪的多光谱
,Saari
红边位置蓝移绿峰反射高度红谷吸收深度均降图像采集系统其相机光谱波长在之
、、,500—900nm
低红边斜率也逐渐减小王震等[9]利用波段值为间褚东花等[18]利用无人机平台搭载双光谱相机
,。。
的便携式光谱仪测定了不同感病阶获取遥感图像采用加权支持向量分类算法进行受
350—1050nm,
段的马尾松特征光谱发现不同感病阶段的马尾松害木识别得到的遥感识别精度达黄宝
,,0􀆰98。
江苏林业科技第卷
5449
华[19]利用无人机搭载有的多光谱相病死树进行识别与标注其准确率可达
450—940nm,95􀆰03%。
机来获取松材线虫病疫区图像数据对人工黑松纯总体而言运用高光谱传感器和多光谱传感器
,,
林的病死木识别准确率为多光谱遥感是基能够获得比可见光传感器或卫星遥感更加细致和
100%。
于特定光谱波长的图像数据采集因此相对可见精准的数据能够为提高模型的准确率和可靠性提
,,,
光遥感图像所获得的信息增加但依然会有非特定供更好的支持此外无人机遥感图像采集过程中
,。,
光谱波段的信息缺失的图像重叠率也十分关键一般航向重叠率要在
。,
为了获得更多的遥感图像信息高光谱遥感技以上旁向重叠率要求在以上才能在全景
,60%,30%,
术获得了进一步发展高光谱遥感实际上是将成拼接时获得较好的拼接效果
。。
像技术和多光谱技术有机结合对地面目标物空间
,无人机遥感图像的拼接
特征进行成像的技术图像采集过程中每个空间
。,3
像素单元都经过色散处理而形成几十个甚至几百无人机遥感在采集图像过程中受无人机平台
,,
个较窄的光谱波段使地物特征形成连续光谱波段自身稳定性拍摄时的自然条件相机传感器曝光
,、、
信息这些连续光谱的图像数据能够为区分变色时间天气因素等多方面的影响可能使遥感图像
。,、,
松树彩色阔叶树稀疏植被和裸土等提供更好的在一定程度上出现几何形态的平移旋转缩放等
、、、、,
数据基础等[20]对变色松树的高光谱识同时也会出现亮度和颜色上的差异此外无人机
。Fassnacht。,
别进行研究后发现遥感图像中变色松树的分类精传感器还会因次航拍时间上的间隔造成拍摄的
,2,
度与特征光谱波段的选择有直接相关性李嘉祺幅图像上出现色差图像亮度饱和度不一致等问
。2、、
等[21]通过提前对人工标注的枯死病树和正常松树题这些均会影响最终的遥感图像质量因此就
。。,
进行高光谱图像采集分析获得其特征波段再利需要对这些图像进行辐射校正配准等预处理消
、,,、,
用无人机搭载多光谱相机采集整个试验区进入遥除图像中的变形和色差并融合拼接成高质量的全
,,
感图像并以前期获得特征光谱为标准对试验区景图像[22]见图
,,(1)。
图无人机遥感图像的全景拼接流程
1
图像预处理的首要任务是对遥感图像采集过现偏移挤压扭曲等畸变现象使得基于单一变换
,、、,
程中产生的各种畸变进行校正以使单幅瓦片图像域或灰度信息的图像配准方法很难达到理想的匹
,
处于同一基准投影面上消除图像之间的偏差减配效果基于特征的图像配准方法更适用于无人
,,。
少对拼接效果的影响无人机遥感图像几何校正机图像配准基于特征的图像配准方法首先是采
。。:
主要包括坐标系统变换构建共线方程重采样等用人工或自动的方法提取图像的各类特征如转
、、,
过程王学平[23]以广东省从化市遥感数据角边界线或轮廓线曲线等再按序列图像的空间
。ETM+、、,
和数据为基础通过图像坐标的空间转换图关系匹配所提取特征估算图像间的变换关系最
GIS,、,,,
像像元灰度值重采样等步骤深入分析遥感图像的后再利用得到的变换关系对图像进行处理得出多
,,
几何校正原理和应用提出了图像几何校正是提高幅图像在同一坐标系下的配准图像基于特征的
,。
遥感分析精度的有效途径厍向阳等[24]在对目标图像配准方法因具有压缩信息量算法灵活处理
。、、
遥感图像进行几何校正处理过程中对比了近似几速度快精度高等优点是近年来研究较多的方法
,、,。
何校正算法神经网络和支持向量机算法等几种处由[25]在年提出的尺度不变特征变换匹配
、Lowe1999
理方法优化了基于支持向量机算法的遥感图像几算法是经典的基于特征的图像配准算法
,(SIFT),。
何校正方法和实现步骤为遥感图像定量化和高精近年来在算法基础之上又衍生出一些其他算
,,SIFT
度化分析提供了技术支持法如算法等[26⁃28]
。,ASIFT,CSIFT,PCA⁃SIFT,SURF。
图像配准是决定图像拼接质量的关键对于周佳欣等[29]在算法的基础上通过多尺度空
。SIFT,
无人机航拍获取的序列图像来说由于无人机自身间极值点提取曲线拟合确定特征点的位置再根
,,,
重量轻受到气流影响较大易造成遥感图像中出据确定的特征点来完成匹配改进后的算法
,,。SIFT
第期刘云鹏等无人机遥感监测技术在松材线虫病疫情监测中的应用探讨
2:55
在运行时间上减少了运算速度则提高是或否生成分支或多分支按此步骤再向下
0􀆰47s,()2。
了进行拓展直至将图像分出目标类别叶节点决
10􀆰7%。,()。
图像融合的目的是将配准后的图像基于一定策树分类法除能够利用光谱特性以外还可以利用
,
的变换模型合并成幅全景图像图像融合不仅仅几何纹理地形等特征信息可以提取多维度的
1。、、,、
是遥感图像的简单复合而是采用一定的算法来对多目标属性信息进行分类其分类结果也更加直
,,
信息进行优化突出特征信息减少冗余信息从而观清晰计算效率更高常见的决策树算法有
、、,、,。
增加图像解译可靠性和准确性[30]从信息表征层这种[32]基于决策树分类法的
。ID3,C4􀆰5,CART3。
次上来看图像融合方法可分为个层次像元级松材线虫病监测分类研究较少黄芳芳等[33]利用
,3:。
融合特征级融合和决策级融合像元级融合是在遥感图像中个波段原始光谱值作为自
、。Landsat⁃87
原始数据层上的直接融合获得的全景图像清晰度变量采用决策树算法对湖北省宜昌市马尾
,,CART
更符合人或机器的视觉性要求但相对的特征信息松松材线虫病进行遥感监测分类平均分类精度在
,,
量较少属于低层次的融合技术特征级的融合是以上对松材线虫病的大面积监测具有一定的
,。76%,
在对各种数据源进行识别目标特征提取分析的基指导意义
、。
础上再进行融合处理其较像元级融合技术不仅支持向量机分类法是机器学****中非常
,。(SVM)
突出了图像中目标特征信息同时还可以大幅减少重要的分类算法之一它通过将特征向量映射到
,。
数据量决策级的融合是最高层次的融合技术是高维特征空间并在这个特征空间中构建出一个最
。,,
在对原始图像进行特征提取和分析的基础上通过优超平面使类图像单元无错误地区分开并使
,,2,
引入一些辅助识别的信息对数据决策判别之后再它们的分类间隙最大化最终实现对遥感图像的分
,,
将这些有价值的信息进行融合融合后的图像能类它在解决小样本数据非线性映射和高维模式
。。、
够为决策分析提供更多的信息识别方面具有较强优势随着大量学者的不断深
。。
入研究分类法衍生出许多改进和扩展算法
无人机遥感图像分析,SVM,
如模糊支持向量机加权支持向量机
4 (FSVM)、
遥感图像分析是依据图像中每个像元的空间最小二乘支持向量机孪生支
(WSVM)、(LSSVM)、
结构特征光谱信息或其他分类特征信息按照一持向量机等胡根生等[34]利用改进的加权
、,(TSVM)。
定的分类规则或算法划分成不同的类别目前支持向量多分类算法实现感病松树的精确识别
,。,,,
基于无人机航拍遥感图像的分类大体可分为非监分类精度为张学敏[35]将特征稀疏表示和
0􀆰9492。
督分类和监督分类种种分类最本质的区别是多分类相结合提出了一种基于加权支持
2。2WWSVDD,
有没有训练样本的存在非监督分类不需要训练样向量数据描述的感病松树遥感图像分类算法分类
:,
本只使用某个单一的光谱信息进行分类因其原精度达到
,,0􀆰9470。
理相对简单存在同谱异物同物异谱的现象
,“”“”,松材线虫病的无人机遥感监测技术
易造成分类上的混淆和错误而监督分类则是在利5
;
用遥感软件进行分类前需要人工辅助从遥感图像应用
,
上选择若干个典型目标物或目标区域作为分类的随着多光谱高光谱采集设备和无人机技术的
、
训练样本再通过不同的软件分类器和算法对比飞速发展基于无人机航拍遥感的松材线虫病监测
,,,
遥感图像中的像元和训练样本中的像元并将图像的应用案例也越来越多武红敢等[36]利用无人机
,。
中与之最相近的像元都归为同一类从而实现对整遥感监测技术在重庆市沙坪坝区对松材线虫病进
,
个全景遥感图像的分类监督分类研究是遥感图行监测应用监测准确率为定位精度在
。,94%,10m
像分类的热点其分类方法也相对较多其中决策以内黄华毅等[37]利用固定翼无人机搭载可见光
,,,。
树分类法和支持向量机分类法因具有较好的分类数码相机和多光谱数码相机采集了试验区可见光
,
精度在遥感图像的分类过程中被广泛的应用和多光谱图像采用植被指数对图像进行
,。,(NDVI)
决策树分类法[31]是基于图像数据库中拥有最了分类获得了试验区疫木的分布位置图和坐
,GPS
大信息量的属性字段建立决策树的根节点再依标点验证监测准确率超坐标点精度达到
,,,80%,2—
据指定规则对遥感图像进行运算根据计算逻辑值黄华毅等[37]利用深度学****框
,3m。FasterR⁃CNN
江苏林业科技第卷
5649
架对无人机航拍获得的可见光和多光谱遥感图像在主观性强效率低的弊端难以满足大面积快速
、,
中的病枯死松树进行判别正确率分别达到和识别判读的应用需求今后应积累更全面的松材
,90%、。
李嘉祺等[21]运用无人机光谱遥感和卷积神线虫病疫木症状样本变色树种样本及其他非松材
82%。、
经网络分类模型进行林区松材线虫病疫木自动识线虫病枯死树特征样本形成更加全面的样本库
,,,
别和标注准确率超这些案例均为大面积松并分析其在图像上的区别特征及时调整特征因
,95%。,
材线虫病发生现状和流行动态的监测防控效果和子优化图像拼接配准融合解译分类算法及模
、,、、、
灾害损失的评估提供了技术支撑与应用示范型挖掘更深层次的大数据相关性从而提高系统
。,,
基于无人机可见光多光谱高光谱的低空遥对人机遥感数据的利用率和工作效率
、、。
感监测技术逐渐成熟年安徽省质量技术监无人机遥感监测松材线虫病的技术标准依
,2016,(3)
督局发布了基于无人机平台的松材线虫病枯死松然有待规范松材线虫病疫木监测的主要标志是
《。
树监测技术规程地方标准年中国林学会松树针叶感病后的变色特性而松材线虫病的发生
》。2018,,
发布了无人机遥感监测异常变色木操作规程行是一个渐进的过程不同发病阶段和不同发病程度
《》,
业标准这些标准对无人机遥感监测作业中的航的症状是不尽相同的此外彩叶树种的变色期和
。。,
拍系统航拍计划与设计方案图像质量信息处理阔叶树的枯死木等均会影响系统的判读因此今
、、、。,
等应用技术环节进行了规范为大面积松材线虫病后还应不断完善松材线虫病无人机遥感监测技术
,
疫木的快速识别和定位提供了新的途径和方法也的应用研究优化规范航拍高度航速航向重叠
,,、、、
为松材线虫病的治理效果核查与灾害评估等工作率和旁向重叠率等参数确保遥感数据的全覆盖和
,
提供了支持图像空间分辨率的一致性进一步规范监测数据
。。
采集时间节点秋季遥感监测宜选择在月下旬至
问题与展望,9
月上旬春季则应在月下旬至月初一方
6 10,45。
随着无人机遥感技术的不断发展其及时获取面这个时间段内健康植被生长旺盛有利于对遥
,,2,
多时态多角度多光谱高精度遥感图像的优势感图像中感病变色松树的识别和定位另一方面
、、、,;,
能够为决策者提供及时的松材线虫病监测信息逐也可以有效降低乌饭树枫香树山胡椒等许多树
,、、
渐在研究和生产中得到重视然而无人机在稳定种叶片变色带来的干扰
。,。
性续航时间可操控性及遥感图像获取和处理枯综上所述利用无人机遥感技术对松材线虫病
、、、,
死松树识别的准确率等方面依然存在一些问题从危害的病枯死树进行自动化识别定位能显著提
,、,
而限制了松材线虫病无人机遥感监测技术的应用高松材线虫病监测的效率和客观性能够为松材线
,
与推广虫病的发生规律研究和应急除治提供数据依据在
:,
无人机及遥感数据采集终端研发依然有待松材线虫病监测预警防控等方面均有着巨大的
(1)、、
加强无人机受自身重量电池续航天气风力发展潜力
。、、()。
以及载荷量稳定平台的影响较大飞行获取的图
、,参考文献
像数据质量不高从而影响后期数据的分析精度:
,,
叶建仁松材线虫病在中国的流行现状防治技术与对策分析
距离生产上的实际应用还存在一定差距今后应[1] .、
。林业科学
加强无人机硬件设备和飞行控制系统研究开发具[J].,2019,55(9):1⁃10.
,徐华潮骆有庆张琴等松材线虫自然侵染对黑松马尾
有高稳定性的无人机机型和飞控技术以及信息无[2] ,, ,.、
,松针叶含水量色素及抗氧化酶活性的影响林业科学
线快速传输技术提高遥感数据的精度和准确度、[J].,
,。2012,48(11):140⁃143.
此外专业的飞手必不可少只有飞手对飞行参数徐华潮骆有庆邹力骏等松材线虫自然侵染后对不同松树
,。[3] ,,,.
进行科学专业的规划设计和操控才能确保获得组织结构的影响植物病理学报
、、,[J].,2013,43(1):35⁃41.
高质量的遥感数据[4] LIUJM,
。Bursaphelenchusxylophilus
基于无人机获取遥感数据的解译方法依然by(inChinese)[J].ActaPhyto⁃
(2)
有待改进目前松材线虫病无人机遥感图像的解pathologicaSinica,1995,25(2):171⁃174.
徐华潮骆有庆张廷廷等松材线虫自然侵染后松树不同感
。,[5] ,,,.
译工作仍然是以人工目视判读或人机结合的方式病阶段针叶光谱特征变化光谱学与光谱分析
[J].,2011,31
为主这种方式对判读人员专业技术要求很高存
,,(5):1352⁃1356.
第期刘云鹏等无人机遥感监测技术在松材线虫病疫情监测中的应用探讨
2:57
张素兰覃菊唐晓东等松材线虫危害下马尾松光谱特征李嘉祺吴开华张垚等基于无人机光谱遥感和技术
[6] , ,,.[21],, ,.AI
与估测模型研究光谱学与光谱分析建立松材线虫害监测模型电子技术与软件工程
[J].,2019,39(3):[J].,2021
865⁃871.(8):91⁃94.
黄明祥龚建华李顺等松材线虫病害高光谱时序与敏感王雪晶魏仲慧孙文军等彩色遥感图像的几何校正系
[7] ,, ,.[22],,,.[J].
特征研究遥感技术与应用统工程与电子技术
[J].,2012,27(6):954⁃960.,2002,24(12):126⁃128.
马跃吕全赵相涛等接种不同浓度松材线虫的黑松光王学平遥感图像几何校正原理及效果分析计算机应用与
[8] , ,,.[23].[J].
谱学特征分析山东农业科学软件
[J].,2012,44(11):12⁃16.,2008,25(9):102⁃105.
王震张晓丽安树杰松材线虫病危害的马尾松林木光谱厍向阳李崇贵姚顽强遥感图像几何校正的支持向量机算
[9] ,,.[24],,.
特征分析遥感技术与应用法研究西安电子科技大学学报自然科学版
[J].,2007,22(3):367⁃370.[J].(),2011,38
孔鹏飞无人机低空遥感测绘作业流程及主要质量控制要点
[10].(5):144⁃153.
探析低碳世界
[J].,2016(35):132⁃133.[25]⁃invariantfeatures
洪宇龚建华胡社荣等无人机遥感影像获取及后续处理
[11] ,,,.[C]//InternationalConferenceonComputerVision,Kerkyra,
探讨遥感技术与应用
[J].,2008,23(4):462⁃:1150⁃1157.
李华玉陈永富陈巧等基于遥感技术的森林树种识别研
[12],, ,.[26]MORELJM,:Anewframeworkforfullyaffine
究进展西北林学院学报
[J].,2021,36(6):220⁃[J].SIAMJournalonImaging
[13]ZHANGKW,,2009,2(2):438⁃469.
usingveryhighspatialresolutionairbornemulti⁃spectralimageryu⁃[27]ABDEL⁃HAKIMAE,:ASIFTdescriptor
singlongitudinalprofiles[J].RemoteSensing,2012,4(6):withcolorinvariantcharacteristics[C]//IEEEComputerSociety
1741⁃:
[14]TUOMINENS,NASIR,HONKAVAARAE,⁃1983
recognitioninspeciesrichareausingUAV⁃bornehyperspectralim⁃[28]LUOJ,
ageryandstereo⁃photogrammetricpointcloud[J].ISPRS⁃Interna⁃[C]//2ndInternationalConferenceonImageProcessin