基于无人机多光谱与LiDAR融合数据的深度学习检测西伯利亚灯蛾危害落叶松健康分级

《Remote Sensing》：Deep Learning-Based Detection and Severity Classification of Individual Trees Damaged by Dendrolimus sibiricus Using UAV Multispectral Imagery and LiDAR Data

　　

摘要

西伯利亚灯蛾（Dendrolimus sibiricus）的爆发对蒙古国的落叶松森林构成了日益严重的威胁，特别是随着气温升高和干旱频率增加，创造了有利于害虫繁殖的条件，降低了森林生态系统的稳定性。本研究提出了一种基于无人机（UAV）的深度学习（DL）框架，该框架整合了多光谱（MS）和LiDAR传感器数据，用于检测Dendrolimus sibiricus影响区域落叶松森林中的单棵树木并对其健康状况进行分类。在施药前的时期，研究人员使用无人机对59公顷的研究区域进行了实地调查。将植被指数（NDVI、GNDVI、NDRE和CIRE）与树木结构点云数据结合使用，训练了Mask R-CNN深度学习模型，将树木健康状况分为3类：(i) 健康、(ii) 中度受损和(iii) 严重受损。模型在10个保留的测试样地（包含573棵树）上进行了评估。检测的精确率、召回率和F1分数分别为0.679、0.684和0.682，而总精度（检测和正确健康类别）、召回率和F1分数分别为0.627、0.632和0.630。与仅使用光谱输入（RGB加植被指数）相比，完整的10通道输入将检测F1从0.675提高到0.682，将总F1从0.619提高到0.630。研究结果有助于蒙古国的森林害虫预警系统、热点识别和森林健康监测。