一种基于综合遥感技术的森林环境遥感监测系统

技术领域

本发明属于环境遥感监测技术领域，特别是涉及一种基于综合遥感技术的森林环境遥感监测系统。

背景技术

森林是地球生态系统中极为重要的组成部分，被喻为“地球之肺”，在调节气候、防风固沙、涵养水源、净化污染等方面起着至关重要的作用。目前病虫害现象的频繁发生，降低木材材质，抑制林木的生长及更新，导致森林生态功能下降。

传统的森林病虫害监测多采用人工调查的方式，该监测方式费时费力，不利于大范围、精准的森林病虫害监测。通过遥感技术进行森林病虫害监测，可快速、多频次、大范围的对森林病虫害区域进行识别评估，能够实时监测病虫害动态，已有很多的相关研究与应用。但病虫害受温度、湿度等环境影响大，具有生物复杂性。同时遥感卫星技术的时空分辨率有限，如何更加充分的发掘遥感影像所蕴藏的病虫害信息还有大量工作可以开展。此外，如何全面系统的基于遥感技术搭建一个完整的森林病虫害监测系统，连续自动的对森林病虫害进行准确监测仍面临挑战。

因此，亟需提供一种基于综合遥感技术的森林环境遥感监测系统，能够快速、准确的对森林病虫害进行监测。

发明内容

本发明的目的是提供一种基于综合遥感技术的森林环境遥感监测系统，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种基于综合遥感技术的森林环境遥感监测系统，包括：

图像获取模块，用于获取待测森林的原始遥感影像；

图像处理模块，与所述图像获取模块连接，用于对所述原始遥感影像进行处理获得地表反射率影像，进而获得光谱指数影像，然后将所述地表反射率影像和光谱指数影像进行合并降维的处理，获得降维的光谱影像，并确定监测点；

图像纠正模块，与所述图像处理模块连接，用于对所述降维的光谱图像进行纠正处理，使所述监测点均匀分布，获得目标光谱图像；

病虫害监测模块，与所述图像纠正模块连接，用于构建病虫害监测模型，并将所述目标光谱图像输入到所述病虫害监测模型中进行监测；

病虫害分析模块，与所述病虫害监测模块连接，用于对各个监测点的检测结果进行统计分析，采取防治措施。

可选地，所述图像获取模块用于将若干个相邻的遥感图像基于待测森林区域进行拼接，获得拼接图像；然后利用ENVI软件工具，并结合待测森林区域的林斑矢量文件对所述拼接图像进行裁剪，获得待测森林区域的原始遥感影像。

可选地，图像处理模块包括：第一处理单元、第二处理单元和降维处理单元；

所述第一处理单元用于对所述原始遥感影像进行集合校正和大气矫正，获得地表反射率影像；所述第二处理单元用于从所述地表反射率影像中获取每个像元的近红外波段的地表反射率、红波段的地表反射率和蓝波段的地表反射率，进而计算每个像元的归一化植被指数和增强植被指数，生成光谱指数影像；所述降维处理单元用于将所述地表反射率影像和光谱指数影像合并为合成影像，并基于主成分分析对所述合成影像进行光谱降维处理，获得降维的光谱影像。

可选地，所述图像纠正模块包括第一纠正单元和第二纠正单元；

所述第一纠正单元用于获取森林环境图像，并基于图像与图像配准技术对所述森林环境图像进行纠正，获得森林环境现状地图；所述第二纠正单元用于基于三次多项式对降维的光谱图像进行纠正，或者基于所述森林环境现状地图，采用图像局部配准纠正技术对降维的光谱图像进行纠正，使监测点均匀分布，获得最终的目标光谱图像。

可选地，所述病虫害监测模块用于基于YOLO神经网络构建病虫害监测模型，所述病虫害监测模型包括输入单元、主干单元、颈部单元和预测单元，所述目标光谱图像经输入单元传输至主干单元获得堆叠结果，颈部单元对所述堆叠结果进行计算获得病虫害结果，预测单元对所述病虫害结果进行解码并输出监测结果。

可选地，所述病虫害监测模块还包括模型更新单元，所述模型更新单元用于基于EWC终身学习机制对所述病虫害监测模型的历史任务重要参数进行保留，对新参数进行学习，并基于所述新参数对所述病虫害监测模型进行实时更新。

可选地，所述病虫害分析模块用于分别以星期、月、季度和年为时间单位对目标光谱图像中的各个监测点的监测结果进行统计分析，进而获得病虫害的传播速度和传播范围，采取治理措施。

可选地，所述森林环境遥感监测系统还包括数据存储模块，所述数据存储模块包括数据存储单元和数据更新单元；

所述数据存储单元用于实时保存采集的目标遥感图像以及对应的监测结果，并对特殊情况予以标记，生成数据库；所述数据更新单元用于以年为时间单位对所述数据库进行更新迭代，并对标记数据进行自动收藏，便于查阅。

本发明的技术效果为：

由于多光谱遥感影像数据量较大，本发明为了在不减少遥感光谱信息的前提下，对光谱图像进行降维的处理，能够提高监测效率；本发明基于YOLO模型，可以检测识别遥感影像中森林遭受病虫害的树株，计算量小，检测速度快，并且结合了基于EWC的终身学习技术，能够保留多个已学习病虫害检测任务的知识，利用旧知识帮助学习新病虫害检测任务，实现持续学习，不断适应新病虫害检测任务，实现对森林病虫害的准确分析。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例中的基于综合遥感技术的森林环境遥感监测系统结构示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一

如图1所示，本实施例中提供一种基于综合遥感技术的森林环境遥感监测系统，包括：

图像获取模块，用于获取待测森林的原始遥感影像；

图像处理模块，与所述图像获取模块连接，用于对所述原始遥感影像进行处理获得地表反射率影像，进而获得光谱指数影像，然后将所述地表反射率影像和光谱指数影像进行合并降维的处理，获得降维的光谱影像，并确定监测点；

图像纠正模块，与所述图像处理模块连接，用于对所述降维的光谱图像进行纠正处理，使所述监测点均匀分布，获得目标光谱图像；

病虫害监测模块，与所述图像纠正模块连接，用于构建病虫害监测模型，并将所述目标光谱图像输入到所述病虫害监测模型中进行监测；

病虫害分析模块，与所述病虫害监测模块连接，用于对各个监测点的检测结果进行统计分析，采取防治措施。

可实施的，所述图像获取模块用于将若干个相邻的遥感图像基于待测森林区域进行拼接，获得拼接图像；然后利用ENVI软件工具，并结合待测森林区域的林斑矢量文件对所述拼接图像进行裁剪，获得待测森林区域的原始遥感影像。

可实施的，图像处理模块包括：第一处理单元、第二处理单元和降维处理单元；

所述第一处理单元用于对所述原始遥感影像进行集合校正和大气矫正，获得地表反射率影像；所述第二处理单元用于从所述地表反射率影像中获取每个像元的近红外波段的地表反射率、红波段的地表反射率和蓝波段的地表反射率，进而计算每个像元的归一化植被指数和增强植被指数，生成光谱指数影像；所述降维处理单元用于将所述地表反射率影像和光谱指数影像合并为合成影像，并基于主成分分析对所述合成影像进行光谱降维处理，获得降维的光谱影像。

可实施的，所述图像纠正模块包括第一纠正单元和第二纠正单元；

所述第一纠正单元用于获取森林环境图像，并基于图像与图像配准技术对所述森林环境图像进行纠正，获得森林环境现状地图；所述第二纠正单元用于基于三次多项式对降维的光谱图像进行纠正，或者基于所述森林环境现状地图，采用图像局部配准纠正技术对降维的光谱图像进行纠正，使监测点均匀分布，获得最终的目标光谱图像。

可实施的，所述病虫害监测模块用于基于YOLO神经网络构建病虫害监测模型，所述病虫害监测模型包括输入单元、主干单元、颈部单元和预测单元，所述目标光谱图像经输入单元传输至主干单元获得堆叠结果，颈部单元对所述堆叠结果进行计算获得病虫害结果，预测单元对所述病虫害结果进行解码并输出监测结果。

进一步的，输入单元，作用是将将样本输入到输入模块中，传输至主干单元。主干单元，作用是对来自输入模块的样本信息进行主干特征提取，主干模块包括第一倒残差网络、第二倒残差网络和第三倒残差网络，由前述的三个倒残差网络堆叠构成，并将堆叠结果输入至颈部单元。优选的，第一残差网络的堆叠结果输入至颈部模块中的CBL网络，经上采样网络和五层卷积网络进入预测单元。第二倒残差网络的堆叠结果输入至颈部单元中的CBL网络、经张量拼接网络、五层卷积网络分两部分进入预测单元。第三倒残差网络的堆叠结果输入至颈部单元中的上层卷积网络、经中间金字塔池化网络、三层卷积分网络两部分进入预测单元。颈部单元，作用是对来自主干模块的堆叠结果进行计算，计算出森林病虫害结果，提高病虫害树木识别效率。

可实施的，所述病虫害监测模块还包括模型更新单元，所述模型更新单元用于基于EWC终身学习机制对所述病虫害监测模型的历史任务重要参数进行保留，对新参数进行学习，并基于所述新参数对所述病虫害监测模型进行实时更新，使其能够监测识别更多种类的森林病虫害。

可实施的，所述病虫害分析模块用于分别以星期、月、季度和年为时间单位对目标光谱图像中的各个监测点的监测结果进行统计分析，进而获得病虫害的传播速度和传播范围，采取治理措施。

可实施的，所述森林环境遥感监测系统还包括数据存储模块，所述数据存储模块包括数据存储单元和数据更新单元；

所述数据存储单元用于实时保存采集的目标遥感图像以及对应的监测结果，并对特殊情况予以标记，生成数据库；所述数据更新单元用于以年为时间单位对所述数据库进行更新迭代，并对标记数据进行自动收藏，便于查阅。

本发明实施例中有涉及“第一”、“第二”等的描述，该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。