使用高光谱和激光雷达数据区分杨树林中的生物胁迫和非生物胁迫

亚洲天牛（Anoplophora glabripennis, ALB）是一种严重威胁全球阔叶林的蛀木害虫，特别对中国西北干旱地区的杨树防护林造成了显著破坏。由于干旱和 ALB 胁迫均会引起缺水症状，但其成因和治理方法截然不同，及时区分这两种胁迫对制定有效治理措施至关重要。高光谱成像（HSI）和激光雷达（LiDAR）技术因其在植物胁迫检测中的潜力而备受关注，HSI 提供精细的光谱信息，LiDAR 捕获冠层三维结构变化。然而，单一技术存在局限性，结合 HSI 和 LiDAR 数据能够弥补不足，实现更精确的胁迫检测。本研究采用偏最小二乘支持向量机（PLS-SVM）方法，有效降低数据维度，避免过度拟合，提升分类精度，旨在：（1）评估无人机 HSI 和 LiDAR 数据区分 ALB 损伤、干旱胁迫及复合胁迫的能力；（2）探索两种数据对胁迫的响应特征，筛选最敏感的检测指标，为干旱地区杨树健康监测和管理提供科学依据。

研究地块位于中国西北部甘肃省酒泉市，属戈壁地貌，气候类型为大陆性干旱气候，年均降水量为80毫米，但年均蒸发量达2000毫米。本研究选取了两个水分条件不同（灌溉和非灌溉）且树龄相近的林场（图1）。

样地1（图1a）：酒泉新城国有林场（39°57′N，98°23′E）。农田防风林，灌溉良好，有地表水，包括健康林和黄萎病林，树龄为40–60年。研究树种为甘肃杨、白杨和旱柳。样地2（图1b）：酒泉三河国有林场（39°23′N，99°04′E）。灌溉条件极差，无地表水，两年未正常灌溉。林分健康林和黄萎病林，树龄为40-60年。研究树种与样地1相同。两个农场都有健康林和黄萎病林的杨树。两个农场都位于海拔1480 m的平坦区域。土壤条件相同：棕色沙漠土，有机质含量低，氮素含量低。两个样地均被甘肃杨覆盖。我们在每个林场建立了两个50×50米的样地，共四个样地。总共有四种类型的样本树：健康（H）、仅受黄萎病损害（A）、仅受干旱损害（D）和同时受黄萎病和干旱损害（AD）（图2）。

亚洲长角甲虫（ALB）是一种树干蛀虫，通过识别漏斗状产卵坑、排便孔和圆形出口孔（图 3）确定杨树是否受损。若发现这些特征或树冠稀疏（稀疏叶片、干枯枝条），则认为杨树受到 ALB 损伤。

叶面积指数 (LAI) 反映叶片密度及生物物理能力。采用 SmartLAI 应用程序从不同方向进行四次测量取平均值，评估树冠稀疏程度。调查了 325 棵杨树：健康（H）66 棵，受 ALB 胁迫（A）75 棵，受干旱胁迫（D）80 棵，受双重胁迫（AD）104 棵，表 1 显示不同条件下的 LAI 数据。

在同一飞行活动期间，使用 DJI M600 无人机搭载IRIS LR-1601激光雷达一体机（北京理加联合科技有限公司）收集高光谱图像 (HSI) 和激光雷达数据（图 4）。安装系统使高光谱和激光雷达设备能够联合使用无人机的惯性测量单元 (IMU) 和全球定位系统 (GPS)，从而实现高精度正射校正和数据融合。无人机还配备了 RTK 系统，可实现厘米级精确定位。2021 年 8 月 2 日 12:20 至 12:50 PM 采集了地块 1（水量充足）的数据，2021 年 8 月 3 日上午 11:50 至下午 12:30 采集了地块 2（缺水）的数据。飞行在无云的天空下进行，高度为 100 米，速度为 3 米/秒，正面和侧面图像重叠度为 60％。

研究表明，无人机高光谱图像和激光雷达的组合可以检测和区分杨树的 ALB 和干旱胁迫。PLS-SVM 分类在区分水分充足和缺水树木方面实现了 94.85% 的准确率，在检测 ALB 损害方面实现了 80.81% 的准确率。对四种杨树类别进行分类的总体分类准确率为 78.79%：健康、仅受 ALB 影响、仅受干旱影响以及干旱和 ALB 损害并存的杨树。开发的分类模型为检测和区分胁迫类型提供了宝贵的工具，使及时干预措施成为可能，例如在杨树林中进行灌溉或病虫害防治，尤其是在戈壁沙漠的恶劣条件下。