據(jù)人類目前所知,，昆蟲的種類有100多萬種,，是地球上數(shù)量最多的動物群體。

在《昆蟲記》中,，法布爾將昆蟲世界化作供人類獲得知識,、趣味、美感和思想的美文，以文藝趣味的筆觸記錄了100多種昆蟲的本能與習(xí)性,，展現(xiàn)了一部“昆蟲的史詩”,。

但種類繁多、形態(tài)各異的昆蟲,，除了法布爾筆下的靈性和趣味,，還有不可忽視的侵害和威脅。

1998年,，我國在山西省首次發(fā)現(xiàn)紅脂大小蠹,，當(dāng)?shù)亓帜敬竺娣e受到侵害，生態(tài)環(huán)境和經(jīng)濟發(fā)展也嚴(yán)重受損,。隨著紅脂大小蠹的擴散蔓延,，我國科研人員對森林受到的侵害愈加重視，并通過相關(guān)研究,，提供了對其進行監(jiān)測的方向,。

利用機載高光譜成像進行樹木水平紅脂大小蠹侵染的早期監(jiān)測

森林在陸地生態(tài)系統(tǒng)中發(fā)揮著必不可少的作用，提供著水資源保存,、侵蝕控制、緩和氣候變化和碳固存等各種生態(tài)服務(wù),。同時也面臨著生物和非生物因素的脅迫,。入侵害蟲紅脂大小蠹（RTB）在中國東北部蔓延，造成嚴(yán)重的經(jīng)濟和生態(tài)損失,。早期識別和侵染樹木的處理對于避免其蔓延和侵染爆發(fā)至關(guān)重要,。高空間分辨率的高光譜數(shù)據(jù)具有監(jiān)測單木尺度樹皮甲蟲早期侵染的潛力，但尚未進行相關(guān)研究,。

基于此,，為填補研究空白， 來自北京林業(yè)大學(xué)的研究者們利用DJI Matrice 600 UAV+Resonon Pika L高光譜相機在中國遼寧省進行了相關(guān)研究,。首先調(diào)查了RTB侵染油松后光譜特征的變化,。其次，利用RF分類器比較不同光譜特征區(qū)分RTB階段的性能,。最后,，探索了深度學(xué)習(xí)算法（CNN）在小HIS數(shù)據(jù)集中分類樹皮甲蟲干擾是否優(yōu)于機器學(xué)習(xí)算法（RF）。

研究區(qū),。（a）RTB分布及遼寧省位置,；（b）研究樣地位置；（c）機載高光譜圖像,。

【結(jié)果】

冠層平均光譜反射率及一階和二階導(dǎo)數(shù),。

三種健康分類的光譜植被指數(shù)。

RF和CNN分類模型的總體性能和混淆矩陣,。（a）反射率值作為輸入變量的RF_R:RF模型,；（b）導(dǎo)數(shù)作為輸入變量的RF_D:RF模型,；（c）SVI作為輸入變量的RF_S:RF模型；（d）CNN模型,。

【結(jié)論】

本文研究了機載高空間分辨率的高光譜圖像檢測RTB侵染松樹的潛力,。作者比較了不同光譜特征和模型將松樹分為三個健康狀態(tài)：健康、侵染（綠或黃色階段）和死亡（紅或灰色階段）樹木的性能,。主要結(jié)論如下：

（1） RTB侵染后,，松樹冠層光譜顯著變化。與健康樹木相比,，死亡樹木的光譜曲線在可見和近紅外區(qū)域顯著變化,，而侵染樹木僅在可見光區(qū)域顯著變化。死亡樹木的16個SVI顯著不同,，而侵染樹木的11個顯著不同,。

（2） 將反射率、一階和二階導(dǎo)數(shù),、以及SVI輸入到隨機森林分類器中,，以SVI作為變量的模型性能優(yōu)于其他兩個模型。

（3） CNN模型在樹皮甲蟲干擾分類中表現(xiàn)最好,。對于早期侵染樹木,，總體精度為83.33%，召回率為72.5%,。

本研究證明了機載高光譜成像可用于單木尺度RTB侵染監(jiān)測,。本研究使用的SVI和分類模型可為樹皮甲蟲侵害的早期監(jiān)測提供參考。CNN適于樹皮甲蟲侵染樹木的監(jiān)測,。未來研究可能結(jié)合分割和分類目標(biāo)開發(fā)一個基于CNN模型自動識別單木早期侵染階段,。