ICS 65.020 CCS ZBXH A 77 新疆维吾尔自治区植物保护学会 团体标准 T/ZBXH 122—2025 白喉乌头分布遥感监测技术规范 Technical specification for the remote sensing monitoring of the distribution of Aconitum leucostomum Vorosch. 2025 - 09 - 20发布 2025 - 09 - 27实施 新疆维吾尔自治区植物保护学会 发布 全国团体标准信息平台 T/ZBXH 122 —2025 I 前言 本文件按照 GB/T 1.1 —2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 本文件由新疆大学提出。 本文件由新疆维吾尔自治区植物保护学会归口并组织实施。 本文件起草单位：新疆大学、新疆维吾尔自治区草原生物灾害防控中心（新疆维吾尔自治区野生动 植物保护监测中心），自治区质量基础发展研究院。 本文件主要起草人：郑江华、李璇、林峻、张飞飞、梁中、刘亮、吴建国、吴莹、琪琪格、桑运志、 范毅、马龙、崔思捷。 本文件适用于新疆维吾尔自治区内所有相关单位及组织，自愿采用。 本文件由采用本标准的单位及组织自行承担相关责任。 本文件由新疆维吾尔自治区植物保护学会负责解释。 本文件为首次公布。 全国团体标准信息平台 T/ZBXH 122 —2025 1 白喉乌头分布遥感监测技术规范 1 范围 本文件规定了白喉乌头遥感监测、危害等级划分、地面验证的技术要求。 本文件适用于白喉乌头分布遥感监测。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB/T 14950 摄影测量与遥感术语 GB/T 15968 遥感影像平面图制作规范 GB/T 17160 1:500 1:1 000 1:2 000 地形图数字化规范 GB/T 17278 数字地形图产品基本要求 GB/T 36296 遥感产品真实性检验导则 NY/T 4151 农业遥感监测无人机影像预处理技术规范 CH/Z 3001 无人机航摄安全作业基本要求 CH/Z 3002 无人机航摄系统技术要求 CH/T 3003 低空数字航空摄影测量内业规范 CH/T 3004 低空数字航空摄影测量外业规范 3 术语和定义 下列术语和定义适用于本文件。 白喉乌头 Aconitum leucostomum Vorosch. 隶属毛茛目（ Ranunculales ）、毛茛科（ Ranunculaceae ）、乌头属（ Aconitum ）多年生草本植物， 其 他相关信息 见附录 A。 遥感 remote sensing 不接触物体本身， 用传感器探测目标物的电磁波信息， 经处理、 分析后， 识别目标物、 揭示其几何、 物理特征和相互关系及其变化规律的现代科学技术。 [来源： GB/T 14950 —2009，3.1，有修改 ] 监督分类 supervised classification 通过选择能够表征各类别训练样本的像元特征，事先取得各类别的参数，确定分类器，从而进行分 类的图像分类过程。 随机森林分类 random forest classification 构建多棵基于白喉乌头危害区遥感数据样本子集和特征子集的决策树。 神经网络分类 neural network classification 利用人工网络分类器对遥感图像进行分类。 决策树分类 decision tree classification 通过特征属性递归划分数据集实现分类任务的监督学习算法。 全国团体标准信息平台 T/ZBXH 122 —2025 2 总体精度 overall accuracy 正确分类的白喉乌头像元总和除以遥感影像总像元数的指标。 [来源： GB/T 36296 ，有修改 ]。 Kappa系数 kappa coefficient 用于衡量分类效果的一致性检验指标。 4 监测 监测时间和次数 在白喉乌头盛花期至少监测一次， 6月中旬至 8月上旬最佳。 卫星遥感监测 收集白喉乌头发生区监测时间内有效卫星遥感数据， 空间分辨率不低于 15 m， 重访周期不超过 15 d， 具备近红外波段，云量≤ 10%。采用航空影像处理软件处理卫星遥感影像数据，影像处理方法参见 NY/T 4151、CH/T 3003 ，处理流程参见附录 B.1。选择决策树进行遥感影像分类，得出白喉乌头像元数量，计 算白喉乌头发生区面积，结果填入附录 B.2。 白喉乌头发生面积按公式（ 1）进行计算： 𝐴=𝑁∗𝑀 ································ ································ ············· (1) 式中： 𝐴—白喉乌头发生面积，单位为公顷（ hm2）； 𝑁—白喉乌头在遥感影像中的总像元数量，单位为个（个）； 𝑀—遥感影像每个像元的大小 。 无人机遥感监测 4.3.1 点位布设 4.3.1.1 监测单元布设 在卫星遥感影像识别白喉乌头分布区，选择连片分布的区域，设置 1个长期监测单元，面积为 1× 104 hm2。每个监测单元赋予唯一编号，并进行定位上图，监测单元设立后不应随意更改。首次设立时应登 记详细特征，填入附录 C.1。 4.3.1.2 监测点布设 在每个监测单元，采用“五点取样”法布设 5个无人机监测点，应选地势平坦、无固定障碍物和电 磁干扰源的区域，监测点面积 25 hm2。 4.3.2 飞行 在晴朗无风天气开展无人机监测，应根据白喉乌头数据采集、地形地貌以及调查需求，进行飞行平 台与载荷设备选型。无人机载荷应符合附录 D.1。飞行高度不低于地形起伏高差的 4倍，航拍空间分辨率 可设为 3cm，参数设置基于航飞图像识别率和飞行安全性试验安全作业参见 CH/Z 3001 ，航摄要求参见 CH/Z 3002 、CH/T 3004 。无人机航摄相关信息见附录 D。 4.3.3 影像处理 采用航空影像处理软件处理航拍数据，影像处理方法参见 NY/T 4151 、CH/T 3003 ，处理流程参见附 录C.2。 4.3.4 白喉乌头影像样本采集及识别 全国团体标准信息平台 T/ZBXH 122 —2025 3 4.3.4.1 影像样本选择 基于航拍影像，均匀选取白喉乌头、牧草、裸地和其他样本，每类≥ 50个且数量接近，其中 70%为 随机抽取的地面样方；输出白喉乌头分布图层（矢量或栅格）。 4.3.4.2 影像分类方法 可以选择随机森林、神经网络和决策树等多种监督分类方法进行白喉乌头识别，决策树分类方法最 佳。 4.3.5 密度计算 监督分类识别出的白喉乌头个体 /斑块数量可用于估算其空间密度。白喉乌头密度按式（ 2）计算： 𝜌=𝑁1 𝑆 ································ ································ ················ (2) 式中： 𝜌—白喉乌头密 度（株 /× 102 m2）； 𝑁1—影像中白喉乌头个体 /斑块总数； 𝑆—影像的总面积； 4.3.6 精度评价 采用混淆矩阵法，计算总体精度与 Kappa系数评价白喉乌头及其他地物的分类效果。具体方法参见 GB/T 36296 ，结果填入附录 C.1，评价步骤参见附录 F。总体精度≥ 80%，Kappa系数≥ 0.75。 4.3.7 密度估算结果验证 宜采用线性回归分析、决定系数、均方根误差等统计方法，评估估算密度与实测密度的一致性。决 定系数≥ 0.7，表明密度估算结果可靠。 5 地面采样与验证 在白喉乌头发生区监测点，采用人工地面调查方法收集验证数据。按“五点取样”在每点布设 5个 10 m×10 m样方，统计每个样方白喉乌头平均株数，并使用手持 GPS仪记录每个样方的经纬度和海拔。 监测点白喉乌头密度取各样方密度的平均值。地面验证数据填入附录 C.1。 6 制图标准 制作白喉乌头危害区专题图，参见 GB/T 15968 、GB/T 17160、GB/T 17278 。 7 危害程度分级 按照白喉乌头密度 𝜌（株 /×102 m2），将危害等级分为轻度、中度、重度三个等级，具体分级标准 参见附录 A.3。 8 监测数据存储与管理 所有遥感与地面调查数据应按照统一规范进行归档与存储。 数据格式 遥感影像采用 TIFF格式保存；地面调查数据采用 Excel（.xlsx）或CSV格式；影像处理结果及图件可 输出为 PDF格式。 文件命名 文件命名包含监测地点、监测样地及监测日期，例如： Xinyuan_01 _2025080 6.tif。 全国团体标准信息平台 T/ZB