{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,2]，“日期-时间”：“2024-06-02T12:50:42Z”，“时间戳”：1717332642204}，“引用-计数”：68，“发布者”：“MDPI AG”，“问题”：“20”，“许可证”：[{“开始”：{“日期-零件”：[2021,10,11]]，“日期时间”：”2021-1 0-11T00:00:00Z“，”时间戳“：1633910400000}，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://creativecommons.org/licenses\/by\/4.0\/”}]，“资助者”：[｛“名称”：“北京\u2019科技规划项目”，“奖项”：[“Z191100008519004”，“2018YFD0600200”，“ZD202001-05”，“31971581”]}]，“内容域”：｛“域”：[]，“交叉标记限制”：false｝，“短容器标题”：[“遥感”]，“摘要”：“松材线虫病（PWD）是我国松林最具破坏性的灾害之一，给我国造成了巨大的生态和经济损失。预防大规模PWD疫情的有效方法是在PWD感染的早期发现并清除受损的松树。然而，早期感染的松树在可见波长范围内没有表现出明显的形态或颜色变化，这使得早期检测PWD很困难。基于无人机（UAV）的高光谱图像（HI）在PWD早期检测方面具有巨大潜力。然而，常用的方法，如二维卷积神经网络（2D-CNN），无法同时提取和充分利用空间和光谱信息，而三维卷积神经网（3D-CNN）能够从原始高光谱数据中收集这些信息。本文将残差块应用于3D-CNN，构建了3D-Res-CNN模型，并将其与3D-CN、2D-CNN和2D-Res-CNN在高光谱图像中识别PWD感染松树的性能进行了比较。3D-Res-CNN模型优于其他模型，在检测早期感染松树（EIP）方面，总体准确率（OA）为88.11%，准确率为72.86%。仅使用20%的训练样本，3D-Res-CNN的OA和EIP准确率仍能达到81.06%和51.97%，这在基于高光谱图像的PWD早期检测中优于最先进的方法。总的来说，3D-Res CNN在PWD的早期检测中更加准确有效。综上所述，本文提出3D-Res-CNN用于PWD的早期检测，使PWD的预测和控制更加准确有效。该模型也可用于检测森林中其他病虫害对松树的危害<\/jats:p>“，”DOI“：”10.3390\/rs13204065“，”type“：”journal-article“，”created“：{”date-parts“：[2021,10,12]，”date-time“：”2021-10-12T01:45:32Z“，”timestamp“：1634003132000}，”page“：利用无人机高光谱图像早期检测松材线虫病的三维卷积神经网络模型“]，”前缀“：”10.3390“，”卷“：”13“，”作者“：[{”给定“：”运行“，”家族“：”余“，”序列“：”第一“，”从属“：[]}，{”ORCID“：”http://\/ORCID.org\/00000-0001-5306-8306罗，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Haonan”，“family”：“Li”，“segment”：“附加的”，“从属的”：[]}，}“giving”：“梨园”，“家庭”：“杨”，“sequence”:“additionable”，“filiation“：[]{”ORCID：“http://\/ORCID.org\/00000-0001-9355-2338”，“authenticated ORCID”：false，“givent”：“华果”，“家族”：“黄”，“serquence”“：”附加“，”从属“：[]}，{“given”：“Linfeng”，“family”：“Yu”，“sequence”：“additional”，“affiliation”：[]}，{”ORCID“：”http://\/ORCID.org\/0000-0003-0333-0681“，”authenticated-ORCID“：false，”given“：“Lili”，“家庭”：“Ren”，“序列”：“附加”，“从属关系”：[]}，“成员”：“1968”，“published-on-line”：{“date-parts”：[2021,10,11]}“reference”：[{“key”：“ref1”，“doi-asserted-by”：“publisher”，“DOI”：“10.1163\/187529272X00296”｝，｛“key”：“ref2”，“series title”：“PineWilt Disease:AWorld wide Threat to Forest Ecosystems”，“首页”：“5”，“文章标题”：“国家根除松林线虫计划”，“作者”：“Rodrigues”，“年份”：“2008”｝，｛“key”：“ref3”，“DOI asserted by”：“crossref”，“首页”：“755”，“DOI”：“10.1163\/138855411X578888”，“article-title”：“松材线虫在西班牙的发病率，1934年（Nickle，1970）”，“卷”：“13”，“作者”：“Robertson”，“年份”：“2011年”，“期刊标题”：“线虫学”}，{“key”：“ref4”，“首页”：“223”，“article-title”：“葡萄牙嗜木虱分离株与短吻、指状或圆尾雌性的形态计量学特征”，“卷”：“47”，“作者”：“丰塞卡”，“年份”：“2009年”，“期刊标题”：“植物学。Mediter.”}，{“key”：“ref5”，“首页”：“1”，“文章标题”：“中国松材线虫病流行现状及其防治技术与对策”，“卷”：“55”，“作者”：“Ye”，“年份”：“2019”，“期刊标题”：“Sci.Silv.Sin.”}，{“关键词”：“ref6”，“首页”：“7”，“文章标题”：《松褐飞虱在松褐亚种间的水平传播》，“卷“35”，“author”：“Togashi”，“year”：“2003”，“journal-title”：“J.Nematol.”}，{“key”：“ref7”，“doi-asserted-by”：“publisher”，”doi“：”10.1146\/annurev.en.29.010184.000555“}，”{“key”：”ref8“，”doi-assert-by“：”publisher“，”doi:“10.1146\/nanurev.py.21.090183.001221”}“，{”key“：”ref9“，”第一页“：”7“，”文章标题“：“自然环境中松褐飞虱感染落叶松种的初步研究”，“卷”：“38”，“作者”：“余”，“年份”：“2019年”，“期刊标题”：“病虫害防治”}，{“关键词”：“ref10”，“首页”：“1”，“文章标题”：《辽宁省凤城红松松材线虫病的分离与鉴定》，“卷“38”、“作者”：“Pan”，“year”：“2019”，“journal-title”：“For.Pest Dis.”}，{“key”：“ref11”，“doi-asserted-by”：“publisher”，”doi“：”10.1186\/s40663-021-00328-6“}”，{”key“：”ref12“，”first page“：.管理。“}，{”键“：”参考13“，“doi-asserted-by”：“publisher”，“doi”：“10.1890\/ES15-00203.1”}，{“key”：“ref14”，“doi-asserted-by”：”publisher“，”doi“：”10.1111\/gcb.13554“}，“key“：”ref15“，”doi-assert-by“：”publister“，”doi“：/s10658-016-1013-8“}，{“key”：“ref17”，“doi-asserted-by”：“publisher”，“doi”：“10.3390\/f9030115”}，{“key”：“ref18”，“doi-asserted-by”：“publisher”，“doi”：“10.339 \/rs12142280”}，{“key”：“ref21”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.rse.2021.112322”}，{“key”：“ref22”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/TGRS.2016.2636241”}“：”publisher“，”doi“：”10.1126\/science.1127647“}，{”key“：”ref26“，”首页“：”3371“，“article-title”：“堆叠去噪自动编码器：使用局部去噪标准学习深层网络中的有用表示”，“卷”：“11”，“作者”：“文森特”，“年份”：“2010”，“期刊标题”：“J.Mach.Learn.Res.”}，{“键”：“ref27”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3065386”}：“用于大规模图像识别的极深卷积网络”，“author”：“Simonyan”，“year”：“2014”，“journal-title”：“arXiv”}，{“key”：“ref30”}“key”：“ref33”，“doi-asserted-by”：“publisher”，“DOI”：“10.1109\/TGRS.2016.2584107”}，{“key”：“ref34”}by“：”publisher“，”DOI“：”10.1109\/TGRS.2017.2755542“}，{”key“：”ref39“，”DOI-asserted-by“：“publisher”，“DOI”：“10.1109\/JSTARS.2020.3011992”}，{“key”：“ref40”，“first page”：《97》，“article-title”：“基于3D-CNN的机载高光谱数据的亚热带森林树种分类”，“volume”：”11“，“author”：“Zhao”，“year”：“2020”，“journal title”：《Sci.Sil.Sin.》}：“木虱（线虫纲：Aphelenchoididae）毛霉酸盐分离物（M型）的形态和分子特征”，“卷”：“19”，“作者”：“Gu”，“年份”：“2011年”，“期刊标题”：“Russ.J.Nematol.”}，{“key”：“ref42”，“doi-asserted-by”：“publisher”，”doi“10.3725”\/jjn1993.2_79，“内政部”：“10.1109 \/TPAMI.2012.59”}，{“key”：“ref44”}“，”首页“：”961“，”文章标题“：“高光谱图像分类的深度学习：现状和前景”，“卷”：“44”，“作者”：“浩”，“年份”：“2018”，“期刊标题”：“Acta Autom.Sin.”}，{“key”：“ref48”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.jag.2021.102363”}，{“key”：“ref49”，“doi断言者”：“crossref”，“首页”：“112240”，“doi”：“10.1016\/j.rse.2020.112240”，“article-title”：“早期检测欧洲云杉树皮甲虫攻击造成的森林压力，以及新的植被指数：归一化距离红色和SWIR（NDRS）”，“体积”：“255”，“作者”：“霍”，“年份”：“2021”，“日志标题”：“遥感环境”}，{“key”：“ref50”，“doi-asserted-by”：“publisher”，”doi“：“10.1016\/j.rse.2018.08.024”}，{“key”：“ref51”，“首页”：“231”，“article-title”：“松材线虫病致病机制的研究进展”，“volume”：”40“，“author”：“Li”，“year”：“2018”，“journal-title“：”j.Environ.Entomol.“}，doi“：”10.3390\/rs13122353“}，{“键”：“参考55”，“doi-asserted-by”：“publisher”，“doi”：“10.3390\/rs13122268”}，{“key”：“ref56”，“doi-asserted-by”：”publisher“，”doi“：”10.3390\/rs13112083“}，“key“：”ref57“，”doi-assert-by“：”publister“，”doi“：研究员”，“年份”：“2014年”，“新闻标题”：“高级神经信息。过程。系统。“}，{”key“：”ref59“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/3422622“}、{”key“：“ref60”，”doi-asserted-by“：“publisher”，“doi”：“10.1109\/TCYB.2020.3020540”}，“key”：“ref61”，由“：”publisher“，”doi“：”10.1016\/j.rse.2007.02.032“}插入，{”key“：”ref63“，”doi由“：”publisher断言，“doi”：“10.1016\/j.rse.2015.008.019”}，｛“key”：“ref64”，“doi由“：”publisher断言，“doi”：“10.1016\/j.rse.2015.008.010”}，｛“key”：“ref65”，“doi由“：”publisher断言，“doi”：“10.1016\/j.rse.202.112403”}，｛“key”：“ref66”，“doi由“：”publisher断言，“doi”：“10.1016\/j.rse.2018.06.008“｝，｛”key“：”ref67“，”doi断言为“：”publisher“，”DOI“：”10.3390\/rs11212540“}，{“key”：“ref68”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1016\/j.rse.2021.12475”}]，“container-title”：[“遥感”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\//www.mdpi.com\/2072-4292\/13\/20\/4065\/pdf”，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”相似性检查“}”，“存放”：{“日期部分”：[[2021,10,18]]，“日期时间”：“2021-10-18T05:09:04Z”，“时间戳”：1634533744000}，“分数”：1，“资源”：{-“主要”：{“URL”：“https:\/\/www.mdpi.com\/2072-4292\/13\/20\/4065”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2021,10,11]]}，“references-count”：68，“journal-issue”：{“issue”：“20”，“published-online“：{”date-parts“：[2021,10]]}}，”alternative-id“：[”rs13204065“]，”URL“：”http://\/dx.doi.org\/10.3390\/rs13204055“，”relation“：{}，“ISSN”：[”2072-4292“]，“ISSN-type”：[{“value”：“2072-4922”，“type”:“electronic”}]，“subject”：【】，“published”：{0,11]]}}