基于不同平台的小麦病虫害遥感监测研究进展*

孙瑞琳，孙全，孙成明，刘涛，李冬双，吴峰峰

(1.扬州大学农学院，江苏省作物遗传生理国家重点实验室/江苏省作物栽培生理重点实验室，江苏扬州，225009；2.扬州大学，江苏省粮食作物现代产业技术协同创新中心，江苏扬州，225009)

0 引言

小麦是世界历史上最古老的栽培作物之一，也是中国仅次于水稻的第二大粮食作物。其分布范围广，种植面积大，总产量高，营养价值丰富，同时它又是我国北方地区主要的细粮作物[1]。因此，小麦的高产、稳产、优质、高效对于保障我国粮食供给和经济发展具有重要作用[2]。然而，随着小麦种植面积的不断减少以及气候环境的异常变化，小麦病虫害频繁爆发。病虫害的发生具有种类多、影响大、危害程度逐年增加等特点，不仅会造成小麦产量下降，还会影响农产品质量安全，对粮食安全构成极大威胁。因此，加强小麦病虫害的预测预报工作尤为重要。

传统的病虫害监测预报方式仍以人工田间调查为主，通过目测观察植株的症状，来评估作物的病虫害等级，这种方法不仅费时、费力，在大范围的作物监测方面效率较低，而且调查结果容易受调查者主观经验的影响从而产生误判，难以顺应日益严重的病虫害发展趋势。此外，由于麦田病虫害发生的不确定性[3]，农药的过度使用时有发生，不仅增加了生产成本，而且农药带来的残留也会给环境带来污染[4]。因此，根据冠层光谱反射率特征，开发一种简单而经济的光学设备用于远程监测病虫害[5]，掌握小麦病虫害的空间分布和发展趋势，指导农药的合理使用，是防治小麦病虫害的关键。近年来，飞速发展的遥感技术为大面积监测、快速准确的识别作物的病虫害提供了可能性[3]。与传统的病情监测方法不同，遥感监测技术是指通过各种传感器获取电磁波能量和目标地物辐射反射的信息，而不与目标物体直接接触，允许在整个生长季内对小麦的生长情况进行实时监测、分析和评价，以便采取合理的防治措施的综合技术。利用遥感技术不仅能在较早的时期发现病虫害，而且还能够给监测者提供病虫害的蔓延趋势；因遥感监测还具有空间上的连续性，它不仅能对大范围农田进行全方位监测，极大地减少了调查工作量，还有效解决了调查目标间的差异性。因此遥感技术具有宏观、高效、实时、无损、准确性高等显著优点[6]。随着科学的不断进步，逐渐成熟的遥感技术是目前唯一能够在大范围内能够快速获取空间连续目标地物的信息手段。它已广泛用于病虫害监测、作物产量估算和品质分析等方面，这些应用使传统农业的管理和作业模式发生了极大地转变并为其提供了新的发展方向[7]，推动着农业向着优质、高效、安全、生态和现代化信息化的方向发展。因此，利用遥感技术，提高对小麦病虫害的监测和预报，以实现我国粮食高产稳产、农产品安全具有重大意义。

本文在介绍作物病虫害光谱响应生理机制的基础上，通过基于近地高光谱平台、基于低空和航空遥感系统和基于遥感卫星这3个平台对现阶段小麦病虫害的研究现状及监测方法进行梳理，并在此基础上探讨了目前小麦病虫害存在的问题及未来的发展趋势。

1 作物病虫害光谱响应生理机制

目前，光学遥感监测由于其成本相对较低并且能进行大范围的监测病虫害[8]，因此许多专家和学者参与了农作物病虫害的研究过程。当作物受到不同种类或者不同程度的病虫害胁迫时，会改变其内部的生理生化特性和结构特征，外形上会出现枯黄、凋零等现象。同时，作物的光谱在不同波段会表现出不同吸收和反射特性的变化，即作物病虫害的光谱响应[9-10]。植株或者受病虫害胁迫的植株对光谱的响应，主要受两个因素的影响，一是细胞的内部结构，例如叶片、果实等器官的细胞或果肉组织的内部结构会对光造成不同程度的反射、散射；二是植物细胞中的生物化学成分，例如叶片中的水分、色素以及其他化学物质等吸收作用的影响[11]，因此其光谱响应具有多效性，将光谱响应特征提取并经过形式化、定量化表达，这不仅可以深入研究作物病虫害侵染程度、侵染种类及侵染阶段等，而且有助于进一步研究光谱响应特性与农作物病虫害之间的关系，为深入研究农作物病虫害光学遥感监测提供依据[12]。

作物光谱的反射特性受叶细胞结构、色素、含水量和蛋白质含量等因素的影响，因此这些因素与作物的健康状况以及生长环境密切相关。相较于其他地物，健康绿色植物的光谱曲线表现出明显的“峰和谷”的特征[13]，如图1所示。

图1 健康叶片光谱反射率特性

在可见光范围内，光谱特征主要受叶片中各种色素的吸收作用的影响，并消耗于叶片的光合作用，所以反射率较低，仅在绿光波段有一个反射率小峰，因此人们看到的健康叶片通常呈绿色；在近红外区域，由于叶片细胞壁和细胞间隙导致的多重散射，所以具有较高的反射率[14]。在可见光和近红外区域之间有一个过渡带，称为“红边”，这是由于红光波段的强吸收以及近红外波段的多重反射之间的反射差造成的[12]；在短波红外区域，由于水分、蛋白质等的吸收作用，呈现较低的反射率。植株叶片在受到病虫害胁迫后，其生理生化特性会发生很大变化，如叶片变黄干枯、叶片细胞组织遭到破坏以及叶绿素含量降低等现象，从而导致可见光区域反射率增加，且随着胁迫程度的不断加重，近红外区域反射率较正常叶片下降，同时出现红边蓝移的现象[15]。通过计算红边移动的距离，可以判断植株受害程度[16]。另外，在病虫害严重胁迫下会造成植株叶片萎蔫，冠层结构发生变化，如叶片倾斜和茎秆倾斜，从而较大程度上影响着近红外和短波红外区域反射率的改变[17]。

基于上述理论，可以知道病虫害的光谱响应主要考虑植株外部形态和内部生理的影响，通过分析病虫害胁迫下的光谱特征，从而了解遥感监测病虫害的光谱机理，这对开展作物病虫害遥感监测的研究具有重要义。

2 基于近地高光谱平台的小麦病虫害遥感监测研究

近地光谱对作物病虫害的监测主要是利用非成像地物光谱仪测量作物受病虫害胁迫后的冠层及叶片的光谱反射率或者利用地面成像光谱获取近地光谱图像，主要获取的是近地高光谱数据。高光谱遥感(Hyperspectral remote sensing)是光谱分辨率在10-2λ以下的高分辨率遥感，其基础是测谱学[18]。与传统的宽波段遥感相比，高光谱具有光谱范围窄、波段多、波段连续、信息冗余、数据量多等特点，很好地解决了常规遥感中许多物质不可被探测到的问题[19]。利用高光谱遥感技术监测病虫害可追溯到20世纪20年代末至30年代初，随着遥感信息技术的快速发展，高光谱技术在小麦病虫害监测的研究中取得了较大进展[1]。因此利用病虫危害后的近地高光谱遥感数据不仅可以进行分析处理技术，筛选病虫危害后的敏感波段，还可为建立卫星遥感光谱数据与地面光谱数据之间的联系提供保障，为小麦病害监测的定性或定量化参数提取和机理估算模型的构建奠定基础[20]，具有重要的研究意义。

2.1 基于近地非成像高光谱的小麦病虫害遥感识别

非成像高光谱技术是指通过传感器接收探测对象反射或辐射的电磁波，同时获取探测对象的光谱数据，从而探测目标对象的光谱信息。主要数据源是近地高光谱数据[1]。随着高光谱遥感技术的发展，以地物光谱测量学和成像光谱测量学、地物光谱仪和成像光谱仪的同步发展为特点，PFRS地物光谱仪是第一个能够测量可见光区域和近红外区域的便携式光谱仪，随后PIDAS地物光谱仪、ASD地物光谱仪也相继被研制出来，不同于成像光谱仪，这些遥感探测器直接用于地面或实验室中获取目标物体的光谱曲线而不进行成像[21-22]。

近年来，国内外学者通过这些光谱仪获取的光谱数据，分析了反射光谱特征与病害参数间的关系，筛选出病虫害危害后的敏感波段，从而实现病虫害的监测与分类识别。Luo等[23]选择了不同蚜虫密度的小麦叶片60片，并测量了在350～2 500 nm的光谱范围内测量叶片的反射率，研究发现700～930 nm、950～1 030 nm、和1 040～1 130 nm是引起小麦蚜虫胁迫的敏感波段。Mirik等[24]将受蚜虫侵害的小麦冠层与未受侵害的小麦冠层光谱对比分析，发现受侵害的小麦冠层在近红外波段的反射率明显较低，在可见光波段反射率较高。乔洪波等[25]利用手持式ASD高光谱仪测定了受白粉病、条锈病和蚜虫危害的麦田冠层光谱反射率，并利用逐步判别、线性判别和分层聚类等方法筛选受胁迫的敏感波段，对病虫害的识别有较好的效果。Riedell等[26]分别测量了受蚜虫侵染的小麦叶片和健康对照的叶片的光谱反射率，研究分析表明625～635 nm和680～695 nm这两个波段是蚜虫取食小麦叶片引起叶绿素损失和叶片衰老的敏感波段。同时，另有部分学者在筛选敏感波段的基础上，通过构建不同的植被指数对小麦病虫害进行建模分析，可进一步提高病虫害监测与分类的精度。Jiang等[27]利用一阶微分最大值法分别提取光谱红边与黄边位置来构建植被指数，具有较好的精度，并且能够提前12 d识别出受病害侵染的小麦。冯伟等[28]建立了病害叶绿素密度估算模型并进行了验证，结果表明NDAI(α，β)是估测感染小麦白粉病叶绿素密度的可靠指标。Zhao等[29]通过构建植被指数和微分光谱指数，比较分析了日光诱导的叶绿素荧光和光谱反射数据监测小麦条锈病的严重程度，结果表明病情指数DI≤45%时，日光诱导叶绿素荧光数据构建的预测模型效果更佳，DI>45%时，两种方法均达到极显著水平。还有部分学者通过各种统计判别、回归模型或数据挖掘算法等进行建模分析。Muhammed等[30]利用主成分分析和独立成分分析的方法评估田间小麦褐斑病的严重程度取得了较高的相关性。Wang等[31]采用偏最小二乘(PLS)、BP神经网络和植被指数经验法建立回归模型，监测小麦条锈病的严重程度，同时进行分析比较，结果表明采用PLS方法的监测效果更好。Krishna等[32]采用偏最小二乘法(PLS)和多元线性回归(MLR)技术，建立光谱模型来评估小麦条锈病的严重程度，研究表明所建模型均具有较强的相关性和较低的误差，对小麦条锈病的精确鉴别和监测具有很大的潜力。Yu等[33]利用光谱仪采集了335个小麦品种的冠层高光谱数据，并利用光谱数据校准的偏最小二乘判别分析(PLSDA)模型区分受褐斑病胁迫的小麦冠层和健康冠层，总体精度高达95%。

2.2 基于近地成像高光谱的小麦病虫害遥感识别

高光谱成像是19世纪80年代发展起来的一项新兴遥感技术[34]，它不仅能获得目标地物的图像，而且还可以获取目标地物每一个像素点的连续光谱信息，光谱分辨率很高，通常精度可达到2～3 nm，能够获取“图谱合一”的遥感数据。因此，通过处理高光谱图像信息，可以提取小麦的颜色、纹理和位置等外部特征，通过对连续光谱信息进行高维数据压缩和特征波长提取，可以监控小麦的内部特征。通过图像特征和光谱特征的有效融合，可以克服单一图像或光谱特征的不足，显著提高小麦病虫害早期监测和识别的准确性，从而达到根据小麦内外综合特征进行病害诊断的目的[35]。同时，通过对光谱和图像的分析，可以了解小麦、背景等因素之间的关系，从而提高光谱数据的价值。目前，近地成像遥感作为一种获取遥感数据的廉价工具，已经广泛应用于小麦病虫害的研究中。Singh等[36]利用近红外(NIR)高光谱成像技术在对小麦健康籽粒和虫害籽粒进行扫描，通过特征提取和判别分析，获得了较好的分类效果。乔红波等[37]采集感染小麦全蚀病的近地成像高光谱数据，并利用基于径向基(RBF)核函数的支持向量机进行分类，研究表明利用该方法分类精度均达94%以上。Guo等[38]通过主成份分析—载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦条锈病、白粉病以及健康叶片的高光谱图像信息进行降维并建立判别模型，结果表明PCA结合极限学习机模型最优，高光谱图像信息可用于准确识别不同类型的小麦病害。Whetton等[39]利用高光谱数据进行偏最小二乘(PLSR)回归分析并建立校准模型，预测小麦和大麦感染条锈病、赤霉病的覆盖率，结果表明在实验室条件下对条锈病的预测精度更高。Liang等[40]利用高光谱成像系统获取小麦白粉病和条锈病的图谱数据，筛选敏感波段并用支持向量机(SVM)建立判别模型，结果表明两种病害的分类精度高达92%。袁琳[15]在结合光谱特征和图像几何、纹理特征的基础上，提出一种能够综合光谱和图像特征的病虫害区分方法用于区分小麦条锈病、白粉病和蚜虫病。

上述研究结果表明，高光谱成像技术主要通过研究小麦正常图谱与病虫害图谱的差异，建立小麦病虫害监测模型。此外，高光谱成像技术在不同病虫害的光谱特征提取和波段选择方面具有巨大的潜力，已成为小麦病虫害快速无损监测的重要手段之一。但是基于成像高光谱对小麦病虫害的研究主要都是不同种类病虫害的分类识别，对病虫害发生严重程度的研究较少，并且在实际生产中也没有大规模应用，还应对此深入探讨。

3 基于低空和航空遥感平台的小麦病虫害遥感监测研究

航空遥感又称机载遥感，是指利用各种航空飞行器作为传感器运载工具在空中对目标地物进行遥测的一种综合性探测手段，是遥感技术的重要组成部分。现有的航空飞行器包括各种有人驾驶飞机、无人驾驶飞机、气球和飞艇等，这些具有不同工作模式和技术性能的遥感平台构成了一个多层次、立体的现代遥感信息采集系统。航空观测平台的工作高度一般不超过80 km，可以有效弥补近地遥感探测面积小、易受地形地貌条件影响、卫星遥感影像分辨率较低的问题。它是对地观测技术系统的一种重要的信息感知方法[41]。航空遥感因具有分辨率高、探测面积大、调查周期短、成像比例大、信息容量大、信息获取方便快捷等特点成为了现代空间数据获取不可替代的技术手段，也是近地遥感、卫星遥感的有效补充。研究初期，主要使用的是相机胶卷，故而在图像处理和信息提取上较为复杂。随着技术的发展，因数码图像可以挖掘更多的数据信息，数字图像处理技术具有高效、快速、实时、无损等优点，用于小麦病害监测的数码相机和数字图像处理技术得到广泛应用。Huang等[42]利用多时相机载高光谱图像识别和定位冬小麦条锈病感染区域。刘良云等[43]利用多时相高光谱航空飞行图像数据，成功地监测了冬小麦条锈病发病范围与病害程度。周坚华等[44]用彩红外航空摄影图像的数字化图像，通过一元回归分析证实了虫害水平与植物近红外影像具有显著相关性。虽然大型飞机在遥感航拍方面续航时间长，载荷能力大，但是受到很多因素的影响，例如受限于天气条件、起降要求高、成本和维护费用高等。随着飞行器的不断推陈出新，轻小型飞机、无人机、热气球等各种低空飞行器为遥感领域开辟了新思路。

在低空遥感的飞行器中，无人机遥感系统是低空遥感系统的重要组成部分，其具有成本低、分辨率高、操作方便、受天气条件影响小等特点。无人机遥感技术是指利用无人机搭载多种传感器对目标地物的进行非接触、远距离监测的技术[45]。无人机飞行平台包括多旋翼无人机、固定翼无人机、混合翼无人机、无人直升机等，配备的传感器按照探测波长的不同，主要分为可见光波段(400～760 nm)数码相机(Digital camera)、可见近红外波段(400～1 100 nm)多光谱相机(Spectral camera)、热红外波段(3.6～13.5 μm)相机(Thermal camera)等[46]。使用无人机搭载遥感技术是精准农业领域非常有潜力的操作技术，该技术操作便捷，已成为我国小麦病虫害快速实时监测的重要手段之一。冷伟峰等[47]利用无人机获取田间受不同程度条锈病危害的小麦冠层图像，调查了病情指数并进行相关性分析，结果表明染病地块和健康地块的反射率之间存在极显著差异，基于UVA的小麦条锈病监测是可行的。李振兴[48]使用无人机遥感采集农田小麦全蚀病图像，在以数字图像处理技术和模糊聚类图像分割的基础上，利用Java web技术设计并实现了小麦全蚀病监测系统。Su等[49]利用无人机搭载的多光谱相机获取了8个时间点的航拍图像，通过时空分析的结果表明植被指数对小麦条锈病的敏感性随时间变化，在抽穗期后期下降，为农田尺度的条锈病早期时空监测提供了重要指导。Liu等[50]采用无人机搭载RGB镜头监测小麦条锈病，结果表明，在可见光波段中，红色波段与病情指数相关性最高。

4 基于卫星平台的小麦病虫害遥感监测研究

利用卫星、探测火箭、航天飞机等航天飞行器作为飞行平台的遥感称航天遥感。在航天遥感中卫星遥感技术应用最为广泛。卫星遥感技术是利用人造卫星作为传感器载体平台，远距离接收目标物体反射或辐射的电磁波，探测光谱特征信息，同时获取目标地物的图像和光谱数据，从而实现定位、定量或定性描述的技术。根据运行轨道、高度和使用的传感器类型的不同，卫星可分为地球同步轨道卫星、极地轨道卫星、导航卫星、测地卫星、通信卫星、海洋卫星气象、卫星等[19]。国外研究卫星遥感技术较早，第一颗气象卫星是美国在1960年发射的，起初用来预测天气，后来也用作作物产量预测、旱涝和植物病虫害监测。1972年美国又发射了第一颗地球资源技术卫星，标志着全新遥感时代的到来，所以卫星遥感监测是伴随气象卫星和资源卫星的发展开展起来的[51]。卫星遥感技术具有可连续观测、监测范围广、数据采集速度快、监测视点高、影像信息丰富等优点。目前，随着卫星遥感技术的迅猛发展，遥感卫星上搭载的传感器也越来越先进，给科研工作者提供了各种类型的具有更高分辨率和精度的卫星遥感数据，为实时监测小麦的长势情况，对小麦病虫害及时预警提供了技术保障。Dutta等[52]利用卫星数据结合气象资料识别小麦条锈病的影响区域以及遥感指标的有效性，并预测条锈病发生的时间和地点。Yang等[53]比较了手持式辐射仪获取的反射数据计算的植被指数和Landsat TM的宽波段植被指数对小麦蚜虫危害的敏感性。Franke等[54]利用Quickbird高分辨率遥感影像对感染小麦白粉病和条锈病的田块进行识别研究，利用混合调谐匹配滤波(MTMF)和归一化植被指数(NDVI)划分显示不同染病程度的区域，识别精度高达88.6%。

国内对于小麦病虫害卫星遥感的研究起步较晚，Huang等[55]从Landsat 8 OLI(Operational Land Imager)卫星遥感影像中提取了小麦白粉病的11个特征参数，分别使用随机森林(RF)和支持向量机(SVM)建立监测模型。冯炼等[56]将地面实测光谱数据建立的模型应用到HJ-CCD传感器数据，提取到的小麦受病虫害侵染范围与地面实测结果一致，其中逻辑回归模型精度高达76.47%。刘良云等[13]利用不同时期的小麦白粉病和条锈病的Landsat TM卫星遥感数据结合地面实测的光谱数据及农学数据进行分析建模并根据实际产量数据，定量计算了受白粉病和条锈病侵染麦田的产量损失，损失超过了30%。

基于不同遥感平台监测小麦病虫害的常用设备及其优缺点，如表1所示。

表1 不同平台小麦病虫害监测常用设备及优缺点

5 存在的问题

纵观已有的研究进展，国内外学者已经在小麦病虫害遥感监测领域取得了丰硕的研究成果，并且病虫害遥感监测预测逐渐成为近年来研究的热门领域。虽然发展迅猛，但是由于病虫害发病机理较为复杂以及遥感技术的不完善，仍然存在各种各样的问题亟待解决，主要体现在以下几个方面。

1)对病虫害光谱特征的专属性认识不足。小麦在受到病虫害的胁迫时，其外部特征可能会与水分、养分等胁迫引起的症状相似，导致光谱的响应特征也极其相似。受到病虫害胁迫的同一作物使用不同的传感器监测会出现不同的光谱，某种病害在侵染同一作物时也可能会表现出不同的症状，从而监测出不同的光谱特征。也就是所谓的“同谱异物”和“同物异谱”的现象，给小麦病虫害的区分带来了很大的困难。有研究表明，受条锈病胁迫的小麦在可见光谱段(400～700 nm)反射率上升，近红外谱段(700～1 300 nm)反射率下降，而有些其它病害，光谱反射率在可见光波段(500～700 nm)有所增高，在近红外谱段(700～1 000 nm)有所下降[57]，这就增加了不同病害胁迫区分的难度。

2)缺乏多种小麦病虫害危害类型的比较研究。目前，大部分的研究都是针对单一病虫害进行的，实验环境相对简单，大都进行控制性试验，缺乏两种或多种病虫害及其他胁迫类型相结合的对比判别研究。而实际麦田环境是相对复杂的，有很多不可控因素，会同时在小麦叶片上发生两种或两种以上病虫害，如Geaff等[58]研究了小麦白粉病和全蚀病侵染小麦植株过程中叶片光谱反射率的变化，表明490～780 nm、510～780 nm、516～1 300 nm和540～1 300 nm是小麦白粉病和全蚀病的敏感波段。因此就缺乏一些混合病虫害对比识别的依据。

3)病虫害监测预报效率低，缺乏多源遥感信息的综合应用。小麦在受到病虫害胁迫的初期，虽未表症，其内部生理结构已经发生变化，等到症状显现时内部已经受到较大损伤。而目前广泛应用的卫星遥感分辨率较低，而且受重访周期的影响，研究存在很大的滞后性。地面研究和低空无人机遥感虽然监测精度高，但是仅限于小范围的研究，现有技术无法同时满足高光谱、高空间和高时相分辨率的要求。

4)病虫害监测模型普适性差。近年来，随着遥感监测技术的不断发展，国内外研究者提出了不少小麦病虫害的监测模型，但是大多数的模型仅适用于当地的病虫害胁迫环境，并且研究多在经济较发达并且病害发生较为集中地区域。当小麦品种、气候环境、栽培管理方式等众多因素改变，都会对实验数据产生影响，模型的普适性便难以得到保证。因此，如何扩大模型的普适性也是一个亟待解决的难题。

6 发展趋势

1)综合多时相遥感数据来进一步开展小麦病虫害的遥感监测。今后的研究中需尝试不同平台遥感数据的综合使用，地面平台监测范围小，可以做机制机理方面的研究，无人机和卫星平台可以做示范和推广应用，把地面建立的反演模型应用到无人机图像和卫星影像中，可考虑综合应用高空间、高光谱和高时相分辨率遥感数据，在实现大范围监测的同时提高监测精度和时间分辨率，从而提高小麦病虫害的预警监测能力。

2)建立小麦病虫害光谱库提高模型应对复杂农田环境的适应能力。今后的研究中应当模拟实际农田环境，或者选择野外自然发生病虫害的麦田，将某些病虫害光谱特征的专属性研究应用到大田复杂的环境中，并对具有相似胁迫特征的实验数据进行对比分析，建立多元化的小麦病虫害波谱数据库，不断改进用于小麦病虫害监测的各种算法和模型，从而提高监测模型对复杂农田的适应能力，增强监测模型的普适性，对生产实践具有重要的指导意义。

3)构建全国性病虫害遥感监测信息服务系统。近年来，随着精细农业的飞速发展，对构建全球病虫害遥感监测信息服务系统提出了更高的要求。未来要以地理信息系统(GIS)、全球定位系统(GPS)、互联网(Internet)等信息技术为依托，借助国内外中高分辨率多源卫星结合无人机以及地面植保调查数据，开发能够实时监测、监测结果精准、可以大范围推广应用的病虫害预测监测系统，为实时动态监测病虫害，及时综合防治提供强有力的保障。

4)加强国际间的交流与合作。目前，针对小麦病虫害的研究多是本国人员间的交流与研究，对于国际间发生的病虫害缺乏相应的预防与联络机制。今后，国家需重视病虫害遥感监测研究工作，投入必要的研究经费，在不同国家间建立合作机构，特别是入侵病虫害的防治需要多个国家协同合作。