松材线虫害遥感监测在我国的研究进展

何天英

摘 要：松材线虫害对松树造成极大的隐患和危害。近年来，遥感技术在松材线虫害的监测研究中得到了广泛应用。本文主要阐述了利用卫星遥感技术和无人机遥感技术监测松材线虫病研究的主要内容，探讨了存在的主要问题，并提出解决对策。

關键词：松材线虫病;卫星遥感技术;无人机遥感技术

中图分类号：S763.1文献标识码：A文章编号：1003-5168（2021）10-0013-03

Research Progress of Remote Sensing Monitoring of Pine Wood Nematode Pests in China

HE Tianying

（School of Earth Sciences and Resources， Chang'an University，Xi'an Shaanxi 710000）

Abstract： The damage of pine wood nematode has great hidden danger and harm to pine trees. In recent years， remote sensing technology has been widely used in the monitoring and research of pine line pest. This paper mainly describes the main contents of monitoring pine nematode disease by satellite remote sensing technology and UAV remote sensing technology， discusses the main problems and puts forward the countermeasures.

Keywords： pine wood nematode disease;satellite remote sensing technology;UAV remote sensing technology

松材线虫病具有致病力强、寄主死亡快、传播迅速的特点，被称“松树癌症”[1]。2019年，我国松材线虫害总危害面积已达111.46万hm2，病死树数量多，累计死亡1 946.74万株，同比分别上升71.67%和82.56%，损失巨大[2]。国家林草局指出，“十四五”期间，我国将组织开展松材线虫病防控5年攻坚行动，以遏制松材线虫病的快速扩散蔓延势头，维护国家生态安全、生物安全[3]。因此，实现对松材线虫快速有效的监测迫在眉睫。然而，传统的人工现地调查方法耗时耗力，很难满足当前需求。随着遥感技术和地理信息系统的快速发展，利用各种航空航天遥感图像进行病害监测已成为主要趋势[4]。我国已经有不少学者基于遥感监测对松材线虫害进行了大量的研究，并取得了一些成果，但对已有研究进行总结和分析发现其还存在诸多不足。本文分析了我国当前基于遥感的松材线虫病害监测的研究成果，并总结了研究中存在的问题。

1 卫星遥感技术在松材线虫害监测中的应用

1.1 遥感基础

松树在遭受松材线虫病后，松脂流量、针叶颜色、外部形态等都会发生变化，这些变化会严重影响植物反射率，使其光谱特性发生变化，从而引起遥感影像光谱值的变化和纹理结构的异常等[5]。因此，基于遥感影像的近红外波段监测松材线虫病害具有一定的可行性。例如，刘宁等以福建省泰宁县马尾松林为例，分别对感染松材线虫病后4个病害阶段（健康期及病害初期、中期、末期）马尾松的蒸腾速率进行测定，分析其在不同病害阶段的变化规律;再对健康期及病害初期马尾松的光谱数据进行采集，以这2个阶段的蒸腾速率为基准，分析其蒸腾速率与原始光谱及光谱特征参数的关系[6]。

1.2 遥感数据源

目前，国内外监测森林病害的遥感数据源包括：SPOT、Landsat TM和ETM+、NOAA AVHRR、MODIS、IKONOS、Quick Bird、雷达数据、航空遥感以及高光谱数据等[7]。如今，遥感技术正向高分辨率方向高速发展，为松材线虫害的精准监测提供了数据保障。宋清亮等通过高光谱仪器采集松树叶片光谱信息，分析其含水量与光谱反射率的关系。结果显示，含水量与5种指标参数呈较好的相关性，利用一种指标参数就可以很好地判断松树病害程度[8]。张素兰等对重庆永胜林场马尾松的14个高光谱特征参数进行岭迹分析，筛选出非共线性特征参数，为松材线虫病害早期监测和防治研究提供了技术支持[9]。

1.3 主要研究内容

1.3.1 遥感图像识别病害的方法的精度研究。我国学者在利用卫星遥感图像监测松材线虫害时主要采用的分类方法有决策树法、随机森林法、支持向量机法和人工神经网络法等。为了提高监测精度，学者们往往会对图像分类方法进行对比分析和改进研究。黄芳芳等结合随机森林和决策树cart算法，提出了适用于湖北省宜昌市松材线虫病的遥感监测方法。该方法的平均精度在76%以上，能较好地实现森林病害的快速监测[10]。张素兰等对重庆永胜林场马尾松光谱反射率的14个高光谱特征参数进行岭迹分析，筛选出非共线性特征参数，经验证平均估测精度为87.15%[9]。

1.3.2 染病松“缺素症”的研究。松树在遭受病害期间，自身养分含量必然会发生变化，而植被色素含量与其光合能力、发育阶段和氮素状况有较好的相关性[11]。因此，可以通过遥感技术来监测由病虫害引起的各种林木“缺素症”[12]。巨云为等使用高光谱算法评估染病松的叶绿素含量，结果显示，完全感染阶段的标准化差异植被指数值与叶绿素含量的变化相关[13]。刘宁等以福建省泰宁县马尾松林为例，分别对感染松材线虫病后4个病害阶段（健康期及病害初期、中期、末期）马尾松的蒸腾速率进行测定。结果表明，马尾松蒸腾速率随着病害的加重而逐渐减弱[6]。

1.3.3 松材线虫害的发生对森林景观格局影响的研究。景观格局一般指景观的空间格局，外界和内部干扰是景观格局发生变化的一个重要因素。森林虫害是森林生态系统主要的自然干扰之一[14]。松材线虫侵袭松林后，会对松林群落演替及林內物种多样性产生影响，深入探讨松材线虫的入侵机制，揭示它们对特定松林生态系统结构和功能的影响，有利于从生态尺度上探求松材线虫病的防控策略[15]。柏龙等以湖北省宜昌市夷陵区松材线虫病为研究对象，探究景观格局对松材线虫病发生的影响，结果显示，在夷陵区乡镇尺度上，由小斑块松林组成且斑块聚集度低、景观破碎化程度低的景观格局对松材线虫病有一定的抑制作用[16]。

1.3.4 染病松的光谱特征研究。不同的植物具有不同的反射光谱特征，这种光谱特性因植物种类、生长阶段、叶绿素含量、健康状况而异[17]。松树在遭受病害后，其健康状况发生了变化，光谱特征也会在某些敏感波段发生显著改变。研究显示，在近红外波段，受害松的光谱特征与健康松树差异比较大，且不同程度的受害松近红外光谱反射差异也比较大。王震等对马尾松4种不同受害类型的林木进行反射光谱测量，并对光谱反射曲线进行一阶微分分析。结果显示，在绿、红波段，它们的光谱反射率存在显著差异，在近红外区域，光谱反射率存在极显著的差异[18]。

1.3.5 对松材线虫害监测系统的研究。该类系统平台的开发、研究有利于整合病害普查、监管、预警等各类信息资源，实现对松材线虫病疫情监测的网格化、精细化管理。蒋丽雅等以与安徽省松材线虫病疫情相关的空间数据和多项属性数据为基础，建立了以地区、县、乡三级区划为管理单元，具有信息查询、数据维护、信息存贮与管理、显示、输出等五大功能的计算机管理系统[19]。李念祥等基于农业4.0建立了松材线虫病远程监测预警系统。该系统可以实现智慧森防数据互联互通，由数据转化为信息，最终实现森防信息的共享，实现松材线虫病的自动监测预警[20]。

2 无人机遥感技术在松材线虫害监测中的应用

无人机搭载的多光谱相机或者高光谱成像仪，不仅能快速识别变色木，而且能实现对染病松的定位，在松材线虫病的监测上有巨大的发挥空间。但是，无人机遥感技术获得的信息十分有限，很难实现对松材线虫病害的精准监测。因此，目前我国学者对利用无人机遥感技术监测松材线虫害的研究主要体现在如何提高识别精度和定位准确度上。

2.1 识别精度

无人机搭载高光谱遥感提供的影像分辨率高、信息丰富，为松材线虫病的及时快速识别提供了有效途径。但是，森林景观格局复杂，存在树冠相互交叉遮挡、阴影层较多等问题，给病害松树识别带来了一定的难度，因此需要选择合适的提取算法来提高识别精度。李浩等提出了基于超绿特征因子与最大类间方差法相结合的图像分割算法以及遥感全景图的病害程度分析方法，该方法识别精度可达90.4%[21]。胡根生等利用无人机平台获取可见光和近红外遥感图像，采用改进的加权支持向量数据描述多分类算法识别染病松。结果表明，该算法能准确地进行病害松树识别[4]。

2.2 定位准确度

与人工识别定位的方法相比，无人机在低空航拍中具有灵活、机动等优点，对地形的受限度小，降低了林业有害生物监测的工作难度，在监测预警中具有无可比拟的优越性[22]。李卫正等利用低成本小型无人机采集疫情地区的高空间分辨率影像，并经摄影测量软件LPS（Leica Photogrammetry Suite）正射处理后，导入美国GeoLink软件中，实现病死木位置信息的采集。经验证，该方法比传统病害监测实施效率高[23]。曾全等将无人机野外GPS采集的位置信息同ENVI遥感数据处理软件处理与解读数据信息进行比对。经验证，无人机遥感基本实现了松材线虫病致死松树的精准定位[24]。

3 存在的问题

虽然目前我国已有不少基于遥感技术监测松材线虫害的研究，但是松材线虫害的爆发往往是众多因素相互作用的结果，具有复杂性，因此，利用遥感技术监测松材线虫害并非十全十美，仍然存在一些亟待解决的问题，需要进一步探索。

①对松材线虫害早期预警研究不足。目前，我国大多数学者都是对变色立木进行研究，通常情况下，当松树颜色发生变化时，其遭受病害程度已经比较深了，这时只能做到及时止损，不能有效预防。

②缺乏对松材线虫监管系统的研究。随着国家对松材线虫病普查工作的推进，越发需要一个能够对松材线虫病进行监测、管理的系统或平台，这对松材线虫病害的发现和治理意义重大。

③无人机遥感监测松材线虫病还有一定的局限性。传统无人机主要采用Wi-Fi、蓝牙、微波等通信方式进行传输，传输距离都比较短，飞行监测范围受限，给无人机遥感监测松材线虫病带来了一定的困扰。

4 对策建议与展望

为了促进松材线虫卫星遥感监测的研究和实践，为松材线虫害的防治提供科学的依据，本文对上述问题提出对策建议，并对相关研究进行展望。

①重视对松材线虫病害的早期监测。高光谱成像技术能实现“图谱合一”，与其他遥感技术相比，其在光谱维度上的分割更细致，具有精准识别的优势，可以将这一优势充分应用于松材线虫害绿色阶段的早期监测研究中。

②构建松材线虫害光谱数据库。根据松材线虫害在不同影像数据中所表现出的光谱特征，建立丰富的松材线虫害光谱数据库，为遥感监测松材线虫病害提供理论依据，为松材线虫害监测模型的建立提供数据支持。

③建立5G与无人机遥感相结合的监测技术。5G具有超高速率、超低时延、超大连接、超宽空域的特点，可以扩大监测范围，提高定位精度。未来5G无人机必将成为松材线虫病害监测的一大利器，其发展前景十分令人期待。

参考文献：

[1]都本绪.GIS在大连松线虫病预防中的应用[J].防护林科技，2017（6）：76-77，88.

[2]李晓冬，王越，周艳涛，等.2019年全国主要林业有害生物发生情况及2020年发生趋势预测[J].中国森林病虫，2020（3）：44-48.

[3]张志国.国家林草局：我国将开展松材线虫病防控5年攻坚行动[J].绿色中国，2020（15）：70-71.

[4]胡根生，张学敏，梁栋，等.基于加权支持向量数据描述的遥感图像病害松树识别[J].农业机械学报，2013（5）：258-263，287.

[5]徐华潮，骆有庆，张廷廷，等.松材线虫自然侵染后松树不同感病阶段针叶光谱特征变化[J].光谱学与光谱分析，2011（5）：1352-1356.

[6]刘宁，张晓丽，王书涵，等.基于蒸腾速率与光谱特征的松材线虫病害预测[J].西北农林科技大学学报（自然科学版），2015（6）：129-135.

[7]张田，张晓丽，刘红伟，等.遥感在森林病虫害监测中的应用研究[J].安徽农业科学，2010（21）：11604-11607.

[8]宋清亮，向荣，秦林，等.松叶光谱反射率的特性参数与含水量关系分析[J].科技与创新，2018（3）：26-28.

[9]张素兰，黄金龙，秦林，等.基于高光谱特征的松材线虫岭回归估测模型研究[J].农业机械学报，2019（4）：196-202.

[10]黄芳芳，雷鸣，张力，等.基于随机森林和决策树的马尾松松材线虫病监测方法[J].信息通信，2019（12）：32-36.

[11] FILELLA I， PENUELAS J. The red edge position and shape as indicators of plant chlorophyll content， biomass and hydric status [J]. International Journal of Remote Sensing，1994（7）： 1459-1470.

[12]黄麟，张晓丽，石韧.森林病虫害遥感监测技术研究的现状与问题[J].遥感信息，2006（2）：71-75.

[13] JU Yunwei， JIE Pan，WANG X， et al. Detection of Bursaphelenchus xylophilus infection in Pinus massoniana from hyperspectral data[J]. Nematology，2014（16）： 1197-1207.

[14]陈宏伟，胡远满，常禹，等.不同虫害干扰强度下大兴安岭呼中林区森林景观变化模拟[J].中国科学院研究生院学报，2011（1）：65-72.

[15]徐华潮，骆有庆.松材线虫入侵对森林生态系统的影响[J].浙江林学院学报，2010（3）：445-450.

[16]柏龙，田呈明，洪承昊，等.湖北宜昌松林景观格局对松材线虫流行及扩散的影响[J].生态学报，2015（24）：8107-8116.

[17]申广荣，王人潮.植被光谱遥感数据的研究现状及其展望[J].浙江大学学报（农业与生命科学版），2001（6）：95-103.

[18]王震，张晓丽，安树杰.松材线虫病危害的马尾松林木光谱特征分析[J].遥感技术与应用，2007（3）：367-370.

[19]蒋丽雅，武红敢，江顺利，等.基于ArcView的安徽省松材线虫病管理信息系统[J].安徽农业大学学报，2007（1）：103-106.

[20]李念祥，白鸿岩，郭瑞，等.松材线虫病远程监测预警系统[J].现代化农业，2017（10）：10-11.

[21]李浩，徐航煌，郑恒宇，等.基于无人机遥感图像的松材线虫病监测技术研究[J].中国农机化学报，2020（9）：170-175.

[22]張红梅，陆亚刚.无人机遥感技术国内松材线虫病监测研究综述[J].华东森林经理，2017（3）：29-32.

[23]李卫正，申世广，何鹏，等.低成本小型无人机遥感定位病死木方法[J].林业科技开发，2014（6）：102-106.

[24]曾全，孙华富，杨远亮，等.无人机监测松材线虫病的精度比较[J].四川林业科技，2019（3）：92-95，114.