松材線蟲害遙感監測在我國的研究進展

何天英

摘 要：松材線蟲害對松樹造成極大的隱患和危害。近年來，遙感技術在松材線蟲害的監測研究中得到了廣泛應用。本文主要闡述了利用衛星遙感技術和無人機遙感技術監測松材線蟲病研究的主要內容，探討了存在的主要問題，并提出解決對策。

關鍵詞：松材線蟲病;衛星遙感技術;無人機遙感技術

中圖分類號：S763.1文獻標識碼：A文章編號：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

松材線蟲病具有致病力強、寄主死亡快、傳播迅速的特點，被稱“松樹癌癥”[1]。2019年，我國松材線蟲害總危害面積已達111.46萬hm2，病死樹數量多，累計死亡1 946.74萬株，同比分別上升71.67%和82.56%，損失巨大[2]。國家林草局指出，“十四五”期間，我國將組織開展松材線蟲病防控5年攻堅行動，以遏制松材線蟲病的快速擴散蔓延勢頭，維護國家生態安全、生物安全[3]。因此，實現對松材線蟲快速有效的監測迫在眉睫。然而，傳統的人工現地調查方法耗時耗力，很難滿足當前需求。隨著遙感技術和地理信息系統的快速發展，利用各種航空航天遙感圖像進行病害監測已成為主要趨勢[4]。我國已經有不少學者基于遙感監測對松材線蟲害進行了大量的研究，并取得了一些成果，但對已有研究進行總結和分析發現其還存在諸多不足。本文分析了我國當前基于遙感的松材線蟲病害監測的研究成果，并總結了研究中存在的問題。

1 衛星遙感技術在松材線蟲害監測中的應用

1.1 遙感基礎

松樹在遭受松材線蟲病后，松脂流量、針葉顏色、外部形態等都會發生變化，這些變化會嚴重影響植物反射率，使其光譜特性發生變化，從而引起遙感影像光譜值的變化和紋理結構的異常等[5]。因此，基于遙感影像的近紅外波段監測松材線蟲病害具有一定的可行性。例如，劉寧等以福建省泰寧縣馬尾松林為例，分別對感染松材線蟲病后4個病害階段（健康期及病害初期、中期、末期）馬尾松的蒸騰速率進行測定，分析其在不同病害階段的變化規律;再對健康期及病害初期馬尾松的光譜數據進行采集，以這2個階段的蒸騰速率為基準，分析其蒸騰速率與原始光譜及光譜特征參數的關系[6]。

1.2 遙感數據源

目前，國內外監測森林病害的遙感數據源包括：SPOT、Landsat TM和ETM+、NOAA AVHRR、MODIS、IKONOS、Quick Bird、雷達數據、航空遙感以及高光譜數據等[7]。如今，遙感技術正向高分辨率方向高速發展，為松材線蟲害的精準監測提供了數據保障。宋清亮等通過高光譜儀器采集松樹葉片光譜信息，分析其含水量與光譜反射率的關系。結果顯示，含水量與5種指標參數呈較好的相關性，利用一種指標參數就可以很好地判斷松樹病害程度[8]。張素蘭等對重慶永勝林場馬尾松的14個高光譜特征參數進行嶺跡分析，篩選出非共線性特征參數，為松材線蟲病害早期監測和防治研究提供了技術支持[9]。

1.3 主要研究內容

1.3.1 遙感圖像識別病害的方法的精度研究。我國學者在利用衛星遙感圖像監測松材線蟲害時主要采用的分類方法有決策樹法、隨機森林法、支持向量機法和人工神經網絡法等。為了提高監測精度，學者們往往會對圖像分類方法進行對比分析和改進研究。黃芳芳等結合隨機森林和決策樹cart算法，提出了適用于湖北省宜昌市松材線蟲病的遙感監測方法。該方法的平均精度在76%以上，能較好地實現森林病害的快速監測[10]。張素蘭等對重慶永勝林場馬尾松光譜反射率的14個高光譜特征參數進行嶺跡分析，篩選出非共線性特征參數，經驗證平均估測精度為87.15%[9]。

1.3.2 染病松“缺素癥”的研究。松樹在遭受病害期間，自身養分含量必然會發生變化，而植被色素含量與其光合能力、發育階段和氮素狀況有較好的相關性[11]。因此，可以通過遙感技術來監測由病蟲害引起的各種林木“缺素癥”[12]。巨云為等使用高光譜算法評估染病松的葉綠素含量，結果顯示，完全感染階段的標準化差異植被指數值與葉綠素含量的變化相關[13]。劉寧等以福建省泰寧縣馬尾松林為例，分別對感染松材線蟲病后4個病害階段（健康期及病害初期、中期、末期）馬尾松的蒸騰速率進行測定。結果表明，馬尾松蒸騰速率隨著病害的加重而逐漸減弱[6]。

1.3.3 松材線蟲害的發生對森林景觀格局影響的研究。景觀格局一般指景觀的空間格局，外界和內部干擾是景觀格局發生變化的一個重要因素。森林蟲害是森林生態系統主要的自然干擾之一[14]。松材線蟲侵襲松林后，會對松林群落演替及林內物種多樣性產生影響，深入探討松材線蟲的入侵機制，揭示它們對特定松林生態系統結構和功能的影響，有利于從生態尺度上探求松材線蟲病的防控策略[15]。柏龍等以湖北省宜昌市夷陵區松材線蟲病為研究對象，探究景觀格局對松材線蟲病發生的影響，結果顯示，在夷陵區鄉鎮尺度上，由小斑塊松林組成且斑塊聚集度低、景觀破碎化程度低的景觀格局對松材線蟲病有一定的抑制作用[16]。

1.3.4 染病松的光譜特征研究。不同的植物具有不同的反射光譜特征，這種光譜特性因植物種類、生長階段、葉綠素含量、健康狀況而異[17]。松樹在遭受病害后，其健康狀況發生了變化，光譜特征也會在某些敏感波段發生顯著改變。研究顯示，在近紅外波段，受害松的光譜特征與健康松樹差異比較大，且不同程度的受害松近紅外光譜反射差異也比較大。王震等對馬尾松4種不同受害類型的林木進行反射光譜測量，并對光譜反射曲線進行一階微分分析。結果顯示，在綠、紅波段，它們的光譜反射率存在顯著差異，在近紅外區域，光譜反射率存在極顯著的差異[18]。

1.3.5 對松材線蟲害監測系統的研究。該類系統平臺的開發、研究有利于整合病害普查、監管、預警等各類信息資源，實現對松材線蟲病疫情監測的網格化、精細化管理。蔣麗雅等以與安徽省松材線蟲病疫情相關的空間數據和多項屬性數據為基礎，建立了以地區、縣、鄉三級區劃為管理單元，具有信息查詢、數據維護、信息存貯與管理、顯示、輸出等五大功能的計算機管理系統[19]。李念祥等基于農業4.0建立了松材線蟲病遠程監測預警系統。該系統可以實現智慧森防數據互聯互通，由數據轉化為信息，最終實現森防信息的共享，實現松材線蟲病的自動監測預警[20]。

2 無人機遙感技術在松材線蟲害監測中的應用

無人機搭載的多光譜相機或者高光譜成像儀，不僅能快速識別變色木，而且能實現對染病松的定位，在松材線蟲病的監測上有巨大的發揮空間。但是，無人機遙感技術獲得的信息十分有限，很難實現對松材線蟲病害的精準監測。因此，目前我國學者對利用無人機遙感技術監測松材線蟲害的研究主要體現在如何提高識別精度和定位準確度上。

2.1 識別精度

無人機搭載高光譜遙感提供的影像分辨率高、信息豐富，為松材線蟲病的及時快速識別提供了有效途徑。但是，森林景觀格局復雜，存在樹冠相互交叉遮擋、陰影層較多等問題，給病害松樹識別帶來了一定的難度，因此需要選擇合適的提取算法來提高識別精度。李浩等提出了基于超綠特征因子與最大類間方差法相結合的圖像分割算法以及遙感全景圖的病害程度分析方法，該方法識別精度可達90.4%[21]。胡根生等利用無人機平臺獲取可見光和近紅外遙感圖像，采用改進的加權支持向量數據描述多分類算法識別染病松。結果表明，該算法能準確地進行病害松樹識別[4]。

2.2 定位準確度

與人工識別定位的方法相比，無人機在低空航拍中具有靈活、機動等優點，對地形的受限度小，降低了林業有害生物監測的工作難度，在監測預警中具有無可比擬的優越性[22]。李衛正等利用低成本小型無人機采集疫情地區的高空間分辨率影像，并經攝影測量軟件LPS（Leica Photogrammetry Suite）正射處理后，導入美國GeoLink軟件中，實現病死木位置信息的采集。經驗證，該方法比傳統病害監測實施效率高[23]。曾全等將無人機野外GPS采集的位置信息同ENVI遙感數據處理軟件處理與解讀數據信息進行比對。經驗證，無人機遙感基本實現了松材線蟲病致死松樹的精準定位[24]。

3 存在的問題

雖然目前我國已有不少基于遙感技術監測松材線蟲害的研究，但是松材線蟲害的爆發往往是眾多因素相互作用的結果，具有復雜性，因此，利用遙感技術監測松材線蟲害并非十全十美，仍然存在一些亟待解決的問題，需要進一步探索。

①對松材線蟲害早期預警研究不足。目前，我國大多數學者都是對變色立木進行研究，通常情況下，當松樹顏色發生變化時，其遭受病害程度已經比較深了，這時只能做到及時止損，不能有效預防。

②缺乏對松材線蟲監管系統的研究。隨著國家對松材線蟲病普查工作的推進，越發需要一個能夠對松材線蟲病進行監測、管理的系統或平臺，這對松材線蟲病害的發現和治理意義重大。

③無人機遙感監測松材線蟲病還有一定的局限性。傳統無人機主要采用Wi-Fi、藍牙、微波等通信方式進行傳輸，傳輸距離都比較短，飛行監測范圍受限，給無人機遙感監測松材線蟲病帶來了一定的困擾。

4 對策建議與展望

為了促進松材線蟲衛星遙感監測的研究和實踐，為松材線蟲害的防治提供科學的依據，本文對上述問題提出對策建議，并對相關研究進行展望。

①重視對松材線蟲病害的早期監測。高光譜成像技術能實現“圖譜合一”，與其他遙感技術相比，其在光譜維度上的分割更細致，具有精準識別的優勢，可以將這一優勢充分應用于松材線蟲害綠色階段的早期監測研究中。

②構建松材線蟲害光譜數據庫。根據松材線蟲害在不同影像數據中所表現出的光譜特征，建立豐富的松材線蟲害光譜數據庫，為遙感監測松材線蟲病害提供理論依據，為松材線蟲害監測模型的建立提供數據支持。

③建立5G與無人機遙感相結合的監測技術。5G具有超高速率、超低時延、超大連接、超寬空域的特點，可以擴大監測范圍，提高定位精度。未來5G無人機必將成為松材線蟲病害監測的一大利器，其發展前景十分令人期待。

參考文獻：

[1]都本緒.GIS在大連松線蟲病預防中的應用[J].防護林科技，2017（6）：76-77，88.

[2]李曉冬，王越，周艷濤，等.2019年全國主要林業有害生物發生情況及2020年發生趨勢預測[J].中國森林病蟲，2020（3）：44-48.

[3]張志國.國家林草局：我國將開展松材線蟲病防控5年攻堅行動[J].綠色中國，2020（15）：70-71.

[4]胡根生，張學敏，梁棟，等.基于加權支持向量數據描述的遙感圖像病害松樹識別[J].農業機械學報，2013（5）：258-263，287.

[5]徐華潮，駱有慶，張廷廷，等.松材線蟲自然侵染后松樹不同感病階段針葉光譜特征變化[J].光譜學與光譜分析，2011（5）：1352-1356.

[6]劉寧，張曉麗，王書涵，等.基于蒸騰速率與光譜特征的松材線蟲病害預測[J].西北農林科技大學學報（自然科學版），2015（6）：129-135.

[7]張田，張曉麗，劉紅偉，等.遙感在森林病蟲害監測中的應用研究[J].安徽農業科學，2010（21）：11604-11607.

[8]宋清亮，向榮，秦林，等.松葉光譜反射率的特性參數與含水量關系分析[J].科技與創新，2018（3）：26-28.

[9]張素蘭，黃金龍，秦林，等.基于高光譜特征的松材線蟲嶺回歸估測模型研究[J].農業機械學報，2019（4）：196-202.

[10]黃芳芳，雷鳴，張力，等.基于隨機森林和決策樹的馬尾松松材線蟲病監測方法[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]黃麟，張曉麗，石韌.森林病蟲害遙感監測技術研究的現狀與問題[J].遙感信息，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]陳宏偉，胡遠滿，常禹，等.不同蟲害干擾強度下大興安嶺呼中林區森林景觀變化模擬[J].中國科學院研究生院學報，2011（1）：65-72.

[15]徐華潮，駱有慶.松材線蟲入侵對森林生態系統的影響[J].浙江林學院學報，2010（3）：445-450.

[16]柏龍，田呈明，洪承昊，等.湖北宜昌松林景觀格局對松材線蟲流行及擴散的影響[J].生態學報，2015（24）：8107-8116.

[17]申廣榮，王人潮.植被光譜遙感數據的研究現狀及其展望[J].浙江大學學報（農業與生命科學版），2001（6）：95-103.

[18]王震，張曉麗，安樹杰.松材線蟲病危害的馬尾松林木光譜特征分析[J].遙感技術與應用，2007（3）：367-370.

[19]蔣麗雅，武紅敢，江順利，等.基于ArcView的安徽省松材線蟲病管理信息系統[J].安徽農業大學學報，2007（1）：103-106.

[20]李念祥，白鴻巖，郭瑞，等.松材線蟲病遠程監測預警系統[J].現代化農業，2017（10）：10-11.

[21]李浩，徐航煌，鄭恒宇，等.基于無人機遙感圖像的松材線蟲病監測技術研究[J].中國農機化學報，2020（9）：170-175.

[22]張紅梅，陸亞剛.無人機遙感技術國內松材線蟲病監測研究綜述[J].華東森林經理，2017（3）：29-32.

[23]李衛正，申世廣，何鵬，等.低成本小型無人機遙感定位病死木方法[J].林業科技開發，2014（6）：102-106.

[24]曾全，孫華富，楊遠亮，等.無人機監測松材線蟲病的精度比較[J].四川林業科技，2019（3）：92-95，114.