馬尾松林松材線蟲病遙感識別與防治技術

中圖分類號：S763.7 文獻標識碼：A 文章編號：1005-7897（2025）09-0184-03

0引言

松材線蟲為馬尾松林中存在的主要蟲害，為實現對地方森林資源安全的更好維護，應當在馬尾松林區內，針對馬尾松林松材線蟲病進行識別與防治。在當前的實踐中，要持續更新松材線蟲病的識別技術方案，實施遙感識別，以此提升識別效率，增強防治效果。在此基礎上，還應當進一步展開對馬尾松林松材線蟲病的綜合性防治，盡可能減少松材線蟲病對馬尾松林的負面影響。

1馬尾松林松材線蟲病遙感識別技術的關鍵要素

基于遙感技術對馬尾松林松材線蟲病監測方法的研究，依托遙感技術展開對松材線蟲病的識別，可實現大范圍松材線蟲病快速精準的識別。為充分發揮出遙感識別技術在馬尾松林松材線蟲病監測中的技術優勢，需系統解析松材線蟲病遙感識別技術的關鍵要素。

1.1數據獲取

采集衛星遙感數據，主要包括Landsat系列衛星影像，空間分辨率在 30m 左右，能大范圍監測馬尾松林分布變化;Sentinel-2衛星影像，空間分辨率最高達 10m 重訪周期短，可及時捕捉林區動態。同時，可采集并利用無人機遙感數據，獲取高分辨率影像，空間分辨率可達厘米級，適合小范圍、高精度的馬尾松林監測，可清晰識別單株染病樹木。

1.2遙感特征提取

基于健康馬尾松與染病馬尾松二者在光譜反射率、影像紋理方面的差異，可通過準確分析、明確光譜特征和紋理特征等，實現對健康馬尾松與染病馬尾松的識別I。另外，根據松材線蟲病發展的季節性規律，掌握時序特征，通過多時相遙感影像分析林區光譜和物候變化，建立時序模型實現對染病區域的識別。

1.3分類識別方法

遙感技術識別松材線蟲病的方法主要分為機器學習與深度學習。在機器學習下，通過采用支持向量機（SVM）和隨機森林（RF），利用提取的遙感特征訓練分類模型，建立健康與染病的馬尾松林分類模型，對馬尾松林健康和染病狀態進行分類。在深度學習下，可通過卷積神經網絡（CNN）等自動學習影像特征，在復雜背景下識別松材線蟲病效果較好。

2馬尾松林松材線蟲病遙感識別技術的實踐要點

為獲取更為理想的馬尾松林松材線蟲病遙感識別效果，在本次研究中，設計了基于微波與光學時間序列影像聯合的馬尾松林松材線蟲病遙感識別技術，實踐要點內容如下。

2.1時序衛星影像預處理

針對馬尾松林松材線蟲病進行觀測識別時，為最大限度保障圖像數據精度，實現對病害傳播發展路徑的實時跟蹤，需要結合時序衛星影像技術作為主要觀測平臺。研究中，以歐空局Sentinel-1雙星系統回傳觀測信息為基礎，其影像分辨率較為突出，同時能夠有效節約數據處理時間與影像信息存儲空間。結合GEE針對雙星系統回傳觀測信息進行篩選，主要選擇2年內的研究目標區衛星觀測圖像作為主要研究對象。

Sentinel-1系統合成孔徑雷達（SAR）側視成像特征受到其成像原理等因素影響，干擾目標區地形地勢影像清晰度、亮度等具體指標，因此在基于衛星影像進行病害跟蹤與監控前，需要針對時序衛星影像進行提前處理與校正，確保其亮度、分辨率能夠達到預期要求，減少圖像噪聲所造成的影響。

首先，需要結合GEE針對時序衛星影像輻射坡度進行校正，使衛星影像所呈現出的亮度能夠回歸真實狀態，有效抑制外部環境對于成像質量產生的沖擊。技術團隊可基于相同的坐標參考系統將影像數據集進行對齊，使其能夠在空間狀態層面實現重疊。

其次，需要采用窗口化模式對時序衛星影像進行ReLee濾波，消除衛星影像成像過程中產生的噪聲，同時最大限度保留圖像當中所涉及的具體信息，減少處理過程對于信息架構產生的影響。

最后，通過對Sentinel-1雙星系統影像特征分析，大氣環境對于影像清晰度的影響同樣較為顯著，因此需要依托GEE平臺對時序衛星影像進行大氣校正，并結合波段標記等方式實現云掩膜。

2.2光學微波制備指數時序曲線提取

分析馬尾松林松材線蟲病害的具體表現特征，相關病害的傳播發展將會對馬尾松林受害林材的含水率與葉綠素含量產生一定影響。因此，進行病蟲害監測之前，結合其具體特征，對遙感監測過程中涉及的植被指數進行明確劃定。其中主要涵蓋歸一化植被指數、重整化差異植被指數、綠度大氣阻抗植被指數等具體內容，通過上述有關指標的整合觀測與全面評估，系統地明確馬尾松林松材線蟲病害在當前的傳播發展情況，進而保障后續防治工作的針對性。為避免缺失值帶來的影響，減少影像數據當中的噪聲，在研究過程中應遵循月計周期進行中值計算，同時結合濾波器針對植被指數的時序曲線進行濾波重構，使其能夠在保留原有數據信息的基礎上更加直觀立體地展現出有關病害的傳播特征，最大限度保障遙感技術對于松林病蟲害監測的能力與效果，準確定位松材線蟲病的受害范圍與受害面積，增強防治效果。在對馬尾松林松材線蟲病遙感識別中，所選定的微波與光學植被指數及其計算方法如表1所示。

2.3技術挑戰與應對

數據時空分辨率存在不匹配的問題，可以使用時間序列重采樣（光學數據降采樣至SAR重訪周期）的方式進行解決；對于云霧遮擋干擾的問題，可以結合長短期記憶網絡（LSTM）填補缺失值，或使用Sentinel-2的場景分類（SCL）云掩膜層的方式進行解決；對于異構數據融合噪聲的問題，可以采用互信息熵篩選互補特征的方式進行解決；對于小樣本病害樣本不足的問題，可以使用遷移學習（用全球森林監測數據預訓練模型）的方式進行解決回。

3馬尾松林松材線蟲病的防治技術要點

在馬尾松林松材線蟲病防治實踐中，應當使用綜合防治的方式，以此獲取到更為理想的防治效果，避免松材線蟲病的大范圍傳播，具體措施與技術要點如下。

3.1加強檢疫

嚴格展開檢疫監管，實施流通環節管控，嚴禁從松材線蟲病疫區調運松科植物、苗木、松木制品；進行調入材料處理，對非疫區調入的松木材料，需進行高溫處理或熏蒸處理，確保無松材線蟲存活；落實檢疫追溯，建立松木制品調運臺賬，實施檢疫證書電子化管理，全程可追溯。同時，及時安排產地檢疫，育苗圃地應遠離松林，定期抽樣檢測苗木是否攜帶松材線蟲或松墨天牛幼蟲。對松木采伐剩余物進行集中銷毀，防止松材線蟲擴散。

3.2控制媒介昆蟲

松墨天牛是松材線蟲的主要傳播媒介，其防治需多手段協同。

3.2.1物理防治

實施誘捕監測，懸掛松墨天牛性信息素誘捕器（甲基丁香酚誘芯），每公頃設置20～30個，定期更換誘芯并記錄捕獲量。安排誘木誘殺，在林間設置少量松木誘木，待松墨天牛產卵后集中銷毀。進行燈光誘殺，在成蟲羽化期（5一8月），林間懸掛頻振式殺蟲燈或太陽能殺蟲燈，每5～10畝（1畝 ≈667m²） 設置1盞，夜間開燈誘殺成蟲。

3.2.2化學防治

實施樹干注藥，對健康馬尾松注射內吸性殺蟲劑，如噻蟲啉微膠囊劑或吡蟲啉溶液，藥劑通過木質部傳導至樹體，預防松墨天牛取食傳毒。注藥時間設定為松墨天牛羽化前1～2個月（春季）[。安排樹干噴藥，在成蟲羽化高峰期，噴灑高效氯氟氰菊酯或氯氰菊酯乳油（濃度為 2%～5%） ，重點噴灑樹干和大枝，觸殺成蟲。需要注意的是，藥劑需要輪換使用，避免松墨天牛產生抗藥性。

3.2.3生物防治

天敵釋放，如花絨寄甲，人工繁育后釋放到林間，寄生松墨天牛幼蟲；腫腿蜂，將腫腿蜂蜂卡懸掛于樹干，寄生松墨天牛幼蟲。投放微生物制劑，噴施白僵菌或綠僵菌孢子粉，感染松墨天牛成蟲并致死。

3.3清除病源

及時清除病死木，定期踏查林區，結合無人機遙感監測，發現針葉褪綠、樹干流脂、枝條枯死等典型癥狀的馬尾松，立即標記并采樣檢測。優先清除瀕死木和枯死木，避免松材線蟲在樹體內大量繁殖。病木實施粉碎或焚燒處理，伐除病死木后，需在媒介昆蟲羽化前完成處理。直徑 ?1cm 的枝干需粉碎至粒徑 ?0.5cm ，或焚燒徹底滅活松材線蟲和松墨天牛幼蟲[1I-13]。大型病木可分段切割后集中處理，嚴禁露天焚燒或隨意丟棄。對無法現場處理的病木，采用溴甲烷或磷化鋁密閉熏蒸。

3.4監測預警與應急響應

搭建常年監測體系，在地面監測方面，固定專人定期踏查，記錄馬尾松生長狀態，重點監測交通沿線、松材加工廠周邊等高風險區域。采用誘捕器監測松墨天牛種群動態，每公頃設置20～30個誘捕點，每周檢查記錄。落實遙感監測，利用無人機或多光譜衛星遙感技術，識別馬尾松異常，結合地面驗證提高精度[14-15]。優化數據整合與預警，建立區縣級松材線蟲病監測平臺，整合氣象、蟲情、林分數據，設定風險閾值，觸發預警信號。定期發布疫情動態，指導基層開展防治。

設定并推行應急響應機制，發現疑似病株后，立即采樣送檢，確診后立即上報省級林業部門。疫情確認后24h內劃定疫區，啟動應急預案。實施聯防聯控，跨區域協作，統一清除疫區外圍松木，防止疫情反復。聯合氣象部門，利用風雨預報提前部署防治。

4結語

馬尾松林松材線蟲病的遙感識別期間，可使用聯合微波與光學時間序列影像的松材線蟲病遙感識別，通過“多源互補 + 動態建模”，突破傳統方法在時效性和空間覆蓋上的瓶頸。該技術核心在于以下方面： ① 數據層。融合光學植被指數與微波結構參數，捕捉病害多維特征。 ② 模型層。利用LSTM、3D-CNN等時序模型，挖掘病害演變規律。 ③ 應用層，從早期預警到政策評估，形成全鏈條監測體系。同時，在馬尾松林松材線蟲病的防治中，要堅持“預防為主、綜合治理\"原則，結合檢疫、媒介控制、病木清理和生態調控，形成長效防控機制。定期評估防治效果，動態調整策略，最大限度減少松材線蟲病的危害。

參考文獻

[1]李昊宬.基于無人機高光譜影像的松材線蟲病感病立木智能識別[D].北京：北京林業大學，2023.

[2]吳思妃.基于多源遙感與深度學習的松材線蟲病木監測研究[D].杭州：浙江農林大學，2023.

[3] 童彤，林思美，李林源，等.聯合微波與光學時間序列影像的馬尾松林松材線蟲病遙感識別[J].北京林業大學學報，2024，46（3）：40-52

[4] 梁浩，羅東升，梁德太.松墨天牛成蟲聚集信息素與樹干注射劑配套防治松材線蟲病技術研究[J].綠色科技，2023，25（15）：151-154.

[5]王子銅.松材線蟲病潛伏侵染特性及鑒別技術研究[D].杭州：浙江農林大學，2024.

[6] 王雅婷.土壤微生物誘導馬尾松抗松材線蟲病研究[D].長沙：中南林業科技大學，2023.

[7]黃建華，謝春俊，韋長江，等.營造馬尾松-桉樹混交林防治松材線蟲病研究進展[J].廣西師范大學學報（自然科學版），2023，41（3）：1-8.

[8]梁英輝.殺松材線蟲活性菌株篩選及抑制機理研究[D].哈爾濱：東北林業大學，2022.

[9] 王秋月，李建平，劉郵洲，等. 1.8% 阿維菌素乳油注干防治馬尾松松材線蟲簡報[J].陜西林業科技，2021，49（4）：75-77，90.

[10]曾文.松材線蟲病害遙感監測研究[D].長沙：中南林業科技大學，2020.

[11]王霜.基于高光譜數據的馬尾松病蟲害等級分類研究[D].成都：電子科技大學，2020.

[12]張從飛.貴州省松材線蟲病的主要危害及防治措施建議[J].南方農業，2024，18（22）：212-214.

[13]張雅琪，張雪杰，畢會濤，等.松材線蟲病媒介昆蟲生物防治研究進展[J].河南林業科技，2024，44（4）：1-5，9.

[14]黃林鋒.廣東省天井山林場松材線蟲病防治技術要點[J].南方農業，2023，17（2）：104-106.

[15]黃煥華，劉春燕，扈麗麗，等.廣東省松材線蟲病持續控制技術[J].中國森林病蟲，2022，41（4）：36-42.

[16]王澤民，馮雪.松材線蟲病防治存在的問題及對策[J].花卉，2020（12）：276-277.

作者簡介：陳穎睿（1996一），女，侗族，貴州榕江人，碩士研究生，助理工程師，主要從事森林資源管理工作。