方国飞黄文江牟晓伟刘洪安周宏威张军强张弼尧李晓冬陈怡帆

(1.中国矿业大学(北京)，北京 100083；2.国家林业和草原局生物灾害防控中心，林草有害生物监测预警国家林业和草原局重点实验室，辽宁沈阳 110034；3.中国科学院空天信息创新研究院，北京 100094；4.林草生物灾害监测预警国家创新联盟，辽宁沈阳 110034；5.东北林业大学，黑龙江哈尔滨 150040)

松材线虫病(pine wilt disease)是我国重大植物疫情，已成为威胁我国生态安全、生物安全和经济发展的心腹大患[1]。自1982年我国首次发现以来，疫情快速扩散，造成严重危害[2]。截至2021年底，松材线虫病疫情在我国19个省(自治区、直辖市)742个县(区、市)5 530个乡镇34.05万个松林小班中发生[3]。经过40年的不懈努力，我国松材线虫病疫情防控已经取得了一定的成效，疫情发生面积仅占松林面积的2.9%。但总体发生形势依然十分严峻，近年来疫情“北扩西进”趋势明显，且在疫情老发生区由点向面持续扩散[4]。

总体而言，我国松材线虫病疫情防控较为被动。疫情监测技术相对落后，发现难、本底不清、数据长期失真失实是制约科学防控的主要原因之一。近年来，地球空间信息科学和传感器技术的迅猛发展，宏观尺度下实时、动态的对地观测能力显著增强[5－6]，综合地面调查、无人机和卫星遥感形成的天空地一体化对地观测网络目前已经被广泛应用于地理国情监测[7－8]，在松材线虫病疫情监测领域也得到了较为广泛的研究和应用示范。笔者结合科研与生产实践，介绍当前松材线虫病变色立木天空地监测技术研究及行业应用情况，分析当前的技术瓶颈和亟待解决的问题，展望松材线虫病疫情精准监测的未来发展趋势，并提出相关对策建议，以期为松材线虫病疫情防控和五年攻坚行动提供理论指导和技术支撑。

1 松材线虫病变色立木天空地立体监测技术进展

松材线虫病由病原松材线虫Bursaphelenchus xylophilus在松树体内大量繁殖造成导管阻塞，引发植株失水、蒸腾作用降低、树脂分泌急剧减少和停止，在外观上表现为针叶萎蔫、褪绿，逐渐变为黄色至红褐色[9]。通过监测树冠颜色、色素和水分含量等指标的动态变化发现异常松树，进而取样检验是否含有松材线虫，是松材线虫病疫情监测确认的主要技术路径。针对松材线虫病传播范围广、监测精度要求高等特点，以卫星广域普查、无人机区域详查、人工地面核查3种策略结合互补，初步形成了松材线虫病变色立木天空地一体化监测技术体系。

1.1 地面巡查检测

1.1.1 日常巡查和专项普查

长期以来，我国松材线虫病疫情监测主要依靠秋季普查，疫情监测的时效性不足。2021年国家林业和草原局发布的新版«松材线虫病防治技术方案»，将日常监测和专项普查进行了统筹和明确。其中，日常监测立足于新疫情发现，强调全面调查、准确鉴定、及时报告，一般要求2个月一次常态化巡查，其监测范围主要是未发生疫情的松林(小班、散生松林)，主要任务是发现松树异常、取样鉴定、新发疫情松林小班确认及详查；专项普查立足于全面掌握疫情发生情况和防控成效，一年一次秋季普查，其监测范围是所有松林小班(日常监测开展扎实的，其监测范围实际上可仅是疫情小班)，主要任务是查清疫情小班病死树数量，并为冬春季疫木山场集中除治服务。

1.1.2 巡查和检测方法

传统地面监测主要依靠人工巡查，配备望远镜等工具，以小班为单位进行网格化巡查。巡查前，需查阅相关档案资料，了解松林分布和松材线虫病疫情发生情况，根据地形地貌和交通情况合理设计巡查路线。巡查时，以危害为导向，重点发现松树异常变色情况。同时重点加强电网和通信线路沿线、通信基站、公路、铁路、水电等建设工程施工区域附近，以及木材集散地周边、自然保护地、疫情发生地毗邻地区的巡查力度。

发现异常变色松树后，组织开展取样鉴定等疫情排查工作。传统的松材线虫检测方法是依据形态学鉴定，判定的主要特征包括雄虫交合刺、雌虫长阴门盖和尾尖突等，鉴定的难点在于排除拟松材线虫的干扰。目前，分子检测技术被广泛应用于松材线虫检测[10]，其中以聚合酶链式反应(PCR)为基础而发展起来的多种分子检测技术能够适用于松材线虫和拟松材线虫检测鉴定，比如常规PCR、SCAR标记[11]、限制性片段长度多态性技术(RFLP)[12]、随机扩增多态DNA(RAPD)[13]、rDNA－ITS区序列分析法[14]、荧光定量PCR技术(Real-time PCR)[15]和单链构象多态性(PCR－SSCP)[16]等。随着检测鉴定技术的发展和对松材线虫检测效率要求的提升，越来越多研究者在探究无损、方便快速便捷的松材线虫检测方法。

1.2 变色立木遥感监测

1.2.1 遥感监测机理

遥感技术是指借助遥感传感器在不与探测目标接触的情况下，记录目标物对电磁波的辐射、反射、散射等信息，揭示目标物的特征、性质及其变化的综合探测技术。遥感技术具备大面积、客观、快速、无损等特点。近年来遥感技术的不断发展使人类获取陆表信息的粒度和维度得到了极大提升，并已在大面积自然资源监测、土地利用变化、植被长势监测和估产等多领域发挥了重要作用。松树在感染松材线虫病后的光谱变化表现为绿峰和红谷的消失、红边斜率下降以及红边蓝移[17－19]。其中，近红外和短波红外波段通常最先表现出一定差异，然后可见光范围内的光谱特征出现明显的变化[20－22]，反映在影像上的颜色、纹理等特征。这种影像光谱特征变化的显著性为利用遥感技术开展松材线虫病灾害识别奠定了基础。利用卫星遥感影像监测具有范围大、成本低等特点，主要适用于大尺度监测。利用无人机遥感监测具有灵活机动、快速高效、时空分辨率高等特点。无人机和卫星遥感监测，其本质都是通过敏感光谱和图像差异发现异常变色立木，需要通过地面人工核查和取样鉴定进行疫情确认。

1.2.2 无人机遥感技术

无人机作为一种可人为控制、搭载不同类型传感器并执行多项任务的无人驾驶航空器，具有轻便、操作方式灵活、探测周期短、空间分辨率高、可控性强等优点[23]。无人机飞行平台大致可分为多旋翼、固定翼、单旋翼和复合翼。无人机监测关注的重点包括载荷、续航时间、监测精度和空间分辨率等。在选择无人机飞行平台时需要考虑操控性、稳定性和飞行持久性等多方面因素，从而确保获取质量较好的数据。无人机搭载的传感器通常可分为可见光、多光谱和高光谱等类型(表1)。

表1 无人机遥感监测松材线虫病常用机载传感器Tab.1 UAV sensors for PWD monitoring

可见光传感器是利用可见光谱段(波长0.4～0.7 μm)，可得到具有高地面分辨率的黑白全色或彩色影像。现在较多可见光传感器已把工作波段外延至近红外区(约0.9 μm)。在成像方式上也从单一的摄影成像发展为包括黑白摄影、红外摄影、彩色摄影、彩色红外摄影及多波段摄影和多波段扫描，其探测能力得到极大提升，是目前应用广泛的传感器之一。可见光传感器特点是获取影像空间分辨率高，有利于获取地表不同地物类型的空间特征。按照拍摄方式的不同，可以分为单镜头和五镜头，通过垂直摄影或倾斜摄影获得高分辨率的RGB影像，借助一些专业软件制作成正射影像图或三维实景模型，广泛应用于国土测绘、城市管理、地灾监测、环境监测、森林和农业病虫害监测以及应急救灾等领域。在选择可见光传感器时，光谱响应/IR抑制、最大勒克斯数、光敏度、集成信号调节功能、功耗以及封装大小和重量等是需要重点关注的技术指标。

多光谱传感器按照分光方式的不同，可以分为单镜头加分光系统型和多镜头分光型，其中多镜头分光型通过在探测器焦面之前设置具有不同光谱透过率的滤光片实现，原理简单，技术方案相对成熟，因而在无人机载多光谱传感器领域广泛使用。就波段而言，通常选择绿、红、红边以及近红外等波段完成对植被、土壤等典型地物的信息获取。在选择多光谱传感器时，波段设置、辐射测量精度、辐射测量分辨率(与探测器量化位数相关)、信噪比等是需要重点关注的技术指标。

1.2.3 卫星遥感技术

卫星遥感技术已广泛应用于森林火灾监测、林业资源调查及评估等方面，但现有的森林防火或林业资源调查等遥感卫星空间分辨率、波段和算法等不能满足松材线虫病灾害遥感监测的需求。如松材线虫病灾害遥感监测与森林防火遥感监测的主要区别在于分析原理和数据源不同，森林防火遥感监测主要利用热红外等波段，松材线虫病灾害遥感监测主要利用可见光和近红外波段。松材线虫病监测与林业资源监测的主要区别在于时空尺度和技术难度等方面。林业资源调查周期长，一般5 a左右1次，无法满足松材线虫病灾害月度监测的需要，且松材线虫病的有效识别时段一般在秋季，而混交林中的落叶植被同样会在秋季出现变色和枯萎，因此卫星影像的拍摄时间应尽量选择在疫木已经出现萎蔫而落叶植被还未开始变色的时间段。虽然松材线虫病灾害遥感监测研究在我国起步较早，但因其受专业性和技术的复杂性、时空尺度的精细性等因素限制，其实质性应用晚于森林资源和防火监测。

卫星遥感的优势在于大范围连续的空间覆盖能力，相比之下其空间粒度相对有限。松材线虫病变色立木的分布通常是离散的，在空间尺度上表现为单株(簇)级别，其所需卫星影像的空间分辨率一般应优于单株冠层直径[24]，通常需要达到米级或亚米级，如国内高分2号、北京2号、北京3号、高景1号，以及国外 IKONOS、QuickBird、WorldView、Planet、Pleiades等卫星影像。国内外学者基于无人机和卫星遥感针对松材线虫病疫情监测开展了大量研究，证明了遥感监测松材线虫病变色立木的光谱响应机理和可行性，为松材线虫病的监测和防控提供了科学依据[25]。国内外典型高分辨率光学卫星传感器通常覆盖可见光——近红外波段，能够捕捉监测区域因松材线虫病引起的光谱敏感波段的变化和图像与纹理特征的变化。

1.3 遥感影像智能识别方法

松材线虫病早期遥感监测主要以目视解译和单景影像人工处理为主，效率相对较低。为提高松材线虫病大面积快速监测、提升监测识别效率，近年来研究重点集中在遥感影像的智能识别上，并逐渐形成了无人机可见光、无人机多光谱和卫星遥感3个智能识别研究分支。

1.3.1 无人机可见光智能识别

无人机可见光遥感可以获得高分辨率(5～10 cm)的松林影像数据，可以直观地获取变色立木的色彩、纹理、形状和位置等特征信息。其识别机理相对明确，可根据经验通过目视判读直接提取疫木信息。但该方法人力需求大、成本高、时效性差、监测盲点多。近年来发展起来的基于人工智能图像识别技术，通过构建大量的变色立木特征样本数据库，借助深度学习算法实现疫木分类识别[20－21]。这一类方法通过大量的样本训练、构建更深的网络以及减少参数数量和计算量，提高识别准确率和计算效率。如Deng等[20]提出了一种采用无人机遥感和人工智能技术的大规模松材线虫病检测与定位方法，通过计算机视觉工具增强了无人机遥感图像，基于RPN(region proposal network)网络和 ResNet残差神经网络的Faster－RCNN(faster region convolutional neural networks)深度学习框架用于训练松树枯病死检测模型；徐信罗等[26]采用Faster R－CNN目标检测算法实现对染病变色松树的自动识别，与传统受害木识别方法不同，该模型考虑了其他枯死树和红色阔叶树对受害木识别的影响。然而，可见光无人机遥感的缺点是光谱波段有限，无法通过光谱分析实现早期监测预警[27]。

1.3.2 无人机多光谱智能识别

无人机多光谱遥感在可见光传感器的基础上增加了近红外、短波红外、红边等多个波段，能够有效探测植被除颜色、形态之外的色素、水分等生理参数，为松材线虫病疫木识别提供更为丰富、有效的感知信息。因此，在基于多光谱影像的智能识别算法中通常会涉及到诸多定量遥感方面的理论与方法，以提取更丰富的光谱指数来描述松材线虫病疫木冠层的变化。在识别模型的构建中，多光谱无人机遥感通常联合运用光谱、纹理、形状等特征，通过使用筛选出的光谱特征波段，区分松材线虫病疫木与大部分其他地物，进而借助于纹理、形状特征，以机器学习、深度学习等算法进一步对疑似目标场景进行精细分类与识别，降低“异物同谱”现象对识别结果的影响，提高识别精度与效率[28]。

1.3.3 卫星遥感智能识别

随着卫星影像空间分辨率和光谱分辨率的提高以及深度学习技术的发展，通过卫星影像进行松材线虫病的识别将成为监测治理松材线虫病的重要手段。卫星遥感智能识别主要在构建变色立木影像特征数据库基础上，通过植被指数计算、纹理和形状指标构建以及多时相分析等方法实现影像光谱、空间和时间特征增强，并基于专家知识和机器学习等方法进行分类，最终实现疫木的提取(表2)[29－33]。Takenaka等[29]利用带有红边波段的 World View－2/3影像计算了18种植被指数，输入到支持向量机分类模型中提取出不同感病程度的疫木，不同时期的总体精度分别达到72%和98%；黄芳芳 等[31]利用原始波段反射率和RVI、NDVI和DVI光谱指数，基于随机森林和决策树算法对湖北省宜昌市松材线虫病发生情况进行监测，结果平均精度在76%以上；马云强[32]利用融合后0.8 m的北京2号卫星影像计算RGI指数，基于面向对象的分类方法提取了马尾松Pinus massoniana林地中的松材线虫病疫木区域，总体精度达到90.65%。在深度学习方法中，Huang等[33]基于增强后的高分影像构建松材线虫病样本数据集，利用深度学习技术进行松材线虫病发病区的识别研究，可实现对松材线虫病感病区域准确的分类识别。在单株疫木识别上，目前已有ResNet残差网络[34]、VGG神经网络[35]等方法应用于卫星遥感中的松材线虫病疫木识别，识别结果的精度可达85%以上，在一定程度上解决了区分易混淆目标的难题。此外，Zhang等[36]利用基于双时相变化检测和空间卷积对影像进行了时空特征增强，排除了区域内变色落叶树的干扰，对比单时相机器学习分类方法显著降低了疫木的错检率。

表2 松材线虫病卫星遥感监测主要研究方法Tab.2 Main research method of satellite remote sensing monitoring of PWD

2 行业应用实践

松材线虫病疫情的快速传播扩散，且发现新的媒介昆虫[37]、感染新的寄主植物[38]，并突破年均温10℃线向辽宁、吉林等中温带和秦岭等高海拔地域扩张[39]，严重威胁着我国6 000万hm2松林生态安全。及时全面监测成为松材线虫病疫情防控迫切而现实的要求，也促进了天空地一体化监测技术的行业应用和发展。

2.1 松材线虫病无人机遥感监测

当前利用无人机遥感监测松材线虫病变色立木在技术上已相对成熟。一些地方通过实施能力提升工程，为基层森防部门购置了一大批无人机设备，加之监测社会化购买服务的推进，极大提升了无人机遥感监测松树变色立木的普及应用。据林草生物灾害监测预警国家创新联盟初步统计，近年来联盟成员单位共提供有60余项松材线虫病监测服务项目，总监测面积达630.07万hm2。其中，新疫情发现、专项普查、质量评估和防效监管、科学研究项目占比分别为15%，64%，14%和7%；监测的纯林区域、混交林区域分别占总监测面积的62%和38%。当前实践中，无人机遥感监测影像的空间分辨可控制在0.1 m，定位误差可以达到0.5 m以内，变色立木识别准确率达到80%以上，能够满足松科植物变色立木监测的要求。

2.2 松材线虫病卫星遥感监测

早在20世纪90年代就有报道利用卫星遥感监测林业有害生物[40]。亚米级卫星遥感影像数据源的丰富，推进了松材线虫病变色立木卫星遥感监测的实际应用。2018年，国家林业和草原局森林和草原病虫害防治总站(现国家林业和草原局生物灾害防控中心)首次利用卫星遥感监测手段，通过目视解译方法发现了浙江省2个县存在异常变色松树，后经实地取样鉴定确认发生松材线虫病疫情，并发文通报。这标志着卫星遥感监测松材线虫病进入行业实质性应用阶段。

2018年以来，卫星遥感监测结果多次为国家林业和草原局组织开展松材线虫病疫情春秋两季除治情况核实核查、蹲点暗访和秋季普查工作提供了支撑服务，并逐步建立了一整套以卫星遥感监测发现异常与地面人工核实、灾情监测服务指导和核查问责相结合的松材线虫病立体监测监管模式。其中:2019年分析处理428景卫星遥感数据，覆盖面积达2 450万hm2，涉及18省(自治区、直辖市)390个县级行政区，发现3处撤销疫区复发、1处新疫区和多地存在大面积松树异常死亡情况；2020年累计处理卫星遥感影像500余景，覆盖国土面积2 760万hm2，涉及12省(自治区、直辖市)39个县(区)，发现3处县级新发疫情；2021年累计筛查高空间分辨率卫星遥感影像1 000多景，覆盖国土面积5 000多万hm2，涉及辽宁、甘肃、吉林、广西、贵州、山西、广东等7省21个县(区)，发现2处县级新发疫情并经地面核实确认。目前，卫星遥感监测已成为松材线虫病新疫情发现、疫情核查、应急监测、防治督导的重要手段之一，正改变着我国林业生物灾害监测长期依靠人工地面调查的传统模式，成为国家层面独立获取疫情信息开展督导监管的重要技术手段。

2.3 松材线虫病疫情监测监管平台及应用系统

为推进松材线虫病疫情监测精细化管理，解决疫情数据监管缺失、数据展示不直观等问题，浙江、江西、重庆、湖南等地积极应用信息化手段研发了监测调查APP和监管平台及应用系统。如浙江省开发了“数字森防”和手机APP场景应用，对疫情普查、疫木除治、疫源管控、抽样检测、打孔注药等进行全链条闭环精细管控。2020—2021年，根据国家林业和草原局生态感知专班总体部署，依托国家林业和草原局松材线虫病防控科技攻关“揭榜挂帅”项目“天空地一体化监测和大数据预报技术”研究成果，基于林草资源一张图，国家林业和草原局生物灾害防控中心组织研发并在行业运行了“松材线虫病疫情防控精细化监管平台”。该平台分为综合展示、疫情监测、工作监管和科普宣传4个模块，集成了地面数据采集、无人机及卫星遥感影像在线智能识别等，构建了天空地立体化监测技术体系和网格化常态化监管体系，初步实现了天空地一体化监测技术的集成和面向社会的云端服务，实现了疫情管理精准到松林小班并落地上图，推进了松材线虫病疫情监测发现、检测鉴定、疫木除治的可视化精细化管理。该平台已在2021年全国松材线虫病秋季普查中广泛应用，并将成为推进全国松材线虫病疫情防控精细化管理的主要抓手，同时也为疫情防控分区分级管理、科学精准施策提供重要技术和数据支持。

3 问题与展望

3.1 坚持预防为主，扎实开展松材线虫病疫情精准监测攻坚行动

国家林业和草原局统计数据表明，在2000—2012年新增的207个松材线虫病新发疫区中，70%以上在发现时发生面积已超过20 hm2，25%以上病死树超过1 000株[41]；2021年新发的24个县级疫区病死树平均为1 216株，发生面积超过20 hm2的占62.5%。松材线虫病疫情监测发现不及时、监测数据失真失实，严重影响我国松材线虫病疫情防控决策，导致疫情加速蔓延。“十四五”期间，我国将实行“分区分级、科学精准”的松材线虫病疫情防控策略，并要求“消除存量、控制增量”，遏制疫情严重发生和扩散蔓延势头。实现上述防控策略和目标，需要精准掌握并科学研判疫情发生动态，需要统筹疫情预防和治理，在做好3%已发生疫情松林救治的同时，更要注重97%健康松林的预防，并实现“早发现、早报告、早除治、早拔除”。因此，做好松材线虫病疫情精准监测尤为重要。应统筹护林员、村级森防员、资源监测队伍以及行业内外力量，组织开展疫情精准监测攻坚行动，推行网格化精细化常态化疫情监测管理，实现疫情在空间维度上精准到松林小班、在时间尺度上控制在两个月以内发现。同时，积极借助天空地一体化监测技术体系，充分发挥各自优势区分不同场景，加速无人机遥感、卫星遥感和地面物联网监测技术的融合和普及应用，丰富疫情监测调查和数据核实核查手段，提升监测发现和监管能力。

3.2 以人工智能为方向，提升松材线虫病疫情监测末端感知能力

我国林业有害生物防治基层组织队伍存在“线断、网破、人散”风险，传统劳动密集型基层监测组织模式难以为继。人力短缺是推进松材线虫病精准监测面临的重大问题。现阶段，商业化的松材线虫病变色立木无人机监测单次费用大约18～120元/hm2，成本过高导致行业无力承担其大面积商业化监测；卫星遥感有效影像数据仍然有限，且多依赖目视解译，工作量庞大，也限制了其应用。近年来，以5G、云计算、大数据、物联网等为代表的新技术快速发展，人工智能技术也因深层网络神经的成功而获得了巨大进步。信息化的发展遵循从数字化到网络化再到智能化。人工智能是破解基层监测人员短缺，推进天空地一体化监测融合发展，实现松材线虫病精准监测转型升级的核心驱动力。当前，松材线虫病变色立木无人机遥感监测智能识别技术已基本成熟，卫星遥感智能识别也可在人机交互下开展行业应用。制订变色立木遥感监测数据采集和处理技术规范，融合天空地一体化监测技术搭建智能解译平台，面向社会提供云端在线智能解译服务，是降低无人机遥感监测成本、推动航空航天遥感监测普及、提升基层末端发现能力的“互联网＋”解决方案。可喜的是，“松材线虫病疫情防控精细化监管平台”已初步搭建了智能在线解译的应用场景。随着平台的应用和数据积累，其智能识别算法将不断更新优化，将极大提升我国松材线虫病末端感知能力的数字化、网络化和智能化水平。

3.3 整合资源，推进精准监测技术和产品协同创新

40年来，我国围绕松材线虫病监测防控及相关技术产品研发，投入了大量资金和人力。仅2021年我国松材线虫病防控资金中央预算内投入达到20多亿元，全国累计高达100亿元。巨大的行业需求，进一步推进了松材线虫病监测防控相关技术及防控产品的研发。但总体而言，我国松材线虫病疫情监测技术研发创新能力不足，高效简便经济的监测技术和产品相对短缺。同时，低水平重复建设、信息孤岛现象较为普遍，信息数据资源共享机制尚未建立，行业数据难以有效汇聚融合和合理利用，造成了科研资源的极大浪费。如在变色立木智能识别和末端感知技术产品研发方面，仅林草有害生物监测预警国家创新联盟内部就有30多家科研院所和中小企业一哄而上平行开展变色立木遥感影像样本数据库构建等相关研发工作。要高度警惕低水平重复建设和由此带来的恶性竞争。松材线虫病变色立木遥感智能监测技术研发涉及多学科跨界融合，更需要产学研深度合作。有关行业管理部门应加速优化产业链创新平台一体化布局，进一步强化战略导向和目标引导，整合有效资源开展协同攻关，建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，形成“行业指引、资源集聚，协同创新、优势突出，开放共享、产业孵化”的新型科技创新创业模式，全面推进松材线虫病精准监测技术和产品高质量发展。