中图分类号：S763.18 文献标志码：A 文章编号：2096-9902（2025）12-0006-05

Abstract：Pinewiltdisease，causedbypinewoodnematode（Bursaphelenchusxylophilus），isadevastating forestdiseasethat posesseverethreatstoforestecosystemsThisstudyaimstoapplyGF-2sateliteimageryformonitoringdiscoloredpinetrees andevaluateitsefectivenessbyestablishingadeplearning-basedmonitoringsystemtoenhancetimelinessandacuracy. IntegratingGF-2sateliteremotesensingdatawithUAVaerialimagery，monitoringexperimentswereconductedinGuangning County，Guangdong Province.Imageprocessngtechniques，including Gram-Schmidt（GS）fusionandthe GreenNormalized DiferenceVegetation Index（GNDVI），significantlyimprovedthecontrastbetweendiscoloredpinetreesandtheirbackground. Using adeep learning algorithm for discolored pine tree extraction，the method achieved a precision of 94.65% ，recall of 83.30% andF1-score of 88.61% .The results demonstrate that the GF-2-based identification method ofers high accuracy and can provide reliable data support for precise monitoring of pine wilt disease.

Keywords：pine wilt disease;remote sensing;GF-2;image fusion;evaluation

松材线虫病是我国森林生态系统面临的重大生物威胁之一，对森林资源造成了严重损害。该病害由松材线虫引发，传播迅速、致死率高，感染树木从发病到枯死最快仅需40d，属于重点检疫对象，是森林生态系统中最具威胁性的病害之一↓。在国内已导致数亿株松树死亡，造成的直接经济损失及生态服务价值损失累计数千亿元，防控形势愈加严峻，其识别与精准定位，已成为防治该病的重要课题。感染松材线虫病后，松树症状明显，针叶呈红黄或红褐色（简称“变色松树”），反射率和光谱特性发生显著变化，这为变色松树的高精度监测创造了条件。

目前，松材线虫病疫木的检测主要依赖人工巡查、卫星遥感和无人机遥感相结合的天地一体化监测体系。人工巡查效率低且主观性强，卫星遥感虽然覆盖范围广，但难以精确定位单株疫木；无人机技术能够实现单株定位，但受限于航拍范围，难以实现大范围的监测。因此，融合多源数据的协同监测模式已成为主流[6-8]，通过卫星遥感筛选疑似区域，再利用无人机针对性地采集影像，结合深度学习算法进行疫木识别与定位，最终指导地面精准治理。

近年来，光学遥感卫星的分辨率已达亚米级，高分辨率卫星影像为单株变色松树监测提供了可靠的数据支持。本研究使用的国产高分二号卫星（GF-2）是中国高分辨率对地观测系统的重要组成部分，于2014年8月发射，是中国首颗空间分辨率优于 1m 的民用光学遥感卫星。……