張紅梅 陸亞剛

?

無(wú)人機(jī)遙感技術(shù)國(guó)內(nèi)松材線蟲(chóng)病監(jiān)測(cè)研究綜述

張紅梅1陸亞剛2*

（1浙江省杭州市園林文物局錢江管理處 310008；2 國(guó)家林業(yè)局華東林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院 浙江杭州 310019）

針對(duì)國(guó)內(nèi)松材線蟲(chóng)病發(fā)生及監(jiān)測(cè)狀況，闡述了無(wú)人機(jī)遙感技術(shù)和松材線蟲(chóng)病遙感監(jiān)測(cè)研究概況，并對(duì)無(wú)人機(jī)遙感技術(shù)在松材線蟲(chóng)病監(jiān)測(cè)應(yīng)用前景做出了展望。

無(wú)人機(jī)；遙感；松材線蟲(chóng)

松材線蟲(chóng)病，亦稱松樹(shù)萎蔫病，是世界性害蟲(chóng)，能導(dǎo)致松樹(shù)在感染后60-90天內(nèi)枯死，傳播蔓延迅速，3-5年就造成大面積毀林的惡性災(zāi)害，而且防治難度極大，在中日韓三個(gè)國(guó)家造成大量松樹(shù)死亡，所以又被稱為松樹(shù)癌癥、無(wú)煙的森林火災(zāi)[1]。根據(jù)國(guó)家林業(yè)局2016年第6號(hào)松材線蟲(chóng)病疫區(qū)公告，截止至2016年4月，我國(guó)仍有15個(gè)?。ㄊ校└腥舅刹木€蟲(chóng)病，其中有28個(gè)縣(區(qū))為新感染疫區(qū)。松材線蟲(chóng)在我國(guó)的危害現(xiàn)狀使得松材線蟲(chóng)病監(jiān)測(cè)不容疏忽，馮益明等根據(jù)松材線蟲(chóng)病發(fā)生原因，應(yīng)用模糊綜合評(píng)判、地理信息系統(tǒng)、地統(tǒng)計(jì)學(xué)等理論與方法，認(rèn)為我國(guó)有22個(gè)省（或直轄市）為潛在適生分布范圍[2]。松材線蟲(chóng)病監(jiān)測(cè)是松材線蟲(chóng)防控的關(guān)鍵手段，傳統(tǒng)的松材線蟲(chóng)病監(jiān)測(cè)主要采用人工現(xiàn)地調(diào)查的方法。由于我國(guó)松林面積大，且大部分松林分布于坡陡林密的山區(qū)，人工監(jiān)測(cè)耗時(shí)耗力。隨著遙感技術(shù)和地理信息系統(tǒng)的快速發(fā)展，利用各種航空航天遙感圖像進(jìn)行病蟲(chóng)害監(jiān)測(cè)已成為趨勢(shì)[3]，但由于航天航空遙感圖像受分辨率、衛(wèi)星運(yùn)行周期、天氣狀況、經(jīng)費(fèi)等因素的影響，難以按時(shí)準(zhǔn)確地發(fā)現(xiàn)單株染病松樹(shù)。隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展，無(wú)人機(jī)遙感監(jiān)測(cè)逐漸成為一種既經(jīng)濟(jì)又有效的病蟲(chóng)害監(jiān)測(cè)方式。

1 無(wú)人機(jī)遙感技術(shù)研究進(jìn)展

1.1無(wú)人機(jī)遙感技術(shù)

無(wú)人機(jī)全稱無(wú)人駕駛飛機(jī)（Unmanned Aerial Vehicle，縮寫(xiě)UAV)，是一種有動(dòng)力、可控制、能攜帶多種任務(wù)設(shè)備、執(zhí)行多種任務(wù)，并能重復(fù)使用的無(wú)人駕駛航空器[4]。世界上第一架無(wú)人機(jī)于1917年誕生于英國(guó)，隨后主要應(yīng)用于軍事偵察任務(wù)[5]，具有體積小、重量輕、起降方便、操作靈活、可低空飛行、探測(cè)精度高、造價(jià)低、可執(zhí)行多項(xiàng)任務(wù)、作業(yè)周期短、安全性高等優(yōu)點(diǎn)。隨著無(wú)人機(jī)技術(shù)不斷得到研究和應(yīng)用，在國(guó)土、災(zāi)害監(jiān)測(cè)、環(huán)境、資源、農(nóng)業(yè)、林業(yè)、研究等領(lǐng)域得到廣泛應(yīng)用。無(wú)人機(jī)遙感，即無(wú)人駕駛飛行器和遙感技術(shù)的結(jié)合，它由機(jī)體、機(jī)上載荷和地面設(shè)備等組成，涉及自動(dòng)化控制、微電子、導(dǎo)航定位、遙感傳感器系統(tǒng)、通訊技術(shù)等多項(xiàng)技術(shù)，實(shí)現(xiàn)飛行、操控、數(shù)據(jù)收集處理和信息傳導(dǎo)等功能，具有自動(dòng)化、智能化、專題化快速獲取空間遙感信息，并完成遙感數(shù)據(jù)處理、建模和應(yīng)用分析能力的應(yīng)用技術(shù)[4,6-7]。

1.2無(wú)人機(jī)遙感主要技術(shù)

隨著無(wú)人機(jī)技術(shù)的不斷研究開(kāi)發(fā)，無(wú)人機(jī)類型越來(lái)越豐富，按重量有微型、小型、中型和大型之分，按動(dòng)力有燃油、太陽(yáng)能、燃料電池和混合動(dòng)力等，按結(jié)構(gòu)有固定翼、旋翼、無(wú)人直升機(jī)和垂直起降，按控制方式有無(wú)線電遙控、預(yù)編程自主控制、程控與遙控復(fù)合控制等，按用途有軍用、民用和多用途。目前無(wú)人機(jī)在材料上廣泛應(yīng)用輕新材料如玻璃纖維、碳纖維等，并不斷開(kāi)發(fā)噪音低、體積小、抗震性強(qiáng)、蓄能高的新能源推進(jìn)系統(tǒng)，使無(wú)人機(jī)在穩(wěn)定性、效載量和續(xù)航能力得到極大增強(qiáng)。美國(guó)海軍無(wú)人偵察機(jī)“MQ-4C”，可在18km高空持續(xù)飛行24小時(shí)，進(jìn)行360°監(jiān)控，一次偵察近700萬(wàn)km2海域，清晰識(shí)別出0.1m以下目標(biāo)，并能實(shí)時(shí)進(jìn)行數(shù)據(jù)收集和分發(fā)[7]。國(guó)內(nèi)微小型無(wú)人機(jī)能達(dá)到80kg，續(xù)航能力能達(dá)到8小時(shí)[8]。

同時(shí)各國(guó)家、公司、科研單位在無(wú)人機(jī)遙感傳感器、遙感飛行姿態(tài)、遙感信息準(zhǔn)確獲取和傳輸技術(shù)及遙感圖像處理和解析等方面均進(jìn)行了大量的研究和實(shí)驗(yàn)，技術(shù)越來(lái)越成熟。無(wú)人機(jī)搭載的傳感器有數(shù)碼相機(jī)、多光譜和高光譜相機(jī)、多光譜掃描儀、紅外掃描儀、側(cè)視雷達(dá)等，并不斷向各種數(shù)字化、重量輕、體積小、探測(cè)精度高的方向研制，適應(yīng)了不同監(jiān)測(cè)目的的需求。美國(guó)已研制出重量?jī)H有4.5kg的前視紅外儀，遠(yuǎn)低于市場(chǎng)上均重20kg的水平。而德國(guó)的2200萬(wàn)像素專業(yè)航空相機(jī)，配備了自動(dòng)保持水平和改正旋偏的相機(jī)云臺(tái)，并開(kāi)發(fā)了相應(yīng)的成圖軟件[7]。我國(guó)目前數(shù)字航空測(cè)量相機(jī)達(dá)到8000多萬(wàn)像素，能獲取彩色、紅外、全色的高精度航片。在遙感數(shù)據(jù)傳輸技術(shù)上，目前多采用高壓縮比的有損圖像壓縮技術(shù)，對(duì)無(wú)人機(jī)獲取的圖像進(jìn)行了多種方法數(shù)據(jù)壓縮方法研究，獲得精度較高的圖像數(shù)據(jù)[4]。在遙感數(shù)據(jù)處理上有地面處理和機(jī)上實(shí)時(shí)處理兩種，地面處理通過(guò)固定或移動(dòng)地面數(shù)據(jù)接收站，建立具有海量數(shù)據(jù)存儲(chǔ)、管理和分發(fā)能力的數(shù)據(jù)中心，可對(duì)獲取的遙感影像數(shù)據(jù)輻射糾正、幾何糾正等，進(jìn)而獲得地面信息[6]。機(jī)上實(shí)時(shí)處理通過(guò)遙感圖像處理集成系統(tǒng)對(duì)遙感圖像進(jìn)行定位及處理，極大提高了遙感作業(yè)效率[7]。

2 松材線蟲(chóng)遙感技術(shù)應(yīng)用研究

2.1不同感病期松樹(shù)光譜分析

利用多光譜儀獲取高光譜數(shù)據(jù)，分析不同感病時(shí)期光譜特征，以此判別松樹(shù)感病情況。王震等利用波段值為350～1 050 nm的美國(guó)ASD FieldSpec HH便攜式光譜輻射計(jì)研究馬尾松不同感病時(shí)期的光譜特征，發(fā)現(xiàn)不同感病期馬尾松在綠光區(qū)、紅光區(qū)和近紅外區(qū)的光譜特征變化明顯并呈現(xiàn)出較好的光譜變化規(guī)律，尤其是近紅外區(qū)域大部分受害類型的光譜反射率存在極顯著差異，可用于馬尾松松材線蟲(chóng)病動(dòng)態(tài)監(jiān)測(cè)[9]。徐華潮等采用ASD野外光譜儀測(cè)量了黑松和馬尾松在松材線蟲(chóng)自然侵染后不同感病階段的反射光譜，在波長(zhǎng)大于800 nm的近紅外和中紅外波段能預(yù)測(cè)兩種松樹(shù)的感病狀態(tài)，且隨著病害程度不斷變化，光譜特征參數(shù)如紅邊位置、綠峰反射高度、水分脅迫波段反射率、紅邊斜率也呈現(xiàn)一定的變化趨勢(shì)[10]。張衡等對(duì)不同感病時(shí)期的馬尾松和健康松樹(shù)的光譜特征分析，認(rèn)為波長(zhǎng)593 nm的一階導(dǎo)數(shù)光譜可進(jìn)行馬尾松感染松材線蟲(chóng)病的早期判定[11]；杜華強(qiáng)等對(duì)未知病害的馬尾松進(jìn)行光譜指數(shù)研究，發(fā)現(xiàn)分形維數(shù)與綠峰反射高度和紅谷吸收深度存在正相關(guān)關(guān)系，且較綠峰反射高度、紅谷吸收深度和紅邊位置變化趨勢(shì)較穩(wěn)定，其中450～780 nm波長(zhǎng)范圍內(nèi)反射光譜的分形維數(shù)變化對(duì)馬尾松松材線蟲(chóng)病害的發(fā)生具有一定的指示作用[12]。黃明祥等連續(xù)觀測(cè)了不同病害階段馬尾松的高光譜特征，與健康松樹(shù)相比病害馬尾松時(shí)序光譜差異較大，病害松樹(shù)首先在紅邊區(qū)域內(nèi)光譜反射率減低，然后出現(xiàn)紅邊藍(lán)移變化規(guī)律，并認(rèn)為病害監(jiān)測(cè)的最佳指示指標(biāo)是近紅外平臺(tái)內(nèi)最大的一階微分，而每年8月下旬至9月上旬是松材線蟲(chóng)病害遙感監(jiān)測(cè)的最佳時(shí)間[13]。

2.2松材線蟲(chóng)遙感技術(shù)應(yīng)用研究

國(guó)外較早在上世紀(jì)70、80年代利用TM影像分析針葉樹(shù)病蟲(chóng)害發(fā)生情況[14]。在我國(guó)，航空遙感監(jiān)測(cè)松材線蟲(chóng)病在安徽省已取得良好效果，1994年安徽省森防總站引進(jìn)美國(guó)航空攝像系統(tǒng)對(duì)該省主要松材線蟲(chóng)病疫區(qū)進(jìn)行監(jiān)測(cè)，通過(guò)設(shè)定航線并利用GPS導(dǎo)航技術(shù)對(duì)疫區(qū)進(jìn)行錄像，兩年間共監(jiān)測(cè)發(fā)生松材線蟲(chóng)病的松林約1.33萬(wàn)hm2，為防控松材線蟲(chóng)決策起到了重要作用。2000年，中國(guó)林科院和安徽森防站聯(lián)合進(jìn)行了松材線蟲(chóng)災(zāi)害的航空錄像監(jiān)測(cè)試驗(yàn)，可以非常清晰地分辨出地面上的單株病死樹(shù)，實(shí)時(shí)得到監(jiān)測(cè)區(qū)枯死立木分布圖，很快地在林間找到病死樹(shù)[15-17]。2006年石進(jìn)等利用航空攝像系統(tǒng)對(duì)病害松樹(shù)進(jìn)行監(jiān)測(cè)研究，發(fā)現(xiàn)為避免變色闊葉樹(shù)影響，獲取最佳的單株病害木航空遙感圖像方式為飛行高度400 m、焦距35mm，時(shí)間為9月中旬[18]。金偉利用12景TM遙感影像結(jié)合地面森林資源調(diào)查數(shù)據(jù)分析浙江省4個(gè)不同時(shí)期松材線蟲(chóng)病害面積變化，結(jié)果發(fā)現(xiàn)13 年間松林面積下降了26.1%[19]。張?zhí)锢肁LOS數(shù)據(jù)結(jié)合二類小班數(shù)據(jù)和地面光譜信息對(duì)福建省三明市馬尾松林松材線蟲(chóng)疫區(qū)進(jìn)行了分析，認(rèn)為馬尾松感病前后蒸騰數(shù)率降低有相關(guān)性，可用于早期預(yù)測(cè)松材線蟲(chóng)?。涣硗?，馬尾松受害程度與平均胸徑、林內(nèi)坡度、土壤立地條件相關(guān)性較大，胸徑越小、坡度越大、土壤厚度越薄，受害程度越重[20]。

2.3無(wú)人機(jī)遙感技術(shù)在松材線蟲(chóng)病監(jiān)測(cè)中應(yīng)用

李衛(wèi)正等利用低成本小型無(wú)人機(jī)搭載單反數(shù)碼相機(jī)獲取南京某疫情地區(qū)的高空間分辨率影像，通過(guò)分析獲得單株疑似病死木位置，經(jīng)實(shí)地檢驗(yàn)，正確率達(dá)到83.3%[21]。黃俊對(duì)無(wú)人機(jī)獲取的松林松材線蟲(chóng)疫區(qū)遙感影像融合拼接技術(shù)進(jìn)行了研究，通過(guò)無(wú)人機(jī)搭載可見(jiàn)光和近紅外兩套數(shù)碼相機(jī)傳感器設(shè)備，采用航點(diǎn)高度400m，轉(zhuǎn)彎半徑150m，巡航速度120km/h，航線間距300m的飛行方式在獲取雙光譜圖像及GPS信息等，之后對(duì)獲取的可見(jiàn)光圖像采用基于CS-LBP的SVD圖像匹配算法進(jìn)行圖像匹配，再結(jié)合紅外圖像消除誤匹配合，利用RANSAC估算圖像之間的變換矩陣，最后通過(guò)圖像融合技術(shù)得到林區(qū)的全景圖，該方法可較快、大批量處理遙感圖像，獲得林區(qū)全景圖，為松材線蟲(chóng)病監(jiān)測(cè)提供基礎(chǔ)[22]。吳瓊利用基于深度神經(jīng)網(wǎng)絡(luò)分類和給予感興趣區(qū)域檢測(cè)與紋理特征相結(jié)合兩種算法對(duì)無(wú)人機(jī)采集的可見(jiàn)光圖像及紅外圖像進(jìn)行分類分析，均能夠較好地實(shí)現(xiàn)對(duì)松材線蟲(chóng)病害區(qū)域的檢測(cè)[23]。胡根生等對(duì)無(wú)人機(jī)搭載雙光譜相機(jī)獲取的遙感圖像采用顏色特征和紋理特征作為特征輸入向量，分別采用最小相對(duì)距離法和隸屬度函數(shù)法進(jìn)行決策分類對(duì)病害松樹(shù)進(jìn)行識(shí)別，對(duì)輕、中、重度染病松樹(shù)和病死松樹(shù)等不同健康狀態(tài)的松樹(shù)以及其他地物進(jìn)行準(zhǔn)確分類[24]。張學(xué)敏利用基于加權(quán)支持向量數(shù)據(jù)描述、多特征和改進(jìn)的加權(quán)支持向量數(shù)據(jù)描述、特征稀疏表示和加權(quán)小波支持向量數(shù)據(jù)描述等三種支持向量數(shù)據(jù)描述的遙感圖像病害松樹(shù)識(shí)別方法，對(duì)無(wú)人機(jī)采集的圖像及紅外圖像進(jìn)行病害松樹(shù)分類識(shí)別，具有一定的可行性和有效性[25]。

3 無(wú)人機(jī)遙感技術(shù)監(jiān)測(cè)松材線蟲(chóng)病前景

松材線蟲(chóng)病擴(kuò)散傳播速度快、途徑多，發(fā)病期短，且在我國(guó)適生范圍廣，目前已造成國(guó)內(nèi)松林面積大量減少。韓陽(yáng)陽(yáng)等基于Maxent生態(tài)位模型，結(jié)合ArcGis地理信息系統(tǒng)預(yù)測(cè)了松材線蟲(chóng)在中國(guó)的適生性分布區(qū)，我國(guó)華東和華南地區(qū)、華北地區(qū)南部、東北地區(qū)南部和西南地區(qū)南部等，都在適生區(qū)范圍內(nèi)，只要可感染的寄主松樹(shù)存在，其他氣候因子是可能滿足松材線蟲(chóng)的侵染和致病的[26]，因而對(duì)松材線蟲(chóng)病監(jiān)控刻不容緩。自1982年在我國(guó)發(fā)現(xiàn)松材線蟲(chóng)病感染后，隨著松材線蟲(chóng)病防控的不斷深入，松材線蟲(chóng)病趨向于點(diǎn)狀分布。然而，國(guó)內(nèi)大多數(shù)地方均以人工監(jiān)測(cè)為主，易受地形影響，費(fèi)時(shí)費(fèi)力，而傳統(tǒng)衛(wèi)星和有人航空遙感監(jiān)測(cè)則由于天氣、時(shí)間、安全、分辨率、經(jīng)費(fèi)等因素難于及時(shí)獲取感興趣區(qū)域影像。隨著無(wú)人機(jī)遙感技術(shù)的不斷發(fā)展和松材線蟲(chóng)病遙感監(jiān)測(cè)的不斷研究，無(wú)人機(jī)遙感可及時(shí)獲取多時(shí)態(tài)、多角度、多光譜、高精度的遙感影像，及時(shí)為決策者提供松材線蟲(chóng)病早期監(jiān)測(cè)和防控依據(jù)，在松材線蟲(chóng)病防控上有巨大的利用空間。然而，無(wú)人機(jī)在平衡性、續(xù)航時(shí)間、操縱及遙感圖像獲取和處理等方面還存在一定的局限性，限制了無(wú)人機(jī)遙感技術(shù)在基層線蟲(chóng)病監(jiān)測(cè)的實(shí)際應(yīng)用，今后，無(wú)人機(jī)遙感在松材線蟲(chóng)病檢測(cè)上，應(yīng)（1）結(jié)合科研項(xiàng)目，不斷完善無(wú)人機(jī)遙感在松材線蟲(chóng)病監(jiān)測(cè)的應(yīng)用技術(shù)研究，開(kāi)發(fā)無(wú)人機(jī)遙感數(shù)據(jù)獲取和處理系統(tǒng)軟件工具，完善松材線蟲(chóng)病監(jiān)測(cè)系統(tǒng)，提高無(wú)人機(jī)遙感數(shù)據(jù)的精確度、利用率和工作效率；（2）培養(yǎng)成熟的無(wú)人機(jī)操縱、數(shù)據(jù)獲取和處理等方面技術(shù)人員力量；（3）將無(wú)人機(jī)遙感技術(shù)研究成果，推廣到松材線蟲(chóng)病早期監(jiān)測(cè)實(shí)際應(yīng)用中，指導(dǎo)松材線蟲(chóng)病防控決策。

[1] 潘滄桑.松材線蟲(chóng)病研究進(jìn)展[J]. 廈門大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，50(2)：476-483.

[2] 馮益明，張海軍，呂全，等.松材線蟲(chóng)病在我國(guó)適生性分布的定量估計(jì)[J].林業(yè)科學(xué),2009,45(2)：65-71.

[3] 胡根生，張學(xué)敏，梁棟，等.基于加權(quán)支持向量數(shù)據(jù)描述的遙感圖像病害松樹(shù)識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(5)：258-263.

[4] 金偉，葛宏立，杜華強(qiáng)，等. 無(wú)人機(jī)遙感發(fā)展與應(yīng)用概況[J].遙感信息，2009，(1)：88-92.

[5] 秦博，王蕾.無(wú)人機(jī)發(fā)展綜述[J].飛航導(dǎo)彈，2002，(8)：4-10.

[6] 范承嘯，韓俊，熊志軍，等.無(wú)人機(jī)遙感技術(shù)現(xiàn)狀與應(yīng)用[J].測(cè)繪科學(xué)，2009，34(5)：214-215.

[7] 李德仁，李明.無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J]. 武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2014，39(5)：505-513.

[8] 汪沛，羅錫文，周志艷，等. 基于微小型無(wú)人機(jī)的遙感信息獲取關(guān)鍵技術(shù)綜述[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30(18)：1-12.

[9] 王震，張曉麗，安樹(shù)杰. 松材線蟲(chóng)病危害的馬尾松林木光譜特征分析[J]. 遙感技術(shù)與應(yīng)用，2007，22(3)：367-370.

[10]徐華潮，駱有慶，張廷廷，等.松材線蟲(chóng)自然侵染后松樹(shù)不同感病階段針葉光譜特征變化[J]. 光譜學(xué)與光譜分析，2011，31(5):1352-1356.

[11]張衡，潘潔，巨云為，等.基于高光譜數(shù)據(jù)的馬尾松松萎蔫病早期監(jiān)測(cè)[J].東北林業(yè)大學(xué)學(xué)報(bào)，2014，42(11)：115-119.

[12]杜華強(qiáng)，葛宏立，范文義，等. 分形理論在馬尾松松材線蟲(chóng)病發(fā)病早期高光譜探測(cè)中的應(yīng)用[J]. 林業(yè)科學(xué)，2009，45(6)：68-76.

[13]黃明祥，龔建華，李順，等. 松材線蟲(chóng)病害高光譜時(shí)序與敏感特征研究[J]. 遙感技術(shù)與應(yīng)用，2012，27(6)：954-960.

[14]馬菁，劉維，張曉麗.遙感在松材線蟲(chóng)病早期監(jiān)測(cè)預(yù)測(cè)上的研究進(jìn)展[J].林業(yè)調(diào)查規(guī)劃，2011，36(5)：75-80.

[15]葉勤文，周衛(wèi)，高景斌，等.航空攝像技術(shù)在松材線蟲(chóng)病監(jiān)測(cè)上的應(yīng)用[J].森林病蟲(chóng)通訊，1997，(3)：45-47.

[16]武紅敢，石進(jìn)，蔣麗稚，等.3S技術(shù)在安徽省森林病蟲(chóng)害監(jiān)測(cè)與管理中的應(yīng)用[A]//昆蟲(chóng)與環(huán)境——中國(guó)昆蟲(chóng)學(xué)會(huì)2001年學(xué)術(shù)年會(huì)論文集[C]：286-292.

[17]蔣麗雅，石進(jìn)，湯堅(jiān).安徽省松材線蟲(chóng)病治理策略與技術(shù)[A]//昆蟲(chóng)與環(huán)境—中國(guó)昆蟲(chóng)學(xué)會(huì)2001年學(xué)術(shù)年會(huì)論文集[C]：259-263.

[18]石進(jìn)，馬盛安，蔣麗雅，等.航空遙感技術(shù)監(jiān)測(cè)松材線蟲(chóng)病的應(yīng)用[J].中國(guó)森林病蟲(chóng)，2006，25(1)：18-20.

[19]金偉. 浙江省松材線蟲(chóng)病危害區(qū)域松林面積變化過(guò)程遙感監(jiān)測(cè)[D].浙江林學(xué)院，2009.

[20]張?zhí)?福建省三明市松材線蟲(chóng)病遙感監(jiān)測(cè)預(yù)測(cè)研究[D].北京林業(yè)大學(xué)，2010.

[21]李衛(wèi)正，申世廣，何鵬，等.低成本小型無(wú)人機(jī)遙感定位病死木方法[J].林業(yè)技術(shù)開(kāi)發(fā)，2014，28（6）：102-106.

[22]黃俊.基于無(wú)人機(jī)平臺(tái)的可見(jiàn)光和紅外圖像拼接算法研究[D].安徽大學(xué)，2013.

[23]吳瓊.基于遙感圖像的松材線蟲(chóng)病區(qū)域檢測(cè)算法研究[D].安徽大學(xué)，2013.

[24]胡根生，張學(xué)敏，梁棟. 基于 WWSVDD 多分類的遙感圖像病害松樹(shù)識(shí)別[J]. 北京郵電大學(xué)學(xué)報(bào)，2014，37(2)：23-27.

[25]張學(xué)敏.基于支持向量數(shù)據(jù)描述的遙感圖像病害松樹(shù)識(shí)別研究[D].安徽大學(xué)，2014.

[26]韓陽(yáng)陽(yáng)，王焱，項(xiàng)楊，等.基于Maxent生態(tài)位模型的松材線蟲(chóng)在中國(guó)的適生區(qū)預(yù)測(cè)分析[J]．南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，39(1)：6-10.

2017-06-27

張紅梅（1984~），女，工程師，主要從事病蟲(chóng)害防治與古樹(shù)名木保護(hù)工作。

S763.305

B

1004-7743（2017）03-0029-04