近期，北京林业大学林学院张晓丽教授团队在松材线虫病监测领域发表3篇学术论文，取得系列新进展。松材线虫病因其迅速传播和高破坏性，被称为松林的“癌症”。该病已对东亚（包括中国、日本和韩国）及欧洲（如葡萄牙和西班牙）的森林资源造成严重威胁。为实现松材线虫病的高效治理，研究团队揭示了早期感病阶段的关键光谱特征，并提出了一种融合高光谱与激光雷达数据的深度学习自动检测方法。此外，研究团队还在未来气候背景下预测了全球范围内松材线虫病的潜在高风险区，为松材线虫病智能监测和预测以及森林可持续管理提供了重要的技术支持。
针对高光谱信息冗余、松材线虫病早期感染阶段敏感特征提取难的问题，研究团队基于无人机高光谱数据，采用机器学习方法系统评估了单波段、植被指数及一阶导数反射率对早期阶段的分离度，并提出了三种植被指数，证明了红边波段对早期感病阶段识别的有效性（图1），为松材线虫病早期识别提供数据和技术支撑。相关成果以“Using only the red-edge bands is sufficient to detect tree stress: A case study on the early detection of PWD using hyperspectral drone images”为题发表在农林科学大类1区Top期刊《Computers and Electronics in Agriculture》（IF=7.7）。
图1 健康树木和树木在感染早期、中期和晚期的一阶导数曲线
林学院博士生李霓雯为第一作者，张晓丽教授为通讯作者。
该研究得到了国家自然科学基金“气候变化背景下的多尺度松材线虫病害监测与预测”（31870534）、欧洲航天局（ESA）和中欧科技合作“龙计划”五期（59257）、瑞典农业科学大学（SLU）森林损害中心（sfak 2022-51-44）和瑞典创新署 Vinnova（2022-01218）的资助。
针对松材线虫病早期感病单木自动识别难的问题，研究团队开发了一种基于PointNet++网络架构的新型实例分割算法。该方法结合不同感病阶段松树和阔叶树的光学与三维特征，优化了编码器结构，以同步处理点云数据和光谱信息，实现了高郁闭度森林环境下的单木分割和不同感病阶段松树分类（图2），为松材线虫病精准监测和林业病虫害智慧化治理提供技术支持。相关成果以“A novel BH3DNet method for identifying pine wilt disease in Masson pine fusing UAS hyperspectral imagery and LiDAR data”为题发表在地球科学1区Top期刊《International Journal of Applied Earth Observation and Geoinformation》（IF=7.6）。
图2 Mask R-CNN 和 BH3DNet 的分类结果
林学院博士生王耿和硕士生努尔买买提江·艾尔肯为共同第一作者，张晓丽教授为通讯作者。
该研究得到了国家重点研发计划国际合作项目“中欧对地观测合作森林监测技术与示范应用”（2021YFE0117700-3）、国家自然科学基金“气候变化背景下的多尺度松材线虫病害监测与预测”（31870534）和“近地-地基主被动多模态遥感联合的单木参数高效提取研究”（32171779）的资助。
团队结合气候、地形和土壤等变量，构建了全球松材线虫病风险评估模型，系统评估了当前气候条件和未来不同排放情景下全球潜在的松材线虫病分布风险（图3）。相关成果以“Assessing global pine wilt disease risk based on ensemble species distribution models”为题发表于环境科学与生态学大类2区Top期刊《Ecological Indicators》（IF=7.0）。
图3 当前气候条件下的全球松材线虫病风险区
林学院硕士生努尔买买提江·艾尔肯为第一作者，张晓丽教授为通讯作者。博士生王耿参与了相关工作。
该研究得到了国家重点研发计划国际合作项目“中欧对地观测合作森林监测技术与示范应用”（2021YFE0117700-3）、国家自然科学基金“气候变化背景下的多尺度松材线虫病害监测与预测”（31870534）、中欧科技合作“龙计划”五期（59257）的资助。
