摘要: 松墨天牛Monochamus alternatus是次期性蛀干害虫,也是松材线虫病的主要传播媒介,廓清该害虫在秦巴林区不同寄主上的危害程度和发生规律,对于控制松材线虫病的扩散蔓延具有重要意义。本研究对秦巴林区遭受松材线虫病严重危害的3种主要松树(油松Pinus tabuliformis、华山松P.armandii和马尾松P.massoniana)进行了冬季疫木野外解析,并在统计不同胸径、不同高度疫木树干上松墨天牛侵入孔和幼虫数量的基础上,采用聚集度指标分析方法,对该害虫在不同寄主上的危害差异进行了比较研究。结果表明,松墨天牛在3种寄主上的危害程度具有显著差异,以华山松受害最重,其次分别为马尾松和油松;越冬幼虫在油松上主要危害皮下1～2 cm的边材;在华山松和马尾松上危害比较多样,以髓心部位受害最重,其后依次为心材、边材和树皮;在油松和华山松上,松墨天牛主要在树干7 m以下部分危害,而在马尾松上主要危害树干7 m以上部分,且虫口数量均与寄主胸径呈显著正相关。松墨天牛侵入孔和越冬幼虫在不同寄主树干上均呈聚集性分布。本研究揭示了松墨天牛在秦巴林区3种主要寄主上的危害规律,对于进一步开展大尺度地理范围松墨天牛的寄主选择性及危害规律研究提供了基础信息,也为秦巴林区松墨天牛的有效防治和松材线虫病的蔓延控制提供了新的重要信息。

摘要: 松材线虫病因其破坏性强、传播速度快和防治难度大等特点,严重威胁着我国的松林资源。及时发现、定位和清理病死松树是控制松材线虫病蔓延的有效手段。本研究利用小型无人机获得松材线虫病疫点的可见光和多光谱的航摄影像。根据松树针叶颜色变化,将松材线虫Bursaphelenchus xylophilus侵染的松树分为病树和枯死树两种类型。将无人机遥感正摄影像图切割成瓦片图,根据不同植被指数的特征差异,筛选出含病树和枯死树的瓦片图。训练Fast R-CNN深度学习框架形成最终模型,通过模型运算获得病枯死松树的分布地图及坐标点位置。研究结果显示Fast R-CNN深度学习和无人机遥感相结合能有效识别出病树和枯死树,正确率分别达到90%和82%,漏检率分别为23%和34%,可为大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑。

摘要: 松材线虫病(Pine wilt disease)传入我国以来，造成了大面积松林枯死，严重威胁我国的林业和生态建设的发展，但目前分析林分和景观水平因子对松材线虫病综合影响的研究较少。本文基于松材线虫病危害后期的山东威海地区的松林，利用野外调查数据、森林资源二类调查数据和高分辨率遥感影像，获取了影响松材线虫病危害的林分水平和景观水平的各种因子，通过逐步回归分析、线性回归分析和建立广义线性模型(GLM),探讨了景观分析的最适尺度，分析不同因子在解释松材线虫病危害程度方面的作用和相对重要性，以期为松材线虫病的防控技术及宏观管理政策制定提供科学依据。结果显示，750 m尺度下景观格局指数对松材线虫病发病率的解释效果最好。景观因子中，距疫源地距离、景观分离度与距人为活动区域距离对发病率影响最显著(相对重要性值为1.00),其中景观分离度和距疫源地距离与发病率呈负相关，距人为活动区域距离与发病率呈正相关；松林斑块连接度的相对重要性次之(相对重要性值为0.69),与发病率呈正相关；斑块丰富度密度、相关外接圆指数的相对重要性值较低(0.33)。林分因子中，林分密度的相对重要性值最低(0.23)。综合分析林分因子和景观因子的作用发现，在威海地区松材线虫病暴发后期的林分中，相较于林分因子，景观因子起主导作用。研究结果有助于提高对松材线虫病发生的驱动机制的了解。

摘要: 松材线虫病(Pine Wilt Disease, PWD)被称为“松树癌症”,具有高传染率和高死亡率，对我国森林资源构成了严重的威胁，对我国的经济、社会和生态造成了重大损失。及时发现并清理疫木是遏制松材线虫病蔓延的有效手段，精准监测疫木是防控松材线虫病的前提，但是现阶段缺少大面积识别松材线虫病疫木的技术方法。本文旨在探索哨兵-2号与Landsat-8遥感卫星影像对受害松林的识别能力，采用随机森林(Random Forest, RF)、支持向量机(Support Vector Machine, SVM)、决策树(Decision Tree, DT)和极端梯度提升(Extreme Gradient Boosting, XGBoost)等4种机器学习算法建立了松材线虫病监测模型。结果表明：基于哨兵-2号影像数据建立的监测模型对受害松林的识别准确率高于Landsat-8遥感卫星影像，其中基于10 m分辨率的影像数据建立的监测模型识别准确率最高，随机森林、决策树、支持向量机和极端梯度提升等算法建立模型的准确率分别达到了79.3%、76.2%、78.7%和78.9%。在3种不同的影像数据集中，RF、SVM和XGBoost的准确率、Kappa系数和ROC值接近，均明显优于决策树算法。光谱特征中的绿波段、红波段、短波近红外波段和长波近红外以及植被指数中的NBRI、NGRDI、TVI、NDVI和PSSR等对松材线虫病监测模型的贡献值最高。递归消除法对特征参数的筛选效果最好，特征数量由原来50个减少至35个。本研究建立的松材线虫病受害林分监测模型为科学防控松材线虫病提供了技术支撑。

摘要: 本研究使用固定翼无人机拍摄4 200 ha林地，从中选取了广东省河源市和平县阳明镇、紫金县紫城镇、东源县义合镇共3个样地的3 500 ha林地的航拍影像进行分析，用以探究松材线虫Bursaphelenchus xylophilus病死树的空间分布情况，及不同立地因子对疫情的影响，为松材线虫病监测预报提供解决途径。通过Pix4Dmapper软件对航拍的图像进行拼接生成正射影像图(DOM)等成果，然后使用eCognition(易康)软件对影像成果进行分割、分类和信息提取，最后借助ArcGIS平台进行病死树数量统计并获取方位、坡向、坡度、海拔等立地因子信息。结果表明，松材线虫病死树分布均呈聚集分布。使用双对角线法、平行线法、“Z”字法、五点法等不同抽样方法调查发现，仅五点法所得平均数与总体平均数无明显差异(P<0.05)。松材线虫病死树在不同立地因子下均有差异：主要分布在西坡、南坡和东南坡，西坡最多为25.94%,其次是南坡23.57%;主要分布在半阳坡和阳坡，半阳坡占36.54%,阳坡占34.09%;主要分布在凸坡，但随着疫情的发展，凹坡病死树数量逐渐超过凸坡；主要分布海拔区间在300～350 m和250～300 m之间，其中300～350 m的病死树占30.43%,250～300 m的病死树占21.83%。固定翼无人机作业效率高，可在较短的时间内拍摄大面积的林地，获取足够的样本用于研究分析，其成本明显低于人工调查。分析结果表明，研究区域内松材线虫病死树分布具有空间差异和地形差异。在今后的松材线虫病防治中，可以考虑结合地形因素，提高对疫情的防治效率，为防治工作提供了新的思路与方法。