松材线虫病是全球范围内危害最严重的入侵性森林病害，利用遥感技术快速、及时、准确监测病害发生情况，对于实现该病的早期干预、精准施策和提升防控效能具有重要意义。近日，我校森保团队在该领域取得了系列进展，连续在国际知名期刊发表了多篇论文。
7月23日，该团队以“Remote sensing for early detection of pine wilt disease (from Bursaphelenchus xylophilus): A critical review”为题的综述性论文发表于《IEEE Geoscience and Remote Sensing Magazine》（IF5=18.7，地球科学一区TOP）。
该文在分析当前松材线虫病发生早期遥感监测研究现状基础上，提出应统一松材线虫病发生阶段划分标准，明确区分症状前与轻微症状，规范检测方法和样本信息，开展多区域、多树种连续观测，建立涵盖遥感、病原及生理指标的开放样本库，并用独立林分、年份或区域数据评价模型性能，加强遥感特征与水分、色素、光合变化的关联分析，明确各数据源实际贡献。
5月24日，该团队以“Retrieval of pigment content and water status of Pinus massoniana under pine wood nematode stress using multitemporal UAV multispectral imagery”为题的研究论文发表于《Pest Management Science》（IF5=4.5，农林科学一区TOP）。
该研究针对松树在感染松材线虫病过程中表现出的一系列可量化的生理生化指标（如色素含量、水分状况），利用遥感技术进行反演与动态监测，通过时序性无人机多光谱遥感影像结合地面同步测量数据，构建了多个生理生化指标的反演模型，为实现松材线虫病发生早期遥感监测提供了重要依据。
6月10日和8日，该团队以“Dead pine tree detection using an iterative semi-supervised framework integrating expert annotation and active learning”和“OpenPineDet: An open-set detection framework for the detection of dead pine wood in forests”为题的两篇研究论文，分别发表于《Computers and Electronics in Agriculture》（IF5=10.7，农林科学一区TOP）和《International Journal of Applied Earth Observation and Geoinformation》（IF5=9.1，地球科学一区TOP）。
该研究针对松材线虫病枯死木检测中相似背景干扰和标注工作量大的双重难题，分别提出了开放集目标检测算法OpenPineDet和迭代式专家标注的半监督训练方法Semi-IEMT。前者可有效避免将相似背景误判为感病松树，检测率达92.67%；后者在减少70%标注量条件下的检测率仍达94.1%，为松材线虫病枯死木遥感监测提供了重要的技术路径。
上述研究构建了从感病松树生理信号捕捉、智能算法突破到样本高效标注的全链条技术体系，为推动松材线虫病监测从传统地面调查向天空地一体化智能监测发展提供了有力支撑。
kaiyun开云官方网页版为上述论文第一作者和通讯作者单位，青年教师余润博士为论文一、二、四的第一作者或共同第一作者和论文三的唯一通讯作者，博士生游子绎为论文二的第一作者，李小林副教授为论文三的第一作者和论文四的共同第一作者，张飞萍教授为论文一、二的共同通讯作者，吴松青副教授为论文二的共同通讯作者，黄世国教授为论文四的唯一通讯作者，中国农业大学曾也鲁教授和北京林业大学骆有庆教授分别为论文一的共同第一作者和共同通讯作者。上述研究得到农林生物安全全国重点实验室联合攻关（SKLJRP2501）、国家重点研发计划（2021YFD1400900）、福建省林业科技攻关（2024FKJ11）等项目的资助。
论文链接：
https://doi.org/10.1109/MGRS.2026.3711097
https://doi.org/10.1002/ps.70957
https://doi.org/10.1016/j.jag.2026.105405
https://doi.org/10.1016/j.compag.2026.112005