关键词：松材线虫 遥感监测 森林病虫害 森林扰动 研究方法
日期：26/7/2021
松材线虫病的遥感探测一直是遥感应用的一个难题，前辈们做了二十余年，直到现在也没有一个业务化实用化的系统性方法。
究其原因，我个人认为在于以下几个方面：
以前松材线虫病危害并没有被提升到如此受重视的高度，造成如今如此重大的危害，需求才是最大的原始动力，而目前正是系统研究的好时机；
松材线虫病发病周期短，大约40天左右即由健康变为枯萎。以前中高分辨率卫星（非星座式）遥感数据的重访周期相对较长（10天以上），同时山地云覆盖通常严重，导致总体数据匮乏，质量欠缺。低分辨率卫星则难以有效探测轻度~中度受灾区域（信号相对较弱），更为关键的是难以满足行业需求。 目前多源遥感数据比较丰富，星座式高分辨率卫星逐渐增多，可以充分考虑多源遥感数据融合的方式。同时全波段信号也应该使用起来，即包含光学-热红外-微波。微波是能够实现全天候观测的。
应该说，直到目前也没有较好的考虑松材线虫胁迫状态下的冠层尺度辐射传输模型等物理模型，基于植被指数或者时序分析的方法也存在比较大的局限性。深度学习技术最近几年用的比较多，但是训练数据则是关键，而目前尚无全国范围的训练数据。 三维辐射传输模型能够很好的模拟松材线虫胁迫下的冠层反射率信号，通过构建大量模拟场景的反射率数据集，可以用于机器学习/深度学习模型的训练，这也是目前被认可的方式，同时接入部分真实训练数据集来进一步校正模型，则有潜力实现松材线虫病的准确探测。
早期探测是一个难点，目前更倾向于采用日光诱导叶绿素荧光来探测，因为其对于叶片生理变化的响应更早更快。不过受到sif容易受到其他信号的影响，还有待进一步研究。
利用近地面无人机影像结合深度学习模型定位受灾木，是目前很多公司和科研单位采用的一种方式，往往会有很好的效果。但是训练数据依然是一个门槛。此外，无人机的观测范围相对较小，作为小区域监测和卫星遥感验证数据比较合适。
以上是我几分钟内的一个简单思考，比较泛泛，但大的方面应该比较完整了，贴出来供大家参考和批评。