Due to the significant threat to forest health posed by beetle infestations on pine trees, timely and accurate predictions are crucial for effective forest management. This study developed a pine tree stress probability prediction workflow based on monthly cloud-free Sentinel-2 composite images to address this challenge. First, representative pine tree stress samples were selected by combining long-term forest disturbance data using the Continuous Change Detection and Classification (CCDC) algorithm with high-resolution remote sensing imagery. Monthly cloud-free Sentinel-2 images were then composited using the Multifactor Weighting (MFW) method. Finally, a Random Forest (RF) algorithm was employed to build the pine tree stress probability model and analyze the importance of spectral, topographic, and meteorological features. The model achieved prediction precisions of 0.876, 0.900, and 0.883, and overall accuracies of 89.5%, 91.6%, and 90.2% for January, February, and March 2023, respectively. The results indicate that spectral features, such as band reflectance and vegetation indices, ranked among the top five in importance (i.e., SWIR2, SWIR1, Red band, NDVI, and NBR). They more effectively reflected changes in canopy pigments and leaf moisture content under stress compared with topographic and meteorological features. Additionally, combining long-term stress disturbance data with high-resolution imagery to select training samples improved their spatial and temporal representativeness, enhancing the model’s predictive capability. This approach provides valuable insights for improving forest health monitoring and uncovers opportunities to predict future beetle outbreaks and take preventive measures.

一、引言 2019年中共中央办公厅、国务院办公厅印发《关于建立以国家公园为主体的自然保护地体系的指导意见》,充分肯定了国家公园在我国自然生态系统中的资源价值;2021年正式设立首批5个国家公园,开启了国家公园建设实践的新篇章.党的二十大报告提出要建设人与自然和谐共生的中国式现代化,国家公园体系建设是人与自然和谐共生现代化的重要组成部分,作为我国自然生态系统中自然景观最独特、自然遗产最精华和最具国家代表性的部分,国家公园需要实现自然资源的科学保护和合理利用,兼具教育、游憩、科研等功能[1].

一、引言 森林火灾是当前世界面临的重要自然灾害和突发公共安全事件,森林大火会给森林资源、生态安全和人民生命财产安全带来严重破坏[1].2010—2019 年十年间,我国年均发生森林火灾3789 次,年均过火面积4.85 万公顷.

介绍了北斗技术在我国林草即时数据获取中的应用现状,分析总结了应用成效和技术优势,提出了助力"北斗三号"系统在林草领域实现规范化、标准化和规模化应用的建议,以推动"北斗三号"短报文通信与物联网、区块链等新兴技术交叉创新,以及催生数据服务新业态.

变色立木的全覆盖监测是当前松材线虫病疫情防控的重要保障手段.利用多种植被指数对松材线虫病所致的变色立木卫星遥感影像样本集进行分析.结果表明:包含蓝波段的植被指数提取变色立木的能力较差,由红、绿波段构成的植被指数提取能力较强;基于红、绿波段,用不同方式构造的植被指数提取能力有所区别,计算了由红、绿波段构成的4个植被指数:RGRI、GRRI、RGNDI和ExR,其中ExR的提取结果最佳,查全率达到81.0％,查准率达到86.2％,F1分数达到83.5％.表明红波段和绿波段蕴含丰富的变色立木信息,其构成的过红植被指数ExR可有效识别冠幅大于5 m的变色立木.

一、引言 红叶现象是被子植物常见的一种伴随环境变化而产生的颜色改变,传统观念上的红叶是指伴随季节的变化,尤其是秋冬季节.现实中除了季节更替等自然因素外,病虫害侵袭、水分和养分胁迫等也会造成树叶在生长季出现异常黄化或红化,表明叶绿素等出现非正常消退与分解.因此,卫星遥感监测林木生长亚健康状态的主要依据是森林植物叶片内部组织结构与功能变异和树木形态结构的非正常变化,如叶片颜色的变化、叶子与植株变形、叶片物理结构变化、叶绿素含量变化以及叶片上产生的残留物等 [1].

根据国家林业和草原局要在2022年建成林草北斗系统应用综合服务平台,形成标准化、规模化、产业化的林草北斗系统应用技术支撑体系的战略要求,中国林业科学研究院在重大专项"林业生态建设与保护北斗示范应用系统工程"项目的支持下,研建了北斗林业综合应用服务平台,实现了野外数据的即时采集、共享共用,满足了林火监控、林火扑救调度、三北防护林管理、林长制管理等业务的深度融合需求,从技术和业务层面开展了北斗林业终端及其多层级、多维度数据的应用示范.

针对当前林草行业实现网格化、精细化资源管理的技术需求,系统地分析了森林、草地、湿地、荒漠化管理中时空数据的多样性特点,全面介绍了我国北斗三号全球卫星导航系统的优势,阐述了林草行业北斗应用的现状和问题,展望了北斗三号系统在林草行业广泛应用的前景.

针对国家正在推动北斗规模应用市场化、产业化、国际化的战略目标,本文明确了林草北斗终端的内涵,介绍了北斗终端厂商根据项目标准研制并在行业中推广应用的六类北斗终端产品,提出改进意见建议,期望集成我国 自主研发的北斗卫星导航芯片、模块、天线、板卡等基础产品的北斗终端设备能逐步完善并替代国外产品,确保林草业野外数据的安全可靠,并为提高北斗产业链和供应链现代化水平、优化完善产业生态、推动北斗应用深度融入国民经济发展全局做出贡献.

卫星遥感是现阶段测绘领域应用较为成熟的技术,然而在农林业病虫害监测预警方面使用较为迟缓,特别是针对省级管理机构缺乏监管技术和预警能力,本研究探索了利用卫星遥感技术开展异常变色林木监测的应用实践,以服务于区域松材线虫病防控的技术指导和督查.经过3年的应用表明,高空间分辨率卫星遥感技术具有客观、科学和实时的优势,能够为上级管理机构提供决策依据.

针对国家林业和草原局要求以林草生态网络感知系统建设为统领,实现各方面业务工作可感知、协同、共享的"同-阵地"工作目标,本文在深入分析我国林草湿荒监管体系以及时空大数据特点基础上,阐述了北斗林业综合应用服务平台中管护数据采集、传输、汇聚、存储、共享、应用和服务的机制,充分展示了时空大数据助力林草资源管理智能化、精准化、科学化的巨大潜力.

北斗卫星导航系统是我国自行研制的全球卫星导航系统,是重要的时空信息基础设施.林草业是北斗系统应用较早的行业之一 [1],早在2001年就开始了北斗在森林防火中的技术应用研究,2002年完成了森林防火中人员、车辆、飞机的终端设备应用试验,2003年应用于森林防火实战,对及早扑灭火灾、减少火灾损失发挥了重要作用 [2].2014年国家发展改革委支持开展了森林资源调查、管护、林火和林业有害生物野外调查数据集中管理的应用示范 [3-4].通过这些项目的实施,有力推动了卫星导航技术在林草业的深入应用,但信息孤岛、数据资源割据、共享困难、效能低下、重复建设等问题依然没得到缓解,亟须建立综合应用平台,提供公共服务,共享即时数据资源,充分发挥北斗系统对各项林草业务的支撑和融合能力.

针对森林精准监管需求越来越迫切的现状,本文以山西省关帝山国有林管理局为研究区,利用高分六号宽幅数据,构建了森林植被黄化程度监测模型,开展黄化森林植被的预警监测,对物候所致的黄化林分和生长胁迫所致的黄化林分进行监测与分析,展示了高分六号宽幅数据在森林植被冠层变化监测中的应用潜力.

森林病虫害等扰动类型造成的亚健康林木监测预警工作不能及时到位,导致防治工作长期处于灾后救灾的被动局面.基于2019年5～9月份的多时相GF-1 WFV数据,应用比值植被指数和红绿植被指数,准实时地监测逆生长、叶冠胁迫或失色等"灾害"信息.结果 表明:虽然树木叶片枯黄、萎蔫等叶绿素降解并逐渐转化成叶黄素和叶红素需要一定的过程,或"灾害症状"有时具有滞后性,但高频次遥感动态监测结果对于指导森林灾害地面踏查,提高监测覆盖率和科学性,防范大面积灾害,具有积极作用.国产GF-1和GF-6 WFV遥感数据的高重访周期能为月度森林资源生长过程的监测提供坚实的数据保障,满足公顷级树叶长势退化预警监测的需要.

为了解乔木林应用场景中的定位性能,指导林业行业科学应用GNSS技术,该文探究了多种立地条件下中高郁闭度林分中BDS与GPS的应用能力,采集了森林环境中单BDS和单GPS这两种定位模式下一定时长的GNSS信号,并定量计算了平面和垂直方向的定位误差,以及GNSS几何精度因子和信噪比等参数.通过3个时长水平定位精度、垂直定位精度、卫星数量、DOP值、信噪比等观测参数的误差平均值、极值、方差等的对比分析表明,目前基于单频伪距定位的原理,我国北斗卫星导航系统的定位性能指标与GPS基本一致.选用专业设备且单点求平均是满足林下高可靠性(优于5 m)定位要求的重要手段与方法,瞬时数据只适合森林环境中低可靠性(10 m)的导航作业要求,如果要满足亚米级及更高精度的定位需求,现阶段需采用差分技术.

林业遥感数据集是林草行业开展深度学习研究的重要基础,更是林草资源实现自动化、智能化和动态化精准监测的重要保障.文中分析了自然图像和遥感图像数据集建设现状与方法,通过对深度学习算法在林业专题信息识别和分类中最新研究成果的阐述,表明建立林业遥感专用数据集的必要性和紧迫性;基于人工智能在图像处理领域的发展经验,提出林草业遥感影像数据集的建设思路和原则.

After an attack the by pine wood nematode, pine tree needles turn red. Using convolutional neural networks (CNNs) based object detection methods, machines can detect red-attacked trees. However, most deep learning object detection algorithms (such as Faster R-CNN and YOLO among others) often require a large number of labelled training datasets, where in each image every object must be given a bounding box label. To increase the cost-effectiveness of this process, we propose a simple yet efficient weakly supervised processing pipeline, based on class activation maps to locate the target. Unlike object detection methods that require bounding-box-labelled data for training, the proposed pipeline only needs image-level-labelled data. Using the proposed pipeline, we could achieve an average precision (AP) of 91.82% on test dataset. Comparing with sliding window-based method which achieves an average precision (AP) of 89.95%, our method not only gets a better AP but also runs faster than sliding window-based pipeline. This result not only indicates that the pipeline is a highly effective one but also demonstrates that image-level-labelled aerial images can be used for the detection of red-attacked tree. The proposed method should also find use in other object detection applications in the field of remote sensing.

针对森林病虫灾害监测周期性、全覆盖和及时性的特点,笔者提出了建立天空地协同监测技术体系的解决方案,并在山西省关帝山国有林管理局二道川林场进行了应用示范.初步实现了小班级灾害的月度监测、树丛级(点状和块状)灾害的年度监测、单木级灾害的精准监测,以及地面调查数据的准实时共享,可为山西省建立森林病虫害监测预警体系提供参考.

枯死松树及时精准监测是做好松材线虫病防治的基础,传统人工线路踏查难以保证全覆盖和高时效.高空间分辨率的航空和航天遥感技术可以快速采集区域级地表覆盖数据,获取单木与树丛级森林资源健康状态信息,服务于枯死松树监测;地面调查是航天和航空遥感技术应用不可或缺的组成部分,是实现对松材线虫病疫情遥感监测必不可少的工序.枯死松树的天空地协同监测技术体系的建立,以及天空地遥感技术互为补充的集成运用,是提高松材线虫病监测调查工作实时性、客观性和科学性的重要保障,不仅可为精准监管森林资源提供相应解决方案,也是完善和丰富现有松材线虫病监测普查体系、实现松材线虫病疫情早期发现以及疫情处置监管的有效途径.

[目的]探究多种立地条件下中高郁闭度林分中民用(智能手机等)和专业级GNSS设备的定位精度差异,旨在改变森林环境下民用类定位设备应用泛滥的现状.[方法]采集了两种类型定位设备在森林环境中的GNSS信号,并定量计算了平面和垂直方向的定位误差,以及GNSS几何精度因子和信噪比等参数.[结果]通过1 min以上时长相关观测参数的平均值、极值、绝对误差的对比分析表明,专业机性能指标总体优于民用机,两者间天线和GNSS模块的差异是其根本原因.[结论]选用专业设备、单点求平均是满足林下高可靠性(优于5m)定位需求的重要手段与方法,智能手机等民用级产品只适合森林环境中低可靠性(10m左右)的概略定位作业要求.