松材线虫病(Bursaphelenchus xylophilus)严重影响着我国的森林健康、生态安全和社会安全。福建省森林主要树种包括马尾松,近年来由于松材线虫的危害已造成极大的损失。做好松材线虫病的监测预测工作具有重要意义。该文以福建省三明市为研究区域,以松材线虫病侵染的马尾松林为研究对象,选取2009年10月的ALOS影像,进行了遥感影像的融合,结合三明市二类调查数据库提取的小班区划图,根据不同林地类型在遥感图像上的光谱值等变量,采用基于知识规则的方法进行植被分类,在此基础上提取马尾松林。利用地面测定光谱分析受害前后马尾松光谱特征曲线的变化,识别用于监测的最佳波段,探讨了光谱与蒸腾速率之间的关系,为松材线虫病早期检测提供依据。分析了不同受害程度马尾松与9个生态因子之间的相关关系,经研究发现受害程度与林分内马尾松平均胸径、林内坡度、土壤立地条件相关性较高,表现为胸径小的马尾松被害率高,危害程度随坡度的增大而增大,随土壤肥沃程度的增大而降低,在此基础上建立用于预测的BP人工神经网络模型。