松树是我国植树造林的植物种类之一,也是主要的建筑木材,具有很高的观赏价值与经济价值。自从1982年在南京首次发现感染松材线虫病的黑松后,该病在我国松林中不断蔓延扩散,造成了大量的松树死亡,不仅破坏了森林生态系统也带来了巨大的经济损失。因此,开展及时且高效的松材线虫病防治工作是遏制疫情蔓延的关键。疫情监测是松材线虫病防治的工作基础,本文基于“卫星遥感数据-无人机航摄数据-地面调查数据(星机地数据)”探讨星机地协同的松材线虫病疫区枯死松树监测方法。监测方法主要是利用卫星、无人机的多源遥感影像和深度学习方法结合GIS技术完成枯死松树的监测及快速识别定位任务,为此主要开展了以下几个方面的研究内容:(1)通过地面非成像高光谱测量仪器测定健康松针和不同程度枯死松针的光谱曲线数据,结合高分二号(下文称:GF-2)遥感影像设置的波段范围分析其光谱特征与敏感波段。并且,从现有的28种光谱指数中筛选了适宜区分健康松树与枯死松树的光谱指数。(2)研究利用资源三号卫星立体像对提取精细的DEM(Digital Elevation Model)数据,结合VECA地形校正模型对GF-2遥感影像进行地形校正。使用地形校正后的GF-2遥感影像结合筛选获得的归一化型的红色植被指数(RGNDI)提取枯死松树分布,以枯死松树分布数据叠加林业小班面数据,统计单位面积内枯死松树发生情况,并以此制作疫区受灾等级图。(3)依据研究区受灾的轻重程度,对疫情严重的区域优先采用无人机进行航摄作业,利用无人航摄影像开展基于深度学习方法的枯死松树识别定位。该方法利用无人机影像制作深度学习方法的数据集,参考经典的AlexNet模型搭建并训练卷积神经网络模型。最后将训练好的卷积神经网络模型用于对不同目标区域的枯死松树的定位识别。以实际地面调查样点和人工标注的结果为真实值,评价深度学习方法在不同场景下的枯死松树识别精度。结果表明:利用深度学习方法对枯死松树进行检测,其最高的识别精度可达80%。该方法在无人机影像的枯死松树监测中具有一定的优势,能提高人工目视判读的效率,可为高效快速的开展枯死松树的识别定位的方法研究提供参考借鉴。