松材线虫病是松材线虫Bursaphelenchus xylophilus(Steiner & Buhere) Nickle侵染松属树种引发的松树迅速萎蔫、死亡的毁灭性疫病，是世界性的重大植物疫病，主要通过媒介昆虫松褐天牛Monochamus alternatus Hope自然扩散，也可通过疫木运输等人为因素造成远距离、跳跃式扩散(Futai, 2013; 谢伟忠等，2017)。据国家林业局2018年第1号松材线虫病疫区公告，迄今松材线虫病已广泛分布于我国大陆的16个省(市、自治区)316个县级疫区(其中2017年度新增县级疫区78个)(国家林业局，2018)。松材线虫从入侵、定居、适应到蔓延、扩散和危害是一个多点、多次、长期、复杂的生态过程(谢伟忠等，2017)，由于该病发生具有随机性、突发性，而其防控具有长期性、艰巨性和复杂性，因此第一时间发现疫情及其流行动态是松材线虫病防控的关键(马跃等，2014)。

还有，很重要的就是要安排一些仪式，增加学员的职业荣誉感。例如，开学典礼、毕业典礼、优秀学员评比和表彰会等。试想，一个漂亮的授予证书的毕业照，是不是能让阿姨珍藏很久呢。

据我国第8次全国森林资源清查统计，全国松林面积为3 401万hm2(国家林业局，2014)。由于大部分松林是松材线虫的适生区，有发生松材线虫病的潜在风险，迫切需要大面积监测的技术和装备(冯益民等，2009；韩阳阳等，2014)。由于松林多处于山高、路陡、林密地区，人工地面调查难以及时发现疫情，而卫星遥感虽范围大，但是分辨率低，难以获得高精度的影像(张红梅等，2017)。近年来无人机遥感技术、地理信息处理、自动驾驶技术、智能化分析和数据处理广泛普及，作业的成本也日趋下降，利用无人机航摄监测松林枯死树，拍摄的照片精度高、分辨率高，且能够使用可见光、红外、多光谱等多种影像设备，有针对性地获取不同的植被特征，极大的提高了判读的准确率(张红梅等，2017)。

美国林务局目前已广泛使用Digital Aerial Sketchmapping System进行森林病虫害、火灾的动态监测，形成了全国性的病虫害数据，实现动态监测和预报。该系统的核心是GeoLink软件，它能把调查区域现有的各种地形图、遥感影像导入系统作为调查时的背景地图使用(李卫正等，2013；2014)。吴琼(2013)利用无人机平台搭载双光谱相机，同时获取可见光图像及红外图像，提取图像中像素点的特征向量，可精确划分出病虫害发生区域。李卫正等(2014)利用无人机遥感获得15 hm2松林的影像，采取人工目视法寻找感病变色的病死木，基本可以满足人工现场采伐的精度要求。吕晓君等(2016)利用无人机遥感分别对小蠹虫和松材线虫致死的变色枯死松树进行低空监测，通过人工判读定位标示出了大量疑似枯死松树。总的来看，国内虽然已广泛研究利用了固定翼无人机航摄监测松材线虫病疫点枯死松树的技术，但尚未见其用于大面积航摄监测、自动化识别的报道；对松材线虫病疫区内的松林进行高覆盖率、高频次、高精度、自动化识别的动态监测和分析有待深入研究。本研究利用小型固定翼无人机采集松材线虫病疫点的可见光和近红外的航摄影像；利用LAMapper软件获得可见光正射影像和多光谱正射影像；使用ERDAS软件生成影像的归一化植被指数(NDVI)。然后将带有地理信息的完整影像自动导入GIS系统进行异常点识别和几何矫正，导出最终的影像数据；对影像中的枯死松树进行自动识别，获得其分布图及坐标点位置并验证监测结果的准确性。研究结果可为固定翼无人机大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑。

1 材料与方法

1.1 试验地点

结合松材线虫病防治试验，在位于广东省河源市新丰江库区选择两块松材线虫病发生区开展试验，其松林总面积 1 425.9 hm2。其中，位于西南部的防治区松林面积为1 139.8 hm2，其四角经度、纬度分别为：西北角(E 114.69°，N 23.82°)、东北角(E 114.71°，N 23.80°)、东南角(E 114.67°，N 23.77°)和西南角(E 114.65°，N 23.79°)；位于东北部的对照区松林面积为286.1 hm2，其四角经度、纬度分别为：西北角(E 114.73°，N 23.85°)、东北角(E 114.74°，N 23.85°)、东南角(E 114.74°，N 23.83°)和西南角(E 114.73°，N 23.83°)。

MoS2作为一种典型的类石墨烯二维层状材料，具有原子厚度片状结构，平面内原子由共价键结合而层间由弱的范德华力结合.与石墨烯不同的是，MoS2具有天然带隙，而且带隙宽度随着其层数的减小而增大，单层时由间接带隙转变为直接带隙[1]，不仅表现出优异的物理化学稳定性和机械柔韧性，而且具有良好的光电特性和半导体特性，因此在储氢析氢、超级电容器、锂离子电池正极材料、晶体管等领域有着广泛的应用[2-5].

1.2 航摄装备

1.2.1 无人机

Li WZ, Shen SG, He Peng, et al. A precisely positioning technique by remote sensing the dead trees in stands with inexpensive small UAV[J]. Forestry Science and Technology Development, 2014, 28(6): 102-105. [李卫正, 申世广, 何鹏, 等. 低成本小型无人机遥感定位病死木方法[J]. 林业科技开发, 2014, 28(6): 102-105]

1.2.2 照相机

选择索尼A6000相机作为固定翼无人机拍摄可见光和多光谱影像的照相机，经前期试验选用的近红外波段为840 nm，以在航测过程中获取与可见光相同质量的航片。该照相机有效像元数高于 2 430万像素，支持GPS功能，存储空间≥128 GB。配置35 mm定焦镜头，在600 m高度作业可以获取影像的地面分辨率0.1 m，图像定位精度在RTK GPS的辅助下可以到达2-3 m。

我国的外语教学非常依赖教材和相关辅导书、习题集，看重单词和语法，因此学生往往相当擅长外语的阅读和理解。但针对口语的教学几乎没有，教师大多只要求学生在课堂上朗读课文，或进行一些外语的随堂提问，根本不会进行口语会话练习和口语词句构筑练习。在这种情况下，学生的口语能力往往非常差，有些学生构筑口语词句的速度很慢；有些学生只擅长解读语法，却不知道怎样利用语法构建口语词句，出口的外语错漏百出；还有些学生只会使用书面语进行会话。这诸多问题令我国的外语口语教学一直遭受诸多质疑，被讽刺为哑巴外语。

1.3 无人机航摄环境条件及实施情况

无人机航摄时间为2017年11月10日。在航摄过程中，天气条件为20℃-29℃，多云，微风，无持续风向，空气质量良好(由于附近有工厂、采石场等，所以空气中有少量悬浮颗粒物)。航摄高度为450 m，航向重叠率不低于70%，旁向重叠率不低于50%；采用垂直摄影，往复直线飞行；速度是75 km/h；时间段为11 ∶00 am-4 ∶00 pm，上午对位于西南部的防治区1 139.8 hm2松林进行航摄，时长为45 min；下午对位于东北部的对照区286.1 hm2松林进行航摄，时长为15 min。

1.4 无人机航摄影像处理

完成航摄图像数据采集之后，采用中国测绘科学研究院研发的拼图软件LAMapper，对航摄影像进行拼接处理，包括对可见光和多光谱的空中三角测量和像素匹配处理；然后在遥感软件ERDAS中生成植被指数(Normalized difference vegetation index，NDVI)；最后将带有地理信息的完整影像自动导入GIS系统进行异常点识别和几何矫正，导出处理后的影像数据。

1.5 无人机航摄影像分析及解译

对处理后的完整影像进行数据分析，主要包括各项植被指数图的生成及应用计算机技术进行的自动化识别等过程。

为红波段，ρNIR为近红外波段)

归一化植被指数是通过对可见光内红光波段反射率值和对多光谱内近红外波段反射率值进行运算得到的，具体的表达式为：

植被指数是通过对不同光谱的图像数据进行运算得到的可以反映植被健康度、分布密度等的最佳指示因子。在本研究中采用归一化植被指数(NDVI)，近红外波段为840 nm。

归一化是指其限定在[-1，1]之间，即将其变为一个简洁的二维矩阵，矩阵元素的取值就是[-1，1]以便于计算机分析算法使用。其中负值部分表示地面覆盖为云、水等，对可见光高反射(NIR接近0)；0表示岩石、土壤或者已经死亡的树木等(NIR约等于R)；正值表示有植被覆盖，随着数值增大覆盖率和健康度增大(颜色越绿R越小)。NDVI可以很大程度上消除太阳高度角和大气波动造成的光线误差、航摄设备造成的角度误差、地形和云层等原因造成的自然光线误差影响、群落结构的阴影和辐射干扰。

Li WZ, Fang Y, Tao L, et al. Using DASM system for the aerial survey of the Neodiprion xiangyunicus plague in Yunnan Province, China[J]. Forestry Science and Technology Development, 2013, 27(3): 81-85. [李卫正, 方彦, 陶珑, 等. DASM 系统在云南新松叶峰虫灾航空调查中的应用[J]. 林业科技开发, 2013, 27(3): 81-85]

1.6 枯死松树株数的准确性及坐标点精度的验证

为验证航摄监测自动识别的枯死松树株数的准确性，首先通过在可见光航摄影像中选定一定区域范围，通过目视人工识别枯死松树，计数并与该范围内自动识别的枯死松树的株数进行对比分析，另外在航摄区域选取3块枯死松树分布较均匀、参照物较明显的松林作为样地，利用“PHANTOM 4 PRO+”多旋翼无人机，在离林地高度200 m左右的上方航摄，拼图后勾画出枯死松树株数，与固定翼无人机航摄自动识别的数据结果进行比对分析。为验证航摄监测自动识别的枯死松树坐标点精度，在样地内的林道两侧，采用GPS仪测定坐标点，与固定翼无人机航摄自动化提取的坐标点数据进行比对分析。

2 结果与分析

2.1 航摄监测整体效果

航摄监测作业过程为两个架次，分别是位于西南部的防治区和位于东北部对照区。获取的航摄区域的航摄图像包括可见光和多光谱图像，产生的数据结果有可见光图像(图1A)、近红外图像和NDVI图像(图1B)。

第四，有利于改善农村信用环境。非正规金融利用信息对称性，首先将一部分策略性违约的借贷者排除在外[4]，对于非策略性违约的农村经济主体，非正规金融组织通常会增加其融资难度和融资成本，甚至拒绝为其提供借款，让其为自身的失信行为受到相应的惩戒。而信用良好的农村经济主体在向非正规金融组织办理借贷业务时，可以享受优先贷款权、优惠利率、灵活的借贷期限和较高的授信额度。非正规金融为农村资金供给者和需求者提供了良好的媒介，方便守信者融资，强化正向激励，不断壮大守信群体，从而有利于降低信贷风险，增强农村经济主体信用意识，改善农村信用环境。

2.2 航摄监测的枯死松树分布标示

本次航摄监测松材线虫病疫点枯死松树共自动识别枯死松树1 468株，其中位于西南部的防治区有1 150株，位于东北部的对照区有318株，枯死松树的分布标示如图2、图3和图4。

为计算样机的电磁振动噪声特性,本文建立了样机电磁场和结构场多物理场强耦合电磁振动噪声有限元模型,如图9所示。

  

图1 航摄监测可见光图像(A)和NDVI伪彩色图像(B)Fig.1 The visible image (A) and NDVI pseudo-color image (B) of aerial monitoring

  

图2 位于东北部的对照区枯死松树分布标示图Fig.2 The distribution map of dead pine trees in the contrast area in the northeast

  

图 3 位于西南部的防治区的上半部枯死松树分布标示图Fig.3 The distribution map of dead pine trees in the upper half of the control area in the southwest

  

图 4 位于西南部的防治区的下半部枯死松树分布标示图Fig.4 The distribution map of dead pine trees in the bottom half of the control area in the southwest

2.3 航摄监测的枯死松树株数准确率的验证

对处理后的可见光航摄图像部分区域的有效放大分析(图5和图6)，通过人工识别计数区域内枯死松树株数并与固定翼航摄自动识别的株数进行比对。同时，利用多旋翼无人机航拍拼图、人工识别计数样地内枯死松树株数并与自动识别的株数进行比对，结果显示本次自动化识别枯死松树株数的准确率达到80%以上。

2.4 航摄监测的枯死松树坐标点的提取及精度验证

本次航摄监测松材线虫病疫点枯死松树共1 468株，每株枯死松树含有一个坐标点信息，共提取到了1 468个坐标点数据。

沥青性能优劣直接影响到排水沥青混凝土路用性能及耐久性。本研究选用A型和B型国产沥青改性剂TAFPACK—Seper（简称TPS），改性基质沥青来制备高黏度改性沥青，并参照《公路工程沥青及沥青混合料试验规程》进行相应试验，主要技术性能检测结果见表1。

无人机最早应用于军事领域，随着技术的不断研究与开发，使无人机在其他领域的应用也越来越广泛，包括国土、灾害监测、环境、资源、农业、林业等领域(张红梅等，2017)。目前，使用无人机搭载多种类型的传感器(数码相机、多光谱和高光谱相机、多光谱扫描仪、红外扫描仪等)在林业方面的应用越来越普遍，主要应用于森林资源调查和评估、荒漠化和沙化监测、森林巡护、林业执法、森林病虫害监测、森林火灾预警及现场指挥、自然灾害灾后评估等方面(赵国帅，2017)。利用无人机航摄监测松材线虫病能及时获取多时态、多角度、多光谱、高分辨率的航摄影像，显著提高松材线虫病的监测效率，降低监测成本；通过对航摄影像的智能化自动识别，进一步提高了监测的效率和一致性，使监测结果更加客观、可靠。利用无人机航摄监测松材线虫病并自动化识别松材线虫病枯死松树，使人们能及时发现松材线虫病枯死松树，了解枯死松树的数量及分布情况，有效监测松材线虫病疫情的发展动态，为松材线虫病的应急除治提供依据；同时也为松材线虫病灾害损失和防治效果评价提供客观、准确的依据，为评价各级政府部门落实松材线虫病等重大林业有害生物防控目标责任、生态环境损害责任，以及森林自然灾害保险理赔等提供客观依据。本研究初步研究了利用无人机航摄监测松材线虫病及自动化识别松材线虫病枯死松树，表明了通过结合无人机航摄和自动化识别技术能高效监测松材线虫病，能为大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑，具有重要意义。

在拼接全图的过程中，由于每张图都带坐标，全图同样也带坐标，将拼接图像置于首欣科技自主研发的GIS地理信息系统上，由自动识别算法进行标点，即可自动返回坐标。而航摄照片在一定高度作业可以获取影像的地面分辨率0.1 m，图像定位精度在RTK GPS的辅助下可以到达2-3 m，因此，理论上，所提取到的坐标点的精度是2-3 m。通过在样地内的林道两侧的GPS核查，结果显示GPS测定的坐标点数据与自动化提取的坐标点数据接近，航摄监测提取的枯死松树坐标点数据准确，精确度高。

  

图 5 航摄监测图像中选取的区域图像Fig.5 The selection region image in aerial monitoring image

  

图 6 航摄监测选取区域准确率效果图像Fig.6 The accuracy effect image of selection region in aerial monitoring image

3 结论与讨论

本研究采用的小型固定翼手抛电动无人机，适用于中小面积、松林的航摄监测，对起降场地的条件要求较小，安全、稳定、高效。自主研发的索尼机芯的可见光+多光谱相机，型号统一、像素统一，对于拍照和拼图后期处理提供高质量的保障。选用的索尼A6000相机作为拍摄多光谱影像的照相机，经试验选用近红外波段为840 nm，与徐华潮等(2011)在波长大于800 nm的近红外和中红外波段能预测黑松和马尾松感病状态的结论相近。无人机航摄获取的影像通过使用国家测绘局的LAMapper软件和ERDAS软件进行处理，并通过有监督的机器学习识别算法对结果进行矫正，配合带有知识库的专家系统进行验证，实现了自动化、客观地标示和导出松材线虫病疫点枯死松树的株数、位置和坐标点。本研究监测松林总面积1 425.9 hm2，通过自动化识别标示出枯死松树1 468株，获得枯死松树坐标点1 468个，通过最终验证表明自动化识别枯死松树的准确率达到80%以上，提取的坐标点精度达到2-3 m，与李卫正等(2014)利用美国GeoLink 软件采集病死木位置信息，经地面差分GPS 测量验证，水平位置偏差在0.24-2.82 m的结果相近。

中国和欧盟是《公约》和《京都议定书》重要的参与者，双方开展气候合作始于1996年。1996年，欧委会制定《欧盟对华新战略》，不仅将“推动改善环境和可持续发展战略”作为欧盟对华四大战略之一，还讨论了推动中国改善环境和可持续发展战略的领域和手段[5]。2012年签署的《中欧能源安全联合声明》标志着中国和欧盟结成能源消费国战略合作伙伴关系。2016年，中国和欧盟签署《中国-欧盟能源合作路线图》，指出发展可再生能源是中欧能源合作的基础。

本研究所采用的自动化识别技术对枯死松树的识别虽然具有很好的准确率，但依然存在一定的误差，而导致这些误差的原因主要有三方面：首先松材线虫病的发病是一个渐变的过程，早期、中期和晚期的症状是不尽相同的，而对于松材线虫病枯死松树症状样本积累的不全面，会直接导致误差的存在(王震等，2007；徐华潮等，2011)；其次是部分枯死松树是两株或多株连在一起，距离较近，导致自动识别时不能获得准确的株数；最后就是一些阔叶树枯死树、其他非松材线虫病枯死松树的存在，会影响系统的判读(李卫正等，2014；吕晓君等，2016)。因此，要提高无人机航摄自动化识别的准确率，首先，应该积累更全面的松材线虫病枯死松树症状样本和阔叶树枯死树及其他非松材线虫病枯死松树特征样本，构建全面的松材线虫病枯死松树样本库以及异常样本库，全面分析阔叶树枯死树的特征和其他非松材线虫病枯死松树特征与松材线虫病枯死松树症状的区别，及时调整特征因子，使系统进行更深层次的大数据相关性挖掘，应用深度学习神经网络，从而提高系统对松材线虫病枯死松树的识别能力及和其他异常样本的辨别能力(梁益同等，2003；Berni et al, 2009)；此外还应根据海量的样本数据，定义松材线虫病枯死松树的固定树冠面积，按照树冠面积将两株或多株枯死松树通过分割算法分割开，从而能准确识别枯死松树的株数(邓广，2009)；最后再结合人工矫正、人工实勘来降低系统误判。通过以上技术和措施的改进，能有效提高系统算法的准确率，使判读更为准确，理论上可接近100%。

（五）深入开展民族团结进步创建“七进”活动，营造民族团结氛围。华宁按照“大众化、时代化、特色化、实体化、常态化”创建要求，制定了《华宁县深入开展民族团结进步示范“七进”创建活动实施方案》，方案细化了民族团结进步创建“进机关、进企业、进社区、进乡镇、进学校、进宗教活动场所、进文化广场”的“七进”目标任务和考核验收标准，各创建牵头单位、责任单位分别制定切实可行的具体创建方案，逐年开展创建工作。

参考文献(References)

Berni JA, Zarco-Tejad PJ, Suárez L, et al. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle [J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(3): 722-738.

Deng G. Research on Individual Tree Identification and Crown Segmentation Algorithm in High Spatial Resolution Remote Sensing Imagery[D]. Beijing: Chinese Academy of Forestry, 2009. [邓广. 高空间分辨率遥感影像单株立木识别与树冠分割算法研究[D]. 北京: 中国林业科学研究院, 2009 ]

Feng YM, Zhang HJ, Lv Q, et al. Quantification of suitability distribution region of Bursaphelenchus xylophilus in China[J]. Scientia Silvae Sinicae, 2009, 45(2): 65-71. [冯益明, 张海军, 吕全, 等. 松材线虫病在我国适生性分布的定量估计[J]. 林业科学, 2009, 45(2): 65-71]

Lv XJ, Wang J, Yu WG, et al. Study on Monitoring Forest pests and diseases by Unmanned Aerial Vehicle[J]. Hubei Forestry Science and Technology, 2016, 45(4): 30-33. [吕晓君, 王君, 喻卫国, 等. 无人机监测林业有害生物初探[J]. 湖北林业科技, 2016, 45(4): 30-33]

Futai K. Pine wood nematode, Bursaphelenchus xylophilus[J]. Annual Review of Phytopathology, 2017, 51: 61-83.

Han YY, Wang Y, Xiang Y, et al. Prediction of potential distribution of Bursaphelenchus xylophilus in China based on Maxent ecological niche model[J]. Journal of Nanjing Forestry University(Natural Sciences Edition), 2015, 39(1): 6-10. [韩阳阳, 王焱, 项杨,等. 基于 Maxent生态位模型的松材线虫在中国的适生区预测分析[J]. 南京林业大学学报: 自然科学版, 2015, 39(1): 6-10]

根据植被指数图、近红外热像图和可见光影像图进行自动化分析。首先是对植被指数图进行单一元素的阈值筛选和一定关联范围内的阈值噪声筛选，将大量正常点和噪声点去除。之后使用计算机视觉相关方法，对特征模式进行模式识别，从图像中抽取有代表性的结构信息和特定模式。然后通过一定的已验证数据对识别算法结果进行有监督的机器学习矫正，通过不断的迭代提高精度。与此同时，配合带有知识库的专家系统等进行验证，得到枯死松树分布数据，包括分布范围、坐标点和健康度等信息，生成枯死松树电子分布图。

根据起降地点和作业面积，选用SFW-15小型固定翼手抛电动无人机，其最大续航时间1.5 h，安全作业时间1 h。该机可同时荷载可见光相机、多光谱相机，对分辨率、画幅、快门速度等多方面进行严格同步匹配，确保多种光谱数据采集设备触发控制和POS数据的一致性、多种正射影像的同步性，避免了多次不同任务批次航拍监测的路线、风力、高度、云层、空气质量误差。松树枯死株数准确性验证采用大疆PHANTOM 4 PRO+多旋翼无人机，其最大续航时间30 min，该机搭载一台可见光相机。

Liang YT, Hu JL, Xie P, et al. Auto-identifying forest dire-points in meteorological satellite images based on neural network [J]. Journal of Applied Meteorological Science, 2003, 14(6): 708-714. [梁益同, 胡江林, 谢萍, 等. 基于神经网络的气象卫星影像森林火点自动识别的试验研究[J]. 应用气象学报, 2003, 14(6): 708-714]

推进乡村振兴需要充分发挥样板示范带动效应，但如果脱离实际，片面追求吸引眼球的样板效应，甚至不顾自身条件，快干蛮上，则很有可能沦为劳民伤财的 “形象工程”，特别是“样板化”流于“同质化”的风险不可不警惕。在美丽乡村建设项目中，有的村庄街道风格统一，设计单一。一些地方仅仅抓住当地一两个传说故事，就建起了相关主题的特色小镇，清一色的仿古建筑，标配的商业街，商户销售的也不过是各个市场的“大路货”，几乎看不到与特色乡镇相关联的文化印记。

本文从耐火极限、节能、降噪等因素出发，对全户内变电站装配式建筑物墙体进行节能、降噪计算，分主变室内墙、楼梯间内墙、疏散走道内墙、其他内墙、安装箱体内墙，主变室外墙、普通外墙共7类墙体进行细化设计研究，应用建筑新材料，计算得出墙体最优参数，比传统做法节约了建材、节省了资金、增加了使用空间。该做法已在西安某110 kV变电站设计中应用验证，可为今后的类似工程设计和建设管理者提供借鉴和参考。

2.2 IM-DILI和DIAIH鉴别诊断 由于IM-DILI和DIAIH临床表现相似、自身抗体特异性差等原因，临床上对两者间的鉴别诊断目前仍较困难。本文通过复习文献，将IM-DILI与DIAIH的异同归纳如下(表1)。IM-DILI的临床、生化和组织学特征与AIH相似，但对激素治疗反应良好，激素治疗成功后停药可持续缓解[6]；而DIAIH在停用激素后易复发，须持续激素治疗。因此，密切随访有助于IM-DILI和DIAIH的鉴别。本例患者对激素治疗的反应良好，并且在停用激素后持续缓解，因此诊断为IM-DILI。

Ma Y, Lv Q, Yu CM, et al. Study on early diagnosis technology of pine wilt disease [J]. Journal of Shandong Agricultural University(Natural Science), 2014, 45(1): 158-160. [马跃, 吕全, 于成明, 等. 松材线虫病早期诊断技术研究评述[J]. 山东农业大学学报: 自然科学版, 2014, 45(1): 158-160]

State Forestry Bureau. Announcement of State Forestry Bureau (No. 1, 2018) (Pine Wilt Disease area, 2018) [EB/OL]. [2018-02-07] [2018-03-03].http://www.forestry. gov.cn/main/4461/content-1074329.html. [国家林业局. 国家林业局公告(2018年第1号)(2018年松材线虫病疫区)[EB/OL]. [2018-02-07] [2018-03-03].http://www.forestry.gov.cn/main/4461/content-1074329.html.]

State Forestry Bureau. The eighth national forest resource inventory statistics[EB/OL]. [2014-03-10] [2018-03-03]. http://211.167.243.162:8085/8//chengguofiles/20140310/779f3bf3-e29d-414f-a3d4-797c618bfe6c.pdf.[国家林业局. 第八次全国森林资源清查统计数据[EB/OL]. [2014-03-10] [2018-03-03]. http://211.167.243.162:8085/8//chengguofiles/20140310/779f3bf3-e29d-414f-a3d4-797c618bfe6c.pdf.]

Wang Z, Zhang XL, An SJ. Spectral characteristics analysis of Pinus Massoniana Suffered by Bursaphelenchus xylophilus[J]. Remote Sensing Technology and Application, 2007, 22(3): 367-370. [王震, 张晓丽, 安树杰. 松材线虫病危害的马尾松林木光谱特征分析[J]. 遥感技术与应用, 2007, 22(3): 367-370]

Wu Q. Research on Bursaphelenchus xylophilus Area Detection Based on Remote Sensing Image[D]. Hefei: Anhui University, 2013. [吴琼. 基于遥感图像的松材线虫病区域检测算法研究[D]. 合肥: 安徽大学, 2013]

Xie WZ, Huang HH, Huang MJ, et al. Occurrence and control of forestry harmful organisms in Guangdong Province [J]. Journal of Environmental Entomology, 2017, 39(6):1191-1197. [谢伟忠, 黄焕华, 黄茂俊, 等. 广东省林业有害生物的发生与防控[J]. 环境昆虫学报, 2017, 39(6):1191-1197]

Xu HC, Luo YQ, Zhang TT, et al. Changes of reflectance spectra of pine needles in different stage after being infected by pine wood Nematode [J]. Spectroscopy and Spectral Analysis, 2011, 31(5): 1352-1356. [徐华潮, 骆有庆, 张廷廷, 等. 松材线虫自然侵染后松树不同感病阶段针叶光谱特征变化[J]. 光谱学与光谱分析, 2011, 31(5): 1352-1356]

爱国主义是对祖国的忠诚和热爱，是中华民族精神的核心，是中国人民的行为准则体系。新时代爱国主义的本质体现为爱国和爱党、爱社会主义的有机统一，新时代爱国主义的鲜明主题是实现中华民族伟大复兴的中国梦，新时代爱国主义的突出特征是爱国情怀和改革精神、世界眼光相结合。

Zhang HM, Lu YG. A review on the research of the monitoring of pine nematode diseases with UAV remote sensing technology in China[J]. East china Forest Management, 2017, 31(3): 29-32.[张红梅, 陆亚刚. 无人机遥感技术国内松材线虫病监测研究综述[J]. 华东森林经理, 2017, 31(3): 29-32]

Zhao GS. Application and demand analysis of unmanned aerial vehicle remote sensing in forestry [J]. Journal of Fujian Forestry Science and Technology, 2017, 44(1): 136-140. [赵国帅. 无人机遥感在林业中的应用与需求分析[J]. 福建林业科技, 2017, 44(1): 136-140]