基于多光谱遥感与改进YOLOv8的林业有害生物灾害实时监测

doi:10.16178/j.issn.0528-9017.20260256

浙江农业科学 ›› 2026, Vol. 67 ›› Issue (10): 2475-2479.DOI: 10.16178/j.issn.0528-9017.20260256

基于多光谱遥感与改进YOLOv8的林业有害生物灾害实时监测

徐名川()

潮州市潮安区生物多样性保护中心，广东潮州 521000

收稿日期:2026-04-08 出版日期:2026-10-11 发布日期:2026-10-19
作者简介:徐名川，主要研究方向为林业有害生物防控及生物多样性保护。E-mail：XuMingchuanAA@126.com。

Real time monitoring of forest pest disasters based on multispectral remote sensing and improved YOLOv8

XU Mingchuan()

Chao’an Biodiversity Conservation Center，Chaozhou City，Chaozhou 521000，Guangdong

Received:2026-04-08 Online:2026-10-11 Published:2026-10-19

摘要/Abstract

摘要：

鉴于传统林业有害生物灾害监测方法主要依赖人工巡查与地面调查，存在效率低下、成本高昂、覆盖范围有限等问题，本文提出基于多光谱遥感与改进YOLOv8的林业有害生物灾害实时监测方法。利用无人机搭载多光谱相机获取林业有害生物灾害的多光谱遥感图像，随后进行平滑与变换处理，以此提升图像质量并降低噪声干扰。通过引入注意力机制对常规YOLOv8模型进行改进，并利用改进后的模型对多光谱遥感图像进行分类识别，从而实现林业有害生物灾害等级的实时监测。案例分析结果表明，研究方法可以兼顾较高的林业有害生物灾害实时监测精度与速度，满足大规模林业有害生物灾害的防控需求。

关键词: 多光谱遥感, 改进YOLOv8, 林业有害生物灾害, 灾害监测, 实时监测

Abstract:

Given that traditional forest pest monitoring methods mainly rely on manual inspections and ground surveys，which have problems such as low efficiency，high cost，and limited coverage，this paper proposes a real-time monitoring method for forest pest disasters based on multispectral remote sensing and improved YOLOv8. Multispectral remote sensing images of forest pest disasters are acquired using a drone equipped with a multispectral camera， followed by smoothing and transformation processing to enhance image quality and reduce noise interference. By introducing attention mechanism to improve the conventional YOLOv8 model，and using the improved model to classify and recognize multispectral remote sensing images，real-time monitoring of forest pest disaster levels can be achieved. The case analysis results indicate that the research method can balance high real-time monitoring accuracy and speed of forest pest disasters，meeting the prevention and control needs of large-scale forest pest disasters.

Key words: multispectral remote sensing, improved YOLOv8, forest pest disasters, disaster monitoring, real time monitoring

中图分类号:

S127

徐名川. 基于多光谱遥感与改进YOLOv8的林业有害生物灾害实时监测[J]. 浙江农业科学, 2026, 67(10): 2475-2479.

XU Mingchuan. Real time monitoring of forest pest disasters based on multispectral remote sensing and improved YOLOv8[J]. Journal of Zhejiang Agricultural Sciences, 2026, 67(10): 2475-2479.

图/表 4

表1 研究区树木树种信息

Table 1 Tree species information for the study area

树种	种植面积/hm²	占比/%	分布区域
马尾松	45 200	49.7	东部山区、中部丘陵
杉木	28 700	31.5	西部低山、南部河谷
柏木	12 300	13.5	北部岩溶区、中部台地
其他	4 800	5.3	零星分布

图1 不同时期林业有害生物的灾害等级监测结果

Fig.1 Monitoring results of disaster severity levels for forest pests across different periods

图2 不同方法下监测结果的决定系数

Fig.2 Coefficient of determination for monitoring results under different methods

图3 不同方法的监测速度对比

Fig.3 Comparison of monitoring speeds across different methods

参考文献 12

[1]	吕全，骆有庆，南小宁. 中国林业有害生物防控策略与实践［J］. 植物保护，2025，51（5）：475-489.
[2]	邓海威. 林业有害生物防治的主要问题与对策［J］. 林业勘查设计，2025，54（3）：65-68.
[3]	刘婷婷，杨晋帆，周汝良，等. 基于地理栅格变量与机器学习的松材线虫病扩散风险分析［J］. 浙江农林大学学报，2023，40（3）：617-626.
[4]	李金星，邵路，管廷贤，等. 基于MaxEnt模型对新疆博州6种优势蝗虫潜在宜生区分析［J］. 中国草地学报，2024，46（7）：101-111.
[5]	庞岩，任雪毓，李国宏，等. 基于发生指数的中国森林生物灾害趋势与突变特征［J］. 生态学报，2023，43（5）：1822-1831.
[6]	李刚勇，陈春波，李均力，等. 低空无人机遥感在草原监测评价中的应用进展［J］. 生态学报，2023，43（16）：6889-6901.
[7]	谷晓博，徐洋，程智楷，等. 基于无人机多光谱遥感的覆膜冬小麦叶片含水率反演［J］. 农业机械学报，2025，56（9）：547-556.
[8]	李清云，肖亦敏，林卫，等. 基于无人机多光谱数据的海口长钦湖水质参数遥感反演及其与景观格局的相互关系［J］. 生态环境学报，2025，34（12）：1930-1943.
[9]	杨文府，刘珺，汪雯雯，等. 基于多光谱遥感数据的生物多样性监测与评估［J］. 光谱学与光谱分析，2023，43（4）：1282-1290.
[10]	王会征，李新龙，薄萍，等. 基于改进YOLOv8n的自然场景下苹果外观品质检测方法［J］. 农业工程学报，2025，41（11）：173-182.
[11]	谢一帆，贾紫晗，张晓丽. 基于交叉注意力融合多光谱与SAR数据的森林分类［J］. 遥感学报，2025，29（10）：2989-3005.
[12]	田有文，覃上声，闫玉博，等. 基于改进YOLOv8的田间复杂环境下蓝莓成熟度检测［J］. 农业工程学报，2024，40（16）：153-162.

基于多光谱遥感与改进YOLOv8的林业有害生物灾害实时监测

Real time monitoring of forest pest disasters based on multispectral remote sensing and improved YOLOv8

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 12

相关文章 4

编辑推荐

Metrics

本文评价

[1]	金磊, 张驰, 邵小东, 杜军, 田晶晶, 刘宇. 基于无人机载多光谱的烤烟叶片氮含量评估[J]. 浙江农业科学, 2025, 66(5): 1158-1162.
[2]	吴彬1，李艳芳1*，刘双喜1，陈中赟1，骆丽楠1，吴亚岚2. 基于GIS的湖州特色农业气象灾害监测预警平台研制及应用 [J]. 浙江农业科学, 2016, 1(5): 760-.
[3]	吴彬1，李艳芳1，金志凤2*，刘双喜1，丁丽3，钱晖3. 茶叶生产气象服务系统的设计与实现[J]. 浙江农业科学, 2015, 1(7): 980-.
[4]	尚海，郭海燕*，夏桂萍，吴璟玥，夏志. 基于LabVIEW的大棚温度监测报警系统[J]. 浙江农业科学, 2014, 1(11): 1777-.