[1] 王曦茁,曹业凡,汪来发,等. 松材线虫病发生及防控现状[J]. 环境昆虫学报,2018,40(2):256−267.
[2] 何天英,李霞. 松材线虫病遥感监测在我国的研究进展[J]. 河南科技,2021,744(10):13−15. doi: 10.3969/j.issn.1003-5168.2021.10.013
[3]

Sindhuja S, Ashish M, Reza E, et al. A review of advanced techniquesfor detecting plant diseases[J]. Computers and Electronics in Agriculture, 2010(72): 1−13:.
[4]

Fukuda K. Physiological process of the symptom development and resistance mechanism in pine wilt disease[J]. Journal of Forest Research, 1997, 2(3): 171−181. doi: 10.1007/BF02348216
[5] 浦瑞良,宫鹏. 高光谱遥感及其应用[M]. 北京:高等教育出版社,2000(1):89−93.
[6] 赵春燕,杨志高. 高光谱遥感技术及其在森林监测中的应用探讨[J]. 林业调查规划,2006,31(1):4−6. doi: 10.3969/j.issn.1671-3168.2006.01.002
[7] 申广荣,王人潮. 植被光谱遥感数据的研究现状及其展望[J]. 浙江大学学报,2001,27(6):682−690.
[8] 杜华强,葛宏立,范文义,等. 分形理论在马尾松松材线虫病发病早期高光谱探测中的应用[J]. 林业科学,2009,45(6):68−76. doi: 10.3321/j.issn:1001-7488.2009.06.012
[9] 陆坎凯. 基于人工神经网络和高光谱数据的松材线虫病预测[D]. 浙江农林大学,2015.
[10] 黄明祥,龚建华,李顺,等. 松材线虫病害高光谱时序与敏感特征研究[J]. 遥感技术与应用,2012,27(6):954−960. doi: 10.11873/j.issn.1004-0323.2012.6.954
[11]

Kim S R, Lee W K, Lim C H, et al. Hyperspectral analysis of pine wilt disease to determine an optimal detection index[J]. Forests, 2018, 9(115): 1−12.
[12] 张衡. 不同胁迫类型下松树高光谱特征响应机制研究[D]. 南京林业大学,2015.
[13] 刘文雅. 松材线虫病胁迫下松树生理参数的高光谱遥感估测模型研究[D]. 南京林业大学,2017.
[14] 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. doi: 10.3964/j.issn.1000-0593(2011)05-1352-05
[15]

Ju Y, Pan J, Wang X, et al. Detection of <italic>bursaphelenchus xylophilus</italic> infection in <italic>pinus massoniana</italic> from hyperspectral data[J]. Nematology, 2014, 16(10): 1197−1207. doi: 10.1163/15685411-00002846
[16] 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.
[17]

Fassnacht F E, Latifi H, Ghosh A, et al. Assessing the potential of hyperspectral imagery to map bark beetle-induced tree mortality[J]. Remote Sensing of Environment, 2014, 140(1): 533−548.
[18]

Zhang N, Zhang X, Yang G, et al. Assessment of defoliation during the <italic>Dendrolimus tabulaeformis</italic> Tsai et Liu disaster outbreak using UAV-based hyperspectral images[J]. Remote Sensing of Environment, 2018, 217: 323−339. doi: 10.1016/j.rse.2018.08.024
[19] 吴琼. 基于高光谱成像技术的小麦苗期监测研究[D]. 吉林大学,2012.
[20] 张根. 基于高光谱成像的水分胁迫下番茄叶片含水量估计算法研究[D]. 东北林业大学,2023.
[21] 宁眺,方宇凌,汤坚,等. 松材线虫及其关键传媒墨天牛的研究进展[J]. 昆虫知识,2004,41(2):97−104.
[22] 邓书斌. ENVI遥感影像处理方法[M]. 北京:科学出版社,2010.
[23] 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. doi: 10.3969/j.issn.1004-0323.2007.03.012
[24] 王晓堂. 基于高光谱的松萎焉病动态变化研究[D]. 南京林业大学,2011.
[25] DB 34/T 2594-2016. 基于无人机平台的松材线虫病变色松树监测技术规程[S]. 合肥:安徽省质量技术监督局. 2016.
[26]

Miller J R, Hare E W, Wu J. Quantitative characterisation of the vegetation red edge reflectance. An inverted - Gaussian reflectance model[J]. International Journal of Remote Sensing, 1990, 11(10): 1175−1773.