AI+IoT+遥感!这套“组合拳”让森林害虫无处遁形

本文约4500字，阅读约10分钟

文 | 王芊佳

出品 | 海潮天下

很多树木，在死亡前很长一段时间里，并不会表现出明显异常。

这是全球森林系统正在经历的一个情况，那就是病虫害扩散速度越来越快，而传统监测手段越来越难以提前发现问题。

联合国粮农组织数据显示，目前全球森林覆盖面积约占陆地面积的31%，其中超过1/3是原始森林。过去几十年里，森林退化长期被认为主要与砍伐、火灾和土地利用变化有关，但近年研究发现，昆虫和病原物造成的扰动正在快速增加。2026年的一项综述研究指出，在气候变暖、国际贸易增长和极端天气增加的共同作用下，森林害虫已经从区域性问题演变为全球性生态风险。仅亚洲和欧洲，就已有约65.3%的森林区域受到本地或外来病虫害影响。

▲钻蛀性害虫（Boring Pests，如天牛、象甲、木蠹蛾等）在幼虫阶段会钻入树干、树皮或树根内部进行取食，严重破坏植物用以运输水分和养分的维管束系统（木质部和韧皮部），导致树木枯萎、生长停滞甚至大面积死亡。上图是一条隐蔽在白蜡树干内部的白蜡窄吉丁的幼虫。图源：宾夕法尼亚州保护与自然资源部门

其中最难处理的一类，是钻蛀性害虫。

这类昆虫的幼虫会钻入树干内部生活，典型物种包括松墨天牛、红棕象甲、亚洲天牛等。它们在木质部和韧皮部之间持续取食，破坏树木内部输导组织。问题在于，这一过程往往持续数月、甚至是更久，但树木外观并不会立刻出现异常。

▼ 海潮天下·往期相关报道：

雪、尘土和昆虫竟成野生动物监测利器！原住民用eDNA技术监测陆生物种

气候变暖真会让农作物害虫全面大爆发吗？海量田间数据挑战单一传统模型

▲上图：松材线虫病由外来入侵物种松材线虫引发，其通过媒介昆虫松墨天牛传播，侵染健康松树后，会导致松树输导组织受阻，叶片迅速失绿变黄、枯萎，整株树木从发病到枯死往往仅需数月。这种病害具有极强的传染性和毁灭性，已对我国多个省份的马尾松、黑松等主要松林资源造成严重破坏，不仅导致大片森林生态系统失衡，木材资源大量损失，还破坏了森林固碳、水土保持等生态功能，防控过程需投入巨额人力物力，成为威胁我国森林生态安全的重大外来入侵物种灾害案例。上图是松墨天牛（Monochamus alternatus）——松材线虫病的传播者。摄影©Linda Wong | 海潮天下（Marine Biodiversity）

很多受感染树木在中后期之前，都很难用肉眼发现。

等到叶片变黄、树枝枯死、树皮开裂或者出现蛀孔时，树体内部通常已经形成大量虫道，水分运输系统也已经遭到严重破坏，那就有点为时已晚了。部分情况下，钻蛀性害虫还会为真菌和细菌感染创造入口，引发继发性病害。

所以，病了，你也不知道。这种“隐蔽性”，直接改变了森林病虫害治理逻辑。

▲红棕象甲（Rhynchophorus ferrugineus）是全球棕榈科植物的“头号杀手”，它们的幼虫会直接钻入树干和树冠内部，疯狂啃食树芯组织并制造大量纵横交错的虫道。在整个受害前期，树木的外表几乎完好如初，肉眼根本无法察觉，但树体内部其实已经被完全掏空。等到树冠开始枯萎、折断时，往往意味着树木已经彻底死亡且无可挽回。这种“外表正常、内部致命”的特性，使其成为传统人工巡查完全无法攻克的瓶颈。生物声学与振动信号分析是本文着重探讨的、用于解决钻蛀性害虫早期检测的突破性核心技术手段。尽管幼虫隐蔽在树干内部，但其在木质部内取食和爬行时会产生微弱的摩擦与嚼碎纤维的振动。上图是一只红棕象甲的幼虫标本。摄影：路易吉·巴拉科（Luigi Barraco）

▲红棕象甲所以成为智慧林业和AI害虫监测研究的核心对象，主要原因在于其极端的危害破坏力和独特的钻蛀隐蔽性。上图是一个红棕象甲的雌性成虫标本。摄影：路易吉·巴拉科（Luigi Barraco）

过去，林业监测主要依赖人工巡查。工作人员进入林区后，观察树冠颜色、树干孔洞、虫粪、流胶等特征，可判断是否发生虫害，再配合诱捕器统计种群数量。这种方式在局部区域仍然有效，但对于大面积森林来说，存在明显限制。

一是是时间成本。很多森林区域地形复杂，人工巡查周期长，很难实现高频率连续监测。其次是准确率问题。钻蛀性害虫幼虫长期隐藏在树干内部，即使经验丰富的林业人员，也很难在感染早期确认虫害位置。

▲光肩星天牛（Asian long-horned beetle）属于典型的钻蛀性害虫，其幼虫在树干内部长期蛀食，会导致树木的水分和养分输送受阻，进而引发树冠叶片的生理压力变化。为了在更广阔的森林尺度上捕捉这种肉眼难以察觉的早期受害迹象，中国研究人员利用高分辨率的 WorldView-2（WV-2）卫星影像，结合微观的植物生理参数，有效打破传统人工实地调查的地域限制，可实现对大规模森林中钻蛀性害虫灾情的时空演变、受害分级以及暴发风险的精确监测。（可参见北京林业大学周强等人2021年发表的一个研究, 这篇论文中引用了）。上图是一个光肩星天牛在蛹室内部的发育状态。图源：肯尼斯·劳（Kenneth R. Law）/USDA APHIS PPQ

真正推动监测模式变化的，是近几年声学识别技术的发展。

树干里的幼虫其实一直在“发声”。

它们在木质组织内部爬行、啃咬和钻孔时，会产生连续振动。只不过，人的耳朵听不见这些信号罢了，但，压电传感器可以记录。研究人员现在会把微型传感器安装在树干表面，持续采集振动数据，再用算法分析其中是否存在害虫活动特征。

问题是，森林本身是一个高度复杂的噪声环境。风吹树叶、降雨、鸟类活动、机械振动甚至远距离车辆通行，都会干扰数据。真正来自幼虫的振动信号通常非常微弱。

因此，人工智能开始成为一个重要环节。

一些研究已经开始利用深度学习模型对振动信号进行分类。比如说，研究人员会同时录制害虫取食声和环境噪声，再训练算法识别不同频率特征。其中有研究采用“双振动增强网络”模型（Dual-Vibration Enhancement Network, 简称DVEN，来自Shi/2023），对白蜡窄吉丁（拉丁学名：Agrilus planipennis，英文名：Emerald Ash Borer）的幼虫振动进行时域和频域强化处理，以提高识别精度。

▲白蜡窄吉丁是目前全球林业和昆虫学界最受关注的外来入侵害虫之一，也是钻蛀性害虫智能化早期监测研究中最具代表性的模式物种。这种害虫原生于亚洲东北部，但在2000年代初期被发现入侵北美地区，并在随后十几年间对北美的白蜡树森林造成了毁灭性打击，导致数以亿计的树木死亡，造成了数十亿美元的经济损失与严重的生态灾难。它们的幼虫长期隐藏在树皮下方啃食韧皮部和木质部，外观在早期几乎没有任何异常，隐蔽性极高。上图是一只白蜡窄吉丁（拉丁学名：Agrilus planipennis，英文名：Emerald Ash Borer）成虫背视图。图源：美国农业部动植物卫生检验局（USDA-APHIS）

与传统人工判断相比，AI的优势在于，它能够长期处理大规模连续数据。

在部分实验系统中，传感器可以实现24小时持续监测。当树干内部出现异常振动模式后，系统会自动发送预警信息。这种方式最大的价值不是“消灭害虫”，而是把发现的时间点大幅给提前了。

因为对于钻蛀性害虫来说，时间非常关键。

过去，很多树木是在大面积死亡后才确认虫害暴发；而现在，目标是尽可能在幼虫刚进入树干时就完成了识别。

▼ 海潮天下·往期相关报道：

美国正式启动“创世使命”！17个国家实验室将彻底AI化，AI智能体接管实验

许建初：人工智能时代非洲面临的挑战与机遇

1.3厘米“天眼”剿毒草！北美草原外来物种的AI剿匪战 | 荒野生态系统高精度动态监测创新

▲白蜡窄吉丁等害虫的幼虫在树皮下啃咬的声音极其微弱，野外的风声、雨声、车辆喧嚣会形成巨大的背景噪声，传感器录下来的音频里几乎全是噪音。在讨论钻蛀性害虫对全球农业林业的威胁以及智慧林业前沿技术时，白蜡窄吉丁是一个无法绕过的标杆性物种。其实在探讨“AI与现代科技如何改变森林害虫防治方式”时，科学界开展的大量关于声学传感器监测树干内部啃咬振动、无人机高光谱遥感监测冠层早期生理变化的研究，其实很多都是以白蜡窄吉丁作为核心实验、应用对象。这篇研究亦然。上图是一个从蛹室中移出的白蜡窄吉丁的蛹。大家看到的这个是它在羽化为成虫前的关键发育阶段。图片来源：肯尼斯·劳（Kenneth R. Law）| 美国乔治亚大学Bugwood网络与美国农业部林务局运营的森林图像库

除了树干内部监测，遥感技术也正在快速进入森林病虫害系统。

树木受到虫害影响后，会先出现生理变化。例如叶片蒸腾作用下降、水分运输异常、叶绿素含量改变以及树冠温度升高。这些变化在人眼看来可能并不明显，但会改变植物的光谱反射特征。

▲上图：物联网（IoT）框架的核心组件及其运作流程。（图表基于BioRender平台绘制）论文出处：Bibi M, Skarmeta AF and Khan SZ (2026) 

近几年，高分辨率卫星、多光谱成像、热红外设备和无人机系统开始广泛的用于森林健康监测。遥感技术已经能够借助多时相影像识别森林中的早期异常区域。

例如，一些研究团队会使用搭载高光谱相机的无人机，对松林进行周期性扫描。AI模型随后分析图像中的温度变化、冠层颜色偏移以及反射率差异，从而判断哪些区域可能已经受到虫害影响。

在中国、欧洲和北美，一些实验系统已经开始把声学传感器、无人机、卫星数据和气象系统整合在一起。算法不仅分析树木当前状态，还会结合温度、湿度、降水和历史虫害分布数据，对未来风险进行预测。

▲上图：人工智能在现代生态与森林保护中应用广泛，其主要分支涵盖了机器学习、深度学习、计算机视觉、自然语言处理和机器人技术等领域。该图直观地展示了人工智能的核心子领域及其分支架构，为理解智能害虫管理系统中的图像识别、声学信号处理及多源数据融合提供了系统性的技术版图（图表来源于BioRender平台）。论文出处：Bibi M, Skarmeta AF and Khan SZ (2026)

▲上图：人工智能与物联网技术的交叉融合在植保、灌溉、环境监测等环节的具体落地场景（图表基于BioRender平台绘制）。论文出处：Bibi M, Skarmeta AF and Khan SZ (2026) 

这一模式与传统林业最大的区别在于，它开始从“发现结果”转向“预测过程”。

气候变化是推动这一领域快速发展的核心背景之一。

大量研究已经发现，昆虫种群对温度变化高度敏感。气温升高后，许多害虫越冬死亡率下降，繁殖周期缩短，扩散范围扩大。一些过去只能在低纬度地区存活的害虫，开始进入高纬度森林。

过去20年里，欧洲森林中的病虫害暴发频率明显增加，并且与持续高温存在直接关联。另一项关于欧洲森林扰动的研究预测，到本世纪末，在高排放情景下，欧洲森林受到火灾、风暴和树皮甲虫影响的面积可能增加122%。

▲上图：人工智能与物联网在害虫管理中整合的方法学概述（图表基于BioRender平台绘制）。论文出处：Bibi M, Skarmeta AF and Khan SZ (2026) 

树种单一化也在放大这种风险。

很多人工林采用同龄、单一树种种植方式。这种模式虽然便于木材生产，但生态稳定性较弱。一旦某种害虫适应环境，往往会快速扩散。

研究人员发现，单一树种森林对病虫害的抵抗能力明显低于天然混交林。因此，现在越来越多生态学家已经不再把森林虫害简单视为“林业问题”，而是将其视为气候变化、生态结构单一化、全球贸易共同作用的结果。

不过，AI系统距离真正大规模落地仍有现实障碍。

森林环境对设备稳定性要求极高。高湿度、温度波动以及长期暴露环境，都会降低传感器寿命。很多野外设备在连续运行数周后就会出现供电和数据传输问题，而无线通信本身又是高耗能环节。

另外，AI模型本身也依赖大量训练数据。不同树种、不同湿度条件和不同季节环境，都会影响到算法的准确率。森林生态系统高度复杂，而现阶段的数据积累还是很有限的。

这意味着，当前技术更接近“辅助决策系统”，而不是完全自动化治理系统。

但变化已经开始出现。过去，人类通常依赖树木死亡数量判断森林健康；现在，更细微的指标开始成为监测对象，包括树干振动、树冠温度、水分运输和叶片反射率变化。

▲上图：基于人工智能与物联网解决方案的钻蛀性害虫幼虫检测与分类。论文出处：Bibi M, Skarmeta AF and Khan SZ (2026) 

从技术路径看，森林管理正在逐渐从周期性巡查，转向连续动态监测。

而对于很多树木来说，真正危险的阶段，恰恰发生在外表仍然“正常”的时候。

声明：1）本文仅代表资讯；仅供读者参考，不代表平台观点。详情请参看文末链接。2）本文已经开启“快捷转载”，欢迎微信公众平台转发（直接转即可）；3）“海潮天下”拒绝使用AI生成图片，以确保信息准确性；4）欢迎专家、读者不吝指正、留言、赐稿！欢迎有理有据的不同意见，激发思考、百家争鸣。

资讯源 | Bibi M, Skarmeta AF and Khan SZ (2026) , Hartmann et al. (2025)

文 | 王芊佳

排版 | 卢晓雨

时间 | 2026年5月28日

联系小编 | editor@oceanbiodiversity.cn

在看你就赞赞我！