海潮天下·導讀

2026年4月，《森林與全球變化的前沿》（Frontiers in Forests and Global Change）期刊發表了一項關于應對鉆蛀類害蟲（Boring Pests）的綜合治理綜述《徹底變革害蟲防治——運用尖端技術控制森林害蟲》。由于這類害蟲具有極強的隱蔽性，傳統的癥狀監測往往導致防控滯后。這個最新研究指出，須借助多傳感器融合的早期預警系統和智能化圖像識別，在樹木受損初期就介入。該研究還特別強調，全球化貿易導致的這類害蟲跨國界擴散，已成為全球林業與城市綠地生態的重大威脅，需建立更高效的國際聯動防御體系。為助力全球環境治理、并供我國學者了解最新研究動態信息，分享該研究如下，供感興趣的讀者們參閱。

本文約4500字，閱讀約10分鐘

文 | 王芊佳

出品 | 海潮天下

很多樹木，在死亡前很長一段時間里，并不會表現出明顯異常。

這是全球森林系統正在經歷的一個情況，那就是病蟲害擴散速度越來越快，而傳統監測手段越來越難以提前發現問題。

聯合國糧農組織數據顯示，目前全球森林覆蓋面積約占陸地面積的31%，其中超過1/3是原始森林。過去幾十年里，森林退化長期被認為主要與砍伐、火災和土地利用變化有關，但近年研究發現，昆蟲和病原物造成的擾動正在快速增加。2026年的一項綜述研究指出，在氣候變暖、國際貿易增長和極端天氣增加的共同作用下，森林害蟲已經從區域性問題演變為全球性生態風險。僅亞洲和歐洲，就已有約65.3%的森林區域受到本地或外來病蟲害影響。

▲鉆蛀性害蟲（Boring Pests，如天牛、象甲、木蠹蛾等）在幼蟲階段會鉆入樹干、樹皮或樹根內部進行取食，嚴重破壞植物用以運輸水分和養分的維管束系統（木質部和韌皮部），導致樹木枯萎、生長停滯甚至大面積死亡。上圖是一條隱蔽在白蠟樹干內部的白蠟窄吉丁的幼蟲。圖源：賓夕法尼亞州保護與自然資源部門

其中最難處理的一類，是鉆蛀性害蟲。

這類昆蟲的幼蟲會鉆入樹干內部生活，典型物種包括松墨天牛、紅棕象甲、亞洲天牛等。它們在木質部和韌皮部之間持續取食，破壞樹木內部輸導組織。問題在于，這一過程往往持續數月、甚至是更久，但樹木外觀并不會立刻出現異常。

▼ 海潮天下·往期相關報道：

雪、塵土和昆蟲竟成野生動物監測利器！原住民用eDNA技術監測陸生物種

氣候變暖真會讓農作物害蟲全面大爆發嗎？海量田間數據挑戰單一傳統模型

▲上圖：松材線蟲病由外來入侵物種松材線蟲引發，其通過媒介昆蟲松墨天牛傳播，侵染健康松樹后，會導致松樹輸導組織受阻，葉片迅速失綠變黃、枯萎，整株樹木從發病到枯死往往僅需數月。這種病害具有極強的傳染性和毀滅性，已對我國多個省份的馬尾松、黑松等主要松林資源造成嚴重破壞，不僅導致大片森林生態系統失衡，木材資源大量損失，還破壞了森林固碳、水土保持等生態功能，防控過程需投入巨額人力物力，成為威脅我國森林生態安全的重大外來入侵物種災害案例。上圖是松墨天牛（Monochamus alternatus）——松材線蟲病的傳播者。攝影?Linda Wong | 海潮天下（Marine Biodiversity）

很多受感染樹木在中后期之前，都很難用肉眼發現。

等到葉片變黃、樹枝枯死、樹皮開裂或者出現蛀孔時，樹體內部通常已經形成大量蟲道，水分運輸系統也已經遭到嚴重破壞，那就有點為時已晚了。部分情況下，鉆蛀性害蟲還會為真菌和細菌感染創造入口，引發繼發性病害。

所以，病了，你也不知道。這種“隱蔽性”，直接改變了森林病蟲害治理邏輯。

▲紅棕象甲（Rhynchophorus ferrugineus）是全球棕櫚科植物的“頭號殺手”，它們的幼蟲會直接鉆入樹干和樹冠內部，瘋狂啃食樹芯組織并制造大量縱橫交錯的蟲道。在整個受害前期，樹木的外表幾乎完好如初，肉眼根本無法察覺，但樹體內部其實已經被完全掏空。等到樹冠開始枯萎、折斷時，往往意味著樹木已經徹底死亡且無可挽回。這種“外表正常、內部致命”的特性，使其成為傳統人工巡查完全無法攻克的瓶頸。生物聲學與振動信號分析是本文著重探討的、用于解決鉆蛀性害蟲早期檢測的突破性核心技術手段。盡管幼蟲隱蔽在樹干內部，但其在木質部內取食和爬行時會產生微弱的摩擦與嚼碎纖維的振動。上圖是一只紅棕象甲的幼蟲標本。攝影：路易吉·巴拉科（Luigi Barraco）

▲紅棕象甲所以成為智慧林業和AI害蟲監測研究的核心對象，主要原因在于其極端的危害破壞力和獨特的鉆蛀隱蔽性。上圖是一個紅棕象甲的雌性成蟲標本。攝影：路易吉·巴拉科（Luigi Barraco）

蟲情爆發提前預警？智能監測系統盯樹干

過去，林業監測主要依賴人工巡查。工作人員進入林區后，觀察樹冠顏色、樹干孔洞、蟲糞、流膠等特征，可判斷是否發生蟲害，再配合誘捕器統計種群數量。這種方式在局部區域仍然有效，但對于大面積森林來說，存在明顯限制。

一是是時間成本。很多森林區域地形復雜，人工巡查周期長，很難實現高頻率連續監測。其次是準確率問題。鉆蛀性害蟲幼蟲長期隱藏在樹干內部，即使經驗豐富的林業人員，也很難在感染早期確認蟲害位置。

▲光肩星天牛（Asian long-horned beetle）屬于典型的鉆蛀性害蟲，其幼蟲在樹干內部長期蛀食，會導致樹木的水分和養分輸送受阻，進而引發樹冠葉片的生理壓力變化。為了在更廣闊的森林尺度上捕捉這種肉眼難以察覺的早期受害跡象，中國研究人員利用高分辨率的 WorldView-2（WV-2）衛星影像，結合微觀的植物生理參數，有效打破傳統人工實地調查的地域限制，可實現對大規模森林中鉆蛀性害蟲災情的時空演變、受害分級以及暴發風險的精確監測。（可參見北京林業大學周強等人2021年發表的一個研究, 這篇論文中引用了）。上圖是一個光肩星天牛在蛹室內部的發育狀態。圖源：肯尼斯·勞（Kenneth R. Law）/USDA APHIS PPQ

真正推動監測模式變化的，是近幾年聲學識別技術的發展。

樹干里的幼蟲其實一直在“發聲”。

它們在木質組織內部爬行、啃咬和鉆孔時，會產生連續振動。只不過，人的耳朵聽不見這些信號罷了，但，壓電傳感器可以記錄。研究人員現在會把微型傳感器安裝在樹干表面，持續采集振動數據，再用算法分析其中是否存在害蟲活動特征。

問題是，森林本身是一個高度復雜的噪聲環境。風吹樹葉、降雨、鳥類活動、機械振動甚至遠距離車輛通行，都會干擾數據。真正來自幼蟲的振動信號通常非常微弱。

因此，人工智能開始成為一個重要環節。

一些研究已經開始利用深度學習模型對振動信號進行分類。比如說，研究人員會同時錄制害蟲取食聲和環境噪聲，再訓練算法識別不同頻率特征。其中有研究采用“雙振動增強網絡”模型（Dual-Vibration Enhancement Network, 簡稱DVEN，來自Shi/2023），對白蠟窄吉丁（拉丁學名：Agrilus planipennis，英文名：Emerald Ash Borer）的幼蟲振動進行時域和頻域強化處理，以提高識別精度。

▲白蠟窄吉丁是目前全球林業和昆蟲學界最受關注的外來入侵害蟲之一，也是鉆蛀性害蟲智能化早期監測研究中最具代表性的模式物種。這種害蟲原生于亞洲東北部，但在2000年代初期被發現入侵北美地區，并在隨后十幾年間對北美的白蠟樹森林造成了毀滅性打擊，導致數以億計的樹木死亡，造成了數十億美元的經濟損失與嚴重的生態災難。它們的幼蟲長期隱藏在樹皮下方啃食韌皮部和木質部，外觀在早期幾乎沒有任何異常，隱蔽性極高。上圖是一只白蠟窄吉丁（拉丁學名：Agrilus planipennis，英文名：Emerald Ash Borer）成蟲背視圖。圖源：美國農業部動植物衛生檢驗局（USDA-APHIS）

與傳統人工判斷相比，AI的優勢在于，它能夠長期處理大規模連續數據。

在部分實驗系統中，傳感器可以實現24小時持續監測。當樹干內部出現異常振動模式后，系統會自動發送預警信息。這種方式最大的價值不是“消滅害蟲”，而是把發現的時間點大幅給提前了。

因為對于鉆蛀性害蟲來說，時間非常關鍵。

過去，很多樹木是在大面積死亡后才確認蟲害暴發；而現在，目標是盡可能在幼蟲剛進入樹干時就完成了識別。

▼ 海潮天下·往期相關報道：

美國正式啟動“創世使命”！17個國家實驗室將徹底AI化，AI智能體接管實驗

許建初：人工智能時代非洲面臨的挑戰與機遇

1.3厘米“天眼”剿毒草！北美草原外來物種的AI剿匪戰 | 荒野生態系統高精度動態監測創新

▲白蠟窄吉丁等害蟲的幼蟲在樹皮下啃咬的聲音極其微弱，野外的風聲、雨聲、車輛喧囂會形成巨大的背景噪聲，傳感器錄下來的音頻里幾乎全是噪音。在討論鉆蛀性害蟲對全球農業林業的威脅以及智慧林業前沿技術時，白蠟窄吉丁是一個無法繞過的標桿性物種。其實在探討“AI與現代科技如何改變森林害蟲防治方式”時，科學界開展的大量關于聲學傳感器監測樹干內部啃咬振動、無人機高光譜遙感監測冠層早期生理變化的研究，其實很多都是以白蠟窄吉丁作為核心實驗、應用對象。這篇研究亦然。上圖是一個從蛹室中移出的白蠟窄吉丁的蛹。大家看到的這個是它在羽化為成蟲前的關鍵發育階段。圖片來源：肯尼斯·勞（Kenneth R. Law）| 美國喬治亞大學Bugwood網絡與美國農業部林務局運營的森林圖像庫

遙感巡診

除了樹干內部監測，遙感技術也正在快速進入森林病蟲害系統。

樹木受到蟲害影響后，會先出現生理變化。例如葉片蒸騰作用下降、水分運輸異常、葉綠素含量改變以及樹冠溫度升高。這些變化在人眼看來可能并不明顯，但會改變植物的光譜反射特征。

▲上圖：物聯網（IoT）框架的核心組件及其運作流程。（圖表基于BioRender平臺繪制）論文出處：Bibi M, Skarmeta AF and Khan SZ (2026)

近幾年，高分辨率衛星、多光譜成像、熱紅外設備和無人機系統開始廣泛的用于森林健康監測。遙感技術已經能夠借助多時相影像識別森林中的早期異常區域。

例如，一些研究團隊會使用搭載高光譜相機的無人機，對松林進行周期性掃描。AI模型隨后分析圖像中的溫度變化、冠層顏色偏移以及反射率差異，從而判斷哪些區域可能已經受到蟲害影響。

在中國、歐洲和北美，一些實驗系統已經開始把聲學傳感器、無人機、衛星數據和氣象系統整合在一起。算法不僅分析樹木當前狀態，還會結合溫度、濕度、降水和歷史蟲害分布數據，對未來風險進行預測。

▲上圖：人工智能在現代生態與森林保護中應用廣泛，其主要分支涵蓋了機器學習、深度學習、計算機視覺、自然語言處理和機器人技術等領域。該圖直觀地展示了人工智能的核心子領域及其分支架構，為理解智能害蟲管理系統中的圖像識別、聲學信號處理及多源數據融合提供了系統性的技術版圖（圖表來源于BioRender平臺）。論文出處：Bibi M, Skarmeta AF and Khan SZ (2026)

▲上圖：人工智能與物聯網技術的交叉融合在植保、灌溉、環境監測等環節的具體落地場景（圖表基于BioRender平臺繪制）。論文出處：Bibi M, Skarmeta AF and Khan SZ (2026)

黑科技防患于未然，重塑森林防蟲新格局

這一模式與傳統林業最大的區別在于，它開始從“發現結果”轉向“預測過程”。

氣候變化是推動這一領域快速發展的核心背景之一。

大量研究已經發現，昆蟲種群對溫度變化高度敏感。氣溫升高后，許多害蟲越冬死亡率下降，繁殖周期縮短，擴散范圍擴大。一些過去只能在低緯度地區存活的害蟲，開始進入高緯度森林。

過去20年里，歐洲森林中的病蟲害暴發頻率明顯增加，并且與持續高溫存在直接關聯。另一項關于歐洲森林擾動的研究預測，到本世紀末，在高排放情景下，歐洲森林受到火災、風暴和樹皮甲蟲影響的面積可能增加122%。

▲上圖：人工智能與物聯網在害蟲管理中整合的方法學概述（圖表基于BioRender平臺繪制）。論文出處：Bibi M, Skarmeta AF and Khan SZ (2026)

樹種單一化也在放大這種風險。

很多人工林采用同齡、單一樹種種植方式。這種模式雖然便于木材生產，但生態穩定性較弱。一旦某種害蟲適應環境，往往會快速擴散。

研究人員發現，單一樹種森林對病蟲害的抵抗能力明顯低于天然混交林。因此，現在越來越多生態學家已經不再把森林蟲害簡單視為“林業問題”，而是將其視為氣候變化、生態結構單一化、全球貿易共同作用的結果。

不過，AI系統距離真正大規模落地仍有現實障礙。

森林環境對設備穩定性要求極高。高濕度、溫度波動以及長期暴露環境，都會降低傳感器壽命。很多野外設備在連續運行數周后就會出現供電和數據傳輸問題，而無線通信本身又是高耗能環節。

另外，AI模型本身也依賴大量訓練數據。不同樹種、不同濕度條件和不同季節環境，都會影響到算法的準確率。森林生態系統高度復雜，而現階段的數據積累還是很有限的。

這意味著，當前技術更接近“輔助決策系統”，而不是完全自動化治理系統。

但變化已經開始出現。過去，人類通常依賴樹木死亡數量判斷森林健康；現在，更細微的指標開始成為監測對象，包括樹干振動、樹冠溫度、水分運輸和葉片反射率變化。

▲上圖：基于人工智能與物聯網解決方案的鉆蛀性害蟲幼蟲檢測與分類。論文出處：Bibi M, Skarmeta AF and Khan SZ (2026)

從技術路徑看，森林管理正在逐漸從周期性巡查，轉向連續動態監測。

而對于很多樹木來說，真正危險的階段，恰恰發生在外表仍然“正常”的時候。

本文參考資料

感興趣的海潮天下（Marine Biodiversity）讀者可以參看該研究的全文：

Bibi M, Skarmeta AF and Khan SZ (2026) Revolutionizing pest control: harnessing cutting-edge technologies in controlling forest pests. Front. For. Glob. Change 9:1777311. doi: 10.3389/ffgc.2026.1777311

https://www.frontiersin.org/journals/forests-and-global-change/articles/10.3389/ffgc.2026.1777311/full

2021年周強等人那篇文參見：Zhou Q.ZhangX.YuL.RenL.LuoY. (2021). Combining WV-2 images and tree physiological factors to detect damage stages of Populus gansuensis by Asian longhorned beetle (Anoplophora glabripennis) at the tree level. For. Ecosyst.8:35. doi: 10.1186/s40663-021-00314-y

聲明：1）本文僅代表資訊；僅供讀者參考，不代表平臺觀點。詳情請參看文末鏈接。2）本文已經開啟“快捷轉載”，歡迎微信公眾平臺轉發（直接轉即可）；3）“海潮天下”拒絕使用AI生成圖片，以確保信息準確性；4）歡迎專家、讀者不吝指正、留言、賜稿！歡迎有理有據的不同意見，激發思考、百家爭鳴。

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

文 | 王芊佳

排版 | 盧曉雨

時間 | 2026年5月28日

聯系小編 | editor@oceanbiodiversity.cn

▼海潮天下·往期推薦

?精度提至1公里！NOAA升級馬尾藻風險預警體系

?《糧食和農業植物遺傳資源國際條約》將發布多邊體系運作全面分析報告 | 2026國際生物多樣性日

?植物為何挑環境？550縣域數據，重新定義區域生態質量

?干旱中，植物也會喊“救命”！你聽不到，蛾子卻能聽到

?野外相機拍了上百萬張照片后，AI開始接管生態學家最耗時間的工作

?AI系統識別1.3萬只昆蟲，112萬張圖訓練，準確率高達98.6%

?紅斑、神經痛、誤診……同是萊姆病，歐洲為何許多漏報病例？

在看你就贊贊我！