松树象征着坚韧、忠贞、长寿,具有极高的药用、生态、经济价值,被誉为“百木之长”。松材线虫病被称为“松树的癌症”,植物界的“非典”,已在我国造成6亿多棵松树的死亡和上千亿元人民币的经济损失,极大地威胁了我国林业生态安全。普查监测是发现松材线虫病的重要手段,对松材线虫病的防控意义重大。卫星遥感技术是我国松材线虫病普查监测的主要方法。然而目前其只能检测出已发生在林分尺度上的松材线虫病,严重掣肘着防控工作。本研究以松材线虫病普查监测问题为背景选题,结合卫星遥感技术、机器学习理论等多学科知识,探索了在卫星图像上检测发生在单株松树上松材线虫病病害的解决方案,具有明显的理论深度、实用价值和森林生态保护意义。本文以国家林业和草原局提供的松材线虫病北京-2号卫星遥感数据为基础。首先,对数据进行了二次处理并通过地面核实检疫和目视检疫的方式标记了遥感图像中的松材线虫病疫木。然后,根据数据二次处理结果,分析了造成卫星于不同时刻捕获图像间差异的原因并探讨了这一问题的解决方案。在此基础上对比了 Wallis滤波算法和直方图匹配算法的处理效果。随后,通过测量染病松树的反射率、形状、大小,探讨了染病松树的光谱特性和空间特性。之后,对比多种深度学习模型在松材线虫病疫木卫星图像切片上的识别效果,并探讨了深度学习模型处理低分辨率图像的能力与网络架构间的关系。而后,结合深度学习方法处理低分辨率影像的先进成果提出了优化HRnetV2模型和改进HRnetV2模型,并在此基础上设计了相应的松材线虫病疫木检测方法。最后,将该检测方法应用于卫星图像,并验证其在实践中的有效性。使用上述方法处理数据可得到如下结果:比起直方图匹配,Wallis滤波算法可以更好地消除图像间的差异。从反射率的平均值上来看,测量得到的松材线虫病疫木与健康树木等地物间存在着差异。染病松树树冠呈规律的椭圆形,树冠宽度平均约为5.6m。松材线虫病疫木切片识别实验结果表明,HRnetV2网络相较于其他模型识别效果更好。松材线虫病检测实验表明,基于改进HRnetV2网络的松材线虫病疫木检测方法效果更佳,其在符合定量处理精度得到卫星图像上可以有效地检测出发生在单株松树上的松材线虫病病害,但存在着将林区一些光谱成分类似的地物误检测为感染松材线虫病松树的情况。上述结果支持如下结论:其一,识别发生在树木尺度上松材线虫病需要高分辨率遥感卫星的数据支持。图像的辐射信息和空间信息对识别过程有着重要意义。其二,除参考影像外,Wallis滤波和直方图匹配等相对辐射校正方法无法满足定量处理卫星图像的要求。其三,连续的下采样过程会严重影响到深度学习模型处理低分辨率图像的能力。改进HRnetV2网络较少的下采样过程以及利用SE模块和空间注意力模块从图像的三个维度上引入了注意力机制是检测方法能正确检测发生在树木尺度上的松材线虫病的关键。