森林植被资源是地球上最重要的资源之一,森林病虫害则是威胁森林健康的首要因素,如何监测并预防森林病虫害是多年来国内外林业专家研究的重要课题。传统林业病虫害的监测手段主要依靠巡逻检测等人工手段,这些监测手段主观性强且具有时间滞后性,同时受地面环境影响较大。本文针对辽宁省建平地区受灾沙棘及油松样地提出了一种新的森林病虫害监测方法。首先利用无人机采集受灾林区图像,并对所得图像进行预处理,然后通过图像分割提取受灾林区区域,结合地面调查结果(失叶率)进行受灾级别判定,从而实现对森林病虫害情况的监测。针对受灾沙棘样地无人机图像,采用基于分数阶微分的标记分水岭算法,通过计算图像中各像素点的分数阶微分数值,代替原有的灰度值或梯度值。实验结果表明,该算法可以准确提取受灾沙棘区域,分割精度可达到95%以上；针对受灾较为严重的油松样地无人机图像,采用基于线性拉伸的二型模糊聚类算法对图像进行分割,该算法对模糊聚类算法中的隶属度函数进行适当线性拉伸,可以较为良好地提取受灾油松区域；针对受灾较轻的油松样地无人机图像,采用纹理特征匹配算法判定图像受灾级别,实验结果表明,分形维数、缝隙量、维数升降因子等三种纹理特征可以良好表征油松图像受灾级别。最后,本文对多种森林病虫害无人机图像分割算法综合分析比较,总结出不同树种、不同拍摄高度情况下各分割算法的适用范围。