基于谷歌街景技术的城市森林多食性小蠹虫侵染监测研究——以南非约翰内斯堡为例

为解决多食性小蠹虫(PSHB)侵染导致的城市树木枯萎病(FD)监测难题，研究人员创新性利用谷歌街景(GSV)技术对约翰内斯堡1137棵树木进行回溯性调查。研究发现GSV可精准识别悬铃木属(Platanus)等特定树种的PSHB-FD侵染症状，首次证实该虫害2017年已入侵该市，为追溯入侵路径和制定管理策略提供了高效低成本的技术方案。

　　

在全球生物入侵愈演愈烈的背景下，多食性小蠹虫(Polyphagous shot hole borer, PSHB)与其共生真菌Fusarium euwallaceae引发的枯萎病(Fusarium dieback, FD)已成为威胁城市森林健康的"隐形杀手"。这种原产东南亚的微小甲虫自2017年在南非首次报道后，已导致约130种植物受害，预估造成184.5亿美元的经济损失。传统监测方法耗时费力，而南非约翰内斯堡作为PSHB的重灾区，其入侵时间和扩散路径始终成谜。为此，威特沃特斯兰德大学联合南非农业研究委员会等机构的研究团队，开创性地将谷歌街景(Google Street View, GSV)技术应用于虫害监测，为城市生物安全防控提供了新范式。

研究团队采用时空回溯法，通过GSV平台调取2010-2022年间约翰内斯堡7个行政区的1137棵树木影像，重点监测4种PSHB易感树种（包括悬铃木Platanus x acerifolia、加州悬铃木P. racemosa等），并与2022年实地调查数据比对。技术路线包含三个关键环节：GSV影像的时空覆盖分析、虫害症状的视觉判读（主要依据树干褐色污斑），以及两种监测方法的准确性验证（采用kappa系数等指标）。

研究结果揭示：在"GSV影像监测效能"方面，该方法对悬铃木属树种展现出惊人准确性，识别P. racemosa和P. x acerifolia侵染的准确率分别达95%和97%，但对槭树属(Acer)效果欠佳。在"虫害时空扩散规律"方面，通过分析历史影像首次确认PSHB-FD于2017年出现在B、E行政区，至2022年侵染率在悬铃木中高达79.5%-91.1%。值得注意的是，"监测效率对比"显示GSV仅需7天完成全城调查，耗时仅为实地调查的1/9。

讨论部分强调，该研究首次证实GSV可作为PSHB-FD监测的有效工具，特别适用于树皮光滑的悬铃木等"哨兵树种"。发现2017年的侵染证据改写了南非官方记录，为入侵生物学研究提供了关键时间锚点。尽管存在影像覆盖不全、季节差异等局限，但该方法以近乎零成本实现了大尺度虫害普查，为发展中国家城市生物入侵监测树立了典范。作者建议将GSV与无人机遥感等技术结合，构建多尺度监测网络，同时警示需加强木质包装材料检疫，阻断PSHB通过人类活动扩散的路径。这项发表于《Biological Invasions》的研究，不仅为全球城市森林保护提供了技术模板，更开创了公民科学参与生物安全治理的新模式。