1.一种基于遥感技术的林业病虫害监测系统，其特征在于：包括遥感数据采集模块、越冬保持率分析模块、环境匹配诊断模块和监测管控模块；

所述遥感数据采集模块通过在预先确定的云杉林分掩膜范围内，获取秋末与春初的遥感数据集，并发送至林业监测系统进行预处理，获取云杉针叶数据集；

所述越冬保持率分析模块通过基于云杉针叶数据集，进行计算输出越冬针叶保持率Kret，并预设健康阈值Kth进行分段预警，将云杉林分掩膜范围划分为越冬正常区域、越冬临界区域和越冬风险区域；

所述越冬保持率分析模块包括越冬针叶保持率计算子单元；

所述越冬针叶保持率计算子单元通过在云杉林分掩膜范围内调用云杉针叶数据集中像元p的云杉针叶指数秋末值Ipre(p)和像元p的云杉针叶指数春初值Ipost(p)；对于任一像元p进行保持率计算，输出像元p的越冬针叶保持率Kret(p)；

所述像元p的越冬针叶保持率Kret(p)通过以下算法公式计算输出：

Kret(p)=Ipost(p)/Ipre(p)；

同时再对云杉林分掩膜范围内全部像元p执行计算，生成由各像元p的越冬针叶保持率Kret(p)构成的越冬针叶保持率栅格；

所述环境匹配诊断模块通过将越冬风险区域划分为多个诊断区域j，并基于每个诊断区域j的越冬针叶保持率Kret进行统计计算，获取云杉落针病诊断指数Rdiag，并预设云杉落针病诊断阈值Rth进行诊断对比；

所述环境匹配诊断模块包括诊断指数计算子单元；

所述诊断指数计算子单元通过将越冬保持率分析模块发送的越冬风险区域清单中的每一连续风险斑块作为一个候选区域，通过对相邻且像元p的越冬针叶保持率Kret(p)类别相同的像元p进行连通性分析与空间聚类，将每一候选区域合并为至少一个诊断区域j；

在每一诊断区域j内全部像元p的越冬针叶保持率Kret(p)进行统计平均，得到诊断区域j的越冬针叶保持率均值Kretmean(j)；

并从健康林分基准库中检索在坡向、坡位、海拔和风场记录环境因子上与诊断区域j相匹配的健康云杉林分样本，对所述健康云杉林分样本对应像元p的越冬针叶保持率Kret(p)进行统计平均，得到诊断区域j的环境匹配健康林分越冬针叶保持率均值Krefenv(j)；

所述环境匹配诊断模块还包括诊断计算子单元；

所述诊断计算子单元通过将诊断区域j的越冬针叶保持率均值Kretmean(j)和诊断区域j的环境匹配健康林分越冬针叶保持率均值Krefenv(j)进行计算，获取当前诊断区域j的云杉落针病诊断指数Rdiag（j）；具体计算公式如下：Rdiag(j)=Krefenv(j)-Kretmean(j)；

所述监测管控模块基于诊断对比结果，将不同诊断区域j划分为不同的监测层级，并进行调整无人机监测策略。

2.根据权利要求1所述的一种基于遥感技术的林业病虫害监测系统，其特征在于：所述遥感数据采集模块包括云杉林分掩膜确定与样地布设子单元；

所述云杉林分掩膜确定与样地布设子单元通过设置API应用程序接口，经过授权后，接入林业数据库，提取既有林相图、林业资源调查数据以及多时相遥感影像，采用监督分类与地形约束叠加的方法，对寒冷地区的针叶林区域进行树种识别与边界细化，生成仅包含云杉林分的云杉林分掩膜范围；

在所述云杉林分掩膜范围内，沿主山脊、谷底及不同坡向布设若干条样带，并在每条样带上按照预设200m-800m间距范围布设基础样地，形成覆盖不同海拔带和不同坡向的基础样地网络，同时将各基础样地的中心位置及周边无人机起降点位置记录为基础采集点集合；并在所述云杉林分掩膜范围内，依据所述基础采集点集合的空间分布，按预设时间窗在秋末获取包含红光波段和近红外波段的秋末遥感数据集，在次年春初获取与所述秋末遥感数据集在空间分辨率和成像范围上相匹配的春初遥感数据集；再将秋末遥感数据集和春初遥感数据集进行汇总，获取对应云杉林分掩膜范围内的遥感数据集；

其中，按预设时间窗在秋末获取包含红光波段和近红外波段的秋末遥感数据集，所述秋末遥感数据集为在云杉林分停止明显生长且地表尚未被稳定积雪覆盖的秋末生长阶段，由多光谱卫星传感器和/或多光谱无人机载传感器获取的、与云杉林分掩膜在空间上配准的多光谱影像集合；

在次年春初获取春初遥感数据集，所述春初遥感数据集为在积雪基本融化且新一季针叶尚未大量萌发的春初阶段，由与所述秋末遥感数据集相同空间分辨率和成像范围的多光谱卫星传感器和/或多光谱无人机载传感器获取的多光谱影像集合，并至少包含与所述秋末遥感数据集中相对应的红光波段和近红外波段。

3.根据权利要求2所述的一种基于遥感技术的林业病虫害监测系统，其特征在于：所述遥感数据采集模块还包括数据传输存储子单元；

所述数据传输存储子单元通过将所述遥感数据集通过无线专用网络传输至林业监测系统的中心服务器，在传输过程中对遥感数据集封装为数据包，并附加采集时间、传感平台类型、轨道参数以及对应云杉林分掩膜标识，完成数据的元数据标注；

并在中心服务器中按照数据采集时间、数据来源平台和空间覆盖范围对遥感数据集进行分层存储，将原始影像数据存入遥感原始数据仓，将与所述云杉林分掩膜范围相交的影像片区及其元数据索引存入专题数据库，以便越冬保持率分析模块按云杉林分掩膜范围进行快速调用。

4.根据权利要求3所述的一种基于遥感技术的林业病虫害监测系统，其特征在于：所述遥感数据采集模块还包括数据处理子单元；

所述数据处理子单元通过在林业监测系统中调用经数据传输存储子单元存储的遥感数据集进行预处理，所述预处理包括辐射定标、大气校正、地形校正和几何精校正，以保证两期数据在辐射量纲和空间配准上的一致性，输出几何精校正影像数据集；

所述几何精校正影像数据集包括秋末几何精校正影像数据集和春初几何精校正影像数据集；

辐射定标处理步骤中，首先调用秋末遥感数据集和春初遥感数据集对应的传感器标定系数、轨道参数和观测几何参数，基于线性辐射定标模型将原始数字量化值转换为顶层大气辐射亮度，进一步利用太阳天顶角、地日距离和中心波长参数将所述顶层大气辐射亮度归一化为表观地表反射率，从而分别得到秋末辐射定标影像数据集和春初辐射定标影像数据集，为后续大气校正处理提供统一的辐射量纲；

大气校正处理步骤中，基于辐射传输模型结合暗像元p法的大气校正技术，读取与成像时刻匹配的大气廓线数据和气象数据，对秋末辐射定标影像数据集和春初辐射定标影像数据集进行大气散射与吸收效应扣除，反演得到地表反射率，从而获得秋末大气校正影像数据集和春初大气校正影像数据集，有效削弱气溶胶、水汽大气成分对红光波段和近红外波段的干扰；

地形校正处理步骤中，在秋末大气校正影像数据集和春初大气校正影像数据集中引入与影像覆盖区域相匹配的数字高程模型，计算每一像元p的坡度和坡向，结合对应的太阳高度角和太阳方位角，采用地形归一化模型对不同坡度和坡向条件下的地表反射率进行归一化修正，削弱阴坡、阳坡之间因入射光照差异引起的系统亮度偏差，从而分别得到秋末地形校正影像数据集和春初地形校正影像数据集，使高寒山区内不同地形条件下的云杉光谱信息具有可比性；

几何精校正处理步骤中，以秋末地形校正影像数据集和春初地形校正影像数据集为输入，结合云杉林分掩膜范围对应的基础底图以及地面控制点集合，采用地面控制点配准与自动特征匹配相结合的影像配准技术，对秋末地形校正影像数据集和春初地形校正影像数据集进行几何精校正，优化变换模型参数，使秋末影像与春初影像之间以及两者与云杉林分掩膜范围在平面坐标上实现子像元p级配准，输出秋末几何精校正影像数据集和春初几何精校正影像数据集，并记录配准误差作为质量控制指标；

在完成预处理后，对于秋末几何精校正影像数据集中处于云杉林分掩膜范围内的任一像元p，从红光波段数据层中读取像元p的表面反射率值RED（p），并从近红外波段数据层中读取像元p的表面反射率值NIR(p)；按照归一化植被指数NDVI的计算形式得到云杉针叶指数秋末值Ipre(p)，在所述春初遥感数据集中以相同方式计算得到对应像元p的云杉针叶指数春初值Ipost(p)，其中，p为云杉林分掩膜范围内的像元p索引；

并将像元p的云杉针叶指数秋末值Ipre(p)和像元p的云杉针叶指数春初值Ipost(p)，进行汇总整合为云杉针叶数据集。

5.根据权利要求4所述的一种基于遥感技术的林业病虫害监测系统，其特征在于：所述越冬保持率分析模块还包括分段预警子单元；

所述分段预警子单元通过基于历史地面调查确认健康的云杉林分样本，在云杉林分掩膜范围内统计对应像元p的越冬针叶保持率Kret(p)的分布特征，按照预设的第70百分位和30百分位进行设置健康阈值Kth，所述健康阈值包括越冬针叶保持率健康阈值Tth1和越冬针叶保持率风险阈值Tth2；

其中：越冬针叶保持率健康阈值Tth1取健康样本像元p的越冬针叶保持率Kret(p)分布的第70百分位附近，表示70%像元p的越冬针叶保持率Kret(p)不低于这个水平，低于此值则说明保持率开始偏离正常区间；

越冬针叶保持率风险阈值Tth2取像元p的越冬针叶保持率Kret(p)分布的第30百分位附近；表示只有30%像元p的越冬针叶保持率Kret(p)会低到这个水平，再低就很有可能不是正常波动，而是严重退化或病害；

并在运行年度中根据越冬针叶保持率栅格，对云杉林分掩膜范围内每一像元p的越冬针叶保持率Kret(p)进行分段预警，并基于分段预警结果在越冬针叶保持率栅格中生成预警等级图，具体分段内容如下：当像元p的越冬针叶保持率Kret(p)≥越冬针叶保持率健康阈值Tth1时，在越冬针叶保持率栅格中将当前像元p标记为越冬正常区域，当越冬针叶保持率风险阈值Tth2≤像元p的越冬针叶保持率Kret(p)＜越冬针叶保持率健康阈值Tth1时，在越冬针叶保持率栅格中将当前像元p标记为越冬临界区域；

当像元p的越冬针叶保持率Kret(p)＜越冬针叶保持率风险阈值Tth2时，在越冬针叶保持率栅格中，将当前像元p标记为越冬风险区域，同时将当前越冬风险区域的遥感监测等级调整至最高优先级。

6.根据权利要求1所述的一种基于遥感技术的林业病虫害监测系统，其特征在于：所述环境匹配诊断模块还包括结果判定子单元；

所述结果判定子单元通过基于病例样本库中经地面调查确认健康的诊断区域与经地面调查确认患云杉落针病的诊断区域j的云杉落针病诊断指数Rdiag(j)历史分布；

将健康的诊断区域j的云杉落针病诊断指数Rdiag(j)计算第90百分位，以及患病诊断区域j的云杉落针病诊断指数Rdiag(j)计算第10百分位，并将第90百分位与第10百分位的中值设定为云杉落针病诊断阈值Rth，以使云杉落针病诊断阈值T_diag位于健康诊断区域与患病诊断区域j云杉落针病诊断指数Rdiag(j)分布的分界区间内；

在运行年度中基于实时获取的诊断区域j的云杉落针病诊断指数Rdiag(j)与云杉落针病诊断阈值Rth进行诊断，具体对比内容如下：当诊断区域j的云杉落针病诊断指数Rdiag(j)≥云杉落针病诊断阈值Rth时，将对应诊断区域j标记为云杉落针病可信度疑似区域；

当诊断区域j的云杉落针病诊断指数Rdiag(j)＜云杉落针病诊断阈值Rth时，将对应诊断区域j标记为环境主导异常区域。

7.根据权利要求6所述的一种基于遥感技术的林业病虫害监测系统，其特征在于：所述监测管控模块包括任务调度子单元；

所述任务调度子单元通过接收越冬保持率分析模块输出的预警等级图以及环境匹配诊断模块输出的各诊断区域j的云杉落针病诊断指数Rdiag(j)；

按照预设的监测分级规则，将云杉林区域划分为基础巡检层级、重点预警层级和应急防控层级，具体监测分级规则为：当诊断区域j对应的云杉落针病诊断指数Rdiag(j）=0且诊断区域j内部的像元p的越冬针叶保持率Kret(p)整体＞越冬针叶保持率健康阈值Tth1时，将诊断区域j划入基础巡检层级；

当诊断区域j对应的云杉落针病诊断指数Rdiag(j）＞0且小于云杉落针病诊断阈值Rth，将诊断区域j划入重点预警层级；

当诊断区域j对应的云杉落针病诊断指数Rdiag(j）≥云杉落针病诊断阈值Rth时，将诊断区域j划入应急防控层级；

再根据各层级的划分结果，对处于基础巡检层级的区域仅保留基础巡检航线和基础样地，对处于重点预警层级的区域自动增加基础巡检频次的1.5倍-3倍的无人机巡航频次与样地密度，对处于应急防控层级按照对应诊断区域j的云杉落针病诊断指数Rdiag(j）从大到小进行排序生成防控优先级列表，并基于防控优先级列表下发对应的无人机植保任务和地面防治任务至无人机控制终端和地面作业终端。