Les maladies et les ravageurs des plantes, en tant que menace importante pour la production agricole et forestière et la santé des écosystèmes, intensifient leur impact dans un contexte de changement climatique mondial. La lutte verte, efficace et précise contre les maladies et les ravageurs dépend d'informations de surveillance et d'alerte de haute qualité. Par rapport aux méthodes traditionnelles de protection des cultures, les technologies en rapide évolution de télédétection attirent de plus en plus l'attention et la reconnaissance des scientifiques et des gouvernements du monde entier pour l'observation des maladies et des ravageurs. Cet article est principalement axé sur l'application systématique des technologies de télédétection dans la surveillance et l'alerte des maladies et des ravageurs des plantes ces dernières années, présentant les progrès technologiques, les méthodes et les modèles, analysant les principaux défis dans ce domaine et envisageant les tendances futures. Tout d'abord, les données d'observation multiscales en télédétection, composées de données d'observation spatiale par satellite, avion, drone et capteurs terrestres, fournissent la base de données clé pour la surveillance et la cartographie des maladies et des ravageurs, capables de mieux répondre aux besoins de surveillance des maladies et de surveillance de l'habitat. Dans la surveillance des maladies et des ravageurs par télédétection, l'analyse spectrale et l'analyse d'image en tant que deux principaux thèmes extraient des informations clés sur les maladies et les ravageurs à partir des données de télédétection sous des angles différents ; en même temps, l'application de la technique d'analyse temporelle fournit des moyens efficaces pour surveiller les processus des maladies et des ravageurs et distinguer les différentes contraintes. Dans l'alerte des maladies et des ravageurs par télédétection, les données d'observation multisources sont utilisées pour surveiller divers facteurs d'habitat, puis sont couplées avec divers modèles statistiques, modèles d'apprentissage machine, modèles d'apprentissage profond et modèles mécanistes pour réaliser une large alerte...

maladies et ravageurs des plantes ; télédétection ; surveillance ; alerte ; progrès ; perspectives