松材线虫病(Bursaphelenchus xylophilus)在我国属于由外来林业有害生物入侵引起的病害,给我国的森林健康、生态安全和社会经济等造成了十分严重的影响。马尾松是福建省森林主要树种之一,同时也是松材线虫病的易感树种,从上世纪八十年代松材线虫侵入以来已经给当地造成了极大的损失。因此,能够很好地监测和预测松材线虫病对福建乃至全国林业的都具有非常重要的意义。本文以感染松材线虫病的马尾松林为研究对象,在以福建省三明市为研究范围的区域中选取不同受害时期的马尾松单株进行光谱测定及针叶水分含量测定,结合选取的以2009年1月份为主的SPOT5遥感影像,对研究区松材线虫病进行早期遥感识别研究。本文根据研究区典型植被的光谱差异性,利用基于知识规则的决策树方法对研究区进行植被分类,并在此基础上提取马尾松林信息。通过分析松材线虫病发病的机理特点,提出叶片含水量是松材线虫病早期监测的有效指标,并探讨了光谱信息(植被指数)与叶片含水量的关系,为松材线虫病早期检测提供依据；最后根据实际情况选用了高光谱遥感中较为常用的波谱角分类法,以实测的松材线虫病不同感病时期的马尾松光谱数据为参考样本库,对经过辐射校正的SPOT5多光谱遥感影像进行马尾松不同受害时期的样点识别。经研究发现,利用叶片含水量因子作为病害识别因子,由于受气候等因素影响较大,需要大量样本数据作为参考依据,利用其对病害早期分类识别有待于做进一步研究；利用波谱角分类法能够较为有效地对不同受害时期的样点进行识别,但分类阈值的设定及识别精度有待于进一步探讨。