全球视野下智慧林业天空地一体化监测预警体系构建与综合治理策略（年）行业报告

全球视野下智慧林业天空地一体化监测预警体系构建与综合治理策略（2026-2028年）行业报告

一、导论：全球森林生态安全面临的严峻挑战与监测范式转型

（一）研究背景与战略意义：森林作为陆地生态系统的主体，不仅承载着生物多样性保护、水源涵养、气候调节等核心生态功能，更是全球碳汇机制和气候行动的关键基石。然而，进入二十一世纪二十年代中叶，全球林业病虫害的发生与危害呈现出前所未有的复杂性和严峻性。气候变化导致的温度上升、降水格局改变，直接或间接地改变了病原物与害虫的地理分布、种群动态、生活史策略以及寄主树木的生理抗性。非传统病虫害流行区的扩展、本土病虫害危害级别的跃升、以及外来入侵物种的跨境传播风险，共同构成了对全球森林资源、生态安全和经济社会的多维胁迫。传统基于地面踏查、经验判断和定期普查的监测模式，已无法满足对病虫害爆发早期预警、精准定位、动态追踪和损失评估的时效性需求。构建具备全球视野、全要素感知、智能决策支持的监测预警体系，不仅是保护森林资源免遭重大损失的迫切需要，更是践行生态文明思想、履行国际环境公约、实现林业可持续发展的战略选择。

（二）监测理念的根本性变革：从静态观测到动态智慧化管理：本报告所定义的林业病虫害监测，已超越了单纯的数据采集范畴，演变为一个集信息感知、数据处理、模型模拟、决策支持和精准施策于一体的综合性、闭环式管理体系。其核心理念在于推动三大根本性转变：一是从“点状、间歇性”的监测向“面域、全天候”的实时监控转变，依托天基、空基、地基一体化的传感器网络，实现对森林生态系统的连续性扫描。二是从“症状辨识”向“早期胁迫诊断”转变，综合利用多光谱、高光谱、热红外乃至分子生物学技术，在病虫害发生早期（甚至显症前）即能敏锐捕捉树木生理生态指标的异常波动。三是从“单一灾种报告”向“多因子耦合分析”转变，将病虫害监测与气象、土壤、林分结构、人为活动等多源数据深度融合，揭示病虫害爆发成灾的内在机制和驱动因子，为从源头治理和生态系统整体恢复提供科学依据。这一转型标志着林业病虫害防治工作正在迈入以数据为驱动、以模型为核心、以精准为特征的智慧林业新阶段。

（三、报告范畴与前瞻时限：本报告立足于全球林业发展前沿，聚焦于2026年至2028年这一关键时期，旨在系统梳理和展望林业病虫害监测预警领域的技术革新、体系构建、管理策略和应用前景。报告内容将覆盖从基础理论突破、核心技术装备研发，到数据平台建设、业务化运行机制，直至区域联防联控和全球治理合作的全链条。我们旨在通过对这一领域最高水平成果的集成分析，为行业决策者、科研工作者、基层管理人员以及相关从业者提供一个兼具战略前瞻性和实践指导性的全景式框架，共同描绘未来三年智慧林业病虫害监测预警与绿色防控的发展蓝图。

二、全球林业病虫害发生态势与核心挑战（2026-2028年）

（一）气候变化驱动下的病虫害格局演变：未来三年，全球气候变化的影响将进一步加剧，成为塑造林业病虫害发生格局的首要驱动力。首先，温度升高将导致许多森林害虫（如松材线虫、落叶松毛虫、云山八齿小蠹等）的越冬存活率显著提升，其分布北界和高海拔界限持续北移和上推，使原本无此灾害的寒温带和亚高山森林带面临新的入侵风险。同时，有效积温的增加可能使害虫世代数增加，例如某些蛾类可能从一年一代变为两代，种群倍增速率加快，危害周期延长。其次，极端气候事件（如持续性干旱、暴雨洪涝、冰冻灾害）频发，会直接削弱树木的生长势和诱导抗性，使其更容易遭受次期性害虫（如小蠹虫）和弱寄生菌（如腐烂病菌）的侵袭。干旱胁迫下，树木体内碳水化合物分配失衡，防御性次生代谢物合成减少，为蛀干害虫的入侵创造了有利条件。此外，非典型气候模式，如暖冬后伴随的倒春寒，可能导致寄主树木物候期与害虫孵化期错位，也可能引发树木大面积冻害，进而诱发生理性病害。精准预测并适应气候变化下的新病虫害格局，是未来监测预警工作的首要挑战。

（二）外来入侵物种的持续威胁与扩散风险：全球化进程中的货物贸易、人员往来并未因区域局势变化而根本性停滞，林木、木质包装材料、观赏植物等的跨境流动依然是外来有害生物入侵的主要载体。预计在2026-2028年间，重大国际性检疫性有害生物，如松材线虫、红脂大小蠹、白蜡窄吉丁、栎树猝死病病菌等，将在其已入侵区域继续扩散蔓延，并向新的适生区传播。这些入侵物种往往具备繁殖能力强、适应范围广、缺乏天然天敌、危害隐蔽性强等特点，一旦定殖，极难根除，对本土森林生态系统造成毁灭性打击。例如，松材线虫病在东亚和欧洲部分国家的流行态势依然严峻，新疫点不断出现，防控压力巨大。未来监测的重点不仅在于现有疫区的动态，更在于构建针对潜在入侵途径（如主要港口、国际陆路口岸、木材加工集散地）的前瞻性风险分析和早期监测哨点网络，将防线推至国门之外。

（三）重大本土病虫害的周期性爆发与升级：本土病虫害并未因外来物种的威胁而减弱，其周期性、区域性爆发的风险依然存在。例如，在我国东北、内蒙古等重点国有林区，落叶松毛虫、舞毒蛾等食叶害虫仍有大范围成灾的可能，对林木生长量造成巨大损失。在南方集体林区，马尾松毛虫、思茅松毛虫等仍是常发性害虫。此外，一些原本危害不重的次要病虫害，在气候变化和林分结构变化的共同作用下，可能逐渐升级为主要问题。例如，某些梭梭林、杨树林基地的干部病害和枝梢病害日益严重。未来监测体系需要具备对本土常发性、偶发性和潜危性病虫害全面感知和早期预警的能力，准确把握其种群消长规律和成灾阈值。

（四）现有监测体系的局限性与能力短板：面对上述复杂严峻的态势，当前世界各国的林业病虫害监测体系普遍存在一些亟待弥补的短板。一是监测覆盖的广度和深度不足，许多偏远地区、深山远山和大面积人工纯林仍处于监测盲区，依赖有限的护林员踏查，漏查漏报现象时有发生。二是监测技术手段相对落后，部分地区仍以人工目测和经验判断为主，对无人机、遥感、物联网、人工智能等高新技术的应用不充分、不系统，难以实现早期、精准的监测识别。三是信息孤岛现象严重，气象、林调、病虫害、防治等多源数据分散在不同部门，缺乏高效整合、共享和协同分析的机制，导致数据价值无法被充分挖掘利用。四是预警模型精度和业务化运行能力有待提升，现有模型多基于历史数据统计，对极端气候事件和新发突发疫情的响应预测能力不足，且缺乏将预警信息快速转化为防治决策的闭环流程。五是基层监测预警的专业人才队伍老化、技术力量薄弱，难以驾驭日益复杂的智能监测设备和数据分析系统，成为制约现代化监测体系落地的最后一公里瓶颈。

三、智慧林业驱动下的监测技术前沿与体系构建（2026-2028年）

（一）天空地一体化监测网络：构建全球领先的感知层：未来三年，林业病虫害监测将从单点、离散的技术应用，迈向真正意义上的“天基宏观感知、空基中观巡查、地基微观验证”的一体化协同网络。

1、天基遥感监测的精细化与业务化：高空间分辨率、高时间分辨率、高光谱分辨率的商业和科研卫星数据将更加易得和普及。利用亚米级光学卫星影像，可以精确解译单木尺度的冠层颜色、纹理和结构变化，识别因病虫害导致的枯立木、变色木分布。高光谱卫星（如我国的高分五号、七号及后续星）能够获取地表连续的光谱曲线，通过反演叶绿素含量、水分胁迫指数、木质素和纤维素吸收特征等生化参数，在病虫害显症前（潜伏期）即能探测到树木生理状态异常，实现真正意义上的早期预警。雷达卫星（SAR）则凭借其全天候、全天时、穿透云雨雾的能力，通过分析后向散射系数变化，监测由病虫害引起的森林生物量变化、冠层粗糙度变化和土壤水分异常，尤其在热带雨林和多云雨地区具有不可替代的优势。未来发展趋势是构建由多系列卫星组成的虚拟星座，实现高频次、多模态的对地观测，并开发针对特定病虫害（如松材线虫病、红树林病害）的专用遥感监测算法和产品。

2、空基无人机巡查的智能组网与精准识别：无人机将成为连接天基和地基监测的核心节点，承担起灵活、高效、精准的中观巡查任务。固定翼和多旋翼无人机将搭载多种传感器形成任务模块。多光谱/高光谱成像无人机可用于对疑似的卫星热点区域进行低空详查，精确测定病害程度和边界。搭载激光雷达（LiDAR）的无人机能够穿透林冠层，获取林下三维结构，发现被压木、倒木和早期蛀干害虫危害的立木。热红外成像无人机则能敏锐捕捉感病树木因蒸腾作用受阻导致的冠层温度异常升高。未来三年，无人机机巢（无人机自动机场）将开始在重点林区部署，实现无人机自主起降、自动充电、数据回传和航线规划，大幅提升巡查的自动化水平和响应速度。结合边缘计算能力，无人机可在飞行中实时识别病虫害目标，并将预警信息推送到地面终端。

3、地基物联网感知的微型化与泛在化：地面物联网传感器作为精细化验证和连续动态监测的最后一公里，将向着微型化、低功耗、广覆盖、智能化的方向快速发展。各类新型传感器将被广泛布设于林间。例如，基于纳米技术的微型气味传感器，能够实时捕捉特定害虫的信息素或树木受害后释放的挥发性有机化合物（VOCs）特征图谱，实现分子层面的早期告警。智能虫情测报灯集成了高清图像采集和AI识别模块，可自动识别、计数诱捕到的害虫种类，并通过物联网上传。树木生理状况监测传感器，如树干茎流计、树干温度/含水量传感器、叶绿素荧光传感器等，可以实时追踪单木的健康动态。此外，基于LoRa、NB-IoT等低功耗广域网技术的普及，使得这些海量传感器能够长期稳定地在野外无网络覆盖区运行，将实时数据汇聚至云端平台。

（二）多源数据融合与智能分析平台：构建监测预警的“智慧大脑”：海量、多源、异构的监测数据本身并不产生价值，其价值在于融合、分析和挖掘。未来三年，数据融合与智能分析平台将成为监测预警体系的决策核心。

1、基于云原生的数据汇聚与治理：将建立统一的林业大数据中心，集成卫星遥感影像、无人机航拍数据、物联网传感器流数据、气象网格数据、基础林相图数据、历史病虫害档案以及社会经济数据。采用云原生技术架构，实现数据的弹性存储、高效管理和标准化治理。通过构建统一的数据模型和数据接口，打通不同来源数据之间的壁垒，消除信息孤岛，为上层智能分析提供高质量、标准化的数据湖。

2、AI驱动的特征提取与目标识别：深度学习等人工智能技术将在病虫害识别中发挥决定性作用。卷积神经网络（CNN）模型能够自动从海量遥感影像和无人机照片中学习并识别不同树种、不同病虫害类型及其不同危害阶段所表现出的独特光谱、纹理和空间形态特征。例如，通过训练数以百万计的松材线虫病疫木样本图像，AI模型能够从高分遥感影像中以超过90%的准确率自动勾绘出枯死、变色的疫木单株，效率远超人工目视解译。目标检测算法则可以在虫情测报灯的照片中，实时框定并计数各类昆虫，准确区分害虫与天敌。生成对抗网络（GAN）等技术还可用于数据增强和样本扩增，解决林业病虫害样本稀缺、数据不平衡等难题。

3、耦合机理与数据的数字孪生模型：未来监测预警的最高境界是构建森林生态系统的“数字孪生”。这需要将病虫害的生物学、生态学机理模型（如害虫种群动态模型、病害传播动力学模型、寄主-害虫-天敌互作模型）与基于实时监测数据的机器学习模型深度融合。通过数据同化技术，利用实时观测数据不断校正和优化机理模型的参数，使其能够动态模拟和预测在当前气象条件、林分结构下，病虫害的扩散路径、危害程度和未来发展趋势。例如，构建松材线虫病的数字孪生模型，可以模拟媒介昆虫松褐天牛的羽化、迁飞、补充营养和产卵行为，模拟线虫在树体内的扩散和致病过程，结合气象风场模型，预测未来一个月、一个季度内的新疫点出现位置和范围，为制定精准的“天窗式”皆伐或注干施药方案提供决策支持。

4、可视化的决策支持与指挥调度系统：智能分析的结果最终需要通过直观、易用的方式呈现给各级决策者和一线人员。基于WebGIS的可视化平台将集成上述所有数据和分析成果，形成“林业病虫害监测预警一张图”。这张图上不仅能看到病虫害当前的空间分布（热点图），还能看到基于模型模拟的短期和中期风险等级区划（预警图）。系统能够自动生成包含危害程度、面积、优势种、发展趋势、建议防治措施等的监测报告，并智能匹配最优的防治资源（如药剂、设备、队伍）调度方案。移动端APP将作为信息推送和现场核查的终端，指挥中心可将疑似疫点坐标直接派发给附近的护林员或无人机进行核查，核查结果又能实时回传，更新模型，形成监测-预警-核查-处置-反馈的业务闭环。

（三）关键前沿技术的融合应用探索：除上述主流技术体系外，一些前沿科技的突破也将在未来三年内逐步应用于林业病虫害监测。

1、环境DNA（eDNA）监测技术：通过采集林间土壤、水体、空气样本，提取其中的环境DNA，利用宏条形码或定量PCR技术，可以高通量地检测样本中存在的病原菌、线虫、昆虫等各类生物的特征DNA片段。这项技术尤其适用于对隐蔽性强的土传病害、维管束病害以及入侵生物早期定殖的监测，具有灵敏度高、不依赖形态学鉴定的独特优势。例如，通过分析松林内地表径流的水样，即可判断上游是否存在松材线虫的侵染源。

2、合成生物学与生物传感：基于合成生物学原理，可设计构建能够特异性响应特定害虫或病原物信号的工程化微生物或细胞传感器。例如，将能够识别松材线虫信息素受体的基因导入酵母菌中，使其在接触线虫后产生易于检测的荧光或电信号，从而开发出可在林间布设的、具备超高灵敏度的活体生物传感器。

3、量子计算在复杂系统模拟中的应用：当面对涉及成千上万个变量、高度非线性的森林生态系统和病虫害爆发过程时，传统计算机的算力可能难以胜任。量子计算的初步应用，有望在求解害虫迁飞的最优路径、优化大规模防治资源的调度方案、模拟蛋白质与药物分子的相互作用（靶向农药设计）等复杂问题上带来革命性突破，尽管在2026-2028年间可能仍处于科研探索阶段，但其潜力不容忽视。

四、数据驱动的精准防控与综合治理策略（2026-2028年）

（一）基于风险的早期预警与分级响应：监测的最终目的是为了防控。未来三年的防控策略将彻底转变为以监测预警信息为核心、以风险等级划分为依据的“精准施策、分级响应”模式。根据天空地一体化监测网络提供的实时数据，结合数字孪生模型的动态模拟，可以将特定区域的病虫害发生风险划分为蓝（关注级）、黄（警示级）、橙（危险级）、红（灾害级）四个等级。不同等级对应着不同的预警信息发布范围、应急响应启动级别和预先制定的处置方案。对于蓝色预警区，主要措施是加强日常监测和巡护；对于黄色预警区，启动无人机补充调查，布置诱捕器或信息素监测点；对于橙色预警区，则需提前准备药剂药械，组建应急防治队伍，计划实施以生物防治为主的预防性措施；对于红色预警区，则必须立即启动应急响应，采取包括化学防治、物理砍伐、检疫封锁在内的综合性扑灭措施，严防灾害扩大。这种基于风险的动态管理，能够最大限度地避免“无灾大防、有灾难防”的资源浪费，提升防治工作的科学性和有效性。

（二）绿色防控技术的集成创新与智能化应用：在精准监测明确了病虫害种类、发生范围和危害程度后，即可针对性地实施绿色、环境友好的防控措施。未来三年，绿色防控技术将向着高效化、精准化、智能化的方向集成创新。

1、生物防治的精准化投放：不再是简单地大规模释放天敌，而是基于监测数据，在最关键的时间和地点精准投放。例如，通过监测害虫种群密度和空间分布，结合对寄生性天敌（如赤眼蜂、肿腿蜂）迁飞扩散能力的研究模型，计算出最佳的放蜂点和放蜂量，确保天敌与害虫在时间和空间上的精准相遇。利用无人机搭载释放器，可以在复杂地形和树冠层上方实现对天敌昆虫（如捕食螨、瓢虫）的精准、均匀投放。对病原微生物（如白僵菌、绿僵菌）的施用，则可根据物联网气象站实时监测的温湿度数据，选择最有利于孢子萌发和侵染的时机进行无人机喷雾。

2、信息素技术的智能化引诱与迷向：基于对害虫化学生态学的深入理解，信息素（性信息素、聚集信息素）的应用将更加精准智能。研发可远程控制释放剂量和比例的智能化信息素释放器，能够根据田间害虫发生的实时动态，动态调整信息素浓度，实现最优的诱捕或迷向效果，同时减少信息素本身的消耗。将信息素诱捕器与物联网和AI识别技术结合，本身就构成了监测网络的重要节点，实现边监测边防治。

3、靶向农药与智能施药技术：基于病虫害的分子靶标（如昆虫的特定神经受体、病原菌的特定酶），开发对非靶标生物和环境更安全的新型绿色农药（如RNAi生物农药、植物源农药）。结合无人机精准变量施药技术，根据遥感监测绘制的危害程度分布图（处方图），自动调整喷头和流量，实现对核心疫区的精准施药，避开非靶标区域，显著减少农药总使用量，降低环境影响。

（三）基于生态系统健康的综合治理（IPM3.0）：跳出“头痛医头、脚痛医脚”的局限，未来的防控策略必须融入森林生态系统经营的整体框架中，实现从单一灾种防治向生态系统健康维护的跨越，即IPM3.0时代。核心在于通过科学的森林经营措施，提升森林自身抵御病虫害的内在能力。

1、林分结构调控：监测数据长期积累揭示了特定病虫害发生与林分结构（树种组成、林龄结构、密度、郁闭度等）的强相关性。基于此，可在森林经营方案中主动设计营造混交林，避免大面积人工纯林，增加生物多样性，形成复杂的食物网和生态位分化，降低害虫暴发成灾的风险。通过科学的抚育间伐，调整林分密度和透光通风条件，创造不利于喜阴湿的病原菌和害虫滋生的环境。

2、抗性育种与遗传改良：基于对寄主-病虫害互作分子机制的解析，利用基因组选择、基因编辑等现代生物技术，加速选育和推广具有广谱抗性或特定抗性的林木新品种（系）。监测数据可以为抗性品种的布局提供依据，例如在松材线虫病高风险区优先种植高抗性马尾松品系。同时，也要加强对现有优良乡土树种种质资源的保护和利用。

3、衰退林分的生态修复：对于因病虫害导致严重衰退甚至死亡的林分，不再仅仅是清理死树，而是启动系统性的生态修复工程。监测数据将为修复方案的制定提供基线信息。通过补植适宜的乡土树种、灌草，恢复地带性植被，重建健康的、结构完整的森林生态系统，使其尽快恢复生态功能，并提升对未来干扰的抵抗力。

（四）检疫封锁与区域联防联控的数字化协同：有害生物不会受行政区划限制，因此，跨区域、跨部门的协同治理至关重要。未来三年，检疫封锁和联防联控将全面进入数字化协同新阶段。

1、数字化检疫溯源系统：建立全国乃至跨国联网的木材及其制品检疫追溯平台。对木材的采伐地、运输路径、加工地、销售地进行全链条数字化追踪。在关键交通节点（公路、铁路检查站）部署基于电子鼻、X光或DNA快速检测技术的自动化检疫设备，实现对过往运木车辆的快速抽检，一旦发现带有检疫性有害生物的木材，立即启动溯源和封锁程序。

2、区域间数据共享与应急联动：打破行政壁垒，构建区域（如京津冀、长三角、粤港澳大湾区，或跨国界如东北亚、东南亚）林业有害生物监测数据共享和交换机制。建立区域联合预警中心，共同分析研判跨区域传播风险。一旦某地出现重大疫情，可迅速启动区域联防联控应急机制，协调邻近地区的防治队伍和物资进行联合扑杀，划定联合隔离带，统一行动时间和标准，形成合力，严防疫情扩散蔓延。

五、政策、标准与产业生态的协同推进（2026-2028年）

（一）国家战略引领与法规体系完善：推动林业病虫害监测预警体系的现代化，首先需要国家层面的战略引领和顶层设计。应将智慧林业监测预警能力建设纳入国家林业草原发展规划、生物安全战略以及“新基建”的范畴，给予持续稳定的财政投入和政策支持。同时，加快修订和完善《森林法实施条例》、《植物检疫条例》等法律法规，明确天空地一体化监测的法律地位，规范监测数据的采集、使用和共享机制，界定各级政府在监测预警和应急处置中的职责。建立重大林业有害生物灾害的生态赔偿和责任追究制度。

（二）标准规范体系的先行建设：技术标准的统一是实现数据互联互通、系统兼容互操作、产业规范发展的前提。未来三年，亟需集中行业力量，加快制定一系列关键技术标准，包括：林业病虫害遥感数据获取与处理技术规范、无人机监测作业技术规程、物联网传感器布设与数据接口标准、主要病虫害AI识别模型训练样本库标准、监测预警信息发布规范、防治效果评估技术标准等。积极参与国际标准制定，提升我国在全球林业智慧监测领域的话语权。

（三）多元化投入机制与市场培育：单纯依靠政府财政投入难以支撑如此庞大的体系建设。需要探索建立政府引导、市场主导的多元化投入机制。积极利用政策性银行贷款、地方政府专项债，支持重大监测基础设施建设。通过政府购买服务的方式，引导社会力量参与无人机巡查、数据解译分析、防治作业实施等环节。设立绿色发展基金，鼓励社会资本投资智慧林业科技初创企业。探索森林生态效益补偿与病虫害监测成效挂钩的激励机制，让保护者受益，使用者付费。

（四）科技创新平台与人才培养体系建设：强大的科技和人才是体系持续进步的源头活水。依托国家级科研院所、高校和龙头企业，组建“国家林业病虫害监测预警技术创新中心”，聚焦关键核心技术进行联合攻关，如高光谱精准反演模型、数字孪生引擎、新型生物传感器等。建立“产学研用”深度融合的创新联合体，加速科技成果的转化落地。在高等教育层面，推动林学、遥感、计算机、人工智能、大数据等多学科交叉融合，设立“智慧林业”、“森林健康”等新兴专业方向，培养具备跨界整合能力的复合型创新人才。加强对基层现有技术人员的技术轮训，提升其操作智能设备和理解数据产品的能力。鼓励发展由掌握专业技能的新型职业林农、社会化服务组织构成的“土专家”和“林医生”队伍，作为技术落地的毛细血管。

六、典型案例与应用场景展望（2026-2028年）

（一）松材线虫病疫情防控的“数字围歼”战役：在某南方省份重点松林区，依托高频次的高分遥感监测，每周自动更新疫木分布图。AI模型识别出单株枯死松树准确率达95%以上。数字孪生模型根据风向和媒介昆虫迁飞习性，精准预测未来一个月疫情扩散的高风险区域。指挥中心据此制定“疫木清零”计划，将任务派发给多个无人机作业队和地面采伐队。无人机队对预测的高风险区进行低空核查，确认新疫点后，采伐队立即进场开展精准皆伐，并对伐桩进行无害化处理。整个过程在闭环信息系统的调度下高效协同，将传统依靠大规模普查和盲目清理的模式，转变为目标明确、路径最优的“数字围歼”战，显著提升防控成效，降低防治成本。

（二）三北工程区林草退化与病虫害耦合监测：在三北工程区，干旱是主要胁迫因子，也是病虫害的诱因。监测系统融合了土壤水分传感器、地下水数据、气象干旱指数和卫星遥感植被健康指数。当系统监测到某区域持续干旱，林木水分胁迫加剧时，会自动提升该区域小蠹虫、吉丁虫等次期性害虫的预警等级。同时，利用高光谱无人机对该区域进行详查，探测树木因干旱导致的防御物质变化。系统综合判断后，发布“干旱诱发型蛀干害虫高风险预警”，建议林草部门提前采取灌溉补水、树干注药或设置饵木等措施，将病虫害消灭在萌芽状态，实现从被动救灾到主动预防的转变。

（三）国家公园