融合无人机与高分辨率卫星影像提升黄石入侵区旱雀麦检测精度研究

本研究针对入侵性旱雀麦(Bromus tectorum)在黄石生态系统的监测难题，整合10-cm无人机(UAS)、3-m PlanetScope与10-m Sentinel-2多源遥感数据，创新性引入dNExR（差异化红光指数）与多时序 phenological 分析，实现高达94%的分类精度，为早期入侵检测与生态管理提供高精度空间决策支持。

　　

在美国西部广袤的土地上，一种名为旱雀麦（Bromus tectorum L.，俗称cheatgrass）的入侵性禾本科植物正悄然改变着生态系统格局。这种原产于欧亚大陆的植物不仅通过激烈竞争取代本地草种，改变栖息地结构，更棘手的是其干燥植株极易引发野火，形成“入侵-火灾”的恶性循环。位于北美现存最完整生态系统之一的黄石国家公园及周边大黄石生态系统（Greater Yellowstone Ecosystem, GYE），近年来也面临旱雀麦侵袭的威胁。尤其令人担忧的是，旱雀麦在入侵初期常以零星斑块形式出现，传统的中分辨率遥感监测难以精准捕捉，而人工实地勘察又成本高昂、覆盖范围有限。如何实现早期精准发现和动态监测，成为生态保护管理者面临的重大挑战。

早先的研究表明，旱雀麦与本地植被在物候特征上存在显著差异：它通常在生长季早期迅速“变绿”，而在夏季高峰期又较早枯萎“变红”。这种独特的物候节律为多时相、多光谱遥感识别提供了理论依据。以往研究多依赖30米分辨率的Landsat影像，通过计算归一化植被指数差值（dNDVI）来推测旱雀麦分布，但这种方法对细小斑块的探测能力有限。近年来，虽然无人机（Uncrewed Aerial Systems, UAS）技术展现出高分辨率监测潜力，但其在大范围应用时仍受限于飞行法规、数据处理成本和技术门槛。因此，整合不同平台的遥感优势，发展一种既能大范围筛查又能精细定位的技术框架，成为解决该问题的关键。

在此背景下，由美国地质调查局（U.S. Geological Survey）和国家公园管理局（National Park Service）组成的研究团队，选择位于蒙大拿州加德纳附近、受旱雀麦入侵的10公顷研究区，开展了一项多尺度遥感监测研究。他们综合运用10厘米分辨率无人机影像、3米PlanetScope影像和10米Sentinel-2影像，结合野外精确测量的53个验证点数据，旨在：1）揭示旱雀麦与本地植被斑块的季节性物候信号差异；2）评估不同空间尺度对旱雀麦可探测性和制图精度的影响。该研究成果近期发表于景观生态学领域权威期刊《Landscape Ecology》，为入侵物种精准监测提供了重要技术参考和实践范例。

研究人员采用多项关键技术开展研究：首先通过无人机搭载多光谱传感器（Micasense RedEdge-M）和RGB相机获取厘米级分辨率数据，并配合地面控制点（GCP）进行精确几何校正；利用PlanetScope和Sentinel-2多时相影像，提取早季（6月）和晚季（7月）的归一化植被指数（NDVI）和标准化超红指数（NExR），进而计算差值指数dNDVI和dNExR；采用随机森林（Random Forest）机器学习算法，构建了四种不同数据组合的预测模型；最后通过景观指数（如斑块数量、边缘密度）和独立验证点进行精度评价与空间格局分析。

多尺度遥感数据融合显著提升分类精度

模型比较表明，随着空间分辨率的提高，旱雀麦预测精度显著上升：单纯使用Sentinel-2（10米）数据时总体精度为83%，加入PlanetScope（3米）数据后精度提高，而融合无人机（10厘米）数据后，最高精度可达94%。值得注意的是，所有模型中假阳性数量均多于假阴性，说明模型倾向于高估旱雀麦分布，但无人机数据的加入有效抑制了这一现象。

红光指数NExR成为关键判别因子

在随机森林模型的特征重要性排序中，差异化红光指数dNExR和单期NExR在多数模型中贡献最高（表1）。这表明旱雀麦在夏季枯萎期呈现的“红色”特征，与本地植被的“绿色”形成鲜明对比，尤其在云量较少的夏季中期，NExR比NDVI更具稳定性和鉴别力。

高分辨率数据揭示细尺度空间异质性

景观格局分析结果（表2）显示，使用无人机数据的产品（模型3和4）在斑块数量、平均斑块大小和边缘密度等指标上与传统卫星模型（模型1和2）存在明显差异。无人机融合模型检测到的斑块数量更多（123–161块）、面积更小（中值0.001–0.002公顷）、边缘更复杂，准确呈现出旱雀麦入侵的碎片化分布特征（图5）。图4生动展示了无人机模型如何区分单个灌木、树木甚至石块，从而精准定位杂草。

模型间空间一致性及探测能力评估

尽管不同模型在空间预测上存在一定差异（图3），但模型间交集最高达0.72（表4），表明融合UAS的模型结果高度一致。模型4（Planet+UAS）对低覆盖度旱雀麦（6–15%）仍保持较高探测率（86%），且预测概率随实测覆盖度增加而快速上升并趋于稳定（图6），显示出良好的响应关系。

本研究通过多平台遥感融合策略，成功实现了黄石地区旱雀麦入侵的高精度制图，验证了无人机与卫星协同监测的技术可行性。方法上，首次引入夏季红光指数NExR与物候差异分析，有效克服了春季云层干扰问题，为多云山区入侵植被监测开辟了新思路。实践层面，研究成果可直接支持早期探测与快速响应（EDRR）框架的实施，帮助管理人员优先锁定高风险区域，优化防控资源分配。值得注意的是，尽管无人机数据大幅提升精度，其成本、飞行限制和处理复杂度仍需权衡；而PlanetScope等高频卫星在提供时间灵活性的同时，也面临辐射定标和配准难题。

未来研究可探索将无人机标注数据用于区域尺度卫星模型训练，形成“无人机精细标注–卫星大范围推广”的业务化流程。同时，持续关注旱雀麦物候对气候变化的响应，发展适应不同年际气象条件的动态监测指标。总之，这项研究不仅为黄石生态系统保护提供了精准技术工具，也为全球入侵物种遥感监测贡献了可复用的方法论框架。