利用SkySat地球观测卫星探索检测非洲Lovegrass和Bitou灌木的潜力

《Weed Research》：Investigating the Potential for the Detection of African Lovegrass and Bitou Bush Using SkySat Earth Observation Satellites

无人机监测与卫星遥感结合在入侵植物管理中的应用研究。通过SkySat卫星0.5米高分辨率影像，采用随机森林和SVM算法检测澳大利亚非洲爱草和bitou灌木，发现随机森林准确率最高（爱草89.8%，bitou 86.1%），红蓝归一化指数、光谱纹理特征对检测关键。

　　

摘要

近年来，利用无人机（drones）采集的图像并通过机器学习算法进行分析，在入侵植物检测和管理方面的应用日益普及。然而，对于非洲Lovegrass（Eragrostis curvula）和Bitou灌木（Chrysanthemoides monilifera ssp. rotundata）等物种的管理，由于这些植物在混合景观中大规模蔓延，因此在实际操作中存在诸多 logistical challenges（后勤挑战）。地球观测卫星可能提供一种更具成本效益的检测和监测方法，但目前这一方法尚未得到充分探索。Planet公司的SkySat卫星能够提供高分辨率图像（0.50米/像素），相较于Sentinel-2和Landsat系统等中等分辨率传感器，它更有利于在大规模混合景观中识别这些植物。本研究探讨了利用SkySat卫星图像以及支持向量机（Support Vector Machine, SVM）和随机森林（Random Forest）分类算法来检测和绘制非洲Lovegrass与Bitou灌木的分布图。随机森林算法在识别精度上表现最佳，非洲Lovegrass的识别准确率为89.8%，Bitou灌木为86.1%。红色-蓝色归一化指数（red–blue normalized index）、用于衡量景观异质性的光谱聚类（spectral clusters）以及绿色光谱带（green spectral band）是预测非洲Lovegrass的重要因素；而蓝色和红色光谱带以及通过灰度共生矩阵（grey-level co-occurrence matrix）分析的光谱纹理（spectral texture）则对识别Bitou灌木具有显著作用。尽管本研究揭示了混合物种带来的挑战，但像SkySat这样的超高分辨率地球观测卫星的出现，将为澳大利亚入侵植物的快速、低成本检测与监测提供有力支持。

利益冲突

作者声明不存在任何利益冲突。

数据可用性声明

本研究所需的数据可向通讯作者提出合理请求后获取。