基于无人机多光谱遥感的沿海生态系统入侵草本植物监测与评估——以Oenothera drummondii为例

为解决入侵物种威胁沿海生态系统的难题，研究人员利用搭载多光谱相机的无人机（UAV）技术，结合C5.0分类模型，开发了针对Oenothera drummondii的自动检测方法。研究在西班牙Odiel沼泽自然区26.26公顷范围内实现83%的识别准确率，为入侵草本植物的精准管控提供了创新技术方案。

　　

全球气候变化和人类活动加剧了生物入侵危机，沿海生态系统因其脆弱性首当其冲。在西班牙Odiel沼泽自然保护区内，一种名为Oenothera drummondii的入侵草本植物正以惊人的速度蔓延——短短30年间，其分布面积已扩展至123公顷，达到入侵等级的第四阶段（自维持扩散期）。这种原产墨西哥的植物凭借强大的再生能力和耐海水传播的种子库，严重威胁着当地沙丘植被的生态平衡。传统人工监测方法面对如此大范围的入侵显得力不从心，亟需开发高效精准的监测技术。

来自西班牙韦尔瓦大学（Universidad de Huelva）的研究团队创新性地将无人机（UAV）多光谱遥感与数据挖掘技术相结合，在2024年3月对Odiel沼泽26.26公顷核心区展开航测。研究采用DJI Mavic 3M无人机搭载20MP RGB相机和5MP多光谱传感器，通过70%航向重叠率、100米飞行高度的航测设计，获取了0.05米分辨率的红（R）、绿（G）、红边（RE）和近红外（NIR）波段数据。团队创新性地应用C5.0决策树模型，通过分析NDVI、GNDVI等5种植被指数与光谱特征的组合，实现了对800个样本（含目标物种及3种相似形态本地植物）的自动分类。

关键技术方法包括：1）无人机多光谱数据采集与辐射校正；2）基于0.4米直径缓冲区的像素级特征提取；3）C5.0决策树模型构建与验证；4）全研究区分类结果的地统计学验证。研究特别选择3月进行航测，规避了开花期对光谱特征的干扰。

【结果】

1. 光谱特征分析：数据显示O. drummondii在RE波段反射率最高（0.28-0.32），显著区别于本地物种Lotus creticus（0.24-0.28）和Pancratium maritimum（0.22-0.26）。GNDVI指数成为最有效区分指标，其值域分布显示目标物种（0.65-0.75）与相似物种存在15%的非重叠区。

2. C5.0模型性能：采用NIR+GNDVI+NDRE三变量组合时，模型总体误差率仅15.4%。其中入侵物种识别准确率达74%，主要误判来自Lotus creticus（14.5%误判率）。Artemisia crithmifolia因独特的灌木结构获得93%的最高分类精度。

3. 实地验证：将决策树规则应用于全研究区后，随机抽取800个验证点显示83%的准确率。模型成功定位302个O. drummondii个体，但存在11个Retama monosperma的误判案例，提示未来需结合LiDAR数据改进木本植物识别。

【讨论与意义】
该研究首次证实C5.0模型在非均匀植被群落中识别小型草本入侵物种的可行性。相较于传统卷积神经网络，这种基于像素特征的决策树方法能有效捕捉直径仅0.3米的个体变异，为早期入侵监测提供了新思路。实践层面，83%的识别精度已可支持精准清除行动，预计能使防控效率提升3倍以上。研究揭示的3月最佳监测窗口期（营养生长期）和RE波段敏感性，为类似生态系统管理提供了重要参数。

论文发表于入侵生态学权威期刊《NeoBiota》，其技术框架可扩展应用于全球不同生境的入侵物种监测。团队正在开发结合物候特征的时间序列分析模块，以应对开花期等复杂场景。这项成果标志着无人机遥感技术正式迈入厘米级草本入侵物种管理的新纪元。