无人机系统与回归树模型结合实现高精度灌丛覆盖度制图及其在北美艾草松鸡微生境评估中的应用

推荐：本研究针对北美艾草松鸡(Centrocercus urophasianus)栖息地管理中微生境尺度(第四级选择)数据缺失问题，创新性地将无人机系统(UAS)获取的<3 cm超高清影像与WorldView-2多光谱数据结合，通过回归树(Cubist)建模实现了2 m分辨率灌丛覆盖度精确估算(MAE=7.28)，为野生动物保护提供了高精度空间决策工具。

　　

北美艾草松鸡(Centrocercus urophasianus)作为北美西部标志性的伞护物种，其生存状况直接反映着广袤的艾草(Artemisia spp.)生态系统的健康程度。然而当前栖息地管理面临严峻挑战：传统30×30 m的中分辨率遥感产品（如Landsat衍生的RCMAP和RAP）虽能较好反映宏观栖息地特征（第三级选择），却难以捕捉决定巢址选择的微生境特征（第四级选择）——这些关键要素往往涉及<10 cm的草本植物和特定灌丛配置。更棘手的是，传统地面调查方法（如线点截取法LPI）效率低下，难以实现大范围连续微生境制图，严重制约了精准保护措施的制定。

美国地质调查局(USGS)的研究团队在內华达州德萨托亚山脉展开了一项创新研究。他们巧妙地将无人机系统(UAS)获取的厘米级分辨率影像与WorldView-2卫星数据融合，通过对象基图像分析(OBIA)和回归树(Cubist)建模，首次实现了2 m空间分辨率的灌丛覆盖度连续制图。这项发表于《Geomatica》的研究突破性地解决了微生境数据获取难题，为艾草松鸡保护提供了前所未有的高精度空间决策工具。

研究团队采用多技术联合作战策略：首先利用配备RGB和RGNir相机的DJI Phantom无人机获取<5 cm分辨率影像，通过摄影测量处理生成正射影像；同步开展24个LPI样地调查验证数据精度；将WorldView-2多光谱数据划分为20个生态类型区以捕捉景观异质性；运用Feature Analyst软件进行OBIA分类生成训练数据集；最终通过Cubist回归树模型建立超高清UAS数据与卫星光谱特征的映射关系。

【3.1 模型精度】结果显示，整合不同生态区的复合模型表现最优：与OBIA验证数据相比，平均绝对误差(MAE)仅7.28，相关系数达0.91。特别值得注意的是，模型在低覆盖区(0-20%)的预测精度显著优于现有30 m产品，这对识别关键巢址区域至关重要。

【3.2 与实地测量对比】UAS-RT预测值与LPI实地测量结果高度吻合(r=0.983)，而将2 m结果聚合至30 m后，其准确性仍显著优于RCMAP和RAP产品。这表明高分辨率数据的降尺度应用仍能保持精度优势，解决了中尺度产品在异质性景观中"过度平滑"的问题。

【3.3 灌丛制图产品】最终生成的2 m分辨率灌丛覆盖度地图清晰展现了生态过渡带的细微变化：海拔较低的中央內华达高谷生态区以低密度矮艾灌丛为主，而巴尔得山地生态区则呈现高密度的大艾灌丛群落。这种空间细节对理解松鸡的季节性栖息地选择具有重要价值。

在讨论部分，研究者强调了该技术的三重革新：首先，UAS实现了传统地面调查无法企及的大样本训练数据采集，单次任务即可获取数万个2 m样方数据；其次，2 m分辨率首次实现了与松鸡个体选择尺度(第四级)的空间匹配，使巢址适宜性评估成为可能；更重要的是，该方法框架可扩展至其他植被组分（如多年生草本）的制图，为构建完整的微生境模型奠定基础。

这项研究不仅为艾草松鸡保护提供了可直接指导种植恢复的精准地图，其技术框架更可推广至其他野生动物栖息地评估领域。随着UAS和卫星遥感技术的持续进步，这种"天-空-地"协同的智能监测模式或将重塑整个生态保护工作的决策范式。