评估高分辨率多光谱和结构影像在矿山修复植物物种制图中的潜力

《Remote Sensing》：Assessing the Potential of High-Resolution Multispectral and Structural Imagery for Plant Species Mapping in Mine Rehabilitation

　　

摘要

生物多样性监测对于评估矿山修复的成功至关重要。传统上，评估依赖于地面样地测量，但遥感的进展提供了机会，可用空间连续监测方法来补充或取代基于样地的调查。我们评估了无人机多光谱影像、土壤调整植被指数（SAVI）和冠层高度模型（CHM），用于绘制澳大利亚昆士兰州中部矿山修复中使用的植物物种分布图。十个分类模型测试了四种光谱和结构数据的组合。结合 CHM 将总体准确率提高了高达 10%，对于包含Eucalyptus（桉属）和Acacia（相思树属）物种的植被类别有明显的提升。Eucalyptus（桉属）物种的物种级准确率范围为 79% 到 100%，Acacia（相思树属）物种为 74% 到 100%。误分类在密切相关的红胶木（Eucalyptus tereticornis Sm. 和Eucalyptus camaldulensis Dehnh.）以及Corymbia citriodora (Hook.) K.D.Hill & L.A.S.Johnson 中最为严重。这些结果表明，结构信息显著提高了物种区分能力，并有潜力增强样地（500 平方米）、地块（1–100 公顷）和景观（100–1000 公顷）尺度的生物多样性监测。