《Remote Sensing Applications: Society and Environment》：Remote Sensing of Woody Invasive Alien Plants in Strategic Water Source Areas of Southern Africa: Part 2 - Advances and Limitations in Remote Sensing and Machine Learning Approaches
编辑推荐：
南部非洲正面临因降雨量低且高度多变而日益加剧的水资源压力，这给本已有限的水资源持续带来压力。在南非，少数战略水源区（SWSAs）供应了该国大部分用水，但这些关键集水区正遭受木质入侵植物的退化，这些植物改变了水文过程并减少了径流。因此，对这些物种进行有效检测和监
南部非洲正面临因降雨量低且高度多变而日益加剧的水资源压力，这给本已有限的水资源持续带来压力。在南非，少数战略水源区（SWSAs）供应了该国大部分用水，但这些关键集水区正遭受木质入侵植物的退化，这些植物改变了水文过程并减少了径流。因此，对这些物种进行有效检测和监测至关重要。本研究系统综述了用于南部非洲木质外来入侵植物制图的遥感和机器学习方法的进展。一项基于PRISMA指南的综述从主要科学数据库中识别出43篇同行评审研究。采用结构化数据提取框架评估传感器平台、分类算法、特征工程技术及模型性能，并辅以对方法趋势、精度、可扩展性和操作适用性的描述性与比较性分析。结果揭示了以空间制图、方法开发和生态应用为中心的三大研究主题。论文产出自2014年起显著增加，于2021年达到峰值，反映了技术的快速采用。卫星平台占主导地位（79.1%），尤其是哨兵二号（Sentinel-2）等多光谱传感器。机器学习算法，特别是随机森林和支持向量机，持续取得高精度（75–95%），优于传统方法。然而，特征工程仍主要依赖植被指数，对纹理、地形变量、深度学习和多传感器数据的整合有限。尽管取得了这些进展，关键差距依然存在。研究在SWSAs之间空间分布不均，且在分类学上偏向少数木质入侵物种。多时相数据使用有限、与水文过程的整合薄弱，以及面向决策的输出开发不足，制约了操作应用。解决这些局限对于支持入侵物种控制和水资源可持续性的管理相关监测系统至关重要。
引言（Introduction）
该研究聚焦南部非洲水资源稀缺背景下战略水源区（SWSAs）的水文功能退化问题。木质外来入侵植物通过高蒸散、冠层截留和深层水分利用显著改变集水区水量平衡，导致地表径流和地下水补给减少。遥感技术结合机器学习方法成为大尺度监测入侵物种分布的关键手段。然而，技术能力并不等同于操作适用性，有效监测需兼顾精度、可扩展性、重复性、可转移性和经济可行性。已有综述多关注技术进展，缺乏针对南部非洲战略水源区的操作适用性综合评估。本研究旨在系统评估遥感平台、传感器类型、分类算法、特征工程策略及模型性能，并分析其在SWSAs内的空间分布与操作应用潜力，为入侵物种管理和水资源保护提供区域证据。
材料与方法（Materials and Methods）
综述设计与范围：研究基于PRISMA 2021指南构建系统文献数据库，该数据库支撑两篇互补的综述文章，本文侧重方法论维度，分析遥感技术、机器学习方法、特征工程、模型性能及操作适用性。
文献检索与筛选：在Web of Science、Scopus和ScienceDirect三个数据库中使用结构化关键词组合检索，检索字段因数据库语法而异，导致检索量差异显著。经标题摘要筛选和全文评估，最终纳入43篇同行评审期刊论文，排除综述、会议论文、灰色文献及非遥感方法研究。
数据提取与方法框架：对每项研究提取遥感平台（卫星、航空、无人机）、传感器类型（多光谱、高光谱、合成孔径雷达SAR、激光雷达LiDAR）、空间/光谱/时间分辨率、分类算法、特征工程技术及精度指标，形成全面方法数据集。
数据综合与分析：使用Biblioshiny（R语言bibliometrix包）进行关键词共现分析和主题结构识别；通过描述性统计量化平台、传感器和算法分布；分类算法按类型分组比较使用频率与性能；对空间位置进行地理配准后叠加到Le Maitre等提出的SWSA框架，判断研究是否位于战略水源区边界内。
结果（Results）
关键词分析与共现网络：关键词共现网络呈现三个聚类：红色聚类聚焦“入侵植物”“南非”“分类精度”等空间制图主题；绿色聚类涵盖“遥感”“制图”“管理”等方法开发方向；蓝色聚类包括“物种”“分布”“植被”等生态应用主题。表明方法论发展与生态、管理应用紧密关联。
外来入侵植物遥感研究的主题结构：主题图显示Sentinel-2、美国黑莓等为驱动主题；遥感、分类、悬钩子属为基础主题；LiDAR、支持向量机等为小众主题；机器学习和随机森林虽位于新兴/衰退象限，但实际使用频率最高，反映关键词共现结构而非应用水平。
综述研究相对于战略水源区的生态与地理背景：研究物种涵盖不同生长型和冠层结构，如Solanum mauritianum、Acacia mearnsii、Chromolaena odorata、Pinus spp.、Eucalyptus spp.和Lantana camara。空间叠加分析显示，19项研究（44.2%）位于SWSA边界内，其中南德拉肯斯堡占57.9%，北德拉肯斯堡占15.8%，东开普德拉肯斯堡占10.5%，其余SWSA占比很小。研究集中在少数环境条件范围内，限制了方法向其他SWSA的迁移性。
发表趋势与期刊分布：论文产出自2014年开始上升，2021年达到峰值（n=7），随后趋于平稳。引文动态显示早期研究引用强度较高，2019–2020年出现次级峰值。文献分布在25种期刊中，最多发表于Remote Sensing Applications: Society and Environment，其次为ISPRS Journal of Photogrammetry and Remote Sensing和Physics and Chemistry of the Earth，体现多学科交叉特征。
机构贡献与合作研究模式：高校是主要贡献者，夸祖鲁-纳塔尔大学产出最多，其次为金山大学和林波波大学。跨机构合作论文占比显著，农业研究委员会、南非国家航天局（SANSA）和Digital Earth Africa等国家机构亦参与其中。
遥感技术在制图与检测外来入侵植物方面的进展：卫星平台占79.1%，航空平台占23.3%，无人机（UAV）仅占2.3%，地面平台占4.7%。光学和多光谱传感器使用最广（74.4%），高光谱占18.6%，SAR占9.3%，LiDAR占4.7%。多源数据融合的采用仍有限。
遥感传感器在入侵植物监测研究中的使用与主导地位：Sentinel-2（MSI）是使用最多的传感器（46.5%），其后为Landsat 8 (18.6%)、SPOT-6（14.0%）和WorldView-2（11.6%）。机载高光谱传感器AISA Eagle用于11.6%的研究，主要面向精细生态和林业应用。Sentinel-1 SAR以9.3%的比例用于补充光学数据。
分类与建模方法：随机森林（RF）是最常用的算法（n=20），支持向量机（SVM）次之（n=16），传统统计分类器如最大似然（ML）和稀疏偏最小二乘判别分析（SPLS-DA）各n=5。深层学习仅在一项研究中应用。监督分类占89.5%，像素级方法主导（n=36），面向对象图像分析（OBIA）仅一项研究使用。另有研究采用PCA、Anselin局部莫兰指数等探索性空间分析。
入侵植物检测中的特征工程策略与变量重要性：植被指数用于41.9%的研究（n=18），常用NDVI、EVI、SAVI、NDWI及红边指数（NDRE、CI
red-edge）。地形变量用于27.9%的研究（n=12），主要用于山地和河岸环境。特征选择技术使用最频繁（46.5%，n=20），包括递归特征消除、随机森林变量重要性、VIP等。纹理特征仅用于9.3%的研究（
