研究背景
漂流木在海岸生态系统中扮演着重要角色，既能拦截泥沙、保护沙丘，也能为动物栖息和植被生长提供条件。然而，漂流木常因影响海滩景观而被清理，因此，如何准确识别其分布，成为海岸带生态监测与管理的重要课题。
遥感技术为地表材料识别与海岸环境监测提供了有效手段。无人机凭借高空间分辨率和灵活的采集方式，为海滩精细化调查创造了条件，但目前漂流木遥感研究仍主要集中于河流、湖泊等环境，针对海滩场景的高光谱识别研究相对有限。
针对这一问题，法国佩皮尼昂大学CEFREM研究团队结合地面光谱测量与无人机高光谱影像，分析漂流木与其他地表材料的光谱差异，并比较多种分类算法的识别表现，为高光谱技术应用于海滩漂流木监测提供了研究依据。
图1.研究区域的地理位置、漂流木堆积物的详细测绘图，以及本研究部分内容所用裁剪图像的范围界定。此外，还包括漂流木与芦竹样方照片，以及背景中可见的自然海滩漂浮物堆积线。
研究方法
研究区域：本研究位于法国南部地中海沿岸的La Crouste海滩，研究团队于2024年11月开展了两类数据采集工作；
数据采集：地面光谱测量使用ASD FieldSpec 4地物光谱仪配合接触式探头完成，测量前用Spectralon白参考板定标；利用无人机搭载高光谱相机获取高光谱影像；
FieldSpec 4 Hi-Res NG地物光谱核心参数：
光谱范围：350-2500nm；
光谱分辨率：3nm@700nm；6nm@1400/2100nm；
数据输出通道数：2151；
波长重复性：0.1nm；
数据处理：研究团队对无人机高光谱影像进行校正，结合地物光谱测量分析不同地表材料的光谱特征，并利用10种监督分类算法识别漂流木，以MCC等指标评价分类效果。同时，通过遗传算法筛选特征波段，并结合影像裁剪与空间后处理，评估植被干扰、波段数量及空间信息对识别结果的影响。
图2.所研究材料的反射光谱：(a) 全波段ASD野外光谱（350–2500 nm）；(b) 从高光谱图像感兴趣区域（ROI）中提取的平均光谱（930–1720 nm）。
图3.基于ASD数据，利用光谱信息散度（SID）计算得到的光谱相似性矩阵：(a) 全光谱范围；(b) AFX17波段范围（930–1720 nm）。
表1.分类算法在全波段（全场景）图像及裁剪后的全波段图像上的表现。
图4.所有测试图像（裁剪图像除外）的分类性能（MCC、F1、UA 和 PA）对比。
表2.在基于对象的空间精细化处理之后，针对10种分类算法，计算其性能指标（ΔMCC、ΔUA和ΔPA）的中位数变化。
核心结果
研究发现，漂流木与芦竹、枯死植被具有较高的光谱相似性，其中漂流木与芦竹在无人机高光谱影像覆盖的930–1720 nm波段范围内SID值仅为0.002，是影响分类效果的重要因素。在10种监督分类算法中，MF和SVM表现较好，完整场景下的MCC分别为0.69和0.67；排除枯死植被集中的区域后，SVM的MCC进一步提升至0.86，表明地表材料的空间分布与光谱混淆会显著影响识别结果。此外，研究发现，波段降维对不同算法的影响存在差异，遗传算法筛选波段和空间后处理能够改善部分分类结果。然而，传感器未覆盖 2000–2200 nm 的纤维素相关吸收区域，加上混合像元、阴影和表面湿度变化等因素，仍限制着漂流木的准确识别；
结语
这项研究不仅验证了无人机高光谱识别海滩漂流木的可行性，也展示了精细光谱信息在区分不同地表材料方面的价值。未来，随着地面光谱测量与遥感技术的进一步结合，光谱分析有望应用于更多材料识别和生态环境监测场景，为相关研究提供更多帮助。
发表期刊：ISPRS Open Journal of Photogrammetry and Remote Sensing【影响因子：7.0】
研究单位：法国佩皮尼昂大学
研究地点：法国南部地中海沿岸的La Crouste海滩
使用设备：ASD FieldSpec 4地物光谱仪
DOI：https://doi.org/10.1016/j.ophoto.2026.100161