INVASIVE SPECIES MAPPING USING LOW COST HYPERSPECTRAL IMAGERY
Steven Jay1 – Research Assistant
Dr. Rick Lawrence1 – Associate Professor
Dr. Kevin Repasky2 – Associate Professor
Charlie Keith2 – Research Assistant
1Department of Land Resources and Environmental Science Montana State University – Bozeman
2Department of Electrical & Computer Engineering Montana State University – Bozeman 128 AJM Hall Montana State University Bozeman, MT 59717
入侵物种的监测长久以来是一个耗时、昂贵且无效的工作。遥感是监测入侵物种的一种手段，然而，由于经费、时间和准确度的问题，限制了这种方法。
本研究评估了一款性价比较高的高光谱成像仪监测并区分坐落在草地生态系统的乳浆大戟（Euphorbia esula）。从2008年夏季开始每周搜集地面图像，以识别乳浆大戟可以被准确监测和成像的物候期。高光谱成像仪获取的每周图像同时可用于评价时间序列分类，而传统的方法需要花费大量经费。本研究使用了随机森林模型进行图像分类，分类准确度与使用传统实验室分析手段获取的数据进行了原始匹配，多重时间分类可以提高分类准确度。将来的研究将配合该设备在无人机或低空飞行器上进行低成本且有效的入侵物种监测。
研究对象：
乳浆大戟：欧亚大陆入侵植物，有毒。它生长在矿物裸土中，在牧场、荒地、休耕农田泛滥，急需管理措施减小放牧和农田损失，传统的除草剂方法无效，放羊或者人工除草较有效。
传统方法监测中的问题：
使用地面观测方法较难监测且价格昂贵，因此对于管理措施的效果评价较难。GPS结合GIS的手段对于监测和制图较有效，但是需要很大的经费和技术支持。
遥感手段成为研究入侵植物的一种广泛使用的方法，由于影像可以覆盖较大研究区域，可以获取地面调查所没有调查到的版块数据。但是绘图相对成本较高，且有些卫星传感器的空间分辨率和光谱分辨率低，时间分辨率有限，准确度有问题，且数据分析和整合要求强大的技术团队。
遥感方法监测入侵物种：
搜集大量的光谱信息，但是价格贵、数据处理难，限制了应用
随机森林分类模型被用于对多光谱和高光谱图像进行分类。适用于均匀植物群落，以及混合植物群落。
多时期的高光谱图像数据可以反映植物的物候期。
研究方法：
仪器选择：
Pika II（美国Resonon公司）
400-900nm，分辨率：2.1nm,位深度：12，帧频：60/s
隔7-10天获取一张图像（均在上午9-11点拍摄），共获得11幅图像
参考布：2x2m，3块蓝色参考布，像元分辨率5cm
如何测量？
PIKA II：用三脚架固定在山顶上，人工定时拍摄山谷区域的高光谱图像
地面实测：随机设置35个参考点，小旗子标记，GPS信息，
1m样方调查，植被密度，0-174株/m2
像元分辨率：通过测图像中的参考点和实测GPS位置间的像元数量来计算；
分辨率检验：通过2x2m参考布获得的像元来检验；
原始数据：提取和平均参考布向外0.5m半径内的像元作为练习数据；
使用random forest 算法分析每张图像，处理每个像元，区分为有大戟出现的和无大戟出现的，像元与原始位置进行匹配，绘制了有大戟和无大戟出现的图像区域；
单一时间图像分类：在使用这一技术监测草场的大戟具有一定成效，11幅不同时间获取的估算精度是在72%-95%，估算的最佳时间是在7月初，此时大戟的开花期到达顶峰，后期就开始衰老，早期难以辨识。
结论：
1. 本研究的初步结论非常有前景，因为单独一天的数据可与其他高光谱测量数据相匹配，对现有的分析进行进一步研究并减小误差将会使得研究结果更加有价值。
2. 这种高性价比的高光谱传感器的发展将会成为高光谱遥感科学的突破，并将为高光谱数据的应用扩展新天地。
3. 准确、耐用、和低成本的高光谱传感器将为潜在的多时间尺度的高光谱分析和多平台（如无人机和轻型飞机）应用提供更广阔的机遇。
查看原文献：