Obrazowanie hiperspektralne do identyfikacji gatunków drzew i pobierania wskaźnika powierzchni liści w monitoringu ekologicznym namorzynów

Namorzyny należą do najważniejszych barier ekologicznych w środowiskach przybrzeżnych, a ich kondycja bezpośrednio wpływa na stabilność linii brzegowej, bioróżnorodność i magazynowanie węgla. Aby zrozumieć stan ekosystemów namorzynowych, szczególnie ważne są dwa wskaźniki: rozmieszczenie gatunków drzew I wskaźnik powierzchni liści (LAI). W ostatnich latach, hiperspektralny monitoring ekologiczny namorzynów stało się coraz skuteczniejszym podejściem umożliwiającym gromadzenie obu typów informacji z dużą precyzją i wydajnością.

W badaniu przeprowadzonym w Narodowy Rezerwat Przyrody Mangrowej Ujścia Zhangjiang, Do wsparcia wykorzystano obrazowanie hiperspektralne oparte na bezzałogowych statkach powietrznych precyzyjna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej I pobieranie indeksu powierzchni liści za pomocą obrazowania hiperspektralnego. Wyniki pokazały, że teledetekcja hiperspektralna pozwala dokładnie rozróżniać dominujące gatunki namorzynów i zapewnia wiarygodną ocenę LAI na potrzeby oceny ekologicznej, planowania odnowy i monitorowania roślinności w złożonych środowiskach międzypływowych.

---

Dlaczego hiperspektralny monitoring ekologiczny namorzynów jest ważny

Rezerwaty namorzynowe często zawierają wiele gatunków rosnących fragmentarycznie i nakładających się na siebie. Jednocześnie badania terenowe na przybrzeżnych terenach podmokłych są zazwyczaj ograniczone przez pływy, błotnisty teren i słabą dostępność. To sprawia, że tradycyjne badania roślinności są powolne, pracochłonne i trudne do skalowania.

Potrzeba precyzyjnej identyfikacji gatunków drzew

W zarządzaniu namorzynami kluczowe są informacje na poziomie gatunku. Różne gatunki pełnią różne funkcje ekologiczne, odpowiadają za wzrost i mają różną wartość regeneracyjną. Dokładne mapowanie rozmieszczenia gatunków pomaga naukowcom i zarządcom rezerwatów zrozumieć strukturę siedlisk i podejmować lepsze decyzje dotyczące ich ochrony.

Dlatego precyzyjna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej to niezwykle ważne zastosowanie. W porównaniu z konwencjonalnymi metodami obrazowania, obrazowanie hiperspektralne pozwala uchwycić subtelne różnice widmowe między gatunkami o podobnych cechach wizualnych. To czyni je szczególnie cennym w środowiskach mieszanych namorzynów, gdzie dokładna klasyfikacja jest trudna do osiągnięcia wyłącznie za pomocą obrazowania RGB lub standardowego obrazowania wielospektralnego.

Znaczenie pobierania indeksu powierzchni liści

Pobieranie indeksu powierzchni liści za pomocą kamery hiperspektralnej To kolejny kluczowy element monitoringu ekologicznego. Wskaźnik LAI odzwierciedla gęstość koron drzew, stan wzrostu roślinności i zdolność fotosyntezy. Jest szeroko stosowany do oceny produktywności ekosystemów, kondycji roślinności i efektywności ich regeneracji.

Tradycyjne metody pomiaru LAI są często czasochłonne i nieodpowiednie do monitorowania terenów podmokłych na dużą skalę., pobieranie indeksu powierzchni liści hiperspektralnych zapewnia szybszy i bardziej skalowalny sposób szacowania parametrów pokrywy drzew na dużych obszarach, przy jednoczesnym zachowaniu dużej dokładności.

---

Zalety kamer hiperspektralnych w monitorowaniu namorzynów

Badanie pokazuje, w jaki sposób obrazowanie hiperspektralne może wspierać oba identyfikacja gatunków drzew I pobieranie indeksu powierzchni liści w złożonych ekosystemach przybrzeżnych.

Wysoka czułość widmowa do różnicowania gatunków

Kamera hiperspektralna może rejestrować szczegółowe informacje o odbiciu w całym ciągłym zakresie widmowym, umożliwiając wykrycie niewielkich różnic w odbiciu liści i koron drzew między gatunkami. Ta możliwość jest szczególnie ważna w przypadku… identyfikacja gatunków drzew na podstawie kamery hiperspektralnej, gdzie klasyfikacja zależy od subtelnych, ale stabilnych zmian widmowych.

W rezerwacie estuarium Zhangjiang dominują gatunki namorzynowe, takie jak: Kandelia obovata, Aegiceras corniculatum, oraz Przystań Avicennia Występują w złożonym rozkładzie mozaikowym. Ich różnice widmowe można skutecznie uchwycić za pomocą obrazowania hiperspektralnego, co pozwala na dokładniejszą klasyfikację niż w przypadku tradycyjnych metod pomiarowych.

Wysoka rozdzielczość przestrzenna do analizy struktury koron drzew

Oprócz bogactwa widmowego, obrazowanie hiperspektralne bezzałogowych statków powietrznych (UAV) oferuje również wysoką szczegółowość przestrzenną. Na wysokości lotu 100 metrów obrazy osiągały rozdzielczość na poziomie centymetra, umożliwiając wyraźną obserwację struktury koron drzew, tekstury koron drzew i granic roślinności.

Jest to szczególnie ważne dla hiperspektralny monitoring ekologiczny namorzynów, ponieważ zarówno klasyfikacja gatunków, jak i wyszukiwanie LAI korzystają ze szczegółowych informacji strukturalnych na poziomie korony i baldachimu.

Niezawodne dane do zastosowań ekologicznych

Stabilne pozyskiwanie obrazów ma kluczowe znaczenie dla każdego procesu monitorowania ekologicznego. Wysokiej jakości dane hiperspektralne poprawiają niezawodność analizy widmowej, ekstrakcji cech, modeli klasyfikacyjnych i inwersji parametrów roślinności. W tym przypadku proces obrazowania hiperspektralnego zapewnił solidną podstawę danych dla obu procesów. kamera hiperspektralna do precyzyjnego rozpoznawania gatunków I pobieranie indeksu powierzchni liści za pomocą obrazowania hiperspektralnego.

---

Akwizycja i wstępne przetwarzanie danych do hiperspektralnego monitoringu ekologicznego namorzynów

Solidny proces pracy zaczyna się od odpowiedniego planowania pozyskiwania danych i ich wstępnego przetwarzania. Na przybrzeżnych terenach podmokłych czas i warunki środowiskowe mogą znacząco wpływać na jakość danych teledetekcyjnych.

Planowanie lotów i projektowanie badań bezzałogowych statków powietrznych

Badania lotnicze przeprowadzono w Grudzień 2024 podczas odpływu, zmniejszając wpływ wód pływowych na pozyskiwanie obrazu. Obszar badań podzielono na sześć sekcji, aby zwiększyć efektywność pomiarów i spójność danych. Parametry lotu bezzałogowego statku powietrznego (UAV) ustawiono tak, aby zapewnić zarówno szeroki zasięg, jak i wysoką szczegółowość przestrzenną.

W badaniu tym wykorzystano system obrazowania hiperspektralnego: Ramoton RT-FS60. Podczas zbierania danych platforma osiągnęła rozdzielczość terenu wynoszącą około 4,71 cm pod wysokością lotu 100 metrów, z prędkością lotu 5 m/s i kąt głównej linii lotu 87°.

Korekta radiometryczna i generowanie obrazu

Surowe dane hiperspektralne zostały przetworzone w ENVI 5.3 Do korekcji radiometrycznej w celu zmniejszenia wpływu czynników atmosferycznych, warunków oświetlenia i zmian kąta padania promieni słonecznych. Następnie wykonano rejestrację geometryczną i mozaikowanie pasów, aby uzyskać kompletny obraz hiperspektralny rezerwatu namorzynowego.

Ekstrakcja obszarów namorzynowych

Aby odizolować roślinność namorzynową od powierzchni niebędących obiektem docelowym, badacze zastosowali Metoda progowa NDVI korzystając z zakresu 0,53 do 1,00. Proces ten maskował zbiorniki wodne, słone bagna i sztuczne powierzchnie. Wynik został następnie udoskonalony poprzez ręczną interpretację, co zapewniło dokładną ekstrakcję obszaru namorzynowego do późniejszej analizy.

Ten przepływ pracy wstępnego przetwarzania był niezbędny do poprawy wydajności identyfikacja gatunków drzew za pomocą kamery hiperspektralnej I pobieranie indeksu powierzchni liści hiperspektralnych.

---

Dokładna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej

Po wstępnym przetworzeniu badania skupiły się na precyzyjna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej, co stanowi jeden z głównych celów badania.

Segmentacja wieloskalowa i konstrukcja cech

Przetworzone obrazy hiperspektralne analizowano przy użyciu obiektowo zorientowana metoda segmentacji wieloskalowej. Określono optymalną skalę segmentacji jako 25, ze skalą łączącą 80, skutecznie redukując ryzyko nadmiernej lub niedostatecznej segmentacji.

Łącznie 323 funkcje zostały skonstruowane na podstawie danych, w tym:

• Oryginalne cechy pasma widmowego
• Wskaźniki roślinności
• Cechy tekstury
• Cechy kształtu
• Cechy wysokości uzyskane za pomocą LiDAR-u
• Cechy intensywności pochodzące z LiDAR-u

Ten wielowymiarowy zestaw funkcji zapewnił solidną podstawę dla identyfikacja gatunków drzew na podstawie kamery hiperspektralnej w mieszanych lasach namorzynowych.

Selekcja cech i klasyfikacja głębokiego uczenia

Po usunięciu analizy korelacyjnej 273 bardzo redundantne funkcje, pozostałe zmienne przesiewano przy użyciu:

• RF-RFE
• XGBoost
• LightGBM

Przecięcie wybranych wyników wygenerowało 14-wymiarowy optymalny zestaw cech, w tym wrażliwe zmienne widmowe, strukturalne i związane z koronami drzew.

Następnie te cechy wprowadzono do Swin-UperNet Model głębokiego uczenia się do klasyfikacji dominujących gatunków namorzynowych. Ten proces pracy umożliwił dokładne rozróżnienie Kandelia obovata, Aegiceras corniculatum, oraz Przystań Avicennia, pokazując praktyczną wartość kamera hiperspektralna do precyzyjnego rozpoznawania gatunków w zastosowaniach ekologicznych.

Wyniki identyfikacji gatunków drzew

Osiągnięto ogólną dokładność klasyfikacji 91.18%, z Współczynnik kappa 0,85, co wskazuje na silną zgodność przewidywań modelu z warunkami terenowymi.

Dokładność producenta dla każdego gatunku wynosiła:

• Aegiceras corniculatum: 92.08%
• Marina Avicennia: 91.38%
• Kandelia obovata: 90.66%

Wyniki te potwierdzają, że precyzyjna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej może dostarczyć dokładnych i przydatnych map gatunków do monitorowania ekosystemu namorzynowego.

---

Pobieranie indeksu powierzchni liści za pomocą obrazowania hiperspektralnego

Następnym krokiem było na podstawie wyników klasyfikacji gatunków pobieranie indeksu powierzchni liści za pomocą obrazowania hiperspektralnego, co stanowi kolejny główny cel tego badania.

Strategia odzyskiwania LAI specyficzna dla gatunku

Zamiast stosować jeden model do całej roślinności namorzynowej, badacze wybrali wrażliwe cechy osobno dla każdego gatunku. Ta strategia specyficzna dla gatunku poprawiła dokładność pobieranie indeksu powierzchni liścia za pomocą kamery hiperspektralnej, ponieważ struktura koron drzew i reakcja widmowa różnią się u poszczególnych gatunków namorzynów.

Rozwój i porównanie modeli

Wybrane cechy zostały włączone do trzech algorytmów szacowania LAI:

• SVR
• PLSR
• BPNN

Łącząc różne metody selekcji cech z tymi algorytmami, zespół badawczy zbudował dziewięć hybrydowych modeli krzyżowych i porównano ich wydajność wyszukiwania.

Optymalne modele zidentyfikowano następująco:

• RF-RFE + SVR Do Kandelia obovata
• RF-RFE + SVR Do Przystań Avicennia
• XGBoost + BPNN Do Aegiceras corniculatum

To podejście znacznie poprawiło pobieranie indeksu powierzchni liści hiperspektralnych wydajność na poziomie gatunku.

Wyniki pobierania LAI

Uzyskane wartości LAI były w dużym stopniu zgodne z pomiarami terenowymi.

Szacowane zakresy LAI wynosiły:

• Kandelia obovata: 0,897–3,001, średnia 1,416
• Aegiceras corniculatum: 0,934–1,919, średnia 1,355
• Marina Avicennia: 0,913–2,221, średnia 1,443

Wśród modeli wynik dla Przystań Avicennia był szczególnie silny:

• R² = 0,87
• MAE = 0,02
• RMSE = 0,04

Dla Kandelia obovata, model osiągnął:

• R² = 0,81
• MAE = 0,09
• RMSE = 0,05

Wyniki te pokazują, że pobieranie indeksu powierzchni liści za pomocą kamery hiperspektralnej może dostarczyć wiarygodnych i precyzyjnych informacji o koronach drzew na potrzeby analiz ekologicznych i monitorowania odnowy.

---

Wartość ekologiczna hiperspektralnego monitoringu ekologicznego namorzynów

Znaczenie tego badania wykracza poza dokładność techniczną. Pokazuje ono również, jak hiperspektralny monitoring ekologiczny namorzynów może wspierać praktyczne zarządzanie ekosystemami i podejmowanie decyzji naukowych.

Ujawnianie wzorców przestrzennych w stanie namorzynów

Badanie ujawniło wyraźny trend przestrzenny w zakresie LAI namorzynów w całym rezerwacie, wykazujący wzór maleje od północy do południa, potem rośnie i znów maleje. Takie informacje przestrzenne dostarczają cennych informacji na temat stanu roślinności, zmienności siedlisk i funkcji ekologicznych.

Ulepszanie interpretacji ekologicznej za pomocą funkcji wieloźródłowych

Kolejnym ważnym odkryciem był łączny wkład cechy wysokości I cechy intensywności do oszacowania LAI. Potwierdza to, że integracja informacji widmowych z charakterystykami strukturalnymi może poprawić wydajność pobieranie indeksu powierzchni liści hiperspektralnych i poprawić interpretację dynamiki pokrywy namorzynowej.

Wspieranie konserwacji i renowacji

Łącząc precyzyjna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej I pobieranie indeksu powierzchni liści za pomocą obrazowania hiperspektralnego, badacze i zarządcy ochrony środowiska mogą uzyskać dokładniejsze informacje na temat:

• Planowanie ochrony namorzynów
• Ocena skuteczności odbudowy
• Monitorowanie stanu roślinności
• Zarządzanie zasobami terenów podmokłych
• Długoterminowa obserwacja ekosystemu

Dzięki temu teledetekcja hiperspektralna staje się niezwykle cennym narzędziem ochrony ekologicznej wybrzeży.

---

Informacje o produkcie do monitorowania roślinności powietrznej

W przypadku zastosowań do monitorowania roślinności powietrznej w tym badaniu zastosowano system: Ramoton RT-FS60. Jego podstawowe specyfikacje obejmują:

• Zakres widmowy: 400–1000 nm
• Rozdzielczość widmowa: 2,5 nm
• Pasma widmowe: 1200
• Piksele przestrzenne: 1920

Te cechy techniczne sprawiają, że obrazowanie hiperspektralne doskonale nadaje się do:

• Identyfikacja gatunków drzew
• Pobieranie indeksu powierzchni liści
• Monitoring ekologiczny namorzynów
• Analiza roślinności bagiennej
• Badania zasobów leśnych
• Ocena wzrostu upraw

---

Wniosek

Badanie przeprowadzone w Narodowym Rezerwacie Przyrody Mangrowej Ujścia Zhangjiang pokazuje, że teledetekcja hiperspektralna jest bardzo skuteczna w przypadku precyzyjna identyfikacja gatunków drzew za pomocą kamery hiperspektralnej, pobieranie indeksu powierzchni liści za pomocą kamery hiperspektralnej, oraz hiperspektralny monitoring ekologiczny namorzynów.

Przy ogólnej dokładności klasyfikacji gatunków 91.18% i błąd pobierania LAI tak niski jak 0.04, Przebieg pracy pokazuje duży potencjał obrazowania hiperspektralnego bezzałogowych statków powietrznych (UAV) w złożonych ekosystemach przybrzeżnych. Zapewnia precyzyjne i wydajne wsparcie danych dla ochrony, odbudowy i zarządzania namorzynami, oferując jednocześnie szeroki potencjał zastosowań w leśnictwie, na terenach podmokłych i monitorowaniu roślinności.