Op computervisie gebaseerde biomassaschatting voor invasieve planten

In dit protocol kan de voorgestelde methode voor het schatten van invasieve biomassa op basis van UAV-teledetectie en computervisie de verspreiding van invasieve organismen weerspiegelen en de mate van invasief biologisch gevaar voorspellen. Schattingen van de verspreiding en biomassa van invasieve organismen zijn van cruciaal belang voor de preventie en bestrijding van deze organismen. Zodra invasieve planten binnendringen, kunnen ze het ecosysteem beschadigen en enorme economische verliezen veroorzaken. Het snel en nauwkeurig identificeren van invasieve planten en het schatten van de belangrijkste invasieve plantenbiomassa zijn grote uitdagingen bij de monitoring en bestrijding van invasieve planten. In dit protocol nemen we Mikania micrantha als voorbeeld om een methode voor het schatten van de biomassa van invasieve planten te onderzoeken op basis van onbemande teledetectie vanuit de lucht en computervisie, die een nieuwe benadering en methode biedt voor het ecologisch onderzoek van invasieve planten en het ecologisch onderzoek en beheer van invasieve planten bevordert.

Op dit moment wordt de biomassameting van Mikania micrantha voornamelijk gedaan door middel van handmatige bemonstering¹. De traditionele methoden voor het meten van biomassa vereisen veel arbeidskrachten en materiële middelen, die inefficiënt zijn en beperkt door het terrein; het is moeilijk om te voldoen aan de behoeften van regionale biomassaschatting van Mikania micrantha. Het grote voordeel van het gebruik van dit protocol is dat het een methode biedt voor het kwantificeren van regionale invasieve plantenbiomassa en ruimtelijke verspreiding van invasieve planten op een manier die geen rekening houdt met de bemonsteringsbeperkingen van het gebied en de noodzaak van handmatige onderzoeken elimineert.

UAV-teledetectietechnologie heeft bepaalde resultaten opgeleverd bij het schatten van de biomassa van planten en wordt veel gebruikt in de landbouw 2,3,4,5,6,7, bosbouw 8,9,10,11 en grasland 12,13,14 . UAV-teledetectietechnologie heeft de voordelen van lage kosten, hoge efficiëntie, hoge precisie en flexibele werking^15,16, die op efficiënte wijze teledetectiebeeldgegevens in het studiegebied kan verkrijgen; Vervolgens worden het textuurkenmerk en de vegetatie-index van het teledetectiebeeld geëxtraheerd om gegevensondersteuning te bieden voor de schatting van de plantenbiomassa in een groot gebied. De huidige methoden voor het schatten van de biomassa van planten zijn voornamelijk onderverdeeld in parametrische en niet-parametrische modellen¹⁷. Met de ontwikkeling van machine learning-algoritmen zijn niet-parametrische machine learning-modellen met een hogere nauwkeurigheid op grote schaal gebruikt bij het schatten van biomassa van planten met teledetectie. Chen et ^al.18 gebruikten gemengde logistische regressie (MLR), KNNR en willekeurige bosregressie (RFR) om de bovengrondse biomassa van bossen in de provincie Yunnan te schatten. Ze concludeerden dat de machine learning-modellen, met name KNNR en RFR, resulteerden in superieure resultaten in vergelijking met MLR. Yan et ^al.19 gebruikten RFR- en extreme gradiëntverhogende (XGBR) regressiemodellen om de nauwkeurigheid van het schatten van subtropische bosbiomassa te beoordelen met behulp van verschillende sets variabelen. Tian et ^al.20 gebruikten elf machine-learningmodellen om de bovengrondse biomassa van verschillende mangrovebossoorten in Beibuwan Bay te schatten. De onderzoekers ontdekten dat de XGBR-methode effectiever was in het bepalen van de bovengrondse biomassa van mangrovebossen. Het schatten van de biomassa van planten met behulp van mens-machine teledetectie is een gevestigde praktijk, maar het gebruik van UAV voor biomassaschatting van de invasieve plant Mikania micrantha moet zowel in eigen land als internationaal nog worden gerapporteerd. Deze aanpak verschilt fundamenteel van alle eerdere methoden voor het schatten van de biomassa van invasieve planten, met name Mikania micrantha.

Kortom, UAV-teledetectie heeft de voordelen van een hoge resolutie, hoge efficiëntie en lage kosten. Bij de extractie van functievariabelen van teledetectiebeelden kunnen textuurkenmerken in combinatie met vegetatie-indexen betere regressievoorspellingsprestaties verkrijgen. Niet-parametrische modellen kunnen nauwkeurigere regressiemodellen opleveren dan parametrische modellen bij het schatten van de biomassa van planten. Daarom, om de nulverdeling van invasieve planten en hun biomassa nauwkeurig te berekenen, stellen we de volgende geschetste procedures voor voor het experiment met invasieve plantenbiomassa dat gebaseerd is op teledetectie met behulp van UAV’s en computervisie.