Estimation de la biomasse des plantes envahissantes par vision par ordinateur

Dans ce protocole, la méthode proposée d’estimation de la biomasse invasive basée sur la télédétection par drone et la vision par ordinateur peut refléter la distribution des organismes envahissants et prédire le degré de risque biologique envahissant. Les estimations de la répartition et de la biomasse des organismes envahissants sont essentielles à la prévention et au contrôle de ces organismes. Une fois que les plantes envahissantes envahissent, elles peuvent endommager l’écosystème et causer d’énormes pertes économiques. L’identification rapide et précise des plantes envahissantes et l’estimation de la biomasse végétale envahissante sont des défis majeurs dans la surveillance et le contrôle des plantes envahissantes. Dans ce protocole, nous prenons l’exemple de Mikania micrantha pour explorer une méthode d’estimation de la biomasse végétale envahissante basée sur la télédétection aérienne sans pilote et la vision par ordinateur, qui fournit une nouvelle approche et méthode pour la recherche écologique des plantes envahissantes et promeut la recherche et la gestion écologiques des plantes envahissantes.

À l’heure actuelle, la mesure de la biomasse de Mikania micrantha se fait principalement par échantillonnage manuel¹. Les méthodes traditionnelles de mesure de la biomasse nécessitent beaucoup de main-d’œuvre et de ressources matérielles, qui sont inefficaces et limitées par le terrain. il est difficile de répondre aux besoins d’estimation régionale de la biomasse de Mikania micrantha. Le principal avantage de l’utilisation de ce protocole est qu’il fournit une méthode pour quantifier la biomasse des plantes envahissantes régionales et la distribution spatiale des plantes envahissantes d’une manière qui ne tient pas compte des limites d’échantillonnage de la zone et élimine le besoin de relevés manuels.

La technologie de télédétection par drone a obtenu certains résultats dans l’estimation de la biomasse végétale et a été largement utilisée dans l’agriculture 2,3,4,5,6,7, la foresterie 8,9,10,11 et les prairies 12,13,14 . La technologie de télédétection par drone présente les avantages d’un faible coût, d’un rendement élevé, d’une haute précision et d’un fonctionnement flexible^15,16, qui peut obtenir efficacement des données d’image de télédétection dans la zone d’étude ; Ensuite, la caractéristique de texture et l’indice de végétation de l’image de télédétection sont extraits pour fournir des données à l’appui de l’estimation de la biomasse végétale sur une grande surface. Les méthodes actuelles d’estimation de la biomasse végétale sont principalement classées en modèles paramétriques et non paramétriques¹⁷. Avec le développement d’algorithmes d’apprentissage automatique, des modèles d’apprentissage automatique non paramétriques avec une plus grande précision ont été largement utilisés dans l’estimation par télédétection de la biomasse végétale. Chen et ^al.18 ont utilisé la régression logistique mixte (MLR), la KNNR et la régression forestière aléatoire (RFR) pour estimer la biomasse aérienne des forêts de la province du Yunnan. Ils ont conclu que les modèles d’apprentissage automatique, en particulier KNNR et RFR, ont donné des résultats supérieurs à ceux de MLR. Yan et ^al.19 ont utilisé des modèles de régression RFR et XGBR (extreme gradient boosting) pour évaluer la précision de l’estimation de la biomasse forestière subtropicale à l’aide de divers ensembles de variables. Tian et ^al.20 ont utilisé onze modèles d’apprentissage automatique pour estimer la biomasse aérienne de diverses espèces de mangroves dans la baie de Beibuwan. Les chercheurs ont découvert que la méthode XGBR était plus efficace pour déterminer la biomasse aérienne des forêts de mangroves. L’estimation de la biomasse végétale à l’aide de la télédétection homme-machine est une pratique bien établie, mais l’utilisation des drones pour l’estimation de la biomasse de la plante envahissante Mikania micrantha n’a pas encore été signalée à l’échelle nationale et internationale. Cette approche est fondamentalement différente de toutes les méthodes précédentes d’estimation de la biomasse pour les plantes envahissantes, en particulier Mikania micrantha.

Pour résumer, la télédétection par drone présente les avantages d’une haute résolution, d’une efficacité élevée et d’un faible coût. Dans l’extraction de variables de caractéristiques d’images de télédétection, les caractéristiques de texture combinées aux indices de végétation peuvent obtenir de meilleures performances de prédiction de régression. Les modèles non paramétriques permettent d’obtenir des modèles de régression plus précis que les modèles paramétriques dans l’estimation de la biomasse végétale. Par conséquent, pour calculer avec précision la distribution nulle des plantes envahissantes et de leur biomasse, nous suggérons les procédures suivantes pour l’expérience sur la biomasse végétale envahissante qui repose sur la télédétection à l’aide d’UAV et de la vision par ordinateur.