中国巴西联合研究团队-无人机光谱、纹理与几何特征提升高多样性湿地草本植物制图精度 MDPI Remote Sensing。论文标题：Improved Grass Species Mapping in High-Diversity Wetland by Combining UAV-Based Spectral, Textural, Geometric Measurements

　　 论文链接：https://www.mdpi.com/2072-4292/18/6/927

　　 期刊名：Remote Sensing

　　 期刊主页：https://www.mdpi.com/journal/remotesensing

　　 主要作者介绍：

　　 第一作者：赵平（博士生）

　　 机构：华中农业大学资源与环境学院

　　 研究方向：生态及农业遥感

　　 通讯作者：孟冉（教授）

　　 机构：哈尔滨工业大学计算学部

　　 研究方向：农业遥感、智能感知

　　 其他作者：本研究包括香港大学、香港理工大学、巴西圣保罗大学、东北林业大学等多所机构的学者。

　　 近期，以华中农业大学赵平为第一作者、哈尔滨工业大学孟冉为通讯作者，联合香港大学及巴西圣保罗大学等机构的研究团队在 Remote Sensing 期刊上发表了题为Improved Grass Species Mapping in High-Diversity Wetland by Combining UAV-Based Spectral, Textural, Geometric Measurements的研究论文。该研究针对高多样性湿地生态系统中精准制图的紧迫需求，指出传统卫星遥感空间分辨率不足及复杂物种间严重的光谱拟态现象（即不同物种光谱高度相似）是当前遥感植被分类的主要瓶颈。尽管无人机技术提供了厘米级的高清影像，但单一的光谱特征仍难以彻底解决同物异谱或异物同谱带来的分类局限，因此，研究提出了一种集成无人机多光谱、纹理及几何形态等多源特征的精细化分类框架，旨在通过多维度信息的深度耦合提升复杂湿地环境下草本植物遥感制图的精度与鲁棒性。该研究得到了国家自然科学基金、黑龙江省重点研发项目的资助。

　　 图1.（a）研究区位置：红点表示调查样方的位置，黄色矩形代表样地的范围。（b）与现场调查同步进行无人机数据采集。（c）大九湖湿地的实地调查场景与地貌景观。

　　 研究过程与结果

　　 本研究以湖北省神农架大九湖国家湿地公园为试验区，该区域作为典型的亚热带高山泥炭藓沼泽湿地，具有极高的草本植物多样性。研究团队利用搭载可见光和多光谱传感器的无人机，在2022年和2023年物种生长旺季采集了两种高分辨率影像：空间分辨率为0.5厘米的RGB影像和2厘米的多光谱影像。通过面向对象图像分析（OBIA）方法对影像进行多尺度分割，将连续的像素聚合为具有实际生态意义的图像对象，共生成超过9.5万个对象样本，并结合实地样方调查数据，将其精细标注为24个草本物种类别。

　　 图2.地面调查的植被图像。

　　 在特征提取阶段，研究构建了一个包含光谱（SPE）、纹理（TEX）和几何（GEO）的三维特征空间。光谱特征不仅包括各波段的平均反射率，还计算了归一化差异植被指数（NDVI）等12个植被指数。纹理特征通过灰度共生矩阵（GLCM）提取了能够反映群落细微结构差异的对比度和不相似性等指标。几何特征则侧重于描述图像对象在二维平面上的宏观物理属性，如面积、长宽比、紧凑度和圆度。结果表明，红边波段及其相关指数在物种分类中占据主导地位，而纹理特征中的对比度和几何特征中的长宽比在区分形态各异的植物（如线形的芦苇与垫状的聚藓）时表现出极强的互补能力。

　　 图3.涵盖草本物种的关键光谱（a–d）（RedEdge、NGRDI、NDVI和RVI）、纹理（e）和几何（f）特征的统计箱形图。同色虚线框突出了草类物种的纹理和几何特征带来的分类增益，这些特征仅凭光谱特征难以区分。

　　 实验结果显示，XGBoost模型在光谱+纹理+几何全特征组合下的表现最优，其总体精度达到81.9%，Macro-F1分数达到0.807。相比于仅依赖光谱数据的分类结果，融合后的模型总体精度提升了10.5个百分点。此外，通过误差矩阵分析发现，原本极易混淆的几种具有相似光谱特征的莎草科植物，在引入几何特征后其分类准确率得到了显著纠正。这证明了几何形态特征实际上充当了植物的形态指纹，有效弥补了光谱信息的不足。研究还利用该方法成功监测到了入侵物种（如车轴草）在两年度间的分布扩张趋势，验证了该框架在实际生态监测中的稳健性。

　　 图4.湿地草种分布制图结果。

　　 研究总结

　　 本研究系统地证明了通过融合无人机平台获取的光谱、纹理及几何多源特征，可以显著提升高多样性湿地环境中草本物种的制图精度。研究提出的基于人工智能算法的分类框架，有效解决了复杂湿地植被分类中长期存在的光谱拟态难题，证明了形态结构信息在区分精细物种时的核心价值。这一成果不仅丰富了多源遥感数据融合的理论方法，也为高山湿地的生物多样性动态监测、入侵物种识别以及生态恢复评估提供了精确的技术手段。未来，这种基于多维度特征的制图流程有望推广至其他复杂的自然生态系统，为全球生物多样性保护提供更具鲁棒性的遥感支持。

　　 Remote Sensing期刊介绍

　　 主编：Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA;

　　 Dongdong Wang, Peking University, China

　　 期刊范围涵盖遥感科学所有领域，从传感器的设计、验证和校准，到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。

　　 2025 Impact Factor 4.3 2025 CiteScore 9.4 Time to First Decision 24.3 Days Acceptance to Publication 2.6 Days
来源：Remote Sensing