需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 代表性结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

我们报告了一种入侵植物生物量估算方法的详细程序,该方法利用从无人机 (UAV) 遥感获得的数据来评估生物量并捕获入侵物种的空间分布。事实证明,这种方法对进行入侵植物的危害评估和早期预警非常有益。

摘要

我们报告了一种基于无人机遥感和计算机视觉估计入侵植物生物量的方法的详细步骤。为了从研究区域收集样本,我们准备了一个样本方形组件来随机化采样点。使用无人机和相机构建了无人航空相机系统,通过自动导航获取研究区域的连续 RGB 图像。完成拍摄后,收集样本框内的地上生物量,并对所有对应物进行标记和包装。处理样本数据,并将航拍图像分割成 280 x 280 像素的小图像以创建图像数据集。采用深度卷积神经网络绘制研究区 薇甘菊 的分布图,得到其植被指数。将收集的生物体干燥,并将干重记录为真实生物量。使用 K 最近邻回归 (KNNR) 构建入侵植物生物量回归模型,方法是从样本图像中提取植被指数作为自变量,并将其与真实生物量作为因变量整合。结果表明,可以准确预测入侵植物的生物量。通过图像遍历生成入侵植物生物量的准确空间分布图,从而可以精确识别受入侵植物影响的高风险区域。总之,这项研究证明了将无人机遥感与机器学习技术相结合以估计入侵植物生物量的潜力。它为实时监测入侵植物的新技术和新方法的研究做出了重大贡献,并为区域范围内的智能监测和危害评估提供了技术支持。

引言

在该协议中,所提出的基于无人机遥感和计算机视觉的入侵生物量估计方法可以反映入侵生物的分布并预测入侵生物危害的程度。估计入侵生物的分布和生物量对于预防和控制这些生物至关重要。一旦入侵植物入侵,它们就会破坏生态系统并造成巨大的经济损失。快速准确地识别入侵植物并估计关键的入侵植物生物量是入侵植物监测和控制的主要挑战。本文以 薇甘菊 为例,探索一种基于无人机遥感和计算机视觉的入侵植物生物量估算方法,为入侵植物的生态学研究提供了新的途径和方法,促进了入侵植物的生态学研究与管理。

目前, 薇甘菊 的生物量测量主要通过人工采样1.传统的生物量测量方法需要大量的人力和物力资源,效率低下且受地形限制;难以满足 薇甘菊 区域生物量估算的需要。使用该协议的主要优点是它提供了一种量化区域入侵植物生物量和入侵植物空间分布的方法,该方法不考虑该地区的采样限制,并且无需人工调查。

无人机遥感技术在植物生物量估算方面取得了一定的成果,并已广泛应用于农业 2,3,4,5,6,7<....

研究方案

1. 数据集的准备

  1. 选择研究对象
    1. 根据实验研究的重点选择测试样品,考虑 Mikania micrantha 或其他入侵植物等选项。
  2. 收集 UAV 图像
    1. 根据研究区域的大小,准备 0.5 m*0.5 m 的方形塑料框架,数量为 25-50。
    2. 采用随机采样方法,使用足够数量的生物量样本确定研究区域中的土壤采样位置。将样品框架水平放置在植被上,完全包围植物,每株植物之间的最小间隔距离为 2 m。
    3. 使用无人机和相机组成无人机遥感拍摄系统,如图 1 所示。
    4. 使用 UAV 在指定的研究区域内绘制路线。路线规划设置如图 2 所示。
      1. 建立 70% 的航向侧重叠率,以 2 s 的均匀时间间隔拍摄照片,保持相机角度垂直于地面 90°,并将相机高度定位在 30 m。这导致研究区域的连续可见图像数据,单个图像分辨率为 8256 x 5504 像素,如图 3 所示。
    5. 存储航空影像,以便使用 Python 软件进行后续处理以进行生物量估算。
  3. 收集地上生物量
    1. ....

代表性结果

我们展示了一种基于计算机视觉的入侵植物估计方法的代表性结果,该方法在计算机上以编程方式实现。在本实验中,我们以 Mikania micrantha 为研究对象,评估了入侵植物在其自然栖息地的空间分布并估计了其生物量。我们利用无人机相机系统来获取研究地点的图像,其中一部分如图 3 所示。我们利用 ResNet101 卷积神经网络来识别研究区域内的植物。随后,我们绘制了?.......

讨论

我们介绍了使用无人机遥感和计算机视觉估算入侵植物生物量的实验的详细步骤。该协议的主要流程和步骤如图 7 所示。适当的样本质量是该计划最关键和最具挑战性的方面之一。这种重要性适用于所有入侵植物以及任何其他植物生物量估计实验24

为了确定研究区域内入侵植物的分布,我们必须首先使用无人机遥感获取研究区域的可.......

披露声明

作者没有什么可披露的。

致谢

作者感谢中国农业科学院和广西大学对这项工作的支持。这项工作得到了中国国家重点研发计划(2022YFC2601500 & 2022YFC2601504)、中国国家自然科学基金(32272633)、深圳市科技计划(KCXFZ20230731093259009)的支持。

....

材料

NameCompanyCatalog NumberComments
DSLR cameraNikonD850Sensor type: CMOS; Maximum number of pixels: 46.89 million; Effective number of pixels: 45.75 million; Maximum resolution 8256 x 5504.
GPU - Graphics Processing UnitNVIDIA RTX3090
HexacopterDJI M600PROHorizontal flight: 65 km/h (no wind environment); Maximum flight load: 6000 g
PyCharmPython IDE2023.1
PythonPython3.8.0
PytorchPytorch1.8.1

参考文献

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

204 K

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。