无人机遥感与3D数据揭示周期蝉对美国森林的影响

本研究论文聚焦于周期性蝉（Magicicada）对美国森林造成的影响检测，特别是通过无人机遥感技术和3D数据的结合进行评估。在美国地区，每13年或17年会出现一次这种昆虫的爆发，它们会在落叶树的外侧树枝上产卵，导致小切口并加速树枝死亡。由于这种现象罕见且难以全面评估大面积森林的破坏，传统的实地调查方法存在局限。 为了量化这种影响，研究者利用了无人机获取的高分辨率图像和多源数据，包括叶上光谱信息（MLC 1）、冠层高度模型（CHM）以及分支数字地形模型（DTM）。MLC 1方法仅依赖于光谱数据，而MLC 2则进一步加入了三维空间信息，增强了分类的精度。通过在15个圆形样地进行分析，研究人员计算了相对于总森林面积的蝉虫危害百分比，结果显示MLC 1的损害范围为1.03%至22.23%，而MLC 2的范围为0.02%至10.99%。 分类的准确度方面，MLC 1的Kappa指数为0.35，而MLC 2的Kappa指数更高，为0.86，表明后者在识别和区分蝉虫影响方面更为精确。这些结果证实了结合光谱数据与三维空间信息对于森林健康管理的重要性，尤其是通过无人机技术，可以实现对大规模森林区域的高效、精确监测。 此研究不仅提升了对周期性蝉虫害影响的评估能力，也为林业管理和保护提供了新的科学依据和技术手段。利用无人机和遥感技术，未来的森林健康监测工作将更加智能化和精细化，有助于减小虫害对森林生态系统的影响，保障森林资源的可持续利用。