伊犁地区毒害草潜在地理分布与遥感识别研究——以白喉乌头为例

The rapid spread of poisonous grasses has seriously affected the structure and function of grassland ecosystems, threatened the biodiversity of grassland, and had a huge negative impact on livestock husbandry. In this study, the poisonous grass Aconitum leucostomum Vorosch, which is a very harmful species in the Yili area, was studied. The species distribution model was used to predict its distribution, and the most suitable growth area was used as a research area for remote sensing identification. During the critical phenological phase of plant growth, the time series data generated by high spatial resolution, high temporal resolution, and high spectral resolution data was used in combination with spectral unmixing and machine learning algorithms to identify Aconitum leucostomum Vorosch. On the large scale, the species distribution model is used to predict the suitable growth area, and the remote sensing technology is used to identify the species the small scale. The accuracy of different identification methods is compared to find the suitable phenological period, the appropriate data source and the method with the highest accuracy for identifying Aconitum leucostomum Vorosch, Provide a more complete solution for monitoring and identifying poisonous grasses. The prediction of the distribution of poisonous grass and the research of remote sensing identification have important theoretical and practical significance for promoting the development of biodiversity research, the monitoring of the structural and functional changes of ecosystems, the monitoring of alien species invasion, and the monitoring of natural grassland degradation.

毒害草的迅速蔓延严重影响了草地生态系统的结构和功能，威胁草地的生物多样性，对畜牧业生产也产生了巨大的负面影响。本研究以伊犁地区危害极大的毒害草白喉乌头为研究对象，利用物种分布模型预测其分布，将最适宜生长区域作为研究区进行遥感识别研究。在植物生长的关键物候期，利用高空间分辨率、高时间分辨率、高光谱分辨率数据生成的时间序列数据，结合混合像元分解、机器学习算法进行白喉乌头的识别，目的是在大尺度上利用物种分布模型预测其适宜生长区域，在小尺度上使用遥感技术识别具体物种，对比不同识别方法的精度，找到识别白喉乌头合适的物候期、合适的数据源和精度最高的方法，为监测和识别毒害草提供一个较为完整的方案。对毒害草分布的预测和遥感识别的研究的对促进生物多样性研究、生态系统的结构功能变化监测、外来物种入侵监测、天然草原退化监测等领域发展具有重要的理论研究和实践上的意义。

在人类活动和气候变化的影响下，毒害草的蔓延威胁着生态安全和畜牧业的健康发展，白喉乌头是新疆伊犁地区危害最为严重的毒害草之一。本研究在大尺度上使用最大熵值模型获取白喉乌头在伊犁地区的潜在地理分布，找到影响白喉乌头分布的主要气候因子，探讨了未来气候变化对白喉乌头分布的影响。在小尺度上使用深度学习算法结合无人机数据，在单株水平对毒害草白喉乌头进行识别，评价基于卷积神经网络识别白喉乌头的实例分割和目标检测的各种算法，通过优化模型参数提高识别准确度，实现精准快速识别白喉乌头的目的。本研究成果对实现精准快速识别毒害草、监测草地退化、保护草地生态系统具有非常重要的意义。主要结果如下：.（1）最大熵模型对白喉乌头在伊犁地区适宜区潜在分布的预测AUC为0.94，模拟结果具有很高精度；.（2）在伊犁地区的高适宜生长区和中适宜生长区面积较大，两者占伊犁地区总面积的65.87%；.（3）影响白喉乌头分布的主导气候因子排名前六的分别为最湿季均温、等温性、年温度变化范围、 最干月降水量、最干季均温、降水量的季节性变化；.（4）在未来二氧化碳浓度升高、气候变暖将导致白喉乌头的分布格局发生极大的改变，主要表现在中适生区基本变成高适生区，海拔较低的区域低适生区转变为非适生区；.（5）深度学习算法中基于Faster-RCNN算法以主干网络VGG-16改进候选框大小等参数后，白喉乌头的识别精确度提高21.57%；基于Faster-RCNN_ResNet50的模型mAP值为64.74%；.（6）应用实例分割算法Mask-RCNN以ResNet50和ResNet101为主干网络，ResNet50的识别精度高于ResNet101；对于使用相同的主干网络，目标识别算法和实例分割算法两者之间识别精度相近，在较小数据集上用层数较浅的网络时效果要更好。.