使用高分辨率无人机图像检测杂草物种和基于对象的图像分析
侵入性杂草被认为是矿山后康复长期成功的主要威胁之一。因此，许多矿山位点密切监测杂草地区杂草物种的存在，丰富，分布和传播。传统上，杂草监测是通过基于地面的现场工作和视觉评估进行的。然而，这些方法可以缓慢，昂贵和劳动密集型。相比之下，遥感可以通过监测大面积的土地来帮助克服这些问题以检测和控制杂草。直到最近，遥感技术有限制阻碍了对杂草物种的监测。通过可以安装在无人机上的多和高光谱传感器的小型化的遥感技术的进步，这些限制已经重要。
无人机图像允许空间分辨率足以使植被区分，经常到各种树木或灌木的水平。使用计算算法检测图像的光谱和结构差异，我们可以区分不同种类的植被。这允许识别杂草，可用于开发管理行动以消除这些威胁来康复的信息。
案例分析
在这个项目中，我们使用5频段无人机图像（包括靠近红外和红色和红色边缘频段）来检测两个重要的3类入侵植物（2014年生物安全法案）athel pine（Tamarix aphylla.）和帕金森（Parkinsonia Aculeata）在康复领域发现的灌木。
我们正在测试包括基于对象的图像分析（OBIA）和机器学习算法（例如支持向量机; SVM）的分类方法。此外，我们正在比较这些方法的性能，以检测不同分辨率的杂草。通过将最高分辨率图像（每边〜4cm的像素）重新采样到降低分辨率图像（高达约27cm）来获得不同的分辨率。
