监测稀有植物物种用于确认存在、评估健康状况和核实种群趋势。无人机系统(Unmanned aerial systems, UAS)是监测稀有植物的理想工具，因为它们可以在不影响植物或危及人员的情况下有效收集数据。然而，无人机的飞行计划可能是主观的，导致飞行时间的无效利用和图像的过度收集。

　　这项研究使用了Maxent机器学习预测模型来创建目标飞行区域，具体流程如图1，以监测Geum radiatum(图2)，一种北卡罗来纳州蓝岭山脉特有的濒危植物。

　　图1 目标无人机监控工作流程图

　　图2 Geum radiatum图像

　　为了将无人机定位到最有可能找到目标植物物种的位置，使用了最大熵机器学习算法来建模物种地理分布，该算法可在Maxent 3.41中获得，并获得开源MIT许可。Maxent需要两组输入数据:物种存在位置和环境层。物种存在位置是已知物种出现的地理坐标所给出的模型的训练数据。环境层是模型的预测器，以环境变量的栅格表示。Maxent模型以10个环境层作为预测器，已知的植物位置作为训练数据。数据从公共存储库获取，处理成Maxent所需的通用栅格表示，并剪切到Blue Ridge生态区域，如图3。

　　图3 光栅和矢量数据的环境层处理步骤。在WGS84坐标参考系统中，将输入的栅格层重投影并重新采样，其共同分辨率为0.22 arcsec(大约相当于原始DEM的6 m分辨率)。接近操作被用来创建一个栅格网格从输入矢量层在相同的分辨率

　　以10个环境层作为预测因子，以44个多边形质心近似的物种存在定位点作为训练数据，建立了Maxent预测模型。该模型在蓝岭生态区进行了5倍交叉验证，其中每5次模型运行都保留20%的训练数据。无人机飞行区域从概率栅格中导出为带有选定概率阈值的等值线，在本例中设置为95%。将覆盖研究地点的95%概率多边形导入到DroneDeploy飞行规划web应用程序中(图4)。飞行被编程为飞行在一个交叉阴影模式与自动飞行模式功能。

　　图4 目标飞行区域多边形上传至DroneDeploy飞行规划web应用程序。白色的点是95%概率的多边形顶点，绿色虚线是无人机的交叉阴影飞行路径。

　　在罗安山研究地点执行了三次无人机飞行，使用的是带有24毫米、2000万像素RGB传感器的DJI Phantom 4 Advanced四轴飞行器。无人机传感器被设置为90度最低点相机角度，手动对焦设置为无穷大，f2.8光圈。前两次飞行都是在离地30米的高度起飞。第一次和第三次飞行的高分辨率RGB航拍照片使用Agisoft Metashape 1.6.3进行处理。图像以高质量和高精度设置进行处理，并采用温和的深度滤波去除点云中的噪声。在点云基础上建立三维网格和插值数字曲面模型。通过对图像进行数字表面模型(Digital surface model, DSM)校正，生成正畸图像。在GIS软件中导出DSM和点云进行分析。在图像处理中没有收集或使用地面控制和检查点;陡峭的地形和厚重的树冠使得目标的定位和调查难以实现。

　　Maxent建模得到了一个栅格图，其中包含了整个蓝岭区域的每个单元的Geum radiatum存在值的概率(图5)。ROC曲线(The receiver operating curve)评价显示了关于AUC(The area under the curve)的预测。AUC为0.997，标准差为0.001，准确度较高(图6)。Maxent的总结结果表明，海拔、土壤和离水的距离是最重要的变量，占模型解的90%。海拔高度是解释Geum radiatum物种分布的最重要预测因子。响应曲线 (图7)。

　　图5 Maxent概率映射图。颜色越深的地方，越有可能是Geum radiatum

　　图6 在重复试验中，平均灵敏度与(1 -特异度)ROC曲线的平均值

　　图7 最重要的环境变量在Maxent模型中对Geum radiatum的相对贡献估计表格及响应曲线

　　无人机图像的视觉分析证实了33个已知植物的位置，并发现了4个以前没有记录的事件。利用神经网络目标检测器实现植物物种的半自动检测(图8)。尽管该方法成功地在地面图像中检测了植物，但在无人机空中图像中没有识别出植物，这表明在数据采集和计算机视觉技术方面还需要进一步改进。

　　图8 由UAS相机在地面上拍摄的两张照片的YOLOv3模型的结果，

　　绿色物体检测框为Geum radiatum，包括检测的置信度。

　　本研究提供了一种数据驱动的方法，通过预测建模来规划目标无人机飞行区域，改进了用于稀有植物监测的无人机数据收集方法。本研究可能有助于新增种群适宜生境调查以及监测和保护现有种群。

　　来源：Reckling, W.; Mitasova, H.; Wegmann, K.; Kauffman, G.; Reid, R. Efficient Drone-Based Rare Plant Monitoring Using a Species Distribution Model and AI-Based Object Detection. Drones 2021, 5, 110. https://doi.org/10.3390/drones5040110

　　编辑：王春颖