暑期学生聚焦：利用 ENVI® 监测入侵物种

原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/summer-student-spotlight-uses-envi174-to-monitor-invasive-species

27775 为本文评分：

4.7

暑期学生聚焦：利用 ENVI® 监测入侵物种

艾琳·埃克尔斯 2023年7月27日，星期四

尼沙姆·塔帕，奥本大学研究学生

入侵植物物种通过破坏生物多样性和危害原生栖息地，对生态系统构成了严重威胁。在美国南部，两种最具侵略性的元凶是乌桕树和中国女贞。

高分辨率遥感数据和ENVI 图像分析软件等先进技术的日益普及，为解决此问题提供了创新方法。NV5 Geospatial 的暑期学生聚焦人物尼沙姆·塔帕，利用 ENVI 生成了详细的分布图，以监测和对抗阿拉巴马州和密西西比州沿海地区的乌桕树和中国女贞。

来自奥本大学的学生研究员塔帕出生在尼泊尔希瓦普里纳加郡国家公园附近。“远离城市生活的宁静、来自森林绿意的清新微风，以及对教育重要性的深刻理解，促使我选择了林业作为我的专业，”塔帕说。“在尼泊尔基尔蒂普尔的特里布文大学攻读学士学位期间，我对遥感和地理信息系统在自然资源管理，特别是在难以到达地形的应用产生了浓厚的兴趣。”

塔帕在奥本大学完成了硕士学位，并正在奥本大学继续她的博士研究，利用遥感数据监测阿拉巴马州的森林生物量和碳储量。塔帕预计于 2025 年 12 月毕业。她的研究成果已发表在《林业研究年鉴》杂志上。

研究背景与方法

塔帕的研究集中在三个具有重要生态意义的沿海地区：莫比尔-坦索河三角洲、邦塞库尔国家野生动物保护区和密西西比沙丘鹤国家野生动物保护区。这些地区都已发现乌桕树和中国女贞的踪迹。

塔帕利用 ENVI 进行了图像分类，采用了三种不同的方法：ISODATA、最大似然法和随机森林，分别代表了非监督、监督和机器学习技术。该过程始于对 1 米分辨率的国家农业影像计划正射影像的分析，并进一步利用从 LiDAR 数据中提取的植被结构和地形参数进行优化。

ENVI 在解释和综合这些多层数据、将其转化为可用于入侵物种管理的可行见解方面起到了关键作用。“ENVI 拥有用户友好的界面和广泛的处理功能，”塔帕说。该软件的功能包括图像分类、精度评估、后分类、用户自定义滤波器，以及根据用户兴趣堆叠来自遥感数据的波段和变量。“换句话说，”她指出，“它具备将 LiDAR、雷达、光学、热红外、多光谱和高光谱影像相结合的能力。”

关键发现与意义

这种创新方法最引人注目的成果是，通过将 NAIP 堆叠影像与 LiDAR 衍生变量结合并使用随机森林模型，取得了高达 87.5% 的总体精度。这些发现凸显了高分辨率遥感数据和 ENVI 等先进软件在精确表征入侵物种分布方面的巨大潜力。

该研究为选定区域生成了乌桕树和中国女贞的全面基线清单图。这些具有空间全面性的地图将彻底改变我们管理入侵物种的方法，为即时和长期的监测工作提供了宝贵的工具。

塔帕认为 ENVI 软件在森林管理、自然资源管理、灾害响应、城市增长和环境监测等多种应用中发挥着重要作用。“ENVI 生成的地学增强产品可以轻松地在 ArcGIS Pro 中进行可视化和制图，这使得它非常灵活多变。”回顾她对乌桕树和中国女贞入侵的研究，她分享道：“这些特性使 ENVI 成为一个用于有效决策的强大地理空间图像分析工具。”