局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点，无人机遥感为此提供了新的研究手段。
　　近日，广州地理所生态系统观测与修复研究团队采用无人机搭载RGB相机获取研究地的正射影像，尝试波段运算、影像分割和深度学习等3种方法对盛花期薇甘菊的爆发点进行识别。研究结果表明，高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物。但以上指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点，但会低估爆发面积。基于深度学习（Deeplab V3+）的自动识别方法，能准确识别薇甘菊的爆发点和爆发面积，测试集的平均交并比（mIoU）为78.46%，像素精度为88.62%。识别结果为局域尺度上的薇甘菊扩散机制研究提供了基础，也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。
　　相关研究成果发表在《热带地理》上（孙中宇，荆文龙，乔曦，杨龙.基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 热带地理, 2019, 39(4): 482-491.）。

（自然地理研究部 孙中宇 供稿）