扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

Free University of Bozen-Bolzano:使用无人机图像作为蜜蜂传粉者的代理来调查花朵的新方法

论论资讯 | 2023-05-01 3热度

Ecological Indicators

Explore content

About the journal

Publish with us

A novel approach for surveying flowers as a proxy for bee pollinators using drone images

Torresani M.; Kleijn D.; de Vries J.P.R.; Bartholomeus H.; Chieffallo L.; Cazzolla Gatti R.; Moudrý V.; Da Re D.; Tomelleri E.; Rocchini D.

Published:2023-05-01
DOI:10.1016/j.ecolind.2023.110123

研究背景

在当今社会,生物多样性的保护已成为一个热门话题。植物和昆虫的丰富度和多样性是生物多样性的重要指标,也是维护生态系统健康和农业生产的关键。而蜜蜂在许多农作物中提供了重要的生态系统服务,因此它们的数量和多样性尤其值得关注。然而,全球范围内的栖息地丧失和碎片化、农业的强化以及气候变化等因素成为了导致植物和蜜蜂数量减少的主要驱动力。监测植物和蜜蜂的数量和多样性是保护它们多样性和提供的服务的关键第一步,但传统的现场方法耗时且昂贵。因此,寻找一种更为高效的监测方法就显得尤为重要。

研究内容

荷兰南部的30个草地作为研究区域,研究人员采用传统的现场方法对蜜蜂和开花植物进行了调查。同时,他们使用无人机拍摄了同一草地的真彩图像,并测试了遥感技术是否能够提供准确的花卉覆盖面积和多样性的评估,并通过这种方法来评估蜜蜂的数量和多样性。研究人员采用了不同的机器学习方法来测试它们的表现,包括随机森林(Random Forest, RF)、神经网络(Neural Networks, NNET)和支持向量机(Support-Vector Machine, SVM)。为了评估空间分辨率对估计精度的影响,研究人员使用了原始空间分辨率(约为0.5厘米)和重采样到1厘米、2厘米和5厘米的图像进行了测试。研究结果表明,无人机真彩图像结合机器学习方法可以成为大规模、标准化和经济有效的花卉覆盖面积监测工具,从而间接监测蜜蜂数量和多样性。

研究意义

这项研究的创新点在于,使用无人机真彩图像结合机器学习方法,可以更加高效地监测花卉覆盖面积,从而间接监测蜜蜂数量和多样性。这种方法可以覆盖更大的区域,并提供重复、空间连续和标准化的信息,从而更好地保护生态系统和农业生产。研究结果表明,随机森林和神经网络方法表现更佳,因此可以成为未来大规模监测的首选方法。

微信扫码即可查看