Remote sensing for monitoring and managing Eichhornia crassipes: a review of methods, applications, and decision-support frameworks
Daniel H.C. Salim · Caio Mello · Gabriel Pereira 等 5 人
综述遥感监测水葫芦的方法、应用及决策支持框架，涵盖2004-2025年56项研究。
综述56项研究，分析卫星、无人机等平台及多光谱、高光谱、SAR数据，结合机器学习
遥感可实现物种识别、物候追踪和生物量估算，但需解决数据融合和分类误差，提出五支柱决策框架。
可探索多源遥感数据融合与生态解释性分类，开发早期预警指标，将监测结果直接用于入侵物种的适应性管理。
系统综述遥感监测水葫芦的方法与应用，提出决策支持框架，对农业生态治理有参考价值。
凤眼莲（Eichhornia crassipes，水葫芦）是全球最具侵略性的水生入侵植物之一，对淡水生态系统造成严重的生态和社会经济影响。过去二十年间，遥感技术已成为监测其扩散并支持管理决策的关键工具，能够提供可扩展、可重复且日益精准的评估。本综述整合了2004年至2025年间发表的56项研究，考察了不同平台（卫星、无人机、机载、近地面）、传感器类型（多光谱、高光谱、合成孔径雷达）以及分析方法（指数阈值法、面向对象分类、机器学习、深度学习）在凤眼莲检测、分类和定量中的应用。我们重点梳理了从早期单一平台方法到近期融合光学、雷达和无人机数据的多模态框架的演进过程，这些框架同时实现了大尺度监测与高分辨率诊断。证据表明，物种级判别、物候追踪和生物量估算现已可行，且在将光谱响应与污染物及胁迫指标关联方面取得了有前景的进展。尽管取得了上述进展，跨平台数据协调、混合植被群落中降低误分类率以及将遥感成果转化为适应管理所需的决策信息等方面仍面临关键挑战。我们提出一个基于五大战略支柱的决策支持框架：多尺度传感器融合、生态可解释的分类体系、可扩展的分析阶梯、早期预警指标以及连接监测与管理行动的反馈回路。综合来看，这些方向展示了遥感如何超越单纯检测，迈向更具响应性和决策导向的方法，从而支持不同水生环境中凤眼莲入侵的可持续管理。