Technological approach to invasive species: the role of remote sensing and predictive modelling

方法

Web of Science与Scopus文献计量分析，按平台、传感器、方法、精

发现

2015年后发文激增，卫星数据仍主导，无人机、LiDAR、SAR与机器学习增多，地理分布失衡。

机会点

入侵植物监测向集成监测与决策支持转型，可探索多源遥感与机器学习结合的风险预警框架。

遥感、预测建模与机器学习在跨广阔异质景观探测和监测入侵植物物种方面日益占据核心地位。本综述综合了25年来基于遥感的入侵植物物种研究（2000—2025年），以厘清传感器选择、分析方法与报告实践如何演变。研究依据既定纳入标准筛选Web of Science与Scopus数据库记录，并按平台、传感器、物种、区域、方法、影响类别、精度报告及与联合国可持续发展目标的关联进行编码。采用文献计量关键词分析考察主题结构与新兴研究方向。证据表明，2015年后发文量快速增长，卫星数据持续占据主导地位，无人航空系统、激光雷达、合成孔径雷达与机器学习分类器的应用不断增加，地理分布不均衡问题长期存在。在保留的166项研究中，149项提供了可提取的影响信息，76项报告了总体精度值。文献显示，研究正从描述性制图转向面向生物多样性保护、恢复规划与入侵植物管理的综合监测、风险评估和决策支持框架。图形摘要