581.5:528.8
Биологические инвазии чужеродных видов являются одной из главных угроз сохранению биоразнообразия в степной зоне юга России. Традиционные наземные методы мониторинга трудоемки и не позволяют оперативно оценивать распространение видов на больших территориях. В работе представлены результаты исследования по идентификации четырех инвазивных видов древесных растений (Amorpha fruticosa L., Robinia pseudoacacia L., Ailanthus altissima (Mill.) Swingle), на основе их спектральных характеристик с использованием гиперспектральной съемки. Целью работы являлась разработка методических подходов к дистанционной идентификации данных видов по спектральным характеристикам в предикторные фенологические фазы. Гиперспектральная съемка проводилась в лабораторных и полевых условиях с использованием камеры Cubert UHD-185 (диапазон 450–950 нм). Классификация спектральных данных выполнена с помощью алгоритмов машинного обучения (Random Forest и Linear Discriminant Analysis). Установлено, что для A. fruticosa и R. pseudoacacia предикторной фазой является цветение (диапазоны 530–670 нм и 462–466 нм), для A. altissima – плодоношение (диапазон 720–900 нм). Точность классификации моделей достигла 94–100%. Показано, что условия съемки (лабораторные и полевые) существенно влияют на переносимость моделей.
10.18522/2308-9709-2026-56-1
Abstract. Biological invasions of alien species are one of the main threats to the conservation of biodiversity in the steppe zone of southern Russia. Traditional ground-based monitoring methods are labor-intensive and do not allow for the rapid assessment of species distribution over large areas. This paper presents the results of a study on the identification of four invasive woody plant species (Amorpha fruticosa L., Robinia pseudoacacia L., Ailanthus altissima (Mill.) Swingle) based on their spectral characteristics using hyperspectral imaging. The aim of the study was to develop methodological approaches to remote identification of these species based on spectral characteristics during predictive phenological phases. Hyperspectral imaging was conducted in the laboratory and in the field using a Cubert UHD-185 camera (450–950 nm). Spectral data were classified using machine learning algorithms (Random Forest and Linear Discriminant Analysis). It was established that for A. fruticosa and R. pseudoacacia, the predictor phase is flowering (ranges 530–670 nm and 462–466 nm), while for A. altissima, it is fruiting (720–900 nm). The classification accuracy of the models reached 94–100%. It was shown that filming conditions (laboratory and field) significantly affect the transferability of the models.
