Источник: https://www.spatialsource.com.au/airborne-hyperspectral-for-spotting-koala-habitat/?utm_campaign=SS%20-%20Overall%20Publication%20-%20Master&utm_medium=email&_hsmi=399565860&utm_content=399565860&utm_source=hs_email
Вид на равнины вокруг Ганнеда в Новом Южном Уэльсе, Австралия, которые были целевой зоной для кампании по воздушной съёмке мест обитания коал. Фото: Глен Хубер
«По сравнению со спутниковыми мультиспектральными сенсорами, воздушные гиперспектральные приборы предоставляют сотни „смежных“ узких спектральных диапазонов, что позволяет выявлять едва заметные спектральные различия, критически важные для прогнозирования химического состава листвы и различения близкородственных видов», — добавили они.
«Кроме того, их более высокое пространственное разрешение минимизирует эффекты смешанных пикселей и позволяет точно очерчивать кроны отдельных деревьев, благодаря чему воздушная гиперспектральная съёмка особенно подходит для оценки качества среды обитания».
Гиперспектральные пиксели для изучения мест обитания
Исследование проводилось в рамках сотрудничества между Сиднейским университетом, Сиднейским институтом сельского хозяйства, Университетом Новой Англии и корпорацией HyVista.
Компания HyVista использовала гиперспектральный сканер HyMap, произведённый австралийской фирмой Integrated Spectronics.
Характеристики сканера HyMap:
Вид изнутри самолёта во время одного из полётов. Фото: Глен Хубер
В своей статье авторы пишут: «В целом наше исследование демонстрирует потенциал воздушной гиперспектральной съёмки для охраны коал посредством выявления высококачественных мест их обитания».
«Наши результаты подчёркивают ценность наборов данных „на уровне пикселей“ при обучении моделей для прогнозирования характеристик деревьев. Хотя данные „на уровне пикселей“ могут быть зашумлёнными и разнородными — из‑за различий в ветвях, угла обзора относительно сенсоров, разной освещённости или влияния отражённого излучения от фона, — они позволяют моделям улавливать реальные закономерности на фоне шума, улучшать прогнозы и оставаться эффективными даже при небольшом количестве повторений, что часто является ограничением в экологических исследованиях.
Хотя показатель „среднего отражения от полога“ остаётся полезным, его следует оценивать наряду с результатами „отражения от полога на уровне пикселей“.
Важно, что мы продемонстрировали: обучение на уровне пикселей существенно улучшает обобщающую способность модели для прогнозирования содержания азота, а явный учёт видов деревьев дополнительно повышает эффективность модели. В совокупности это даёт масштабируемую основу для картирования качества среды обитания коал».
Следующие шаги
«Надёжные методы дистанционного зондирования, позволяющие определять видовой состав вплоть до отдельных растений на обширных территориях, — большой шаг вперёд для австралийской экологии и наблюдения за Землёй», — сказал профессор Брэдли Эванс из Университета Новой Англии.
«Благодаря спектральным и пространственным возможностям гиперспектрального сканера HyVista HyMap мы можем за день покрывать на порядок большую площадь, летая быстрее, чем с дронами.
В дальнейшем мы можем ожидать детальной оценки биоразнообразия и состояния мест обитания коал — благодаря более регулярным полётам над наиболее важными и уязвимыми ландшафтами».
По словам профессора Эванса, следующий этап исследования будет включать использование новейшего гиперспектрального сенсора NASA JPL в следующем году.
«Мы будем сотрудничать с различными природоохранными и сельскохозяйственными агентствами, чтобы NASA и HyVista провели съёмку наших наиболее важных участков», — сказал он.
«Университет Новой Англии в партнёрстве с Сиднейским университетом и другими организациями также планирует создать новую „Национальную совместную установку“ для этой технологии, чтобы эффективно использовать её на благо Австралии и развивать дальнейшее сотрудничество с NASA».
22 января/ 2026