在检测深林的操作时，从地面对整个植物群的状况进行评估通常不容易，评估常常是以样本观察为基础。空中和卫星图像经常被用来监测各种各样的深林状况，但是，监测一些重要的深林操作应用也是可行的，一些高空间分辨率卫星，例如：QuickBird 和 Ikonos在这方面就非常有用。在新建的木本植物林对杂草进行控制就是这方面的一种操作应用。

结构和光谱

使用卫星图像对杂草数量进行评估的关键是区分杂草和树木。要想只是从多光谱分类本身得出可靠的结论是不够的，因为木本植物和杂草具有同样的光谱特点。然而，如果是大致上一排排种植的树木，以这样的特点为基础，那么区分就变成可能。在全色带中使用结构分析，就可以在卫星图像中辨别这样的线性特点，和QuickBird 和 Ikonos的不同多光谱带形成对比，因为空间分辨率比多光谱带高4倍，就可以在全色带中辨别不同的行列来。能通过使用无人监视的种类划分来检查多光谱带，可以按程度排列植被，从光秃的土壤到非常浓密的植被生长带，排列成四个等级，这样就能够区分出来一个植被地带是树木还是杂草。假设通过结构分析，区分出在行列中代表的木本植物和在行列外的植被—杂草，那么便有可能鉴别出杂草并知道它侵害的程度。

黑荆树

在夸祖鲁－纳塔尔省（KwaZulu-Natal）中部，省首府彼德马里茨堡市（Pietermaritzburg）北部的测试点上试验了这种方法。这个地区被Acacia mearnsii树覆盖，这种树一般被称作黑荆树，可用作纸浆和纸工业生产用的木屑。这项研究得出以下结论：把木本植物同杂草区分出来是可能的；但是种植林的年龄有很重要的影响；注意到了四个跟作物行轮廓程度相关的生长阶段：

1．在种植后的一到三个月，当作物低于50厘米高时，因为作物行还未明确，作物、土壤和杂草之间的区分不够，这样就产生了聚丛效果。然而，因为在相当早的成长期间，作物对植被的标志只有很小的显示，所以如果显示有浓密的植被生长就表明有潜在的杂草问题。

2．在种植后三到十二个月，当作物有了更清晰的作物行轮廓时，就能改善作物和杂草之间区分。交叉分类可以显示严重的杂草聚集以及潜在的杂草问题。轻微的杂草侵扰也能够从作物行中分辨出来，这样就可以判定一个潜在的问题区域。

3．在种植后十二到十六个月，这个时候能够最佳地把作物同杂草区分出来，作物行轮廓非常清晰。

4．十六个月之后，当冠层郁闭大体上产生时，对于杂草状况的监测就不再重要了。

结论:

可以判定潜在杂草侵扰的区域及侵扰程度（图1），这样，这个方法就能给管理者提供有用的信息，来进行集中的管理决策。尽管对大多数遥感的信息进行地面检查仍然是必要的，但是这样的评估准确率超过了80%。然而，由于例如土地质量和培育措施等因素，在不同的区域，年龄显示有轻微的不同，所以在此处给出的年龄范围并不是定论。在作物生长非常好的区域，如果杂草生长浓密、作物行轮廓不清楚，就会导致浓密的植被生长被划分为聚丛以及作物和杂草之间的交叉划分。然而， 由于这样的状况表现出杂草生长浓密，它仍然提供了关于杂草问题的有用的信息。另外，也能清楚地判定受到轻度到中度的杂草侵扰地区，并从作物行中区分出来。

其他应用:

只要有足够高的空间分辨率来判定行列特点，把作物行作为区分作物与杂草的一种方法可以应用于其他成行的作物，例如：玉米，以及应用在葡萄园中。尽管已经采用了标准的结构和光谱划分技术，像面向对象区域划分技术或类神经网络分类器这样更多的尖端技术提供了改进结果的可能性，尤其是对于没有清晰行轮廓的作物。

致谢:

南非科学和工业研究委员会NRE 地球观察研究小组负责人Jan van Aardt博士共同撰写了这篇论文，这篇论文以Mark Norris-Rogers博士的博士研究部分为基础，此项研究是由Mondi纸业集团提供的资金。