マルチソースの遠隔検知データを用いて,中国南西部の山岳地帯の林冠閉鎖の推定
Wenwu Zhou1,2, Qingtai Shu2, Cuifen Xia2
1Guangyuan Forestry Workstation, Guangyuan, China.
Frontiers in plant science
|August 28, 2025
まとめ
この研究は,衛星によるLiDARと機械学習を用いた森林棚の閉鎖 (FCC) を推定するための新しいアプローチを示しています. この結果は,高精度で大規模なFCC評価のための費用対効果の高い方法を提供します.
科学分野:
- 林業
- リモートセンシング
- 生物多様性の評価
背景:
- FCCは森林資源と生物多様性を評価するために不可欠です.
- 正確で費用対効果の高い地域FCCの推定は研究ホットスポットです.
- FCCの推定値の改善に多源遠隔センサーの連携が不可欠である.
研究 の 目的:
- 高精度で低コストな山岳地域におけるFCC推定方法を開発する.
- フットプリントスケールのFCCモデリングのために,衛星によるLiDAR (ICESat-2/ATLAS) データを活用する.
- 地域FCCマッピングのための多源遠隔検知データ (Sentinel-1/2) と地形要因を統合する.
主な方法:
- ICESat-2/ATLASデータを用いたフットプリントスケールのFCCモデリングのために,ランダムフォレスト (RF) でベイジアン最適化 (BO) を実装しました.
- FCCの推定のための最適なLiDAR機能インデックス (例えば,Landsat_perc,h_dif_canopy) を選択する.
- 地理的に加重された回帰モデル (GWR) を採用し,訓練サンプルとしてフットプリントスケールのデータを用いて地域規模のFCC推定を行った.
主要な成果:
- BO-GBRTモデルは,FCCのフットプリントスケール (R2 = 0.65) の最良の推定値を達成した.
- 地域規模のGWRモデルは,フットプリントスケールのデータを用いて高い精度 (R2 = 0.70) を示した.
- 地域FCCの推定値は測定値と強く一致している (R2 = 0.70,相関係数 = 0.784).
結論:
- 衛星によるLiDAR (ICESat-2/ATLAS) は,高密度で高精度のデータを山岳FCCの推定に提供しています.
- フットプリントスケールのFCCの推定は,地域規模のGWRモデルを効果的に訓練することができます.
- 開発された方法論は,ローカルから地域規模までの低コストで高精度のFCC推定のための貴重な参照を提供します.
