使用Sentinel-2和Sentinel-1数据集进行AGB估计

科学领域:

• 环境科学环境科学
• 林业林业 林业 林业 林业
• 遥感是一种远程传感.

背景情况:

• 气候变化构成重大威胁,不成比例地影响发展中国家.
• 森林通过储存大量的陆地碳,在缓解气候变化方面发挥着至关重要的作用.
• 森林砍伐是一个重大挑战,需要对发展中国家进行有效的监测和财政激励.

研究的目的:

• 为了在巴基斯坦的马尔加拉山国家公园进行森林碳库存评估.
• 通过现场库存和遥感的结合,估计地面上的生物质 (AGB).
• 为了比较机器学习算法在不同森林类型中的AGB估计的性能.

主要方法:

• 现场库存使用圆形图 (20米半径) 来收集数据.
• 通过使用Sentinel-1 (S1) 和Sentinel-2 (S2) 卫星数据进行遥感分析.
• 机器学习算法的应用和比较:随机森林 (RF) 和支持矢量机器 (SVM).

主要成果:

• 在亚热带Chir松树林 (SCPF) 中,地面生物质 (AGB) 发现高于亚热带宽叶常青森林 (SBEF).
• 随机森林 (RF) 算法证明了SCPF AGB估计的优越性能.
• 支持矢量机 (SVM) 算法在SBEF AGB估计中表现更好.

结论:

• 自由使用的Sentinel-1和Sentinel-2卫星数据为发展中国家的AGB估计提供了成本效益优势.
• 建议将Sentinel-1和Sentinel-2数据结合起来,用于巴基斯坦未来的AGB研究.
• 准确的森林碳库存评估对于气候变化减缓战略和获得金融激励来说至关重要.