在草原生态系统中使用Sentinel-2卫星图像和机器学习算法进行地面生物量估计

科学领域:

• 生态学和远程传感技术
• 陆地生态系统 地球生态系统
• 生物质估计生物质估计

背景情况:

• 草原是重要的生态系统,占地球土地的15-26% ,通过储存二氧化碳显著影响碳循环和气候调节.
• 准确估计地表生物质 (AGB) 和其时空动态对于理解草原碳循环和陆地碳库存至关重要.
• 草原生物质中的有机物质是关键的碳来源,对陆地生态系统中的碳储量作出了重大贡献.

研究的目的:

• 准确估计草原生物群中的地表生物量 (AGB),使用合并的多源数据集.
• 为了评估随机森林 (RF) 和梯度增强算法的性能,用于AGB估计.
• 调查 Sentinel-2 衍生植被指数与地面叶面积指数 (LAI) 测量之间的相关性.

主要方法:

• 来自Sentinel-2 (频段,植被指数),航天飞机雷达拓任务 (SRTM) DEM和全球生态系统动态调查 (GEDI) AGBD数据的融合数据.
• 采用随机森林 (RF) 和梯度增强整体算法用于AGB估计.
• 分析了Sentinel-2衍生的植被指数 (例如,NDVI,OSAVI,NDRE,MSAVI) 和地面LAI测量之间的关系.

主要成果:

• 梯度增强模型在估计AGB方面表现优于RF模型,达到0.7298Mg/ha的R2高于RF的0.5755Mg/ha.
• 这项研究显示,在五年内,研究区域的AGB度存在显著差异.
• 来自Sentinel-2的规范差异植被指数 (NDVI) 显示了与LAI的最强相关性 (R2 = 0.6396 m2/m2,RMSE = 0.159893 m2/m2),优于其他植被指数.

结论:

• 集成算法,如RF和梯度增强,有效地处理多模式数据,减少生物质测绘的处理时间和人类干预.
• 与随机森林相比,梯度增强为估计草原AGB提供了更准确的方法.
• 遥感数据,特别是Sentinel-2衍生的指数,如NDVI,与现场生物物理数据相结合,为绘制陆地生态系统生物量提供了可靠的方法.