基于Sentinel-2时间序列的中国南部占主导地位的树种的大规模绘制和不确定性评估

科学领域:

• 林业林业 林业 林业 林业
• 遥感 遥感 遥感 遥感
• 生态生态学 生态生态学

背景情况:

• 大规模的森林物种地图对于生物多样性,干扰和碳汇研究至关重要,但往往缺乏.
• 在中国南部绘制主要树种的地图面临着诸如数据稀缺,环境复杂性和地下植被干扰等挑战.

研究的目的:

• 开发一个全面的框架,用于准确,高分辨率地图,在中国南部占主导地位的森林物种.
• 解决现有森林绘图方法的局限性,包括数据的及时性和分类学不确定性.

主要方法:

• 使用 Sentinel-2 时间序列和数字海拔模型 (DEM) 数据用于预测变量.
• 采用持续变化检测和分类 (CCDC) 算法进行年度间样本更新和增量.
• 在子区域内应用了极端梯度提升 (XGB) 分类器来处理异质性,并使用二进制轮映射评估不确定性.

主要成果:

• 实现了年间样本转移的最低更新精度88%,证实了CCDC方法的稳定性.
• 在特定地区 (安,云南,湖南,海南) 的分类精度提高了2-6个百分点,精度超过80%.
• 为中国南部85%的森林生成了第一个10米分辨率的主导树种地图,整体准确度超过75%.

结论:

• 拟议的绘图框架有效地解决了森林物种绘图方面的挑战,提供可靠的高分辨率数据.
• 生成的数据集和可重复的框架为解决时间和空间森林信息缺口提供了宝贵的资源.
• 这些发现突出了基础复杂性对分类准确性的重大影响,需要进一步研究.