使用多源遥感数据估计中国西南部山区的森林树冠关闭情况
Wenwu Zhou1,2, Qingtai Shu2, Cuifen Xia2
1Guangyuan Forestry Workstation, Guangyuan, China.
Frontiers in plant science
|August 28, 2025
概括
这项研究展示了使用卫星LiDAR和机器学习估计森林树冠关闭 (FCC) 的新方法. 这些发现为高精度,大规模的FCC评估在山区提供了成本效益的方法.
科学领域:
- 森林管理
- 遥感技术
- 生物多样性评估
背景情况:
- 森林覆盖封闭对于评估森林资源和生物多样性至关重要.
- 准确且具有成本效益的区域FCC估计是一个研究热点.
- 多个来源的遥感协同是改善FCC估计的关键.
研究的目的:
- 开发一个高精度,低成本的山区区域FCC估计方法.
- 使用卫星传输的LiDAR (ICESat-2/ATLAS) 数据进行足迹规模的FCC建模.
- 整合多来源的遥感数据 (Sentinel-1/2) 和区域FCC绘图的地形因素.
主要方法:
- 使用ICESat-2/ATLAS数据实现贝叶斯优化 (BO) 与随机森林 (RF) 进行足迹规模的FCC建模.
- 选择最佳的LiDAR特征指数 (例如,Landsat_perc,h_dif_canopy) 用于FCC估计.
- 采用地理加权回归 (GWR) 模型进行区域规模的FCC估计,使用足迹规模数据作为训练样本.
主要成果:
- 根据BO-GBRT模型,获得了FCC最佳的足迹规模估计 (R2=0.65).
- 区域规模GWR模型使用足迹规模数据显示出高精度 (R2=0.70).
- 区域FCC估计显示与测量值非常一致 (R2=0.70,相关系数=0.784).
结论:
- 卫星LiDAR (ICESat-2/ATLAS) 提供高密度,高精度的数据用于山地FCC估计.
- 足迹规模的FCC估计可以有效地训练区域规模的GWR模型.
- 开发的方法为从地方到区域的低成本,高精度的FCC估计提供了宝贵的参考.
