森林砍伐檢測的新工具

由於伐木、火災、蟲害、疾病、風、乾旱和其他因素，地球每秒鐘都會失去相當於一個足球場大小的森林。 在最近發表的一項研究中，美國地質調查局地球資源觀測與科學（EROS）中心的研究人員提出了一項綜合策略，用於檢測大規模森林幹擾發生的時間和地點，並提供對森林變化的更深入的了解。

該研究發表在遙感雜誌。

EROS 中心的物理科學家金蘇明表示：“我們的策略可以實現更準確的土地覆蓋測繪和更新。”

為了了解不斷變化的景觀的整體情況，科學家們依靠國家土地覆蓋資料庫，該資料庫將地球觀測衛星 (Landsat) 影像轉換為特定特徵的逐像素地圖。 2001年至2016年間，資料庫顯示，美國本土近一半的土地覆蓋變化涉及森林地區。

「為了確保國家土地覆蓋資料庫土地覆蓋和土地覆蓋變化產品的質量，準確檢測森林幹擾的位置和時間非常重要。」金說。

金和團隊開發了一種按年份檢測森林幹擾的方法。 此方法結合了時間序列演算法和二維檢測方法的優點，提高了大區域作業測繪的效率、靈活性和準確性。 除其他應用外，新技術促進了更有效的森林管理和政策。

陸地衛星資料因其悠久的歷史、高空間和輻射分辨率、自由開放的資料政策以及適合創建不同季節的大陸甚至全球馬賽克影像而被廣泛用於檢測森林幹擾。

金說：“我們需要能夠創建一致的大區域森林擾動圖的演算法，以協助產生多時期的國家土地覆蓋資料庫。” “我們還需要這些演算法具有可擴展性，以便我們能夠在更長的時間內追蹤森林變化。”

常用的方法稱為“2 日期森林變化檢測”，涉及比較兩個不同日期的圖像，而“時間序列演算法”可以提供每年甚至每月 Landsat 時間序列的觀測結果。

一般來說，二維森林變化檢測演算法比時間序列方法更靈活，並且使用更豐富的光譜資訊。 二維方法可以輕鬆確定影像波段、指數、分類和組合之間的變化，從而更準確地檢測森林幹擾。 然而，2 日期方法僅檢測一個時間段內的變化，通常需要額外資訊或進一步處理，以將森林變化與其他土地覆蓋變化分開。

另一方面，基於時間序列的森林變化檢測演算法可以使用光譜和長期時間信息，並同時產生多個日期的變化。 然而，這些方法通常需要在新增日期時重新處理時間序列演算法的每一步，這對於持續監控更新來說可能很麻煩並導致不一致。

先前的研究提出了整合方法來提高森林變化繪圖的準確性，包括「堆疊」或組合不同繪圖方法的輸出。 雖然堆疊減少了遺漏和委託錯誤率，但此方法計算量大，並且需要參考資料進行訓練。

Jin和團隊的方法結合了2日期變化檢測方法和連續時間序列變化檢測方法的優點，稱為使用歸一化光譜距離（NSD）指數（TSUN）的時間序列方法，以改善大區域作戰測繪效率、靈活性和準確性。 利用這種組合，研究人員製作了 NLCD 1986-2019 年森林幹擾產品，該產品顯示了 1986 年至 2019 年之間每兩到三年間隔的最近一次森林幹擾日期。

Jin 說：“TSUN 指數可檢測多日期森林土地覆蓋變化，並且即使新圖像的處理方式與先前日期圖像不同，也可以輕鬆擴展到新日期。”

研究小組計劃透過增加時間頻率來改進該工具，並製作從 1986 年至今的年度森林幹擾產品。

「我們的最終目標是自動產生高精度的森林擾動圖，並具有持續監測的能力幹擾，希望是即時的，」金說。

更多資訊：Suming Jin 等人，2019 年國家土地覆蓋資料庫：創建 1986-2019 年森林幹擾產品的綜合策略，遙感學報（2023）。DOI：10.34133/遙感.0021

遙感雜誌提供