Mapping coastal forest retreat using convolutional neural networks and different satellite imagery

沿海森林正日益受到海平面上升、盐水入侵和风暴潮导致的土壤饱和与盐度升高的威胁。为应对不断加剧的盐渍化和洪水，依赖淡水的健康沿海森林（包括湿地森林和低海拔高地森林）正在转变为以死亡或濒死树木为主的景观，即“幽灵森林”（ghost forests）。幽灵森林与耐盐灌木和草本植物交错分布，最终演变为沼泽或开阔水域。本研究的主要目标是量化这些森林景观转换的动态过程和路径，以及促成这些变化的因素，这对于理解沿海生态系统退化的进程和预测未来变化至关重要。我们首先聚焦于确定追踪森林景观变化的最佳方法，通过探索多种遥感指数（即多光谱、双季节、地形和物候指标）在提升深度学习模型（卷积神经网络，CNNs）土地覆盖分类性能中的作用，研究区域为北卡罗来纳州沿海平原，使用Landsat 8和Sentinel-2影像的地表反射率数据。随后，我们使用最佳可用数据（Landsat 8）来理解长期变化并识别1985年至2021年的土地覆盖变化模式。研究表明，纳入物候和地形指数可增强幽灵森林类别与所有其他植被类别的可分性。在我们的评估中，对于2021年两星共存的年份，较高分辨率的Sentinel-2数据（F1分数 = 96.3）优于Landsat影像（F1分数 = 93.4）。然而，Landsat因其长期数据记录仍是一个重要的使用工具。因此，我们使用Landsat确定1985年至2021年间21%的森林已经消失，且消失速率正在加快。2010年至2021年间，23,876公顷森林转换为沼泽、幽灵森林和灌木，比1985年至2010年间损失的16,968公顷高出1.5倍。这些从森林到幽灵森林和沼泽的转换主要由距河道距离、盐度和相对海平面上升（RSLR）速率的增加所驱动，这些是观测到的变化的关键环境驱动因素。通过量化这些变化，我们突出了最易受环境胁迫影响的区域，为有针对性的保护策略提供了依据。