Monitoring seasonal and long-term forest canopy dynamics using Sentinel-2 imagery and Random Forest on the Google Earth Engine platform
Pavan Kumar · Rahul Kumar · Soumyajeet Sahu 等 8 人
用Sentinel-2多季影像和随机森林在GEE上监测印度保护区森林冠层密度的季节与年际变化。
Sentinel-2多季影像、NDVI/NDMI、GLCM纹理与地形因子，GEE
冠层密度类别存在明显季节与年际重分布，总体精度97.8%–98.95%，Kappa 0.970–0.
可借鉴其多季影像+纹理+RF框架，迁移到农田冠层或作物长势监测，并解决跨传感器反射率一致性。
方法可复现、精度高，属遥感林业监测的细分技术进展，但研究对象为印度保护区，对国内三农与农业信息化的直接公共价值有限。
理解森林冠层动态对于评估保护性景观的状况、恢复力和保护优先事项至关重要。本研究利用多季节Sentinel-2影像和基于Google Earth Engine（GEE）的随机森林（Random Forest, RF）分类框架，评估了印度中央邦奥尔恰野生动物保护区内制图森林冠层密度的时空和季节变化。对2016年和2024年季风前（3月至5月）和季风后（10月至12月）的Sentinel-2数据进行了独立分析。冠层密度信息由NDVI、NDMI、海拔、坡度和GLCM纹理特征推导得出，并分为四类：非森林、疏林、中度冠层和密林冠层。采用基于NDVI的冠层密度分层和均衡参考采样，对全部四个季节-年份数据集应用了相同的随机森林流程。总体精度为97.80%至98.95%，Kappa系数为0.970至0.986。结果表明，制图冠层密度类别存在明显的季节性和年际再分布。在季风前期间，非森林和疏林类别分别减少了39.62%和7.15%，而中度冠层和密林冠层类别分别增加了231.64%和240.43%。在季风后期间，中度冠层增加了26.01%，而密林冠层减少了9.46%。在4,533.54 ha的共同比较区域内，转移分析揭示了显著的类别持续性和再分布，尤其是相邻冠层密度类别之间的转移，如疏林向中度冠层以及密林向中度冠层的转移。空间变化分布于河岸带、内部区域和外围区域。由于2016年使用Level-1C大气顶层数据而2024年使用Level-2A地表反射率产品，年际差异应解释为制图冠层密度类别的变化，而非冠层结构的精确生物物理变化。该框架为季节性森林监测和空间针对性保护规划提供了一种可复制的方法。