Temporal standardization of Sentinel-1 time series for annual and continuous tropical forest loss detection

方法

将GRD后向散射转为像素级z值，结合VV/VH百分位合成与滑动窗口检测。

发现

连续检测24天窗口可识别98.3%森林损失，稳定林误报率仅0.05%。

机会点

可将时间标准化框架迁移至多云农区作物扰动监测，并融合光学SAR提升小尺度事件识别。

湿润热带森林范围的监测与制图是21世纪生态系统保护的核心工作。卫星遥感已被证明是在大陆尺度上评估广阔偏远地区森林丧失的关键手段。然而，利用光学影像进行年度评估在非洲湿润热带森林地区往往面临挑战，因为半持续性云覆盖使得短期和小规模事件无法被正确检测。Sentinel-1（S1）合成孔径雷达（SAR）C波段传感器凭借其全天候成像能力，可确保12天的重访数据获取，为解决连续森林监测的难题提供了相关数据。本研究提出一种对Sentinel-1A（S1A）时间序列进行时间标准化的方法，以提供专用于变化检测的数据集——此处应用于刚果盆地的湿润热带森林丧失监测。时间标准化将地距检测（GRD）数据的地球物理测量值转换为逐像元的z值或统计偏差。该标准化可防止将稳定的低值误判为森林丧失，并使检测聚焦于信号后向散射相对于历史趋势的下降。基于标准化数据集，联合开发了年度检测方法和连续检测方法，并随后进行了比较。本研究还定义了一套综合性能指标集合，旨在从多个方面评估稀有类别检测性能，并指导多种S1数据合成方案下的z值阈值选择。性能最佳的年度指数由年度时间序列中第10百分位的VV和VH合成影像组合而成。最优阈值可检测出96.5%的年度森林丧失面积，稳定森林范围内的年假阳性率（FPRstable）为0.04%。对于连续检测，在滑动时间窗口内处理三个连续标准化观测值，作为24天的整合期——仅为当前基于SAR的运行系统的一半。该方法检测出98.3%的森林丧失面积，年FPRstable为0.05%。本研究还观察并校正了基于SAR的热带森林丧失检测系统中固有的几何畸变。这些发现及相关统计方法凸显了时间标准化的优势，为业务化湿润热带森林监测提供了可直接分析的C-SAR数据集。