Sensor choice matters: How multi-source remote sensing reshapes ecosystem service hotspot footprints

方法

用Sentinel-2、航空影像和激光雷达建模六种生态系统服务，结合随机森林与Z

发现

加入激光雷达提高精度却常重组热点，碳储存与生物多样性热点最不稳定。

机会点

可探究不同遥感传感器组合对农业生态系统服务制图与优先区划稳定性的影响。

生态系统服务（ES）的空间规划需要能够指示干预措施可能在何处最为有效的地图，然而ES热点位置对替代遥感（RS）数据配置的敏感性却鲜有研究。我们以芬兰南部一片41公顷的森林区域为案例，评估了ES热点足迹在信息含量递增的遥感预测因子层级之间的稳定性：Sentinel-2（S2）影像、S2结合航空影像（S2+AER），以及S2结合航空影像和机载激光扫描（S2+AER+ALS）。我们使用随机森林对六种ES（越橘和越橘属越橘潜力、视觉景观价值、生物多样性保护、碳储存和木材生产）进行建模，并利用Zonation推导各层级特有的优先区地图。采用局部Moran's I识别具有统计显著性的ES热点，并通过互补的重叠度和稳定性指标结合空间块自助法不确定性量化跨层级一致性。在各ES中，向S2添加航空影像基本保留了热点足迹，具有较高的空间重叠度和方向稳定性。相比之下，添加ALS提高了预测精度，但频繁重组了热点位置，其中碳储存、生物多样性保护和视觉景观价值的变化最为显著。越橘和越橘属越橘在各预测因子层级间保持稳定。所有层级共有的热点形成紧凑的核心区域，但仅覆盖景观的有限部分。这些案例研究结果表明，预测精度和热点稳定性代表ES地图的不同属性。即使预测性能提高，额外的遥感信息也可能改变优先区划结果。该工作流程可以补充传统的精度评估，但观察到的传感器特异性效应需要在其他生态和管理情境中加以验证。