一种新的森林砍伐检测工具

伐木、火灾、虫害、疾病、风、干旱和其他因素。在最近发表的一项研究中，美国地质调查局地球资源观测与科学 (EROS) 中心的研究人员提出了一种综合策略，用于检测大规模森林干扰发生的时间和地点，并提供对森林变化的更深入了解。

该研究于 2 月 28 日发表在《遥感杂志》上。

“我们的策略导致更准确的土地覆盖测绘和更新，”EROS 中心的物理科学家 Suming Jin 说。

为了了解不断变化的地貌的全貌，科学家们依靠国家土地覆盖数据库，该数据库将地球观测卫星 (Landsat) 图像转换为特定特征的逐像素地图。2001 年至 2016 年间，数据库显示，美国本土近一半的土地覆盖变化涉及森林地区。

“为确保国家土地覆盖数据库土地覆盖和土地覆盖变化产品的质量，准确检测森林干扰的位置和时间非常重要，”金说。

Jin 和团队开发了一种按年份检测森林干扰的方法。该方法结合了时间序列算法和 2-date 检测方法的优势，以提高大区域操作映射的效率、灵活性和准确性。新技术促进更有效的森林管理和政策，以及其他应用。

Landsat 数据因其悠久的历史、高空间和辐射分辨率、免费和开放的数据政策以及适合为不同季节创建大陆甚至全球马赛克图像而被广泛用于检测森林干扰。

“我们需要能够创建一致的大区域森林干扰图的算法，以协助生成多时期的国家土地覆盖数据库，”Jin 说。“我们还需要这些算法具有可扩展性，以便我们可以在更长的时间内跟踪森林变化。”

一种称为“2 日期森林变化检测”的常用方法涉及比较两个不同日期的图像，而“时间序列算法”可以提供每年甚至每月 Landsat 时间序列的观察结果。

一般来说，2-date 森林变化检测算法比时间序列方法更灵活，并且使用更丰富的光谱信息。2-date 方法可以轻松确定图像波段、指数、分类和组合之间的变化，因此可以更准确地检测森林干扰。然而，2-date 方法只能检测一个时间段的变化，通常需要额外的信息或进一步处理以将森林变化与其他土地覆盖变化区分开来。

另一方面，基于时间序列的森林变化检测算法可以使用光谱和长期时间信息并同时产生多个日期的变化。然而，这些方法通常需要在添加新日期时重新​​处理时间序列算法的每一步，这对于持续监控更新来说可能很麻烦，并导致不一致。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！