研究人员探索利用卫星图像绘制森林枯死现象地图的新方法

森林和林地覆盖了地球表面的三分之一，在碳封存、水调节、木材生产、土壤保护和生物多样性保护方面发挥着关键作用。由于气候变化，这些和其他关键森林生态系统服务的衰退是由各种生物和非生物干扰造成的。其中，昆虫侵扰和疾病爆发可能导致大量树木枯死并严重破坏生态系统动态。

森林监测对于监测、量化和预防此类事件至关重要。然而，最常见的策略主要依赖于费力且耗时的实地调查，限制了地理覆盖范围，并阻碍了对广大地区的大规模分析。

另一方面，通过地球观测任务收集的大量遥感信息为扩大大面积森林枯死病评估和监测提供了前所未有的机会。

在《智能信息系统杂志》上发表的一项研究中，意大利巴里阿尔多莫罗大学的研究人员及其合作者探索了以数据为中心的语义分割方法的性能，以从卫星图像中检测因树皮甲虫侵扰而导致的森林树木枯萎事件。

他们的方法名为 DIAMANTE(以数据中心为中心对卫星图像进行语义分割以绘制卫星图像中的地图)，利用哥白尼哨兵 1 号的 SAR 数据和哨兵 2 号的多光谱光学数据准备的标记遥感数据集，训练出一个类似 U-Net 的模型。

作者使用 2018 年 10 月获得的法国东北部不重叠森林场景的真实清单案例研究评估了其方法的有效性，这些森林场景存在不同大小的树皮甲虫侵染热点，这些热点源于当年树皮甲虫的大量繁殖。

他们的研究结果突出了在各种树皮甲虫检测场景中使用多传感器数据而非单一数据源的普遍优势，包括早期疾病检测和年外时间转移。虽然 Sentinel-1 单独不适合考虑的下游测绘任务，但单独使用 Sentinel-2 可获得令人满意的结果。此外，它们的结合使用可显著减少误报并改善生成的二元图中受感染区域的划分。

具体来说，在获取地面真实数据前一个月，可以相当准确地检测到树皮甲虫袭击的迹象。然而，通过卫星图像很难检测到该疾病的早期阶段。

因此，在利用历史数据实现时间和空间可转移性方面仍有研究空间，即将在特定区域或时间段训练的模型直接部署到不同的区域或时间段。