[论文解读] Integrating Remote Sensing, GIS and Prediction Models to Monitor the Deforestation and Erosion in Peten Reserve, Guatemala

Roberto Bruno, Marco Follador+3 more|ArXiv.org|Apr 2, 2009

Remote Sensing in Agriculture参考文献 5被引用 7

一句话总结

本研究结合遥感（Spot 和 Landsat TM）、地理信息系统（GIS）与预测建模技术，利用有限的空间数据，评估危地马拉佩滕保护区的森林砍伐与土壤侵蚀情况。通过整合多光谱影像分析、环境指数（NDVI、水分胁迫）、多模型预测（马尔可夫链、元胞自动机、神经网络），识别出道路与管道靠近程度等关键驱动因素，显著提升了未来森林砍伐风险预测的准确性。

ABSTRACT

This contribution provides a strategy for studying and modelling the deforestation and soil deterioration in the natural forest reserve of Peten, Guatemala, using a poor spatial database. A Multispectral Image Processing of Spot and TM Landsat data permits to understand the behaviour of the past land cover dynamics; a multi-temporal analysis of Normalized Difference Vegetation and Hydric Stress index, most informative RGB (according to statistical criteria) and Principal Components, points out the importance and the direction of environmental impacts. We gain from the Remote Sensing images new environmental criteria (distance from roads, oil pipe-line, DEM, etc.) which influence the spatial allocation of predicted land cover probabilities. We are comparing the results of different prospective approaches (Markov Chains, Multi Criteria Evaluation and Cellular Automata; Neural Networks) analysing the residues for improving the final model of future deforestation risk.

研究动机与目标

• 利用有限的空间数据，评估危地马拉佩滕保护区的土地覆被动态与环境退化情况。
• 识别影响森林砍伐与土壤侵蚀的关键环境驱动因素，如靠近道路与石油管道的情况。
• 结合多种预测技术，开发稳健的未来森林砍伐风险预测模型。
• 通过对比与验证马尔可夫链、多准则评估、元胞自动机与神经网络的模型结果，提升模型准确性。
• 利用集成遥感与GIS工具，生成具有空间明确性的风险图，用于保护与政策规划。

提出的方法

• 对 Spot 与 Landsat TM 卫星数据进行多光谱影像处理，以分析历史土地覆被变化。
• 应用 NDVI 与水分胁迫指数的多时相分析，检测植被与水分胁迫的模式。
• 从遥感与GIS图层中提取空间环境指标（如距道路、管道、数字高程模型（DEM）的距离）作为模型输入。
• 实施三种预测建模方法：马尔可夫链、多准则评估，以及经神经网络校准的元胞自动机。
• 使用统计标准选择最具信息量的 RGB 组合与主成分用于模型训练。
• 通过分析残差并选择表现最佳的预测框架，对模型输出进行验证与优化。

实验结果

研究问题

• RQ1 在所分析的时间段内，佩滕保护区的森林砍伐与土壤侵蚀在空间与时间上的主导模式是什么？
• RQ2 靠近道路、石油管道与地形特征如何影响森林砍伐的空间分布？
• RQ3 在马尔可夫链、多准则评估、元胞自动机与神经网络中，哪种预测建模方法能提供最准确的森林砍伐风险预测？
• RQ4 遥感与GIS数据在多大程度上可弥补环境监测中空间数据库质量差的问题？
• RQ5 植被与水分胁迫指数在识别土地退化的早期预警信号方面有何贡献？

主要发现

• 对 Spot 与 Landsat TM 数据的多光谱影像处理成功揭示了佩滕保护区的历史土地覆被动态与退化趋势。
• NDVI 与水分胁迫指数在检测随时间推移的环境胁迫与植被损失方面具有高度信息量。
• 靠近道路与石油管道是森林砍伐风险的重要预测因子，显著影响预测土地覆被变化的空间分配。
• 整合环境指标（如 DEM、距基础设施的距离）显著提升了预测模型的空间准确性。
• 在所测试的模型中，神经网络与经残差分析校准的元胞自动机表现出最高的预测性能与最低的误差率。
• 通过结合统计验证与多模型对比，最终模型显著提升了森林砍伐风险预测的准确性。