近乎实时的监测显示，加纳的保护区内近期出现了大规模的森林破坏现象

《Science of Remote Sensing》：Near real-time monitoring reveals extensive recent forest disturbance in Ghana's protected areas

本研究利用多传感器融合算法（FNRT）结合Landsat、Sentinel-2和Sentinel-1数据，监测了2023-2024年加纳南方保护区的森林破坏情况。结果显示，两年间共破坏森林704.74±177.24平方公里（占保护区森林的6%），其中2024年破坏率较2023年提高91%，主要集中在库马西周边保护区。相比单传感器和RADD、GLAD-L系统，FNRT在准确性和时效性上表现更优，验证了多源数据融合在多云地区森林监测中的有效性。

　　在西非地区，保护地（Protected Areas, PAs）在维持丰富的生物多样性和生态系统服务方面发挥着关键作用。然而，近年来政策和法规的变化导致了非法采伐和采矿活动的增加，加速了森林的破坏。尽管已有共识认为保护地正经历着破坏性变化，但具体的变化范围、速率和地点却缺乏详细的记录。为此，本研究采用了一种融合近实时（Fusion Near Real-Time, FNRT）算法，结合Landsat、Sentinel-1和Sentinel-2的数据和采样方法，对加纳南部保护地内的森林变化进行监测。

研究结果显示，2023年和2024年间，加纳保护地内共有约704.74平方公里的森林面积遭到破坏，占其森林总面积的6%。同时，2024年的森林破坏速率比2023年高出91%。特别是在库马西周边的保护地，如Tano Ofin、Tinte Bepo和Oda River等，森林破坏情况尤为严重。这些保护地内的原生森林面临进一步退化或消失的风险，若没有有效的保护措施。此外，研究还比较了FNRT与其他警报系统，如RADD和GLAD-L，发现多传感器融合方法在该区域提供了更及时和准确的森林破坏检测能力。

加纳作为西非地区的一个重要国家，其经济和人口增长迅速。加纳的陆地生态系统主要由热带雨林和草原生物群落组成，生物多样性丰富。然而，自2010年以来，加纳的森林破坏和退化速率一直是西非地区最高的之一。气候变化带来的风险，如粮食产量下降、经济增长放缓、不平等加剧和贫困问题，预计会进一步恶化。加纳是西非地区重要的黄金和可可生产国，其森林资源对于国家的经济发展至关重要。尽管法律规定保护地内的采伐和采矿活动受到限制，但实际操作中，采矿许可证数量不断增加，导致了对森林的严重威胁。

由于加纳南部地区常年多云，光学遥感数据的获取受到较大限制，影响了森林破坏的及时检测。为了解决这一问题，本研究引入了FNRT算法，该算法结合了多种传感器数据，提高了监测的准确性和及时性。研究中使用了来自Google Earth Engine的Landsat、Sentinel-2和Sentinel-1数据，这些数据经过预处理和重采样，以确保数据质量和一致性。Sentinel-1数据因其不受云层影响，具有全天候监测能力，特别适用于加纳南部这样的多云区域。

研究团队通过分层随机抽样方法，对森林破坏进行准确评估，并通过参考样本数据识别了森林破坏的主要驱动因素。结果显示，森林破坏主要由采矿活动引起，但也包括非法采伐和火灾等其他因素。通过将不同传感器的数据融合，FNRT能够更有效地检测到森林破坏事件，特别是那些在光学数据中可能被忽略的小规模变化。此外，研究还探讨了不同传感器组合在森林破坏检测中的效果，发现多传感器融合方法在提高检测精度和减少误报方面具有显著优势。

研究结果表明，加纳南部保护地内的森林破坏情况比以往更为严重。2024年的森林破坏面积比2023年增加了91%，显示出破坏趋势的加剧。同时，森林破坏的分布也呈现出明显的区域差异，库马西周边的保护地受到的影响尤为显著。这些发现对加纳的生态保护政策具有重要的参考价值，也揭示了在保护地管理中需要加强执法力度和采取更有效的保护措施。

此外，研究还评估了FNRT与其他警报系统在检测森林破坏方面的性能差异。结果显示，FNRT在检测森林破坏方面具有更高的准确率和更短的响应时间。通过比较不同传感器的检测结果，研究团队发现Sentinel-1数据在多云条件下表现出更好的稳定性，而光学数据则在晴朗条件下提供更详细的监测信息。多传感器融合方法不仅提高了数据的时空分辨率，还有效减少了由于云层遮挡导致的误检和漏检。

研究的局限性在于，部分森林破坏事件由于缺乏高分辨率影像而难以准确识别。因此，未来的研究需要进一步优化数据采集和处理方法，以提高监测的全面性和准确性。同时，考虑到加纳森林破坏的复杂性和多样性，建议在保护地管理中引入更灵活的监测策略，结合不同传感器的优势，以实现更高效的森林保护和管理。

总体而言，本研究揭示了加纳保护地森林破坏的严重性，强调了多传感器融合技术在森林监测中的重要性。通过FNRT算法的应用，研究团队不仅提供了精确的森林破坏数据，还为政策制定者和环境管理者提供了科学依据，以采取更有效的措施应对森林破坏问题，保护加纳丰富的生物多样性和生态系统服务。未来，随着遥感技术的不断发展和数据获取能力的提升，加纳的森林保护工作有望取得更大的进展。