基于多时相无人机数字表面模型的红树林动态监测方法创新研究

本研究针对大范围森林变化高精度监测的难题，来自日本的研究人员利用多时相无人机数字表面模型(DSM)技术，对冲绳岛奥久慈川河口红树林(2.8?ha)开展长达9年(2015-2024)的时序监测。通过六边形镶嵌平均法和时序聚类分析，成功区分出红树林生长区与退化区，揭示了台风强风和降雨径流对河岸红树林消失的影响机制，为海岸带生态系统保护提供了创新性监测方案。

　　

通过多时相数字表面模型(Digital Surface Models, DSMs)实现大范围森林变化的高精度监测已成为可能。源自无人机(Uncrewed Aerial Vehicle, UAV)平台的DSM数据(UAV-DSM)具有显著的时空分辨率优势，但其在多时相森林监测领域的潜力尚未被充分挖掘。本研究创新性地运用13个时期(2015-2024年)的UAV-DSM数据集，对日本冲绳岛奥久慈川河口2.8^?公顷红树林的消长动态进行时序分析。研究人员采用六边形镶嵌法计算多期DSM平均值，并结合时序聚类技术成功实现了生长区与退化区的精准识别。该方法不仅能反映变化速率（增加/减少），还可捕捉变化发生的具体时段。研究发现，台风引发的强风及降雨导致的河流流量增加可能是造成河岸红树林消失的关键环境因子。