突破云层遮蔽：基于机器学习的台风后森林损毁快速评估新方法

针对台风后遥感影像云层覆盖严重阻碍森林损毁评估的难题，本研究创新性整合Sentinel-2 NDVI数据与气象地形因子，通过XGBoost、ANN和RF三种机器学习模型实现云区损毁预测。结果显示海南岛东北部受损最严重（占森林总面积12.8%-15.5%），为灾害应急响应提供了突破性技术方案。

　　

热带气旋对沿海森林生态系统造成的破坏日益加剧，但灾后遥感监测始终面临"云层遮蔽"这一技术瓶颈。传统依赖云-free光学影像的方法在台风过境后往往束手无策，而合成孔径雷达(SAR)又存在解译复杂、精度争议等问题。2024年超强台风"野崎"袭击海南岛后，当地林业部门急需全面评估损失，但首幅可用Sentinel-2影像中78%区域被云层覆盖。这一困境揭示了现有技术体系在时效性与完整性之间的深刻矛盾。

中国科研团队在《Ecological Informatics》发表的研究给出了创新解决方案。通过融合13期灾前Sentinel-2影像构建谐波回归模型(HRM)，首次实现了云-free像素点森林损毁指数(FDI)的精准计算；继而整合最大风速、累积降雨量、高程、坡度、坡向及冠层高度等10米分辨率地理气象数据，采用XGBoost、随机森林(RF)和人工神经网络(ANN)三种算法，成功预测了云遮蔽区的森林损毁状况。

关键技术包括：1)基于Google Earth Engine的Sentinel-2 Level-2A数据预处理；2)谐波回归模型模拟未扰动NDVI；3)29,865个采样点构建训练集；4)机器学习模型超参数优化（RF设置100棵决策树，ANN采用64-32神经元双层结构）。

研究结果显示：

1. 模型性能方面，RF表现最优（测试集R²=0.5196），XGBoost次之（R²=0.5334），ANN相对较弱。NDVI和风速对损毁预测贡献度超70%，地形因子中坡度影响最显著。

2. 空间分布上，海南岛东北部受灾最严重，文昌市75%-75.3%森林出现正FDI值，东岛林场损毁面积占比达77%-79.5%。全岛受损森林总面积约3164-3361 km²，相当于森林总覆盖的12.8%-15.5%。

3. 典型区域分析揭示，XGB与RF模型预测结果高度一致，而ANN结果分布更平滑但可能丢失细节特征。在文昌市，三种模型预测的损毁面积差异不足20 km²，验证了方法的可靠性。

讨论部分指出，该方法突破性地解决了三个核心问题：首先，克服了单幅灾后影像云遮蔽的技术障碍；其次，通过HRM模型消除了季节性植被波动干扰；最后，机器学习整合多源数据的方式大幅提升了预测精度。值得注意的是，研究也发现台风外围区域存在NDVI异常升高现象，推测与台风带来的丰沛降水有关，这为后续生态响应研究提供了新思路。

该研究的现实意义在于：为48小时内生成灾害评估报告提供了可行方案，其技术框架可扩展至地震、山火等多场景应用。未来通过与Copernicus应急管理系统等国际平台对接，有望构建全球性灾害监测网络。研究团队特别强调，尽管当前采用ΔNDVI作为损毁指标存在饱和效应局限，但针对严重损毁区域（如冠层完全破坏）的监测精度已满足应急需求，为灾后资源调配提供了关键决策依据。