基于LandTrendr算法和森林资源清查数据的海南岛森林扰动监测与分析

　　 摘要:

海南岛作为中国重要的热带林区，对其森林生态系统的持续监测对于生态保护和可持续发展至关重要，而国家森林资源清查（National forest inventory, NFI）为揭示森林动态变化提供了权威的数据支撑。为了厘清海南岛近30年来的森林变化情况，本研究利用1990-2023年海南岛生长季Landsat 5/7/8时间序列影像在谷歌地球引擎（Google Earth Engine, GEE）云平台上开展长时间序列森林变化分析研究，采用LandTrendr算法对海南岛森林扰动进行监测并结合地面调查数据和NFI数据进行精度验证，评估5个不同光谱指数对不同扰动类型的敏感度。结果表明：（1）基于地面调查精度评估发现归一化燃烧指数（Normalized Burn Ratio, NBR）监测扰动年份与实际扰动年份的相关性最高，R2为0.91。（2）基于NFI数据精度评估结果表明NBR指数监测的总体精度最高（77.38%），缨帽变换的绿度分量（Tasseled Cap Greenness, TCG）监测的总体精度最低（61.31%）。（3）灾害因素中，增强型植被指数（Enhanced Vegetation Index, EVI）对突发性扰动如火灾、风倒的敏感度较高；TCG指数对渐进性扰动如病虫害、其他灾害的敏感度较高。人为因素中，NBR指数对土地利用变化的敏感度较高；TCG指数对森林更新活动的敏感度较高；EVI指数对采伐的敏感度最高。总体而言LandTrendr算法能有效监测海南岛的森林扰动；不同植被指数扰动监测对不同扰动类型的敏感度存在一定差异，通过集成不同植被指数的扰动结果有望提供分类型森林动态监测的精度。