基于Sentinel-1/2时序数据的德国树种空间识别新技术

来自德国的研究人员通过整合Sentinel-1雷达和Sentinel-2光学卫星时序数据，开发了新型树种分类产品。该研究解决了大范围森林资源监测中树种识别精度不足的难题，建立了多源遥感协同反演模型，为德国林业碳汇评估和生物多样性保护提供了高精度空间数据支撑。

　　

这项突破性研究利用欧洲航天局Sentinel系列卫星的雷达(SAR)和光学多光谱数据，创新性地构建了时间序列分析模型。哨兵1号(Sentinel-1)的C波段合成孔径雷达数据提供了不受云层干扰的连续观测能力，而哨兵2号(Sentinel-2)的13个光谱波段则捕获了植被特有的反射特征。通过融合这两种传感器的时空数据流，研究团队成功实现了德国全境主要树种(如云杉、松树、山毛榉等)的高精度自动识别。特别值得注意的是，该方法充分利用了植被物候变化特征，通过追踪叶片发育周期中的反射率动态变化，显著提升了阔叶树与针叶树的区分准确率。这项技术为区域尺度森林碳储量估算建立了新标准，其成果可直接应用于《巴黎协定》框架下的国家温室气体清单编制。