基于多源卫星遥感的加里曼丹岛橡胶种植模式（单一种植与丛林橡胶）精准制图及其生态政策意义

本研究针对印度尼西亚橡胶种植体系（从高产出单一种植到复杂农林业系统）难以精准区分的问题，整合Sentinel-1雷达与Sentinel-2光学卫星数据，结合JRC热带湿润森林数据集进行时序分析，通过随机森林算法与主成分分析技术，成功实现加里曼丹岛187万公顷橡胶种植区的分类制图（总体精度87%），首次在大尺度上精确区分单一种植区（59万公顷）与丛林橡胶（120万公顷），为 deforestation-free 法规监管提供关键技术支撑。

　　

通过整合多源卫星遥感数据（包括Sentinel-1雷达影像和Sentinel-2光学影像），研究人员采用随机森林（Random Forest）机器学习分类算法，并结合主成分分析（Principal Component Analysis）进行特征降维，成功实现对印度尼西亚加里曼丹地区橡胶种植体系的高精度测绘。针对传统方法难以区分的橡胶单一种植园（monoculture）与丛林橡胶（jungle rubber）复合系统，创新性地引入欧盟委员会联合研究中心热带湿润森林（JRC Tropical Moist Forest, TMF）数据集的历史土地覆盖信息进行分析验证——结果显示丛林橡胶样本点主要分布于TMF森林类别区域内，而单一种植园则集中于非森林区域。经野外实地数据验证，2020年加里曼丹三省（中、南、西）橡胶总种植面积达179万公顷，总体分类精度达87%；当进一步区分单一种植（0.59 Mha）与丛林橡胶（1.20 Mha）时，整体精度仍保持70%。空间分布模式揭示：单一种植园集中分布于交通便利区域（如南加里曼丹省及卡普阿斯河流域），而丛林橡胶则主导偏远难达地区（尤其西加里曼丹省）。该研究首次建立大规模橡胶种植类型精准识别技术体系，为 deforestation-free（零毁林）政策监管与可持续橡胶供应链管理提供科学基础。