综述：利用航空遥感数据和聚类模式指数对森林树木枯死模式进行时空分析

《Trees》：Spatiotemporal analysis of the forest tree dieback patterns using aerial remote sensing data and clustering pattern indices

树木死亡监测中UAV和UltraCam影像分析及其环境关联研究|空间分布|Getis-Ord统计|负相关|可持续管理

　　

摘要

遥感技术在有效监测树木死亡模式方面具有很大价值；然而，将其与环境评估相结合时，在识别森林地区的具体压力因素方面存在挑战。本研究旨在利用UltraCam和无人机（UAV）航拍图像分析树木死亡现象的时空分布。此外，还评估了影响伊朗北部戈勒斯坦省达兰德森林公园（Daland Forest Park）树木死亡热点地区的环境因素。通过基于对象的分类方法和贝叶斯算法（Bayes algorithm）对UltraCam（2016年）及UAV（2021年、2023年）拍摄的图像进行了分析，以识别死亡和濒死的树木。生成的地图经过验证，空间模式通过Moran指数进行了评估。聚类强度使用Getis-Ord General G统计量进行测量，而Getis-Ord Gi统计量则用于识别研究期间的热点和冷点区域。通过Spearman相关性检验探讨了这些区域与环境因素之间的关系。研究结果表明，UltraCam和UAV图像的准确率较高（83.33%-91.2%），Kappa系数在0.77至0.88之间。利用Moran指数进行的空间分析显示，死亡树木呈现出聚集分布特征。基于Getis-Ord General统计量的聚类强度分析表明，2016年和2021年的聚类程度较低，到2023年聚类程度有所增加。进一步研究发现，死亡现象的发生与森林道路和水井的邻近性呈负相关。本研究表明，UltraCam和UAV图像是监测树木死亡及其空间分布的有效数据来源。研究结果揭示，树木死亡主要集中在森林道路和水井附近，这为制定改善这些地区可持续森林管理策略提供了依据。