《Remote Sensing Applications: Society and Environment》：Detecting forest-to-oil-palm conversion using sentinel time series for EUDR compliance: A case study in Uganda
编辑推荐：
为欧盟毁林法规（EU Deforestation Regulation, EUDR）监测森林向油棕转化，不仅需要森林丧失证据，还需要其发生时间以及随后油棕建立证据。全球森林变化产品提供有价值的年度信息，但其检测相关变化、避免误报并识别后续油棕建立的能力需要在局
为欧盟毁林法规（EU Deforestation Regulation, EUDR）监测森林向油棕转化，不仅需要森林丧失证据，还需要其发生时间以及随后油棕建立证据。全球森林变化产品提供有价值的年度信息，但其检测相关变化、避免误报并识别后续油棕建立的能力需要在局地森林—种植园镶嵌景观中评估。为弥补该空白，研究人员开发并评估了一个使用免费地球观测数据的透明时空工作流，并以乌干达Buvuma岛为案例。该工作流根据Sentinel-2归一化差异水体指数（Normalized Difference Water Index, NDWI）动态估算代理变化年，并使用随机森林（Random Forest, RF）分类器，基于变化前和变化后的Sentinel-1/2时间序列特征和地形数据，区分稳定森林与森林向油棕转化。使用100个标记位置进行模型开发和内部验证，该工作流在734个保留参考位置达到89.8%一致性。变化后光学特征排名突出，Sentinel-1提供互补结构信息，大多数误差发生在森林—种植园边界。在相同位置，与全球森林变化（Global Forest Change, GFC）和热带湿润森林（Tropical Moist Forests, TMF）产品的应用特定比较发现，在基线森林状态、变化发生或转化时间上频繁不一致。这些比较以有目的组建的参考样本为条件，不构成代表性全图验证。该工作流结合局地转变检测与商品特定解释，以支持有针对性的EUDR筛查，对其他景观的适应需要当地参考数据和验证。
论文解读
油棕种植被广泛认为是热带毁林的主要驱动因素，造成生物多样性丧失、温室气体排放和生态系统退化。欧盟毁林法规（EU Deforestation Regulation, EUDR）要求棕榈油等商品生产者证明产品并非来自2020年12月31日之后毁林或森林退化土地。这需要可扩展、透明、可验证的土地利用监测系统，尤其数据稀缺地区和小农场景。Sentinel任务提供免费高时空影像；Sentinel-2多光谱，Sentinel-1合成孔径雷达（Synthetic Aperture Radar, SAR）在云覆盖下提供补充。归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）和归一化差异水体指数（Normalized Difference Water Index, NDWI）广泛用于植被动态和清林检测，NDWI对冠层水分和结构变化敏感。商品特定筛查还需基线森林、清林发生和时间、后续农业利用；单日期地图不能建立序列，年度分类图比较会传播分类错误。全球森林变化（Global Forest Change, GFC）和热带湿润森林（Tropical Moist Forests, TMF）产品提供年度信息，但不直接识别油棕，且需评估其检测相关变化、避免误报和与EUDR截止日期时间兼容的能力。因此研究人员开发并评估一个透明时空工作流，以乌干达Buvuma岛为案例，区分稳定森林与2019—2025年森林向油棕转化，并考察其EUDR筛查潜力。具体目标包括从NDWI变化推导代理清林年、组合变化前后Sentinel-1/2和地形特征进入随机森林（Random Forest, RF）、评估与保留参考标签一致性并与GFC和TMF进行样本条件基准，以及识别适应其他景观和EUDR尽职调查要求。
研究区Buvuma岛是乌干达Buvuma区最大岛屿，位于维多利亚湖北部，面积约517 km
2，地形起伏，海拔约1000—1300 m，热带湿润气候，两个雨季，温度19—28 °C。岛上为森林—稀树草原镶嵌，天然资源受自给农业、木炭生产和定居扩张影响；2017年后商业油棕种植快速扩张。数据包括Sentinel-2 HARMONIZED Level-2A地表反射率、Sentinel-1 GRD IW双极化VV/VH、Copernicus GLO-30 DEM，以及PlanetScope、Google Earth Pro和Sentinel-2多时相判读参考。分类为Class 0始终森林和Class 1森林向油棕转化。共手动标记11,345个像元，距离过滤至834个位置，100个用于模型开发和内部验证，734个保留评估。变化年由年NDWI最大绝对下降估计。最终RF在内部验证达90.0%，保留测试达89.8%。特征重要性显示变化后Sentinel-2光谱—时间特征主导，尤其短波红外（Shortwave Infrared, SWIR）B12、NDWI和NDVI的快速傅里叶变换（Fast Fourier Transform, FFT）幅度；Sentinel-1提供互补结构信息，多数误差在森林—种植园边界。与GFC和TMF在734位置比较，应用特定基准显示在基线森林状态、变化发生或转化时间上频繁不一致，但为样本条件比较，不代表全图验证。研究意义在于提出结合局地转变检测与商品特定解释的可操作筛查框架，为EUDR地块级筛查提供决策支持，并强调通用产品需与商品特定时间序列和后续验证结合。
关键技术方法方面，研究人员在Google Earth Engine（GEE）和Python中构建工作流。使用Sentinel-2 HARMONIZED Level-2A、Sentinel-1 GRD IW VV/VH和GLO-30 DEM，时间覆盖2019—2025年（Sentinel-2自2018年12月至2025年5月）。对Sentinel-2进行场景分类层云/阴影掩膜并计算NDVI和NDWI；对Sentinel-1进行Refined Lee滤波并生成VV、VH、VV-VH。生成年度和季节合成，以NDWI年际最大下降估计代理变化年；对季节序列进行Savitzky-Golay平滑和FFT，提取变化前后线性趋势、FFT系数和统计量。参考样本来自乌干达Buvuma岛，基于PlanetScope、Google Earth Pro和Sentinel-2多时相目视判读，标记11,345像元，距离过滤为834位置，其中100位置用于模型开发和内部验证，734保留评估；RF使用500棵树。
3.1 模型性能。通过100点内部验证和734保留点评估，工作流验证准确率90.0%，测试准确率89.8%。特征重要性分析表明变化后Sentinel-2光谱—时间特征最强，尤其SWIR B12、NDWI和NDVI的FFT幅度；地形变量如高程和Sentinel-2波段线性趋势也贡献。Sentinel-1的VH FFT和平均VV提供互补。误差集中在森林—种植园边界。空间留出实验训练两个地理簇并测试其余三个簇，测试准确率降至约80%，说明空间自相关影响和跨未见区域测试的重要性。检测到的转化发生在已碎片化和农业改造景观中，2019森林基线适合当前分类目标，但不能解释全部历史森林丧失。
3.2 与GFC和TMF比较。在734保留位置，提出工作流与89.8%参考标签一致。配对应用特定基准中，GFC和TMF在基线森林状态、截止后变化检测和报告变化时间上出现样本级分歧。full比较整体样本一致率GFC为37.31%，TMF为28.17%；按规则排除截止前事件后GFC为63.70%，TMF为53.91%。这些指标是选择位置条件下的描述性结果，不是设计无偏全图精度，也不证明产品普遍优劣。由于GFC和TMF不识别油棕，指标是乐观的转变一致代理。许多参考转化位置没有时间兼容的GFC损失或TMF森林向非森林转变信号，部分稳定森林位置被赋予兼容变化信号。差异可能来自森林定义、空间分辨率、时间覆盖、记录变化年、再生或重复清林处理。对EUDR筛查，单年图高总体准确不保证相对于2020年12月31日截止日期的地块决策正确；基线森林状态错误、遗漏清林或变化年错误会改变最终转变标签。
3.3 EUDR合规监测应用。研究人员提出操作适配工作流：输入油棕生产位置并按100—250 m缓冲，栅格化到Sentinel-2像元网格；应用森林基线掩膜，先用JRC Global Surface Water掩水体，再用ESA WorldCover、ESRI 10 m Annual Land Cover和Dynamic World排除非森林，仅保留2020年12月31日森林像元；检测2020年12月31日后转变，应用训练RF识别变化年并分类；标记潜在不合规，区分生产地块内和周边缓冲事件，邻近不证明与生产地块或生产者联系。当前分类器仅区分稳定森林与森林向油棕转化，未评估其他作物、牧场、再植或退化。工作流用免费预测数据提供透明靶向筛查基础，100标记位置开发显示局部适应潜力，但参考判读依赖PlanetScope，开放预测数据不等于免费标记；适应需可靠当地参考和目标景观评估。可扩展到橡胶、无遮荫咖啡和可可，但需商品特定标签、调整时间特征和当地验证；密集保留树冠下的咖啡和可可更难，大豆和少树牧场可能更易区分。
3.4 局限与未来工作。保留评估子集来自有目的组建参考数据，不是全区概率样本，指标条件于森林—油棕镶嵌，不是设计无偏全图精度；同一参考位置用于所有产品提供一致配对基准，但不消除原始样本构建影响；PlanetScope和Google Earth人工判读有解释者不确定性和影像时间限制；NDWI推导变化年未独立验证；当前设计只报告点一致性，无设计置信区间；NDWI可能响应干旱、暂时冠层开放或退化；传感器配准可造成边界混合像元；气候效应未单独评估。未来工作需独立全区概率抽样，报告设计加权精度和置信区间，独立验证转化日期，比较替代光谱指数，并在操作部署前评估更多景观。
讨论部分总结：讨论指出NDWI和SWIR特征突出与森林干扰研究一致，NIR—SWIR NDWI也常称归一化差异水分指数（Normalized Difference Moisture Index, NDMI）；但NDWI对干旱和临时冠层变化敏感，气候变率未作为独立预测因子，因此只作为候选时间指标而非普遍优越。地形贡献是预测性而非因果。Sentinel-1较少进入前20但提供互补结构信息。边界效应是种植园监测广泛挑战。空间留出下降说明空间自相关。GFC和TMF比较不证明其普遍不准，而说明通用产品在异质小区域商品特定筛查中可有局部、类别或时间限制，应补充商品特定时间序列分析和验证。EUDR应用需与生产地块信息和后续验证连接。
结论翻译：本研究开发了一个透明的Sentinel-1/2时间序列工作流，用于相对于EUDR截止日期筛查森林向油棕转化。RF分类器结合围绕年NDWI最大下降提取的光学和雷达时间特征与静态地形预测因子。在保留参考评估子集中，最终模型与734个保留标签中的89.8%一致。变化后NDWI、NDVI和SWIR特征是最有影响预测因子之一，多数误差发生在森林—种植园边界。配对局地基准显示，GFC和TMF并不总能重现该商品特定任务所需的基线森林状态、变化发生或转化时间。这不构成对这些产品的代表性验证；它表明地块级EUDR筛查应将通用产品与商品特定时间序列分析和后续验证结合。由于底层参考数据集是有目的组建、变化时间未独立验证且仅测试一个站点，该工作流应视为决策支持而非合规证明。与许多静态土地覆盖产品不同，该方法明确捕捉过渡性清林阶段，弥补现有监测方法中被认识的空白。未来工作将扩展至森林退化和其他土地利用转变，在更多站点和商品测试，并与当地利益相关方整合原位验证，以进一步支持政策实施和无毁林供应链透明度。
