Representaciones comprensivas de las participaciones de uso y cobertura del suelo a nivel subpixel al fusionar múltiples conjuntos de datos geoespaciales y datos estadísticos con métodos de aprendizaje automático
Autores: Chen, Yuxuan; Li, Rongping; Tu, Yuwei; Lu, Xiaochen; Chen, Guangsheng
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Representaciones comprensivas de las participaciones de uso y cobertura del suelo a nivel subpixel al fusionar múltiples conjuntos de datos geoespaciales y datos estadísticos con métodos de aprendizaje automático
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Cambio de uso del suelo
Cambio de cobertura
LUCC
Conjuntos de datos geoespaciales
Aprendizaje automático
Patrones espaciotemporales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El cambio en el uso y la cobertura del suelo (LUCC) es un factor clave que influye en los sistemas ambientales y socioeconómicos globales. En las últimas décadas, se han desarrollado muchos conjuntos de datos geoespaciales de LUCC a diversas escalas gracias a la disponibilidad de datos satelitales a largo plazo, datos estadísticos y técnicas computacionales. Sin embargo, la mayoría de los productos de LUCC existentes no pueden reflejar con precisión los patrones de cambio espaciotemporales de LUCC a escala regional en China. Basándonos en estos productos geoespaciales de LUCC, el índice de vegetación de diferencia normalizada (NDVI), datos socioeconómicos y datos estadísticos, desarrollamos múltiples procedimientos para representar tanto los cambios espaciales como temporales de los principales tipos de LUC aplicando métodos de aprendizaje automático, árboles de decisión regulares y métodos de asignación jerárquica utilizando el noreste de China (NEC) como estudio de caso. En este enfoque, cada tipo de LUC individual se desarrolló en secuencia bajo diferentes esquemas y métodos. La evaluación de precisión utilizando parcelas de muestreo indicó que nuestro enfoque puede reflejar con precisión los patrones espaciotemporales reales de las participaciones de LUC en NEC, con una precisión general del 82%, un coeficiente Kappa de 0.77 y un coeficiente de regresión de 0.82. Comparaciones adicionales con conjuntos de datos de LUCC existentes y datos estadísticos también indicaron la precisión de nuestro enfoque y conjuntos de datos. Nuestro enfoque desveló el problema de píxeles mixtos de los tipos de LUC e integró las fortalezas de los productos de LUCC existentes a través de múltiples procesos de fusión. El análisis basado en nuestro conjunto de datos desarrollado indicó que el área de bosque, tierras de cultivo y tierras urbanizadas aumentó en 17.11 x 10^4 km2, 15.19 x 10^4 km2 y 2.85 x 10^4 km2, respectivamente, durante 1980-2020, mientras que las tierras de pasto, humedales, tierras arbustivas y tierras desnudas disminuyeron en 26.06 x 10^4 km2, 4.24 x 10^4 km2, 3.97 x 10^4 km2 y 0.92 x 10^4 km2, respectivamente, en NEC. Nuestro enfoque desarrollado reconstruyó con precisión las participaciones y los patrones espaciotemporales de todos los tipos de LUC durante 1980-2020 en NEC. Este enfoque puede aplicarse además a la totalidad de China y a nivel mundial, y nuestros productos pueden proporcionar datos precisos para estudiar las consecuencias de LUCC y formular políticas efectivas de uso del suelo.
Descripción
El cambio en el uso y la cobertura del suelo (LUCC) es un factor clave que influye en los sistemas ambientales y socioeconómicos globales. En las últimas décadas, se han desarrollado muchos conjuntos de datos geoespaciales de LUCC a diversas escalas gracias a la disponibilidad de datos satelitales a largo plazo, datos estadísticos y técnicas computacionales. Sin embargo, la mayoría de los productos de LUCC existentes no pueden reflejar con precisión los patrones de cambio espaciotemporales de LUCC a escala regional en China. Basándonos en estos productos geoespaciales de LUCC, el índice de vegetación de diferencia normalizada (NDVI), datos socioeconómicos y datos estadísticos, desarrollamos múltiples procedimientos para representar tanto los cambios espaciales como temporales de los principales tipos de LUC aplicando métodos de aprendizaje automático, árboles de decisión regulares y métodos de asignación jerárquica utilizando el noreste de China (NEC) como estudio de caso. En este enfoque, cada tipo de LUC individual se desarrolló en secuencia bajo diferentes esquemas y métodos. La evaluación de precisión utilizando parcelas de muestreo indicó que nuestro enfoque puede reflejar con precisión los patrones espaciotemporales reales de las participaciones de LUC en NEC, con una precisión general del 82%, un coeficiente Kappa de 0.77 y un coeficiente de regresión de 0.82. Comparaciones adicionales con conjuntos de datos de LUCC existentes y datos estadísticos también indicaron la precisión de nuestro enfoque y conjuntos de datos. Nuestro enfoque desveló el problema de píxeles mixtos de los tipos de LUC e integró las fortalezas de los productos de LUCC existentes a través de múltiples procesos de fusión. El análisis basado en nuestro conjunto de datos desarrollado indicó que el área de bosque, tierras de cultivo y tierras urbanizadas aumentó en 17.11 x 10^4 km2, 15.19 x 10^4 km2 y 2.85 x 10^4 km2, respectivamente, durante 1980-2020, mientras que las tierras de pasto, humedales, tierras arbustivas y tierras desnudas disminuyeron en 26.06 x 10^4 km2, 4.24 x 10^4 km2, 3.97 x 10^4 km2 y 0.92 x 10^4 km2, respectivamente, en NEC. Nuestro enfoque desarrollado reconstruyó con precisión las participaciones y los patrones espaciotemporales de todos los tipos de LUC durante 1980-2020 en NEC. Este enfoque puede aplicarse además a la totalidad de China y a nivel mundial, y nuestros productos pueden proporcionar datos precisos para estudiar las consecuencias de LUCC y formular políticas efectivas de uso del suelo.