Mapeo de Ecosistemas de Tierras Secas Usando Google Earth Engine y Bosques Aleatorios: Un Estudio de Caso de un Área Ecológicamente Crítica en el Norte de China
Autores: Li, Shuai; Guo, Pu; Sun, Fei; Zhu, Jinlei; Cao, Xiaoming; Dong, Xue; Lu, Qi
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Mapeo de Ecosistemas de Tierras Secas Usando Google Earth Engine y Bosques Aleatorios: Un Estudio de Caso de un Área Ecológicamente Crítica en el Norte de China
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Tierras secas
Tipos de ecosistemas
Teledetección
Google Earth Engine
Algoritmo de bosque aleatorio
Vegetación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Las tierras secas se caracterizan por tipos de ecosistemas únicos, vegetación escasa, entornos frágiles y servicios ecosistémicos vitales. La cartografía precisa de los ecosistemas de tierras secas es esencial para su protección y restauración, pero los enfoques anteriores se basaron principalmente en la modificación de datos de uso del suelo derivados de la teledetección, careciendo de la utilización directa de las últimas tecnologías y métodos de teledetección para mapear ecosistemas, fallando especialmente en identificar de manera efectiva ecosistemas clave con vegetación escasa. Este estudio intenta integrar Google Earth Engine (GEE), el algoritmo de bosque aleatorio (RF), datos de teledetección de múltiples fuentes (espectral, radar, terreno, textura), optimización de características y segmentación de imágenes para desarrollar un método de mapeo a escala fina para un área ecológicamente crítica en el norte de China. Los resultados mostraron lo siguiente: (1) La incorporación de datos de teledetección de múltiples fuentes mejoró significativamente la precisión general de clasificación de los ecosistemas de tierras secas, siendo las características de radar las que más contribuyeron, seguidas por las características de terreno y textura. (2) Optimizar el conjunto de características puede mejorar la precisión de clasificación, alcanzando una precisión general del 91.34% y un coeficiente kappa de 0.90. (3) Las precisiones del usuario superaron el 90% para bosques, tierras de cultivo y agua, y fueron ligeramente inferiores para estepas y estepas arbustivas, pero aún así estaban por encima del 85%, demostrando la eficacia del GEE y el algoritmo RF para mapear vegetación escasa y otros ecosistemas de tierras secas. La cartografía precisa de los ecosistemas de tierras secas requiere tener en cuenta la heterogeneidad regional y optimizar los datos de muestra y la selección de características basándose en encuestas de campo para representar con precisión los patrones de ecosistemas en regiones complejas. Este estudio mapeó con precisión los ecosistemas de tierras secas en una región típica de tierras secas y proporciona datos de referencia para políticas de protección y restauración ecológica en esta región, así como una referencia metodológica para el mapeo de ecosistemas en regiones similares.
Descripción
Las tierras secas se caracterizan por tipos de ecosistemas únicos, vegetación escasa, entornos frágiles y servicios ecosistémicos vitales. La cartografía precisa de los ecosistemas de tierras secas es esencial para su protección y restauración, pero los enfoques anteriores se basaron principalmente en la modificación de datos de uso del suelo derivados de la teledetección, careciendo de la utilización directa de las últimas tecnologías y métodos de teledetección para mapear ecosistemas, fallando especialmente en identificar de manera efectiva ecosistemas clave con vegetación escasa. Este estudio intenta integrar Google Earth Engine (GEE), el algoritmo de bosque aleatorio (RF), datos de teledetección de múltiples fuentes (espectral, radar, terreno, textura), optimización de características y segmentación de imágenes para desarrollar un método de mapeo a escala fina para un área ecológicamente crítica en el norte de China. Los resultados mostraron lo siguiente: (1) La incorporación de datos de teledetección de múltiples fuentes mejoró significativamente la precisión general de clasificación de los ecosistemas de tierras secas, siendo las características de radar las que más contribuyeron, seguidas por las características de terreno y textura. (2) Optimizar el conjunto de características puede mejorar la precisión de clasificación, alcanzando una precisión general del 91.34% y un coeficiente kappa de 0.90. (3) Las precisiones del usuario superaron el 90% para bosques, tierras de cultivo y agua, y fueron ligeramente inferiores para estepas y estepas arbustivas, pero aún así estaban por encima del 85%, demostrando la eficacia del GEE y el algoritmo RF para mapear vegetación escasa y otros ecosistemas de tierras secas. La cartografía precisa de los ecosistemas de tierras secas requiere tener en cuenta la heterogeneidad regional y optimizar los datos de muestra y la selección de características basándose en encuestas de campo para representar con precisión los patrones de ecosistemas en regiones complejas. Este estudio mapeó con precisión los ecosistemas de tierras secas en una región típica de tierras secas y proporciona datos de referencia para políticas de protección y restauración ecológica en esta región, así como una referencia metodológica para el mapeo de ecosistemas en regiones similares.