Quantification of spatial and tempo

Quantification of spatial and temporal changes in forest cover is an essential component of forest monitoring programs. Due to its cloud free capability, Synthetic Aperture Radar (SAR) is an ideal source of information on forest dynamics in countries with near-constant cloud-cover. However, few studies have investigated the use of SAR for forest cover estimation in landscapes with highly sparse and fragmented forest cover. In this study, the potential use of L-band SAR for forest cover estimation in two regions (Longford and Sligo) in Ireland is investigated and compared to forest cover estimates derived from three national (Forestry2010, Prime2, National Forest Inventory), one pan-European (Forest Map 2006) and one global forest cover (Global Forest Change) product. Two machine-learning approaches (Random Forests and Extremely Randomised Trees) are evaluated. Both Random Forests and Extremely Randomised Trees classification accuracies were high (98.1–98.5%), with differences between the two classifiers being minimal (

ผลลัพธ์ (ไทย) 1:

Quantification of spatial and temporal changes in forest cover is an essential component of forest monitoring programs. Due to its cloud free capability, Synthetic Aperture Radar (SAR) is an ideal source of information on forest dynamics in countries with near-constant cloud-cover. However, few studies have investigated the use of SAR for forest cover estimation in landscapes with highly sparse and fragmented forest cover. In this study, the potential use of L-band SAR for forest cover estimation in two regions (Longford and Sligo) in Ireland is investigated and compared to forest cover estimates derived from three national (Forestry2010, Prime2, National Forest Inventory), one pan-European (Forest Map 2006) and one global forest cover (Global Forest Change) product. Two machine-learning approaches (Random Forests and Extremely Randomised Trees) are evaluated. Both Random Forests and Extremely Randomised Trees classification accuracies were high (98.1–98.5%), with differences between the two classifiers being minimal (<0.5%). Increasing levels of post classification filtering led to a decrease in estimated forest area and an increase in overall accuracy of SAR-derived forest cover maps. All forest cover products were evaluated using an independent validation dataset. For the Longford region, the highest overall accuracy was recorded with the Forestry2010 dataset (97.42%) whereas in Sligo, highest overall accuracy was obtained for the Prime2 dataset (97.43%), although accuracies of SAR-derived forest maps were comparable. Our findings indicate that spaceborne radar could aid inventories in regions with low levels of forest cover in fragmented landscapes. The reduced accuracies observed for the global and pan-continental forest cover maps in comparison to national and SAR-derived forest maps indicate that caution should be exercised when applying these datasets for national reporting.

ผลลัพธ์ (ไทย) 2:

ปริมาณของการเปลี่ยนแปลงพื้นที่และเวลาในพื้นที่ป่าเป็นองค์ประกอบที่สำคัญของโปรแกรมการตรวจสอบป่า เนื่องจากความสามารถในระบบคลาวด์ฟรีรูเรดาร์สังเคราะห์ (SAR) เหมาะเป็นแหล่งของข้อมูลเกี่ยวกับการเปลี่ยนแปลงของป่าในประเทศที่มีอยู่ใกล้คงเมฆปก อย่างไรก็ตามการศึกษาน้อยมากที่ได้รับการตรวจสอบการใช้งานของ SAR ป่าปกประมาณการดังกล่าวอยู่ในภูมิประเทศที่มีป่าไม้ปกคลุมสูงเบาบางและการแยกส่วน ในการศึกษานี้ใช้ศักยภาพของ L-วง SAR สำหรับการประมาณป่าปกคลุมในสองภูมิภาค (ลองฟอร์และสลิโก) ในไอร์แลนด์มีการตรวจสอบและเมื่อเทียบกับป่าประมาณการปกมาจากสามแห่งชาติ (Forestry2010, Prime2, สินค้าคงคลังป่าสงวนแห่งชาติ) ซึ่งเป็นหนึ่งในกระทะ -European (ป่าแผนที่ 2006) และฝาครอบป่าหนึ่งของโลก (Global ป่าเปลี่ยน) ผลิตภัณฑ์ สองเครื่องการเรียนรู้วิธีการ (Random ป่าและต้นไม้สุ่มมาก) จะมีการประเมิน ทั้งป่าไม้และต้นไม้สุ่มสุ่มมากความถูกต้องจำแนกอยู่ในระดับสูง (98.1-98.5%) มีความแตกต่างระหว่างสองลักษณนามเป็นน้อยที่สุด (<0.5%) ระดับที่เพิ่มขึ้นของการกรองจำแนกโพสต์นำไปสู่​​การลดลงของพื้นที่ป่าไม้ประมาณและการเพิ่มขึ้นของความถูกต้องโดยรวมของ SAR ที่ได้มาจากป่าแผนที่ปก ผลิตภัณฑ์ป่าปกคลุมทั้งหมดได้รับการประเมินโดยใช้ชุดตรวจสอบที่เป็นอิสระ สำหรับภูมิภาค Longford ความถูกต้องรวมสูงสุดจะถูกบันทึกด้วยชุด Forestry2010 (97.42%) ในขณะที่สลิโกถูกต้องโดยรวมสูงสุดที่ได้รับสำหรับชุดข้อมูล Prime2 (97.43%) แม้ว่าความถูกต้องของแผนที่ป่า SAR มาถูกเปรียบเทียบ ผลการวิจัยของเราระบุว่าเรดาร์อวกาศสามารถช่วยสินค้าคงเหลือในพื้นที่ที่มีระดับต่ำของพื้นที่ป่าในภูมิประเทศแยกส่วน ความถูกต้องลดลงสังเกตสำหรับทั่วโลกและ Pan-Continental แผนที่ป่าปกคลุมในการเปรียบเทียบกับแผนที่ป่าสงวนแห่งชาติและเขตบริหารพิเศษมาแสดงให้เห็นว่าควรระมัดระวังเมื่อใช้ชุดข้อมูลเหล่านี้สำหรับการรายงานแห่งชาติ

ผลลัพธ์ (ไทย) 3:

การเปลี่ยนแปลงปริมาณของพื้นที่และเวลาในครอบคลุมพื้นที่ป่าเป็นองค์ประกอบที่สำคัญของโปรแกรมตรวจสอบป่า เนื่องจากมีเมฆฟรีความสามารถ รูเรดาร์สังเคราะห์ ( SAR ) เป็นแหล่งที่เหมาะของข้อมูลเกี่ยวกับพลวัตป่าไม้ในประเทศที่อยู่ใกล้เมฆคง อย่างไรก็ตาม การศึกษาน้อย ได้ศึกษาการใช้ซาร์สำหรับป่าปิดประมาณในทัศนียภาพกับโปร่งสูง และกระจายครอบคลุมป่า ในการศึกษานี้ ได้ใช้ศักยภาพของตนเองสำหรับป่าปิดประมาณ 2556 ใน 2 ภูมิภาค ( Longford และสลิโก ) ในไอร์แลนด์ ) เมื่อเทียบกับปกป่าประมาณมาจากสามแห่งชาติ ( forestry2010 prime2 , สินค้าคงคลัง , ป่าไม้แห่งชาติ ) , แพนยุโรป ( แผนที่ป่า 2006 ) และครอบคลุมพื้นที่ป่าทั่วโลก ( เปลี่ยนป่าโลก ) ผลิตภัณฑ์ สองเครื่อง ( ป่าและวิธีการเรียนแบบสุดๆ ( ต้นไม้ ) ประเมิน ทั้งป่าและต้นไม้ การสุ่มมากด้านความถูกต้องสูง ( บก ) 98.5 % ) มีความแตกต่างระหว่างสองคือการน้อยที่สุด ( < 0.5 ) เพิ่มระดับของหมวดหมู่โพสต์กรอง ทำให้พื้นที่ป่าลดลงประมาณและเพิ่มความถูกต้องโดยรวมของซาร์ได้มาแผนที่ครอบคลุมป่า ผลิตภัณฑ์ครอบคลุมพื้นที่ป่าทั้งหมด ได้แก่ การใช้ข้อมูลการตรวจสอบที่เป็นอิสระ สำหรับ Longford ภูมิภาคความถูกต้องโดยรวมสูงสุด คือ บันทึกข้อมูลด้วย forestry2010 ( 97.42 % ) ในขณะที่ใน Sligo , รวมสูงสุดของความถูกต้องได้ สำหรับข้อมูล prime2 ( 97.43 % ) แม้ว่าความถูกต้องของซาร์ได้มาป่าแผนที่ที่เทียบเท่า การค้นพบของเราบ่งชี้ว่า spaceborne เรดาร์สามารถช่วยเหลือสินค้าคงเหลือในภูมิภาคครอบคลุมพื้นที่ป่าในระดับต่ำของภูมิประเทศที่แตกกระจาย ลดความถูกต้อง ) ส่วนกลาง และแพนตอลป่าปกแผนที่ในการเปรียบเทียบกับชาติและ SAR ได้แผนที่ป่าไม้ พบว่า ควรระมัดระวังเมื่อใช้ข้อมูลเหล่านี้รายงานแห่งชาติ