Mapping Fuel Categories in Mediterranean Regions with Sentinel-2 and PlanetScope Satellite Acquisitions
Federico Filipponi · Daniela Stroppiana · Forough Rajabi 等 7 人
融合Sentinel-2时序与PlanetScope高分影像，用XGBoost绘制地中海9类可燃物类
Sentinel-2时序谐波、PlanetScope kNDVI与GLCM纹理及
联合模型精度74.46%，PlanetScope纹理显著提升密冠层F1，但草地类表现差。
可探索多源高分纹理与光谱互补机制，优化稀疏植被与草地类别的特征设计。
方法新颖、数据扎实的遥感制图论文，对林火风险管理有参考价值，但属细分领域研究，公共影响有限。
在易发生火灾的地中海生态系统中，准确且具有空间明确性的森林可燃物类型制图对于制定综合野火风险管理策略、估算火险以及模拟火蔓延至关重要。尽管10 m空间分辨率的哥白尼Sentinel-2多光谱影像时间序列已被证明对区域可燃物制图有效，但在区分复杂冠层结构、异质性灌丛和草地时，仍存在严重的光谱和空间模糊性。本研究探索了Sentinel-2时间序列与高分辨率PlanetScope卫星影像（3 m空间分辨率）的协同集成，以在意大利撒丁岛的一个试验区生成10 m可燃物类型图（9类）。共合成114个特征，结合了动态Sentinel-2指标（kNDVI、FAPAR、NDMI、ReNDVI谐波）、PlanetScope季节性kNDVI分区统计和灰度共生矩阵（GLCM）纹理特征，以及静态地形/冠层参数。使用在245个照片判读感兴趣区（80/20空间划分）上训练的XGBoost机器学习分类器，比较了三组特征。组合模型的测试总体精度为74.46%，而仅使用Sentinel-2为74.05%，仅使用PlanetScope为74.66%。值得注意的是，纳入PlanetScope纹理特征显著改善了密集冠层类的分类指标，提高了阔叶常绿乔木和针叶常绿乔木的F1分数。PlanetScope GLCM kNDVI秋季熵成为总体最重要的特征。相反，PlanetScope在草地类上表现较差。这些发现凸显了精细空间纹理与广域光谱覆盖在业务化野火管理中的关键权衡和高互补性。