AI-Powered FRA Atlas: An AI- and WebGIS-Based Decision Support Framework for Forest Rights Act Implementation Monitoring

方法

Sentinel-2影像+随机森林分类、检索增强政策助手、规则引擎与审计链。

发现

分类总体精度87.24%、政策检索top-1达85.71%，但仅基于合成样本，缺乏实地验证。

机会点

可用真实标注遥感数据验证并迁移该框架，探索林权与农地权益数字化监测的跨域应用。

2006年《森林权利法案》（Forest Rights Act, FRA）承认印度林居社区的土地与资源权利，但其实施受到纸质记录、碎片化数据库、权属主张核验延迟以及监测薄弱的制约。本文提出一个由人工智能驱动的FRA地图集，并与基于WebGIS的决策支持系统（Decision Support System, DSS）集成，将数字化FRA记录、Sentinel-2卫星影像、机器学习土地覆盖分类、检索增强的政策助手、法定计划资格规则引擎以及防篡改审计追踪整合于同一平台。基于五个Sentinel-2波段和三个光谱指数运行的随机森林分类器将像元划分为七个土地覆盖类别。在包含4，200个样本的留出集上，其总体精度达到87.24%，Cohen's κ为0.8511，宏平均F1分数为0.8726；5折分层交叉验证结果为87.35% ± 0.24%。混合检索模块在七个政策查询上取得85.71%的top-1准确率和0.9286的平均倒数排名。该分类器是在经校准的合成光谱样本而非实地标注的FRA土地上训练的，因此所报告的数据衡量的是这些分布下的可分性，而非实地精度；在真实标注影像上的验证仍是主要的未决事项。