SARGDV：利用合成孔径雷达高效识别地下水依赖型植被
应用统计
2020-09-08 v1
摘要
地下水枯竭影响着全球众多地下水依赖型植被（GDV）的可持续性，对其为动植物及人类福祉提供环境与生态支持的能力造成显著压力。采矿、农业和种植园等产业高度依赖地下水，其过度开采可能影响邻近 GDV 的地下水状态、水质与可及性。具有成本效益的 GDV 识别方法，将通过社区与产业改进且可持续的地下水管理，使这些关键生态系统得到战略性保护。合成孔径雷达（SAR）地球观测数据近期在澳大利亚的应用，已证明雷达在大规模识别陆地地下水依赖生态系统方面的效用。我们提出一种稳健的分类方法，利用改编自近期已有方法的 processed SAR 数据产品，推进大规模 GDV 识别。该方法包括开发 SARGDV——一个二分类模型，其使用极端梯度提升（XGBoost）算法，结合由 Sentinel-1 SAR 干涉宽幅图像组成的三组数据立方体。这些图像作为为期一年的时间序列采集于南澳大利亚已知支撑 GDV 的 Mount Gambier 地区。SARGDV 模型在 GDV 分类上表现出高性能：精确率 77%、真阳性率 76%、准确率 96%。该方法可通过使用免费、高分辨率、全球可用的 Sentinel-1 SAR 数据集，为不同地区与气候下识别 GDV 提供长期、低成本的解决方案，从而支持全球 GDV 群落的保护。
引用
@article{arxiv.2009.03129,
title = {SARGDV: Efficient identification of groundwater-dependent vegetation using synthetic aperture radar},
author = {Mason Terrett and Daniel Fryer and Tanya Doody and Hien Nguyen and Pascal Castellazzi},
journal= {arXiv preprint arXiv:2009.03129},
year = {2020}
}