Monitoring Mangrove Deforestation Using Google Earth Engine and Random Forest Machine Learning Algorithm

doi:10.3390/land15060901

Monitoring Mangrove Deforestation Using Google Earth Engine and Random Forest Machine Learning Algorithm

2026-05-24

0

OA

AI

Riyan Mohammed Sahahiri

DOI：10.3390/land15060901

原文链接

原文求助

摘要

En 中文

红树林生态系统提供关键的沿海防护、生物多样性支持和碳储存功能，但它们仍易受沿海开发、污染和气候相关压力导致的退化影响。本研究利用Google Earth Engine（GEE）、多时相Landsat影像、光谱指数和随机森林（RF）分类方法，监测了沙特阿拉伯阿西尔地区阿尔-比尔克的红树林动态。对2016年至2021年的Landsat影像进行处理，提取了NDVI、MSAVI2、EVI和NDWI，并应用监督式RF分类绘制了年度红树林范围及相关地物覆盖类别。RF分类器的总体精度达到92.5%，Kappa系数为0.89。结果表明，分类后的红树林面积从2016年的约1069公顷增加到2021年的1540公顷，净增471公顷，研究期内增长了44%。在2020年至2021年间检测到局部减少，表明植被动态在空间上不均衡。研究结果为监测红树林变化和支持沙特阿拉伯的沿海保护规划提供了空间基准。尽管检测到的扩张在时间上与持续的恢复计划一致，但本研究未建立政策干预与观测到的空间变化之间的直接因果关系。

Keyword:

remote sensing

mangrove

climate change

machine learning

Google Earth Engine

Monitoring Mangrove Deforestation Using Google Earth Engine and Random Forest Machine Learning Algorithm

摘要

期刊

机构