图 5.上图:本研究灌木组分产品与同期主流遥感数据集对比;下图:独立无人机真值点位精度对比,本研究结果用绿色标注,其他数据集结果用灰色标注,附带各项精度统计指标。
图 6.各地物类型排名前十的输入特征重要度分布,误差棒为 100 次重复建模结果的标准差;Mid‑GUP、Mid‑GDN 分别指代返青中期、枯黄中期。
图 7.全部训练像元内各地物端元:EVI2 物候曲线关键三节点 (a/b/c) 的反射光谱与植被指数(阴影包络线为 ±1 倍标准差范围),以及各地物地形分布特征 (d)。
图 8.基于蒙特卡洛抽样得到的 2020 年灌木组分不确定性空间分布图;配套直方图 (a~e) 说明:区域内分布占比越高的组分区间,像元反演不确定性整体更低。直方图按 10% 组分间隔统计各地物中位不确定性与组分频次;附图统计 100 次建模后各地物组分标准差的全域频次分布。图中黑色为缺值区域,对应当年无有效无冰无云观测的高山裸岩、极低植被覆盖地带。
图 9.各地物类型:模型预测误差随蒙特卡洛 100 次模拟标准差(模型不确定性)升高而增大,n 为单分组像元总量。子图 (b)(d)(e) 仅纳入样本量超全部独立点位 5% 的分组;水体、乔木样本稀缺,筛选单组像元>100 的分组参与统计。
图 10.模型逐年捕捉火灾扰动后的植被消亡与恢复过程:分别展示 2019 年库格鲁克河一号火场 (a)、2019 年卡卢克塔维克河火场 (b)、2017 年迪特里希河火场 (c) 灾后次年裸地组分与 2023 年裸地组分空间图,搭配扰动区组分逐年时序曲线;火场边界取自阿拉斯加大型火灾数据库(Hrobak 等人,2024)。时序图阴影为扰动区组分平均不确定性,红色虚线标记起火年份。
图 11.逐年地物变化产品刻画热喀斯特滑塌(RTS)扩张,包含已知边界 (a/b) 和新发现边界 (c/d)。分别展示扰动起始年与 2023 年裸地组分图,以及奇克塔鲁克海岸全域 (a)、皮尔高原 (b~d) 滑塌区时序变化;a、b 滑塌边界来自 DARTS 数据集(Nitze 等人,2025),c、d 边界依托多时相超高分辨率卫星影像(左侧附真彩色图)人工解译(点位信息见表 S1);时序阴影代表扰动区组分标准差均值。
图 12.依托 3 处超高分辨率卫星变化监测样区(图 1、附表 S1),开展 (a) 水体、(b) 裸地、(c) 低矮植被、(d) 灌木的组分变化量精度验证。回归图采用泰尔‑森斜率拟合,对比实测变化量与产品反演变化量,量化变化幅度与变化方向一致性;混淆矩阵按增减方向分组统计,单独核验变化方向准确率。
声明:本推文仅用于学习交流,不做其他任何目的。若有侵权,请联系微信号:GeeStudy_2020删除或修改!论文doi链接:https://doi.org/10.1016/j.rse.2026.115511,点赞、收藏、关注!