Mapping and Quantitative Assessment of Vegetation Cover Using Sentinel-2 Satellite Data in Hunsur Taluk, Karnataka, India

方法

Sentinel-2 L2A影像、Google Earth Engine、NDV

发现

植被占32.92%，总体精度94.73%、Kappa 0.9132，植被集中于南部和西南部。

机会点

可延伸至多时相季节动态监测、碎片化植被连通性分析及分类不确定性评估。

树木与绿色覆盖支撑生态稳定、气候调节、生物多样性和人类福祉，凸显了开展准确的局地尺度植被评估的必要性。本研究利用Sentinel-2 Level-2A多光谱影像和监督式随机森林（Random Forest）分类，对卡纳塔克邦迈索尔县洪苏尔塔卢克（Hunsur Taluk）的绿色覆盖进行了制图与量化。研究在Google Earth Engine中处理了2025年1月至12月获取的Sentinel-2地表反射率影像，经过云掩膜、年度中值合成并裁剪至塔卢克边界。将归一化差异植被指数（NDVI）和增强植被指数（EVI）与光谱波段相结合，以提高植被判别能力。分类识别出植被用地294.83 km²（32.92%）和非植被用地600.57 km²（67.08%）。在非植被类别中，裸地占484.43 km²（54.10%），建成区占100.90 km²（11.27%），水体占15.24 km²（1.70%）。植被主要集中在洪苏尔南部和西南部，而中部和北部地区则分布着更广泛的裸地、居民点、休耕地和破碎化植被。中高NDVI和EVI值与较密集的植被相关，而低值则对应植被稀疏的地表和非植被地表。分类总体精度达94.73%，kappa系数为0.9132，表明与参考观测结果高度一致。研究结果表明，整合Sentinel-2影像、植被指数和随机森林分类用于塔卢克级绿色覆盖制图具有实用性。所得空间基线可支持洪苏尔塔卢克的土地利用规划、植被监测、保护优先区划定和可持续景观管理。由于采用了年度中值合成，该图反映的是概化的植被状况，而非季节性极端值或波动。