Yixin Zhou

瑞士全境森林的树种组成此前多以“每像素一个优势树种”呈现，伴生树种的比例被抹去。研究把0.1米航空RGB影像、机载激光扫描、AlphaEarth年度卫星嵌入与气候变量组合进一个以影像为锚的深度学习模型，用3992个瑞士国家森林清查样地的地径断面积观测训练，输出30米网格上10个主要树种与一个Other类的地径断面积占比。空间交叉验证的宏平均决定系数为0.485；在未参与建模的森林保护区数据上，30米像素级宏平均为0.552、样地级为0.733，像素与样地的优势类识别率分别为73.2%和81.1%。

瑞士全境森林的树种组成此前多以“每像素一个优势树种”呈现，伴生树种的比例被抹去。研究把0.1米航空RGB影像、机载激光扫描、AlphaEarth年度卫星嵌入与气候变量组合进一个以影像为锚的深度学习模型，用3992个瑞士国家森林清查样地的地径断面积观测训练，输出30米网格上10个主要树种与一个Other类的地径断面积占比。空间交叉验证的宏平均决定系数为0.485；在未参与建模的森林保护区数据上，30米像素级宏平均为0.552、样地级为0.733，像素与样地的优势类识别率分别为73.2%和81.1%。