運用 Sentinel-2 與 Landsat 進行年際與年內森林變化偵測及地上生物量動態監測Inter- and Intra-Year Forest Change Detection and Monitoring of Aboveground Biomass Dynamics using Sentinel-2 and Landsat
森林數位孿生底層致能
原本一年只能畫一張森林生物量地圖，這篇用免費衛星把它變成幾乎每週都能更新的動態監測
研究問題
這篇想回答怎麼用 Sentinel-2 與 Landsat 的高頻影像，同時抓到年際與年內的森林變化，並把地上生物量的動態定量出來。
材料與方法
作者提出 TIIC 演算法，先把 Sentinel-2 與 Landsat-8 融合成 HLS 標準化產品，融合後重訪頻率達 2.9 天，生長季 May 30 至 Sept 1 每個像素可累積 50-60 張影像；再對時間序列偵測突變點，依模式分出火災（快速下降）與採伐（漸進式下降），結合 AGB 基準圖與變化時間定量損失與同期生長，最後用 Planet、DigitalGlobe 等高解析衛星做獨立驗證。
結論
結論是以 2019 年加拿大全國 >650 Mha 林地為例，TIIC 變化偵測與擾動分類精度都達 99%，能算出機械採伐占 AGB 損失 36%、火災占 64%，且全林區淨增長 +2.54%。
討論與我的觀察
這代表年內的季節變化和年際變化是兩回事，傳統年度統計看不到採伐與生長在時間上的錯開。對我研究最有用的是它不只偵測變化還能歸因，能把火災和採伐分開。限制也很清楚，雲層會擋影像、Landsat 30m 解析度抓不到小樣地、AGB 定量還依賴基準圖精度，而且示範的是生長季而非全年，全年監測與 SAR 過雲都還是未來工作，所以我不能把它說成全天候全年監測。對台灣來說，颱風機制接近火災的快速下降型擾動，這套框架很適合用在颱風季林分破壞評估。
重要科學發現
- 融合 Sentinel-2 與 Landsat 成 HLS 後，重訪頻率達 2.9 天，生長季每像素可累積 50-60 張影像。
- 2019 年加拿大全林區案例中，機械採伐占 AGB 損失 36%、火災占 64%，淨 AGB 增長 +2.54%。
- 變化偵測精度隨季節累積，由初期 23% 提升至季末 98%。
博士生的話
這篇支撐我博論把光學遙測層從單張年度地圖推向近即時的年內動態監測，也讓我在 TJFS review 裡用它當作擾動歸因與高頻時間序列的應用範例，並對接台灣颱風災損評估的時效需求。