Gebirgswälder sind wichtige terrestrische Kohlenstoffspeicher und beeinflussen durch entscheidende klimatische Rückkopplungsmechanismen atmosphärische chemische Prozesse, die Landschaftsökofunktionen und die Biodiversität erheblich. Aufgrund komplexer Geländeformen und Beobachtungsbeschränkungen ist die präzise Darstellung der Baumarten-Zusammensetzung und deren räumlicher Verteilung in Gebirgswäldern jedoch weiterhin herausfordernd. Die Integration von Bodenstichproben und multiquellenfernerkundungsdaten mittels der Google Earth Engine (GEE) Cloud-Computing-Plattform ermöglichte die Extraktion von Sentinel-2-Multitemporalbildmerkmalen von 2020 bis 2023. In Kombination mit der Jeffries-Matusita-Distanz (JM) zur Erstellung eines multidimensionalen Merkmalsauswahlplans sowie der Anwendung des einfachen nicht-iterativen SNIC-Superpixel-Clustering-Algorithmus und maschinellen Lernens wurde ein optimales Random-Forest-Modell zur präzisen Klassifizierung der Baumarten im Qinba-Gebirge erstellt, das Raum-Zeit-Muster aufdeckte. Die Ergebnisse zeigen: (1) Geländecharakteristiken sind wichtige Merkmale zur Identifikation von Baumarten im Qinba-Gebirge, und die Kombination mehrerer Merkmale anhand der JM-Distanz verbessert die Merkmal-Auswahl effektiv; (2) Unter begrenzten Stichproben, mittelauflösenden Bildern und großen Gebieten weist das SNIC-basierte objektorientierte Random-Forest-Modell eine gute Klassifikationsleistung mit einer durchschnittlichen Gesamtgenauigkeit von 0,837, einem Kappa-Koeffizienten von 0,791 und einem mittleren F1-Wert von 0,799 auf; (3) Eichen-, Kiefern- und Tannenarten sind im Qinba-Gebirge weit verbreitet, während andere Baumarten zerstreut verteilt sind; (4) Von 2020 bis 2023 zeigt die Waldfläche einen leichten Aufwärtstrend, was auf eine anhaltende Verbesserung der regionalen Umwelt hinweist. Kiefern und Eichen tragen am meisten zu den Waldveränderungen bei, während Arten mit geringem Flächenanteil häufigere Umwandlungen zeigen. Zusammenfassend liefert diese Studie Datenunterstützung für die Bewertung der Kohlenstoffsenkenfunktion und den Schutz der Biodiversität in komplexen Gebirgswaldökosystemen.

Gebirgswälder; Baumartenerkennung; räumliche Verteilungsänderungen von Baumarten; Fernerkundungsdaten; räumlich-zeitliche Artendiversität