Les forêts de montagne, en tant que réservoirs terrestres importants de carbone, influencent significativement les processus chimiques atmosphériques, les fonctions écologiques du paysage et la biodiversité via des mécanismes clés de rétroaction climatique. Cependant, en raison de la complexité du terrain et des conditions d'observation, une caractérisation précise de la composition des espèces d'arbres et de leur distribution spatiale dans les forêts de montagne reste un défi. La fusion des technologies de télédétection terrestre, représentée par Sentinel-2, et des algorithmes d'intelligence artificielle a profondément révolutionné les méthodes traditionnelles d'inventaire forestier, offrant de nouvelles voies pour la surveillance des espèces d'arbres et la cartographie fine. Cette étude intègre des points d'échantillonnage au sol et des données de télédétection multisources, en extrayant les caractéristiques d'images Sentinel-2 multitemporelles de 2020 à 2023 via la plateforme de calcul en nuage Google Earth Engine (GEE). En combinant la distance Jeffries-Matusita (JM) pour établir un schéma de sélection multi-dimensionnelle des caractéristiques, et en utilisant l'algorithme superpixel SNIC (Simple Non-Iterative Clustering) et les méthodes d'apprentissage automatique, un modèle de forêt aléatoire optimal a été construit pour réaliser une classification précise des espèces d'arbres dans la région montagneuse de Qinba, révélant leurs régularités spatio-temporelles. Les résultats montrent : (1) les caractéristiques topographiques sont des indicateurs importants pour l'identification des espèces d'arbres dans les montagnes de Qinba, la combinaison multi-caractéristiques basée sur la distance JM améliore efficacement la sélection des caractéristiques ; (2) avec un échantillon limité, des images à résolution moyenne et une grande zone, le modèle orienté objet basé sur SNIC et la forêt aléatoire offre de bonnes performances de classification, avec une précision globale moyenne de 0,837, un coefficient Kappa de 0,791 et une moyenne de la valeur F1 de 0,799 ; (3) les chênes, pins et sapins sont largement répartis dans la région de Qinba, les autres espèces étant dispersées ; (4) de 2020 à 2023, la superficie forestière montre une légère tendance à la hausse, indiquant une amélioration continue de l'environnement écologique régional. Les pins et les chênes contribuent le plus aux changements forestiers, tandis que les conversions fréquentes concernent les espèces occupant une faible superficie. En résumé, cette étude fournit un support de données pour l'évaluation de la fonction puits de carbone et la conservation de la biodiversité dans les écosystèmes forestiers montagnards complexes.

forêts de montagne; identification des espèces d'arbres; changements spatiaux dans la distribution des espèces; données de télédétection; variation spatio-temporelle des espèces