El ecosistema de pastizal claro templado, distribuido en la zona semiárida de China, es un tipo de ecosistema de transición entre el bosque y la pradera, desarrollado en suelos arenosos con condiciones climáticas y topográficas únicas. El pastizal claro está caracterizado por una mezcla de árboles, arbustos y vegetación herbácea con alta heterogeneidad espacial. La monitorización de la vegetación mediante teledetección es difícil y hasta ahora sigue siendo el tipo de cobertura terrestre más impreciso a nivel global. Cómo equilibrar precisión y alcance, y realizar la monitorización del estado de crecimiento de diferentes tipos de plantas a escala regional del pastizal claro templado es un punto clave y un desafío en la teledetección de la vegetación en zonas áridas. Este estudio está basado en algoritmos de aprendizaje automático, utilizando una plataforma de observación con drones a baja altura para obtener información sobre tipos de vegetación de superficie y construir un conjunto de datos de entrenamiento, combinándolo con imágenes satelitales de alta resolución para establecer un modelo de estimación de cobertura de plantas leñosas y herbáceas en el pastizal claro templado. Se logró una estimación sincronizada de la cobertura de plantas leñosas y herbáceas desde drones hasta satélites y se compararon las diferencias en la estimación de cobertura entre dos tipos de imágenes satelitales de alta resolución. Los resultados del estudio indican: (1) el uso de imágenes de teledetección a baja altitud con drones puede clasificar con precisión los tipos de cobertura de superficie, proporcionando abundantes datos de entrenamiento precisos para modelos regionales de estimación de cobertura de plantas leñosas y herbáceas en el pastizal claro templado; (2) basados en algoritmos de aprendizaje automático, los modelos de cobertura construidos con imágenes satelitales GF-6 y Sentinel-2 pueden estimar eficazmente la cobertura de plantas leñosas y herbáceas. Los coeficientes de determinación para las estimaciones basadas en GF-6 de cobertura leñosa y herbácea fueron 0.72 y 0.66 respectivamente, con errores cuadráticos medios de 6.76% y 10.69%, y precisiones de estimación del 46.31% y 77.88%; para Sentinel-2 los coeficientes fueron 0.72 y 0.81, errores cuadráticos medios de 6.53% y 8.20%, y precisiones de estimación de 54.30% y 83.17%; (3) la precisión de la estimación basada en las imágenes satelitales Sentinel-2 fue ligeramente superior a la de GF-6 para la cobertura de plantas leñosas y herbáceas, y la precisión para la cobertura de plantas herbáceas fue significativamente mayor que para las leñosas en ambas imágenes satelitales. Este estudio aporta un nuevo enfoque para extender la estimación de la cobertura de plantas leñosas y herbáceas del nivel paisajístico al regional. El método de observación colaborativa multinivel desde drones hasta satélites proporciona un soporte metodológico efectivo para monitorizar el estado de crecimiento de diferentes tipos de plantas en el pastizal claro templado a escala regional, y en el futuro, los datos satelitales de alta resolución multitemporales podrían facilitar el monitoreo dinámico de la cobertura de plantas leñosas y herbáceas a escala regional.

teledetección; pastizal de olmo claro; drones; GF-6; Sentinel-2; bosque aleatorio; árboles de clasificación y regresión