Mapping natural habitats remains challenging, especially at a national scale. Although new open-access variables for vegetation and its environment and increased spatial resolution derived from satellite remote sensing data are available at the global scale, the relevance of these new variables for fine-grained mapping of natural habitats at a national scale remains underexplored. This study aimed to map the fine-grained pattern of four heathland habitats throughout France (550 000 km²). Environmental (bioclimatic, soil and topographic) and spectral (vegetation) variables derived from MODerate resolution Imaging Spectroradiometer, Advanced Spaceborne Thermal Emission and Reflection Radiometer, and Sentinel-2 satellite data were analyzed using the MaxEnt classifier. Open-access field databases were used to calibrate and validate the classification, based on the threshold-independent area under the curve (AUC) index and the conventional F1-score. For each heathland habitat, potential and actual areas were mapped using environmental and spectral variables, respectively. The results showed high classification accuracy for potential (AUC 0.92–0.99) and actual (AUC 0.88–0.99) suitability maps of the four heathland habitats. Visual interpretation of maps of the probability of occurrence indicated that the fine-grained distribution of heathland habitat was detected satisfactorily. However, although the accuracy of the crisp map of combined classifications of actual heathland habitats was high (overall accuracy 0.72), estimated producer's accuracies in terms of proportion of area were low (<0.25). This study provides the first fine-grained pattern maps of heathland habitats at a national scale, thus highlighting the value of combining environmental and spectral variables derived from open-remote sensing data and open-source field databases. These suitability maps could support the identification of heathland habitats in the framework of national conservation policies.

中文翻译：

---

使用开源遥感数据对荒地栖息地进行大规模和细粒度制图

绘制自然栖息地的地图仍然具有挑战性，尤其是在全国范围内。尽管在全球范围内可以获得植被及其环境的新开放获取变量以及从卫星遥感数据获得的更高空间分辨率，但这些新变量与国家范围内自然栖息地细粒度制图的相关性仍未得到充分探索。这项研究旨在绘制整个法国（550 000 km ²）。使用 MaxEnt 分类器分析了源自中等分辨率成像光谱辐射计、高级星载热发射和反射辐射计以及 Sentinel-2 卫星数据的环境（生物气候、土壤和地形）和光谱（植被）变量。基于阈值独立曲线下面积 (AUC) 指数和常规 F1 分数，使用开放存取字段数据库来校准和验证分类。对于每个荒地栖息地，潜在和实际区域分别使用环境和光谱变量绘制。结果表明，四个荒地生境的潜在（AUC 0.92-0.99）和实际（AUC 0.88-0.99）适宜性图的分类准确度很高。对发生概率图的视觉解释表明，对荒地栖息地的细粒度分布进行了令人满意的检测。然而，尽管实际荒地生境组合分类的清晰地图的准确性很高（总体准确度为 0.72），但估计的生产者在面积比例方面的准确性较低（<0.25）。本研究提供了全国范围内第一个细粒度的荒地生境模式图，从而突出了将来自开放遥感数据和开源野外数据库的环境和光谱变量相结合的价值。这些适宜性地图可以支持在国家保护政策框架内确定荒地栖息地。尽管实际荒地生境组合分类的清晰地图的准确度很高（总体准确度为 0.72），但估计的生产者在面积比例方面的准确度较低（<0.25）。本研究提供了全国范围内第一个细粒度的荒地生境模式图，从而突出了将来自开放遥感数据和开源野外数据库的环境和光谱变量相结合的价值。这些适宜性地图可以支持在国家保护政策框架内确定荒地栖息地。尽管实际荒地生境组合分类的清晰地图的准确度很高（总体准确度为 0.72），但估计的生产者在面积比例方面的准确度较低（<0.25）。本研究提供了全国范围内第一个细粒度的荒地生境模式图，从而突出了将来自开放遥感数据和开源野外数据库的环境和光谱变量相结合的价值。这些适宜性地图可以支持在国家保护政策框架内确定荒地栖息地。本研究提供了全国范围内第一个细粒度的荒地生境模式图，从而突出了将来自开放遥感数据和开源野外数据库的环境和光谱变量相结合的价值。这些适宜性地图可以支持在国家保护政策框架内确定荒地栖息地。本研究提供了全国范围内第一个细粒度的荒地生境模式图，从而突出了将来自开放遥感数据和开源野外数据库的环境和光谱变量相结合的价值。这些适宜性地图可以支持在国家保护政策框架内确定荒地栖息地。