入侵性外来植物地理空间建模中土壤变量的缺失:遥感与GIS分布模型中被忽视的关键因子

《Frontiers in Remote Sensing》:Geospatial approaches to mapping invasive alien plants: the neglected role of soil in remote sensing and GIS-based distribution models

【字体: 大 中 小 】 时间:2026年10月22日 来源:Frontiers in Remote Sensing 3.5

编辑推荐:

  : 引言: 入侵性外来植物(Invasive Alien Plants, IAPs)通过破坏本地生物多样性、生态系统功能及土地生产力,构成重大的生态和社会经济威胁,凸显了开发稳健空间工具以指导管理干预的迫切需求。本研究采用基于PRISMA框架的系统文献综述方法

  
: 引言: 入侵性外来植物(Invasive Alien Plants, IAPs)通过破坏本地生物多样性、生态系统功能及土地生产力,构成重大的生态和社会经济威胁,凸显了开发稳健空间工具以指导管理干预的迫切需求。本研究采用基于PRISMA框架的系统文献综述方法,考察了用于入侵性外来植物(IAP)分布建模的地理空间技术,重点关注气候、土地利用/土地覆盖(Land Use/Land Cover, LULC)及土壤变量如何被整合以解释生境适宜性。 方法: 在纳入综述的研究中,遥感(Remote Sensing, RS)和地理信息系统(Geographic Information Systems, GIS)成为多尺度监测和预测因子整合的核心工具。中分辨率卫星影像(Sentinel-2、Landsat)普遍支持区域尺度的植被变化和土地利用动态评估,而甚高分辨率(Very-High-Resolution, VHR)影像则能够实现更精细的物种及结构层面判别,但成本较高。这些数据流日益与机器学习和统计方法相结合以提高分类精度,但模型性能仍依赖于输入数据质量及关键环境驱动因子的充分表征。 结果: 预测因子选择方面出现了显著的方法学失衡。在纳入土壤变量整合分析的24项研究中,71%(n = 17)的研究排除了土壤变量,转而依赖光谱、热红外和结构代理变量、地表温度(Land Surface Temperature, LST)及冠层特征。仅有29%(n = 7)的研究纳入了实测土壤变量(edaphic variables),如土壤pH、质地和土壤分类,这些通常需要在GIS框架内整合实地观测、土壤调查数据和数字土壤图。 讨论: 这一缺失主要源于遥感技术无法直接观测地下属性,以及获取空间显式土壤数据所面临的后勤挑战。本综述表明,土壤变量的有限整合可能制约地理空间入侵模型的生态现实性,尤其是在环境异质性较强的景观中。土壤、气候和LULC框架的更深层整合有望提升模型的生态现实性和预测能力,值得进一步研究,尤其是在撒哈拉以南非洲(Sub-Saharan Africa)等研究不足的区域。
论文主体内容总结:
1 引言
入侵性外来植物(IAPs)在全球范围内迅速扩散,对生态完整性、农业和生物多样性构成重大威胁。这些物种通过农业、园艺和观赏活动或受污染的种子库存被有意或无意引入。一旦建立,其分布和持续存在受气候变率、土壤特征以及土地利用和土地覆盖(LULC)动态等多种环境因素影响。在乌干达和尼日利亚等发展中国家,有限的财政和制度能力往往制约入侵物种的有效管理,导致入侵植物持续建立、扩散和存续,造成更大的生态退化和生物多样性损失。非洲在1970年至2020年间与入侵相关的成本估计约为182亿至789亿美元,主要由生物多样性丧失和农业生产力下降等环境与经济损害驱动。撒哈拉以南非洲国家是最易受入侵影响的地区之一,但在监测和控制能力方面却研究最为不足、资源最为匮乏。气候、土壤和LULC变化之间的复杂相互作用共同塑造了IAP的分布格局。遥感(RS)和地理信息系统(GIS)的整合为大规模检测和制图入侵物种提供了关键能力。然而,现有文献表明,尽管气候和土地覆盖变量常用于入侵物种分布建模,土壤特征(如质地、类型、有机质和理化性质)的作用尤其在非洲背景下尚未被充分整合到模型系统中,这构成了显著的知识空白。
2 方法论
2.1 文献检索方法
2.1.1 研究选择过程
本综述采用系统综述方法,遵循2020年PRISMA框架以确保透明性和可重复性。研究选择过程包括四个阶段:识别、筛选、资格评估和最终纳入。通过电子数据库检索识别记录,去除重复记录后,根据标题和摘要对剩余研究进行筛选,随后依据预定义的纳入和排除标准对全文文章进行评估。
2.1.2 检索策略
使用Web of Science、Science Direct、Google Scholar和Scopus数据库进行综合文献检索,检索时间限定为2015年至2026年间发表的文献。检索采用布尔运算符(AND、OR)组合关键词,包括“invasive alien plants” OR “invasive species”、“remote sensing” AND “GIS”、“land use land cover change” OR “LULC dynamics”、“soil characteristics” OR “edaphic factors”、“climate variability” AND “species distribution”、“Google Earth Engine” AND “invasive species mapping”等。
2.1.3 纳入与排除标准
纳入标准要求研究专门针对入侵性外来植物物种,采用地理空间方法(如GIS或遥感)进行监测和管理,并考察土壤属性、气候变量或土地利用/土地覆盖变化等一个或多个环境驱动因子。研究范围虽为全球,但优先考虑在撒哈拉以南非洲开展的研究。排除标准包括:与综述目标无关的来源(如博客、报告或评论文章)、与非植物入侵相关的研究、缺乏空间或环境分析的研究、方法学细节不足的研究以及重复记录。
2.1.4 研究选择与数据提取
初步识别118条记录,去除20条重复记录后,98项研究进入标题和摘要筛选。此阶段排除18项研究,剩余80项研究进入全文检索,其中6项因付费墙限制无法获取而被排除。75篇全文文章接受资格评估,最终8项研究因缺乏入侵植物关注、缺少相关地理空间或环境分析以及方法学细节不足而被排除,最终纳入67项研究。其中仅24项研究明确报告了其地理空间建模和分类框架中使用的环境预测变量,这部分子集用于定量土壤变量整合分析。研究被分为纳入直接土壤变量和排除直接土壤变量两类,并计算相对频率。
3 入侵性外来植物建立对环境的直接和间接影响
入侵性外来植物是南非生物多样性丧失的主要驱动因素,主要通过竞争排挤本地植被和改变栖息地结构实现。IAPs通过改变养分循环、土壤化学和水文状况破坏生态系统过程。例如,某些入侵物种通过快速生长和高资源吸收消耗土壤养分,而其他物种(如具有固氮能力或产生富营养凋落物的物种)则可增加土壤养分水平。一些物种释放化感物质改变土壤组成并抑制本地植物生长。此外,木本入侵物种如黑荆(Acacia mearnsii)、桉树(Eucalyptus spp.)和牧豆树(Prosopis spp.)的高耗水量与河岸和集水区径流减少相关,加剧了水资源短缺。这些影响对实现可持续发展目标(SDG 15陆地生命、SDG 6清洁水和卫生、SDG 2零饥饿)具有更广泛的意义。入侵的社会经济影响在依赖自然资源的社区尤为显著,1995年启动的“Working for Water”计划正是针对这些威胁的直接回应,但在林波波省等省份,河流系统的入侵持续损害生态完整性和人类水安全。
4 入侵性外来物种建立和分布的驱动因素
4.1 土壤因子与入侵物种分布
土壤特征是陆地生态系统入侵性外来植物分布的基本驱动因素。土壤质地和类型,特别是沙质土壤,通过影响水分入渗、根系穿透和养分保持能力强烈影响定殖成功。土壤质地和类型已被确定为入侵物种发生和丰度的关键预测因子,在某些情况下其影响甚至大于气候变量。土壤退化通过侵蚀和气候-土壤相互作用可抑制或促进入侵。研究表明,虽然气候在较大空间尺度上通常占主导地位,但土壤和土地覆盖仍增加显著的解释力。例如,在欧洲阿尔卑斯山,气候解释了约58.5%的植物分布变异,土壤和土地覆盖分别贡献约20%和21.4%。在南非背景下,土壤pH、磷、氮、钙、镁和质地等变量均与木本植物侵入和外来植物发生相关,但土壤特征在空间显式分析中的纳入深度仍存在差异。
4.2 土地利用/土地覆盖(LULC)作为动态驱动因素
土地利用和土地覆盖变化被广泛认为是生物入侵的关键驱动因素。与渐进的環境变化不同,LULC变化通常通过农业扩张、城市发展和基础设施增长等突变和空间集中的转变发生。这些变化破坏本地植被并降低栖息地连续性,从而促进入侵物种的建立和扩散。对五个东非国家(埃塞俄比亚、肯尼亚、坦桑尼亚、乌干达和卢旺达)的调查记录了164种入侵性外来植物物种,其中30种被确定为对生态系统功能产生严重影响的生态系统改造者。这些转变产生破碎化和受干扰的环境镶嵌体,生态抵抗力降低,持续的土地利用和有限的恢复能力导致景观持续退化,使生态系统长期处于早期或持续受干扰的演替状态,为适应干扰的入侵物种创造了有利条件。
4.3 气候影响及其与土壤和土地覆盖的相互作用
气候条件通过影响生长、繁殖和生存等生理过程在塑造入侵物种动态中发挥关键作用。温度状况、降雨模式、降雨变率、干旱频率和季节性气候极端事件共同决定本地和入侵物种的环境适宜性。气候通过其对土壤过程和土地覆盖动态的影响直接和间接地影响入侵物种。降雨和温度的变化调节土壤水分可用性、养分循环和有机质分解,从而影响植物建立和生长。未来气候变化预计将通过影响环境适宜性和生态系统过程改变入侵木本物种的分布。例如,预测在中等和高温室气体排放情景下,埃塞俄比亚东部牧豆树(Prosopis juliflora)的适宜栖息地到2070年可能增加超过70%。气候与土地覆盖的相互作用在经历人为干扰的景观中可能尤为显著,入侵格局源于气候、土壤和土地利用因素的综合效应,凸显了综合方法的重要性。
5 入侵性外来植物制图与建模的地理空间技术
地理空间方法在入侵性外来植物监测中发挥两个互补功能:一是通过光谱、时间、结构和纹理特征直接检测和分类入侵植被;二是将地球观测产品作为环境预测因子整合到生境适宜性模型、物种分布模型、入侵风险评估和预测框架中。地理空间建模需要整合气候变量、土壤条件和LULC动态,排除这些因素将限制捕捉异质景观中入侵过程复杂性的能力。
5.1 入侵植被的直接检测与分类
5.1.1 中分辨率传感器
基于中分辨率影像(10–30 m像元大小,包括Sentinel-2和Landsat)的卫星制图已成为大空间尺度监测地表特征和环境变化最广泛应用的方法之一。这些数据集克服了传统实地监测方法在可达性、时间和空间覆盖方面的局限。研究示例包括:使用Sentinel-2和PROSAIL辐射传输模型反演在南非夸祖鲁-纳塔尔实现半自动制图入侵金合欢属(Acacia spp.),基于冠层叶绿素含量和叶面积指数的建模精度达92.8%和91.4%;以及在美国科罗拉多州阿肯色河沿岸使用Landsat 5 TM影像结合五种物种分布模型(SDMs)制图入侵柽柳(Tamarix spp.)。中分辨率卫星制图的关键优势在于其速度、可扩展性和可重复性,支持月度或年度自动化处理流程,生成一致、可比较的时间序列数据,对检测入侵前沿、监测扩散和评估清除后再生至关重要。
5.1.2 甚高分辨率(VHR)影像
甚高分辨率卫星影像(约0.3–2 m空间分辨率,来自WorldView-2、WorldView-3和SPOT 6/7等商业传感器)能够检测单个树冠和小型植被斑块,提取冠层形状、冠层密度和表面异质性等结构和纹理特征,促进物种级分类。与基于对象的图像分析(OBIA)和机器学习技术结合时,分类精度可超过85%–90%。然而,VHR影像的高成本和有限可获取性限制了其在大规模连续监测中的应用,使其主要用于针对性应用,而免费的中分辨率数据集更适合区域尺度的常规评估。
5.2 遥感支持的生态建模与分布预测
地球观测产品越来越多地被用作物种分布模型(SDMs)、生境适宜性模型、入侵风险评估和未来情景预测中的环境预测因子(协变量)。这些产品提供植被生产力、物候、地表温度、水分、干扰、地形或土地覆盖的连续或分类表面。阿肯色河柽柳研究提供了清晰例证,Landsat衍生的物候变量(NDVI、SAVI和缨帽变换)与五种统计和机器学习SDMs在集成框架内结合,成功制图了入侵概率。多时相和时间序列遥感通过捕捉变化和干扰状况进一步增强模型。未来情景建模将气候预测与地球观测衍生的当前栖息地图层耦合,预测气候适宜性的转变,如预测埃塞俄比亚东部牧豆树适宜栖息地到2070年增加超过70%。多传感器数据融合(光学+合成孔径雷达SAR、光学+地形、光学+土壤水分产品)进一步降低了数据稀缺地区和持续云覆盖下的不确定性。
5.3 地理空间监测IAPs中土壤预测因子的整合
系统综述共识别24项符合纳入标准的研究。结果显示,71%(n = 17)的研究在模型结构中省略了土壤变量,仅依赖遥感植被指数(如NDVI、EVI和NDWI)、地表温度和冠层结构特征。仅29%(n = 7)的研究将直接测量的土壤属性作为显式预测因子,整合了土壤pH、质地类别和特定土壤分类等土壤因子。然而,七项纳入土壤的研究具有异质性:仅四项进行了仅气候模型与气候加土壤模型的直接比较,且结果不一。在南非低地(Lowveld)研究中,土壤变量排名为最不重要的预测因子之一。一项研究是土壤特征分析而非物种分布模型,另一项是数字土壤制图的方法综述。因此,实证检验土壤是否改善入侵模型性能的研究数量远小于29%的表观数字。此外,纳入土壤变量的研究在地理分布上不均匀,集中在欧洲、北美、亚洲和全球尺度评估,撒哈拉以南非洲的示例相对稀少,七项研究中仅一项在南非背景下开展。这种缺失主要归因于遥感技术无法直接捕获地下属性,土壤数据通常需要通过实地测量、土壤调查或数字土壤图单独收集后再与遥感数据集整合。在异质景观中,土壤变化可能独立于入侵状态影响植被格局,若不将土壤作为预测因子纳入,遥感模型可能将土壤驱动的植被差异错误归因于入侵状态,或无法检测优先发生在特定土壤类型上的入侵。
6 保护工作面临的挑战
土壤信息在入侵模型中的有限整合是保护工作的主要挑战。大多数物种分布模型仍主要依赖气候变量,低估了土壤因子,可能导致管理决策基于不完整的入侵风险评估。缺乏一致且具代表性的实地参考数据也构成重大挑战,稀疏或不均匀的地面真值数据会降低制图输出的准确性和可转移性。保护机构和市政当局内部的技术能力有限是另一个重要障碍,许多组织缺乏处理、分析和解释复杂地理空间数据集的专业知识。云覆盖和数据获取限制进一步阻碍保护监测工作,热带和亚热带地区的持续云覆盖限制了可用光学卫星影像,而合成孔径雷达(SAR)数据的处理和解释需要高级技术专长和计算资源。
7 政策意义与建议
地理空间技术可在改善入侵物种监测、环境规划和保护决策方面发挥重要作用。遥感、GIS和环境变量的整合为保护当局和市政当局识别入侵热点和支持基于证据的土地管理策略提供了机会。在经历快速土地利用变化和气候变率的地区,空间显式监测系统可能有助于更早检测和更有效管理入侵性外来植物物种。多传感器方法可能特别有助于理解受云覆盖、异质植被格局和精细尺度栖息地变异性影响地区的物种分布。
8 结论
本综述考察了影响入侵性外来植物分布的环境和空间驱动因素,重点关注土壤特征、LULC动态和气候条件。遥感和GIS的进步显著提高了大空间尺度监测入侵物种的能力,机器学习和空间建模技术的整合进一步增强了入侵物种检测和预测制图。然而,许多研究仍优先考虑植被光谱特征,在空间入侵模型中低估土壤变量。在南非,现有监测系统往往缺乏精细尺度生态分析和主动管理规划所需的空间细节和环境整合。本综述明确识别了对综合地理空间方法的需求,即在入侵物种建模框架中同时纳入气候变量、土壤特征和LULC动态,此类方法在数据稀缺和脆弱地区尤为重要。
9 未来研究建议
未来研究应侧重于开发同时纳入土壤特征、气候变量、土地利用和土地覆盖动态及人为因素的综合地理空间建模框架,以提高入侵性外来植物分布的预测能力。应更加关注详细土壤数据集的纳入。未来研究应探索使用高质量实地参考数据的高级机器学习和人工智能技术以提高制图精度。在南非,需要开展精细尺度研究,评估环境变化和土地转化如何相互作用影响入侵风险。发展中国家的未来研究应将遥感数据与数字土壤图、现有土壤调查信息和实地土壤观测整合,以开发更具生态现实性的入侵模型,并优先在入侵和非入侵区域进行系统实地采样,包括植被发生和环境测量,以改善模型校准并生成更可靠的入侵风险图。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号