《Remote Sensing in Ecology and Conservation》:Environmental Stressors Influence Spatial Complexity in a Fluvial Macrophyte meadow
编辑推荐:
沉水植被(SAV)是水生生态系统的关键组成部分,对其结构和功能具有重要影响。由于沉水植被对水生栖息地的关键作用以及驱动其分布的尺度依赖机制(例如,局部促进与胁迫驱动的抑制),研究人员预期沉水植被景观的空间复杂性可作为生态完整性和生态系统恢复力的指标。本文分析了
沉水植被(SAV)是水生生态系统的关键组成部分,对其结构和功能具有重要影响。由于沉水植被对水生栖息地的关键作用以及驱动其分布的尺度依赖机制(例如,局部促进与胁迫驱动的抑制),研究人员预期沉水植被景观的空间复杂性可作为生态完整性和生态系统恢复力的指标。本文分析了加拿大魁北克圣劳伦斯河最大河流湖中,沉水植被沿环境胁迫空间梯度的精细尺度空间复杂性。通过使用超高分辨率遥感和与水质量及沉水植被相关的野外观测公共数据库,检验了沉水植被景观空间复杂性指标对环境变化敏感的假说。采用多元空间相关分析生成空间复杂性的复合指数,并确定主导环境梯度。在此特定背景下,广义加性模型(GAM)揭示,尽管水深和沉水植被丰度是空间复杂性的强预测因子,但由深度、沉水植被丰度与水质量之间相互作用解释的变异,是空间复杂性多维变异的重要预测因子。具体而言,光照和养分限制均与沉水植被空间复杂性的降低相关,尤其是在密集的草甸中。尽管存在时空替代方法的局限性以及依赖于情境的方法,这项工作代表了基于遥感的沉水植被作为精细尺度生态指标应用的罕见范例。这些结果表明,通过遥感对沉水植被进行长期系统监测,可为保护和管理提供高价值的生态数据。
**论文解读:环境胁迫对河流大型植物草甸空间复杂性的影响**
**研究背景与问题**
沉水植被(SAV),亦称大型植物,是水生生态系统的关键组成部分,深刻影响着系统的结构与功能。传统上,沉水植被的丰度常被用作与水质量相关的生态指标。然而,现有文献指出,基于丰度的监测和经典调查方法可能无法捕捉到生态系统完整性变化的某些信号。一个广为人知的例子是生态系统状态变化与沉水植被相关的“替代稳定态”理论,其中胁迫因子(通常是养分和/或光照有效性)可能导致沉水植被丰度的灾难性、非线性变化。由于沉水植被存在重要的密度依赖反馈循环,其在较高密度下的强恢复力可能限制其对环境变化的敏感性,从而削弱了将其丰度作为生态指标的相关性。为规避这一潜在问题(在部分陆地植被景观中也观察到类似情况),研究人员提出使用替代性指标来检测与植被时空动态(例如,临界减速)或精细尺度空间分布(例如,空间复杂性)相关的恢复力潜在变化。然而,由于收集这些方法所需数据的困难,这些指标很少用于描述沉水植被景观。
空间复杂性是一个涵盖空间异质性和空间结构的综合性术语,描述了一个系统趋向于复杂反馈、层级组织、无序(或有序)和非线性的倾向。理论上,通过一系列景观指标可以捕获空间复杂性,这些指标共同描述系统复杂行为的总和。例如,与斑块分布、景观聚集度和算法复杂性(使用如Kolmogorov-Smirnov复杂性指数等指标估计)相关的指标,在跨时间序列分析时,可能揭示与迫近的生态系统转变、恢复力变化和功能变化相关的信息。在高度结构化的栖息地(如沉水植被草甸)中,使用空间复杂性来研究结构和异质性是合理的,因为它们具有高度的自组织潜力,即“生物体与其环境之间的局部反馈导致大规模有序空间格局从无序初始条件中涌现的过程”。具体而言,尺度依赖的反馈(如短尺度促进和长尺度抑制)导致植被对胁迫因子的响应具有强烈的斑块大小和密度依赖性。
在淡水生态系统,特别是低地河流系统中,沉水植被暴露于多种胁迫因子之下,这些胁迫超越了已有充分记录的光照和养分有效性。关于多重胁迫综合效应的文献日益增多,表明将胁迫视为集合体而非孤立因子至关重要。为将这一理念整合到环境监测实践中,必须识别那些对多种环境胁迫敏感且具有生态相关性的关键变量。沉水植被因其在生物地球化学循环中的重要作用、为从微生物到顶级捕食者各营养级物种提供栖息地、相对普遍性、空间自组织倾向以及通常复杂的分布模式,被认为是此类监测的强有力候选者。
随着对地观测技术(EOT)的迅猛发展,利用遥感研究空间复杂过程比以往任何时候都更加便捷。然而,目前沉水植被监测项目稀少,且作为遥感应用地面验证的用途有限。野外沉水植被观测是资源密集型工作,严重依赖专业设备,且因其耗时性而规模受限。尽管近年来在方法和计算能力方面取得了进展,但似乎尚未出现适用于复杂内陆水域的大规模、高分辨率沉水植被空间复杂性监测的完全可操作的解决方案。
**研究目的与方法概述**
本研究旨在分析加拿大魁北克圣劳伦斯河最大河流湖——圣皮埃尔湖(LSP)中,沉水植被沿环境胁迫空间梯度的精细尺度空间复杂性。具体而言,检验了沉水植被景观空间复杂性指标对环境变化敏感的工作假说,并且这些变化不仅限于物理因子的变异,还包括人为胁迫因子的存在。
研究区域圣皮埃尔湖是圣劳伦斯河最大的河流湖,其广阔的洪泛区和较浅的水深剖面使其成为一个高生产力且动态的生态系统,拥有大型湿地和广阔的沉水植被草甸。该湖位于圣劳伦斯流域低地,承受着大空间尺度上的多种环境胁迫。
研究整合了超高分辨率航空影像与来自大学间湖沼学研究小组(GRIL)的野外观测数据再分析。野外观测在2012年至2015年间每年进行,采用规则网格(每500米采样点,每250米声纳断面),并测量了大量环境变量。本研究仅考虑了2012年和2014年的数据,因为其他年份的影像存在严重的太阳耀光等问题。野外调查和航空影像采集均在沉水植被季节性峰值期附近相似日期进行。
主要技术方法包括:
1. **环境梯度分析**:采用基于R语言实现的Wartenberg多元空间相关分析(MULTISPATI),将环境变量(不包括深度)重组成空间约束的主成分(PCs),以识别主导的环境梯度(如与光学性质相关的Env.1和与养分相关的Env.2)。
2. **沉水植被精细制图**:利用地理对象基影像分析(GEOBIA)层次方法,对2012年和2014年获取的厘米级分辨率航空影像进行处理,分类识别可见的沉水植被形态。该方法结合了植被指数(如NDVI、SAVI)和纹理特征,并使用随机森林算法进行分类。
3. **空间复杂性量化**:在二值化植被景观上,使用一系列互补的信息复杂性指标来量化空间复杂性,包括空间方差、偏度、Kolmogorov-Smirnov复杂性、平均信息增益(MIG)、Moran‘s I以及景观尺度指标(如总面积、斑块数量、边缘密度等)。这些指标通过MULTISPATI分析被综合成空间复杂性的主成分(Comp.1和Comp.2)。
4. **统计建模**:使用广义加性模型(GAMs)来检验环境因子对沉水植被斑块空间复杂性的影响。模型将复杂性主成分(Comp.1, Comp.2)与环境主成分(Env.1, Env.2)相关联,同时控制水深、沉水植被丰度(覆盖面积)、底部粗糙度、采样尺度(缓冲区距离)以及年份和空间自相关等协变量和随机效应。
**研究结果**
**水深与沉水植被覆盖**
测深调查显示,在这个高度动态的研究区域,不同时间的水深剖面仅发生微小变化。然而,遥感揭示了2012年与2014年之间沉水植被覆盖存在较大变异。基于GEOBIA流程,2012年研究区域检测到10.37 km
2的沉水植被覆盖,而2014年仅为8.10 km
2。沉水植被的分布与声纳估算的水深呈强负相关。
**环境梯度**
对环境数据的再分析(PCA和MULTISPATI)揭示了2012年和2014年圣皮埃尔湖南部至少存在两个清晰的养分和水质量空间梯度。Env.1主要反映了与光学性质相关的梯度,较浅的近岸点位显示出较高的溶解有机碳(DOC)和有色溶解有机物(cDOM)值(同时也有较高的叶绿素a和养分值),而较深水域则透明度较高,硫酸盐(SO
4)和镁(Mg)含量较高。Env.2则与深度和光照关系较弱,呈现出一个强烈的溶解养分梯度。
**空间复杂性梯度**
对沉水植被复杂性指标的分析(MULTISPATI)识别出两个具有显著正空间自相关结构的主成分。Comp.1中,较高的估计复杂性(KS, MIG)和较大的斑块面积与较简单的景观(具有更高的空间自相关性和分形维度)相对立。Comp.2则突出了复杂性的另一个维度,似乎与破碎化相关,将斑块较少(无论丰度高或低)的简单景观与具有多种配置的复杂过渡区对立起来。
**环境对空间复杂性的影响**
统计建模表明,环境因子与沉水植被景观空间复杂性之间存在强相关关系,这种关系不仅与主导的物理因子(如水文地貌)和沉水植被丰度有关,还与水体光学性质和养分含量有关。所有选定的GAM模型均将环境主成分与沉水植被丰度、水深置于一个三重交互项中。这表明水柱光学性质(Env.1)和水体养分组成(Env.2)对估计的沉水植被空间复杂性的不同组成部分(Comp.1和Comp.2)均有重要贡献。复杂性估计尺度、空间自相关和年际变化的项具有显著p值,表明在分析环境胁迫与沉水植被景观空间复杂性的关系时,需要考虑这些重要的协变量。
模型预测的可视化揭示了每个预测因子与复杂性之间的非线性响应关系,其效应大小和权重随深度、丰度、水质量和空间尺度而变化。具体而言:
* 对于Comp.1,在浅水、植被密集区域,环境胁迫(表现为光照和养分有效性降低)的增加与复杂性增加(通过更大但更复杂的斑块)和景观简化(通过破碎化减少)均相关,表明研究区域的密集大型植物草甸受到光照和养分的共同限制。
* 在较深、植被稀疏的区域,光照和养分有效性的降低与复杂性呈反向相关,其中较低的光照穿透增加了Comp.1但降低了Comp.2,而较低的养分有效性降低了Comp.1但增加了Comp.2。这表明在深水区,光照限制和养分限制发生解耦。
**讨论与结论**
**环境梯度与沉水植被空间复杂性**
研究结果明确表明,研究区域识别的多重环境梯度与沉水植被草甸的空间复杂性相关。占主导地位的水体来自亚马斯卡河和圣弗朗索瓦河,与负的Env.1值(即受农业流域影响的着色、低透明度水体)相关。在Env.1谱系的另一端,来自黎塞留河和五大湖的水体带来较低的养分负荷、悬浮颗粒物和cDOM,但镁和硫酸盐浓度较高。除了水文混合,研究区域内大量的沉水植被生物量也通过截留养分和悬浮颗粒物影响了水质量梯度的形成。Env.2的分析则提供了不同的情况,其中养分与水体光学性质在很大程度上解耦。这表明光学水质量和养分有效性在该区域与沉水植被草甸相互作用,调节着它们的关系,并在密集植被床存在时导致对比鲜明的光学和化学水条件。
沉水植被复杂性建模揭示了遥感沉水植被空间复杂性与当地环境条件(包括水文地貌和水体理化性质)之间的重要潜在联系。值得注意的是,在控制了水深和沉水植被丰度对空间复杂性表达的重要贡献后,人为胁迫因子(以养分和水体光学性质的形式)始终被选为跨复杂性和环境变量多个维度的重要预测因子。研究人员还发现了这些环境梯度与沉水植被空间复杂性之间不同的非线性关系。
丰度与复杂性(尤其是与Comp.1相关)之间的强相关性对其在生态背景下的可解释性具有深远意义。数据显示,某些复杂性指标在丰度和环境梯度的中值附近达到最大值,表明局部沉水植被密度有时达到景观饱和导致简化的程度。这些发现不仅支持了沉水植被景观空间复杂性指标对环境变化敏感的工作假说,而且进一步证明需要使用非线性统计方法来分析这些关系。
由于本研究对复杂性的操作定义不包括物种或性状组成,而是可检测沉水植被的二值覆盖,因此仍需进一步关注以将组成对遥感复杂性的影响联系起来。
尽管系统内存在重要的年际变化,但研究人员在多个解释变量与空间复杂性之间发现了一致的关系,这表明沉水植被的空间复杂性可能是在高度动态的生态系统中使用的稳健生态指标。在长期监测工作中加入空间复杂性指标,可以通过提供额外的敏感性水平来补充丰度指标,有助于厘清嘈杂的时间序列并促进趋势分析。此外,得益于大量可用的环境变量,本研究重申了多重胁迫数据集的价值,因为在自然环境中评估单一胁迫因子的影响仍然具有挑战性。最重要的是,研究结果支持了长期以来的工作假说,即沉水植被的空间特性依赖于当地的生态完整性。为使这变得可操作、可推广且信息更丰富,至关重要的是围绕沉水植被时空分布的使用增长知识库,并建立能够支持这些知识的数据库。
**研究结论**
本研究表明,环境胁迫因子(光照和养分限制)显著影响沉水植被草甸的空间复杂性格局,且这种影响与水深和植被丰度存在复杂的交互作用。利用高分辨率遥感和多元统计方法,可以有效地量化这些关系。沉水植被的空间复杂性可作为评估水生生态系统生态完整性和恢复力的潜在敏感指标。未来的长期遥感监测有望为生态系统保护和管理提供有价值的数据支持。然而,需要在更多生态系统和更长时间尺度上验证该方法的普适性,并推动相关数据(高分辨率遥感影像和高质量地面验证数据)的积累与共享。