基于无人机与卫星数据融合的热带森林跨尺度物种多样性估算

《Ecological Informatics》:Cross-scale species diversity estimation of tropical forest by integrating UAV and satellite data

【字体: 大 中 小 】 时间:2026年07月16日 来源:Ecological Informatics 8.5

编辑推荐:

  空间显式的森林物种多样性格局对于有效的保护规划至关重要。卫星遥感能够实现大尺度监测,但在复杂的、难以进入的热带森林中严重依赖充足的野外观测,而这些观测难以获取。无人驾驶航空器(Unmanned Aerial Vehicles, UAV)提供了细分辨率、灵活的观

  
空间显式的森林物种多样性格局对于有效的保护规划至关重要。卫星遥感能够实现大尺度监测,但在复杂的、难以进入的热带森林中严重依赖充足的野外观测,而这些观测难以获取。无人驾驶航空器(Unmanned Aerial Vehicles, UAV)提供了细分辨率、灵活的观测,能够弥补地面与卫星之间的差距,然而其在跨尺度物种多样性升尺度(upscaling)方面的潜力仍未得到充分探索。在这项研究中,研究人员整合了典型热带森林的UAV与卫星数据,以探究基于UAV的估算是否能改善基于卫星的物种多样性升尺度。研究人员首先评估了多种基于UAV的多样性估算方法,包括基于光谱多样性指数、高度异质性指数及其组合的回归方法,以及在像素和单木树冠(Individual Tree Crown, ITC)尺度应用的聚类方法。基于UAV衍生的多样性估算,研究人员进一步开发了一种新的两步升尺度框架(Ground-UAV-Satellite,地面-无人机-卫星),用于基于PlanetScope和Sentinel-2影像的物种多样性外推。结果表明,变量配置显著影响估算性能。在UAV尺度,结合多维性状相关特征的回归模型产生了最优性能(丰富度Richness的r2= 0.43,Shannon-Wiener指数的r2= 0.55)。研究结果证实了无监督聚类算法在热带森林的可行性,尽管基于像素的聚类表现出饱和效应。关键的是,在卫星尺度,两步升尺度最优模型优于传统的地面-卫星(Ground-Satellite)建模(Richness:r2= 0.41 > 0.31;Shannon-Wiener指数:r2= 0.46 > 0.39)。该研究证明了UAV作为跨尺度物种多样性监测的有效中间观测平台的潜力,并为整合有限野外数据与全覆盖(wall-to-wall)卫星数据进行大尺度生物多样性制图提供了一个实用框架。
研究背景与意义
热带森林蕴藏着世界大部分的植物物种,在生物多样性保护、全球碳循环及气候变化减缓中发挥着重要作用。然而,毁林与栖息地破碎化正加速物种丧失并改变群落组成。植物物种多样性作为生物多样性的基本组成部分,对维持生态系统功能、稳定性及服务至关重要。因此,准确评估和空间显式监测物种多样性对于支持可持续森林管理与生物多样性保护尤为迫切。遥感技术能够实现及时、可重复和空间广泛的监测,在跨尺度估算物种多样性方面具有巨大潜力。成像光谱仪提供详细的光谱信息,而激光雷达(Light Detection and Ranging, LiDAR)进一步捕捉三维森林结构,推动分析单元从像素尺度转向单木树冠(ITC)尺度。考虑到空间覆盖与数据可用性,卫星遥感仍是监测大尺度物种多样性的首选。然而,基于卫星的模型通常需要大量野外样本以捕捉区域环境异质性,而热带森林的野外调查受持续云覆盖、复杂地形及茂密植被的严重制约。无人驾驶航空器(UAV)具有高操作灵活性,不仅能通过高分辨率观测显著改善细尺度物种多样性估算,还可作为连接野外测量与卫星估算的经济高效的中间桥梁。尽管UAV作为跨尺度桥梁在生物量估算等方面已被证实,但物种多样性作为比地上生物量更复杂且固有的尺度依赖性生态属性,其利用UAV与卫星观测进行跨尺度外推更具挑战且鲜有研究。该论文发表于《Ecological Informatics》,旨在通过利用从UAV到卫星影像的多尺度数据优势,估算典型热带森林的跨尺度物种多样性,填补细尺度方法适用性理解不足及大尺度建模受限于空间不匹配的空白,探究UAV衍生预测是否能改善热带森林物种多样性升尺度。
主要关键技术方法
研究人员在中国云南西双版纳国家级自然保护区勐仑子保护区西片开展研究。野外采样数据包含2020年10月与2024年10月的36个20×20米样方及来自西双版纳热带植物园的75个样方,计算丰富度(Richness, S)与Shannon-Wiener指数(H)。UAV数据于2020年10月13日获取,包括挂载于大疆Matrice 600的LiAir 220激光雷达(点密度约58点/平方米)及大疆Matrice 300搭载的Cubert UHD185 Firefly成像光谱仪(125波段,0.1米分辨率),分别生成1米分辨率冠层高度模型(Canopy Height Model, CHM)与高光谱影像。卫星数据选用PlanetScope(3米)与Sentinel-2(10米)表面反射率产品,辅以Sentinel-1 SAR、1米全球树高及ASTER GDEM数据。在UAV尺度评估光谱多样性、高度异质性、逐步线性回归(Stepwise Linear Regression, SLR)及自适应模糊C均值聚类四种方法,利用离开一端交叉验证评估。构建Ground-UAV-Satellite(G-U-S)两步升尺度框架,利用UAV预测图采样扩充样本,结合卫星与环境因子,采用SLR与随机森林(Random Forest, RF)建模,并与传统Ground-Satellite(G-S)直接建模对比。
研究结果
4.1. UAV-scale species diversity
在UAV尺度物种多样性估算中,四种方法及变量配置表现差异显著。单一光谱多样性指数最高精度约0.3,高度异质性指数对Shannon-Wiener指数相关性强但对丰富度不敏感。结合多光谱变量的逐步线性回归(SLR)在四者中预测最佳(丰富度r2= 0.43,RMSE = 5.26,nRMSE = 19.49%;Shannon-Wiener r2= 0.55,RMSE = 0.32,nRMSE = 15.00%)。单一指数模型整合多光谱变量后精度明显提升(从约0.3至超0.4),而整合结构指标未带来增益甚至降低丰富度估算。基于像素的聚类具强尺度依赖性,1米负相关,2米近零,3米最佳(丰富度r2= 0.44,Shannon-Wiener r2= 0.26),4米因过度聚合下降;ITC尺度聚类呈中等相关(丰富度r2= 0.22,Shannon-Wiener r2= 0.25)。基于最优UAV模型生成的20米分辨率物种多样性图中,丰富度预测值主要在13至34间,与训练样本一致;Shannon-Wiener指数倾向高估但分布可比。空间上东南部较高,中南偏南较低,可能与地形及林窗有关。
4.2. Satellite-scale species diversity
基于PlanetScope与Sentinel-2的两步升尺度总体优于传统直接建模(丰富度:r2= 0.41 > 0.31,nRMSE = 16.89% < 20.06%;Shannon-Wiener:r2= 0.46 > 0.39,nRMSE = 16.27% < 17.30%),但SLR模型的Shannon-Wiener直接建模略优。数据源上,RF模型丰富度估算相当,PlanetScope的SLR优于Sentinel-2;Shannon-Wiener指数PlanetScope预测能力始终更强。PlanetScope场景下Shannon-Wiener最优精度略高于丰富度(0.46 > 0.41),Sentinel-2相反(0.38 < 0.41)。PlanetScope下两外推法差异显著。SHAP(SHapley Additive exPlanations)分析显示PlanetScope光谱预测因子贡献最强,环境因子尤其高程(Digital Elevation Model, DEM)与坡度也重要。丰富度模型中DEM最重要,其次蓝波段与归一化红边差异植被指数(Normalized Difference Red-edge Index, NDRE);Shannon-Wiener模型中NDRE主导,其次DEM与类胡萝卜素反射指数(Carotenoid Reflectance Index, CRI)。景观制图中两者空间格局一致,西部高海拔低,周围东部低海拔高,南坡更高,与地形梯度相关。预测丰富度12至26(集中14-26),Shannon-Wiener主要在2.2至3.2。
讨论与结论总结
讨论部分指出,异质性指标的选取与整合显著影响估算,单一光谱维度指标在热带复杂森林预测力有限,整合多植被指数扩展光谱特征空间提升精度,结构特征受下层植被表征不足限制。聚类法可行但像素法具尺度依赖,ITC法依赖分割精度,未来需多元聚类因子。Ground-UAV-Satellite框架以UAV为中间桥有效平衡细观与大尺度覆盖,扩充样本增强泛化,优于直接升尺度,但存在样本空间自相关及UAV预测质量传递不确定性。变量选择中PlanetScope的蓝、红边、近红外(Near Infrared, NIR)波段及地形因子重要,结构变量解释力有限。局限包括UAV数据质量与样本量、时空不一致性及模型转移性,未来可借高光谱LiDAR、热红外及深度学习改善。
结论部分翻译:在这项研究中,研究人员系统评估了不同物种多样性估算方法在细尺度的适用性,并提出通过结合多源遥感数据估算复杂热带森林跨尺度物种多样性的监测框架。研究结果表明,结合多维异质性指标的聚类和回归方法显著改善了热带森林物种多样性的细尺度估算(Shannon-Wiener指数r2= 0.55),同时利用UAV尺度预测作为卫星尺度分析的输入能够实现物种多样性的有效外推。细尺度不同方法的比较为选择合适物种多样性监测方法提供了实践指导,尽管其在不同热带森林生态系统的适用性仍需进一步评估。此外,利用UAV衍生的分辨率多样性估算来扩充训练样本的策略,为将有限野外样方与高分辨率星载观测或卫星足迹并最终与全覆盖卫星影像连接提供了宝贵见解。此类方法可能减少对重复UAV调查的依赖,从而在提高大尺度生物多样性监测可扩展性与准确性的同时进一步降低监测成本。再者,随着具有高时空分辨率的新一代卫星数据日益可用,未来研究可将提出的跨尺度框架与多时相观测整合,以探究生物多样性动态及其环境驱动因素,从而支持2020年后全球生物多样性框架下的生物多样性评估。
需要我帮你把这篇论文解读里的关键专业术语(如G-U-S框架、ITC、SHAP等)整理成一份简明的中英对照词汇表吗?
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