《Frontiers in Environmental Science》:Mapping peatland plant communities dynamics using multispectral indices coupled with a joint species distribution model
编辑推荐:
目的:气候变化正在改变北方泥炭地植物群落,使其从泥agnum苔藓向维管植物转变。这种转变影响碳固存等生态功能,使得站点尺度的长期植被监测比以往更为关键。然而,目前的监测方法往往侧重于特定物种或功能群,空间覆盖范围有限。本研究利用遥感技术推断泥炭地植物群落的空间
目的:气候变化正在改变北方泥炭地植物群落,使其从泥agnum苔藓向维管植物转变。这种转变影响碳固存等生态功能,使得站点尺度的长期植被监测比以往更为关键。然而,目前的监测方法往往侧重于特定物种或功能群,空间覆盖范围有限。本研究利用遥感技术推断泥炭地植物群落的空间结构和时间变化。地点:法国比利牛斯山脉(Bernadouze, Vicdessos)的温带泥炭地。方法:在2023年生长季(5月、6月和7月)三次采样九个不同微生境的样地,记录植物物种丰度,并从无人机和Sentinel-2多光谱影像中衍生45种植被指数(Vegetation Indices, VIs)。筛选出5种植被指数拟合联合物种分布模型(JSDM)和随机森林(Random Forests, RF)模型以绘制物种空间分布图。利用主坐标分析(Principal Coordinates Analysis, PCoA)识别植物群落组成,并量化与环境变量相关的时空变化。结果:利用JSDM可从多光谱影像预测植物物种出现,无人机推断(平均R2= 0.36)优于Sentinel-2(平均R2= 0.29)。丰富物种模型性能较高(R2> 0.5),而稀有物种预测准确性较低(R2< 0.1)且对样地位置更敏感。相比之下,RF模型表现较差而被弃用。基于无人机和Sentinel-2的JSDM均能较好预测物种丰富度(R2> 0.65, P < 0.01),同时识别出站点内相似的独特植物群落模式。空间变化显著由地下水位深度、pH和土壤温度解释(R2= 0.40; P < 0.001)。对于2017–2024年Sentinel-2数据,地下水位深度和降水的变化是显著预测因子,尽管仅解释总方差的一小部分(R2= 0.04; P < 0.001)。结论:本研究证明无人机多光谱影像可用于预测泥炭地植被丰富度和群落组成,并在小而破碎的泥炭地站点捕捉精细尺度异质性,在空间精度上优于卫星数据。尽管使用卫星影像的模型准确性较低,但Sentinel-2影像实现了长期群落追踪。通过两者结合,预测建模框架为监测气候引起的物种分布变化提供了有前景的初步工具,支持针对性保护。
该研究发表于《Frontiers in Environmental Science》。研究背景方面,北方泥炭地储存了地球约一半的土壤碳却仅占陆地表面百分之三,是重要的碳汇。泥炭地植被特别是泥炭藓属(Sphagnum)苔藓、褐苔藓、苔草属(Carex)和羊胡子草等功能性群体,通过产生难分解有机物、维持水饱和缺氧环境及酸性贫营养条件减缓分解从而促进碳积累。气候变化导致维管植物受益而Sphagnum群落衰退,可能使碳汇转为碳源。传统植被监测依赖样方或样线调查,耗时费力且存在观察者偏差,难以捕捉站点内快速变化的微生境异质性,限制了对生态系统健康和碳动态的深入理解。因此,研究人员亟需开发高效可扩展的监测方法以桥接精细尺度变异与景观水平洞察。
研究人员在法国比利牛斯山脉Bernadouze泥炭地(4公顷,海拔1343米,包含矿养 fen 和ombrotrophic bog 两种微生境)开展研究。于2023年5月至7月对9个永久样地进行三次植物调查记录物种丰度,同步获取无人机(Phantom 4多光谱,地面分辨率5.2厘米)与Sentinel-2(L2A级,重采样至10米)多光谱影像并计算45种植被指数(VIs)。通过冗余分析(RDA)前向选择与方差膨胀因子(VIF)筛选去除共线性的5种VI(ARI、BCC、GCC、NDRE及红波段)。采用联合物种分布模型(JSDM,jSDM包,二项probit链接,含两个潜变量与随机站点效应)与随机森林(RF)预测物种出现概率,以70/30交叉验证及留一样地验证评估性能。利用主坐标分析(PCoA)基于Bray-Curtis距离绘制群落空间格局,正则化张力样条(RST)插值空间参数至全站点。结合地下水位深度(WTD)、pH、土壤温度及气候数据通过RDA解析环境驱动因子,并将Sentinel-2 JSDM应用于2017至2025年时序影像分析年际动态。
研究结果部分,首先是植被指数与植物群落组成的联系。研究人员发现生长季内植物丰富度、多样性及群落组成无显著时间变化。基于筛选的5种VI的RDA显著解释41.5%的植被组成方差(P < 0.001),如Carex nigra、Sphagnum papillosum等与绿 chromatic 坐标(GCC)相关,Sphagnum capillifolium与红波段反射率正相关。无人机JSDM收敛良好,交叉验证平均R2为0.36,丰富物种如Calluna vulgaris(R2=0.66)和Sphagnum capillifolium(R2=0.82)预测佳,稀有物种如Drosera rotundifolia(R2=0.09)表现差;留一样地验证平均R2降至0.22且对样地1、2、3敏感。空模型(RA3、sim5)R2仅约0.15,证实JSDM优于随机。剔除稀有物种后平均R2微升至0.43且群落结构一致性高(Mantel r > 0.9)。Sentinel-2 JSDM交叉验证平均R2为0.29,丰富与稀有物种差距类似。RF虽准确率均值0.76但TSS(0.18)与AUC(0.66)低而弃用。
其次是无人机与Sentinel-2影像预测植物群落分布的比较。两类JSDM均生成物种出现概率图,无人机模型在识别物种缺失区域更准确(89%可信区间)。样地尺度物种丰富度预测互为强相关(R2=0.98),且与观测值显著相关(无人机R2=0.72,Sentinel-2 R2=0.67)。无人机预测最高丰富度(16种)在过渡湿草甸,最低(3种)在东北与西南端;Sentinel-2最高(18种)在北侧草甸与中部fen,最低(14种)在水道且可信区间大。PCoA RGB图谱显示两者均识别三大区:西南bog与东北部的Sphagnum capillifolium、Calluna vulgaris等(无人机轴2绿,Sentinel-2轴1红);中部fen的Alchemilla sp.等湿草甸种(无人机轴1红,Sentinel-2轴2、3绿蓝);水道的Carex nigra等混合种(无人机轴3蓝,Sentinel-2轴2绿)。局部对beta多样性贡献(LCBD)显示bog与部分fen组成独特。环境RDA表明空间格局显著关联WTD、土壤温度、pH(均R2=0.40, P < 0.001),轴1受土壤温度与pH驱动,轴2受WTD驱动,不同物种响应各异。
最后是植被组成的年际变异性。2017至2025年Sentinel-2 PCoA显示空间变异少但年际组成显著变化(RDA P < 0.001),年份仅解释4%方差(P < 0.001),伴随Sphagnum capillifolium、Selaginella selaginoides、Prunella vulgaris出现变化,轴3(fen组)年变率最高。RDA识别四时间集群对应水文差异,5至7月年均降雨(P=0.002)与WTD标准差(P < 0.001)显著影响植被年际变化。
讨论部分总结,研究人员指出多光谱植被指数(VIs)结合JSDM可有效绘制站点尺度泥炭地植物丰富度与群落组成。筛选的NDRE、ARI、GCC、BCC及红波段能区分物种色素与化学特征(如Sphagnum capillifolium富含sphagnorubin与NDRE相关,Sphagnum papillosum黄褐色与GCC、ARI相关)。相比“自上而下”分类,JSDM“自下而上”框架以物种出现预测群落,无人机高分辩率解析微生境连续过渡(富养fen至寡养bog梯度),环境过滤由WTD、pH、土壤温度驱动,Carex对WTD响应甚至强于Sphagnum。生长季(5至7月)植物组成稳定,年际变化显著且关联WTD变异与降水,局部环境异质性超越气候趋势。JSDM在少量样本下兼顾物种共现结构,但模型限于单一站点且稀有物种预测受限。结论翻译如下:本研究表明无人机多光谱影像可用于预测泥炭地植被丰富度与群落组成,并在小而破碎泥炭地站点捕捉精细尺度异质性,空间精度优于卫星数据。尽管卫星影像模型准确性较低,Sentinel-2影像实现了长期群落追踪。通过结合两者,预测建模框架为监测气候引起的物种分布变化提供了有前景的初步工具,支持针对性保护。
要不要我帮你把这篇论文解读里的关键专业术语(如JSDM、PCoA、NDRE等)整理成一个带简短解释的术语表方便你后续查阅?