新闻科研进展
生物多样性使地球充满生机，是人类生存和发展的基础，对于维持生态系统生产力及稳定极其重要。为了更好地了解生物多样性的分布、确定优先保护区、维持重要的生态系统产品和服务，需要进行大尺度生物多样性观测。传统的实地监测方法只能在有限的时间和空间范围内进行，且耗时费力、成本高。遥感则通过将光谱和垂直特性与栖息地、物种或功能组的分布相关联，能以连续、客观的方式提供大范围数据用于生物多样性监测。聚焦于森林多样性监测相关前沿问题，中国科学院武汉植物园系统生态学研究团队联合海南师范大学地理与环境学院邱彭华教授团队、中国地质大学地理与信息工程学院万波教授团队开展了系列研究。
1.森林多样性遥感直接监测
虽然从卫星和航空遥感角度评估植物生物多样性确实提供了一个新的视角，但现有的方法模型主要集中在单独估算α或β多样性（即群落内的多样性或群落间的多样性）。为此，该研究团队基于常用的遥感影像（WorldView-2, Sentinel-2,和Zhuhai-1）采用了一种全新的全局生物多样性方法来监测森林多样性，根据光谱变异假说，把γ多样性拆分为α和β多样性，并通过实地样方数据进行验证，最终得到准确的α和β多样性空间分布图。该研究发表于国际遥感领域顶级期刊Remote Sensing of Environment，题为“Mapping α- and β-diversity of mangrove forests with multispectral and hyperspectral images”。
研究区位于中国红树林多样性最高的海南清澜港省级自然保护区。红树林是生长在热带和亚热带海岸带上、以红树植物为主体的木本生物群落，是海陆交错区生产能力最高的海洋生态系统之一。研究发现，α和β多样性分别占清澜港红树林保护区的30%和70%，即区域红树林群落间差异显著强于群落内部差异。高分辨率卫星影像WorldView-2（多光谱）上估算的α多样性精度最高，高于10 m分辨率、开放获取的Sentinel-2（多光谱）和Zhuhai-1（高光谱）卫星数据上精度。对于β多样性，WorldView-2的精度同样最高，但是Sentinel-2和Zhuhai-1也可较准确估算出区域β多样性。红边和近红外光谱特征是多样性估算中信息量最大的特征，而短波红外（SWIR）特征对于β多样性估算也很有价值。该项研究同时绘制红树林的α和β多样性，是在国家或全球范围内实现红树林生物多样性快速监测计划的第一步。
该研究由武汉植物园王德智助理研究员（第一作者）和张全发研究员（通讯作者）联合海南师范大学和中国地质大学(武汉)完成。研究工作得到了国家自然科学基金（32101525、42061048和32030069）的资助。
图1 γ多样性拆分为α和β多样性示意图
图2 α多样性反演结果
2.森林种间分类
树种直接分类方法也是森林生物多样性监测最常用方法之一。识别具体树种空间分布对森林保护和修复具有重要作用。由于树种间光谱差异小，难以区分，而无人机激光雷达可以准确捕获森林垂直结构信息，可以作为光学影像的有效补充。为此，该团队融合无人机激光雷达点云和Sentinel-2卫星影像数据，在海南东寨港国家级和清澜港省级保护区开展研究，识别该区域红树林树种。重点探究了点云密度对分类精度的影响，点云密度对特征稳定性的影响，改进已有方法筛选重要特征。该研究发表于国际空间研究委员会（COSPAR）官方期刊Advances in Space Research，题为“Mapping mangrove species using combined UAV-LiDAR and Sentinel-2 data: Feature selection and point density effects”。
研究发现，基于最新的典型相关森林机器学习算法，结合无人机激光雷达点云和Sentinel-2卫星影像的数据可准确识别树种，精度超过85%，高于单独使用Sentinel-2（精度约为80%）和无人机激光雷达点云(精度约为75%)数据情形。重要的激光雷达点云特征包括描述森林树冠的顶部、底部和整体形态特征的指标，这些特征描述了树冠的垂直分层和形状。无人机激光雷达数据的附加价值主要在于提高了具有相似光谱特征的灌木状红树林和乔木红树林之间的区分度，例如白骨壤和红海榄。点密度可能对特征选择和分类精度影响不大，初始点密度的10%（即10点/m2）时也可以产生相似的精度。这项研究表明，无人机激光雷达点云和Sentinel-2数据的组合为红树林种间分类提供了一种经济高效且准确的方法。
该研究由武汉植物园王德智助理研究员（第一作者）在张全发研究员指导下联合海南师范大学和中国地质大学(武汉)完成。研究工作得到了国家自然科学基金（32101525、42061048和41361090）的资助。
图3 不同红树林树种在激光雷达点云上的立面图