基于遥感和MaxEnt模型的塔拉巴州林冠与非林冠树种分布研究及其对生物多样性保护与生态系统管理的意义

本综述综合运用遥感技术（NDVI、NDRE）与物种分布模型（MaxEnt），系统评估了尼日利亚塔拉巴州林冠与非林冠树种的分布格局及生境适宜性。研究揭示了降水与温度变异是驱动物种分布的主导环境因子，并发现非林冠物种对旱季水分胁迫尤为敏感。模型预测性能优异（AUC=0.985），为尼日利亚北部荒漠化风险加剧区域的森林保护、生物多样性管理与气候适应策略提供了科学依据。

　　

1 引言

森林生态系统通过提供食物、燃料和生物产品等资源，在维持生态平衡方面发挥着至关重要的作用。它们具有净化空气和水源、固碳和养分循环等功能，这些都与人类福祉密切相关。全球森林面积虽仍达40.6亿公顷，但自1990年以来已有4.2亿公顷森林因砍伐而消失。在撒哈拉以南非洲地区，包括尼日利亚，森林资源正因土地覆被变化和砍伐而退化。塔拉巴州位于尼日利亚东北部，以其丰富的生物多样性和多样化景观而闻名，拥有曼比拉高原和加沙卡-古姆蒂国家公园等重要生态区域。然而，该地区森林面临农业扩张、非法砍伐、人口增长和城市化的巨大压力。人类活动和气候变化的影响加速了塔拉巴州的森林退化，导致栖息地丧失、土壤侵蚀和碳排放增加。

2 文献综述

通过系统检索Scopus、Web of Science和Google Scholar等数据库，本研究发现遥感已成为监测森林覆盖、植被健康和土地利用/土地覆被（LULC）变化的重要工具。归一化植被指数（NDVI）被广泛应用于评估植被健康、生产力和森林覆盖动态。然而，NDVI在茂密森林中存在局限性，因为冠层结构会扭曲反射信号。为此，归一化红边指数（NDRE）应运而生，用于评估植被冠层的叶绿素浓度和氮水平。物种分布建模（SDM）已成为预测动植物物种分布的重要方法，其中最大熵（MaxEnt）模型因其强大的预测性能和处理仅存在数据的能力而广泛应用。

3 材料与方法

3.1 研究区域

塔拉巴州位于尼日利亚北部，面积约54,000平方公里，拥有热带森林、稀树草原和湿地等多种景观。该州气候热带特征明显，湿季（4-10月）和干季分明。

3.2 数据收集与预处理

研究使用2013-2025年的时间序列数据，包括126景Landsat 8-9 OLI图像和38景Sentinel-2 MSI图像。图像选择标准包括云覆盖阈值≤20%，并通过线性时间插值替换云污染像素。

3.3 植被指数计算

NDVI和NDRE的计算采用标准公式：NDVI = (NIR - RED)/(NIR + RED)，NDRE = (NIR - RE)/(NIR + RE)。NDVI提供跨冠层-林下连续体的广泛植被健康信息，而NDRE对上层冠层叶绿素表现出更高的敏感性。

3.4 土地利用土地覆被分析

研究采用最大似然分类器进行监督分类，区分水体、密林、疏林、建成区、灌木地和裸地等类别。总体分类精度达到88.5%，Kappa系数为0.84。

3.5 环境变量

研究选取了18个环境变量，包括WorldClim数据集中的生物气候因子（BIO1-BIO10和BIO12-BIO19），用于构建物种分布模型。

3.6 模型构建与评估

使用MaxEnt软件（3.4.4版）进行物种分布建模，采用正则化乘数为0.5的线性和二次特征。模型通过5折交叉验证进行评估，平均测试AUC值为0.985，表明预测性能优异。

3.7 回归分析

采用线性回归分析预测2028年六个森林保护区的NDVI值，模型公式为Y = β₀ + β₁X₁ + β₂X₂ + ... + β_nX_n + ∈。

4 结果与讨论

4.1 塔拉巴州NDVI分析

2013-2025年期间，塔拉巴州不同土地覆被类别的NDVI值显示出植被健康的波动模式。水体类别NDVI值稳定在-0.17至-0.11之间；裸地类别NDVI值保持在0.11-0.18的低水平；灌木地类别NDVI值范围为0.18-0.23；植被类别NDVI值较高（0.23-0.47），但显示下降趋势。

4.2 土地利用土地覆被分析

2013-2025年间，塔拉巴州土地覆发生了显著变化：水体面积减少34.45公顷；建成区面积增长748%；密林损失3,350.46公顷；疏林减少7,967.26公顷；灌木地减少6,034.62公顷；裸地增加5,886.87公顷。

4.3 塔拉巴州自然公园和森林保护区评估

对六个森林保护区的NDVI趋势分析显示：Ngel-Yaki森林斜率=-0.00069，预测2028年NDVI=0.2425；Gashaka Gumti斜率=-0.00095，预测NDVI=0.2343；Baissat森林呈现显著下降趋势（斜率=-0.01590）；Gembu森林斜率=-0.00016；Kwazun和Kashimbila森林也显示强烈下降趋势。

4.4 加沙卡-古姆蒂国家公园分析

NDVI和NDRE的相关分析为GGNP的植被健康状况提供了详细见解。2013年NDVI值范围0.74至-0.15，2025年最低值达到-0.45；NDRE值从2013年的0.60至-0.26变为2025年的0.57至-0.33，表明冠层和植被健康可能退化。

4.5 林冠与非林冠物种分布

4.5.1 林冠物种MaxEnt模型评估

MaxEnt模型预测显示，等温性（BIO3）和温度年较差（BIO7）是影响林冠物种分布的关键因素。林冠物种偏好温度稳定的地区，高温极端值会降低其生境适宜性。最湿月降水量（BIO14）和最湿季度降水量（BIO16）也对林冠物种分布有重要影响。

4.5.2 非林冠物种MaxEnt模型评估

非林冠物种对温度和湿度条件敏感。年均温（BIO1）超过20°C时生境适宜性急剧下降；最干季度降水量（BIO9）显示非林冠物种在干旱期对低降水量越来越脆弱；年均降水量（BIO12）和最湿月降水量（BIO14）表明它们偏好中高降雨量区域。

5 结论

本研究通过遥感数据和物种分布模型，揭示了气候变量对塔拉巴州森林生态系统的显著影响。研究发现温度季节性和降水模式是决定林冠物种分布的最主要因素，而非林冠物种对最干期降水和温度极端更为敏感。研究确定了Ngel-Yaki、GGNP和Gembu等关键区域植被健康下降且易受砍伐和气候压力影响，需要立即采取保护和恢复措施。MaxEnt模型表现出卓越的预测能力，是森林保护的有力工具，特别是在预测环境变化下的物种分布方面。