基于EnMAP高光谱成像光谱仪的森林生物多样性光谱异质性探测：以意大利阿尔卑斯山森林为例

《International Journal of Applied Earth Observation and Geoinformation》：Spectral heterogeneity from the spaceborne imaging spectrometer EnMAP reveals biodiversity patterns in forest ecosystems

本研究针对传统森林生物多样性监测方法成本高、效率低的问题，利用德国环境制图与分析计划（EnMAP）卫星的高光谱数据，在意大利阿尔卑斯山42个森林样地中验证光谱变异假说（SVH）。通过比较不同光谱范围（可见光、近红外、短波红外）和植被指数（VIs）的光谱异质性（SH）与树种多样性（香农指数H和物种丰富度）的关系，发现近红外波段SH与物种丰富度的相关性最强（R2最高达0.4），且加权像元重叠面积并限制冠层覆盖度（CC）>70%的方法显著提升预测精度。该研究为利用空间高光谱数据大规模监测森林生物多样性提供了新范式。

　　

随着全球气候变化和人类活动加剧，森林生物多样性的快速丧失已成为生态学领域的核心挑战。传统上，森林生物多样性的评估依赖于野外实地调查，虽然精度较高，但耗时费力且难以在大尺度上推广应用。近年来，遥感技术的发展为生物多样性监测提供了新的解决方案。其中，光谱变异假说（Spectral Variation Hypothesis, SVH）认为，光学遥感数据中像元值的光谱异质性（Spectral Heterogeneity, SH）可以间接反映环境异质性，进而作为生物多样性的代用指标。尽管该假说已在多种生态系统中得到验证，但利用新兴的空间高光谱数据——如德国环境制图与分析计划（Environmental Mapping and Analysis Program, EnMAP）卫星——在复杂山地森林中系统检验SVH的研究仍属空白。

在此背景下，研究团队以意大利阿尔卑斯山的森林为研究对象，利用EnMAP卫星的高光谱数据，首次系统评估了SVH在该区域的适用性。相关成果发表在《International Journal of Applied Earth Observation and Geoinformation》上。研究团队在42个森林样地中采集了树种组成数据（包括物种丰富度和香农多样性指数H），并同步获取了EnMAP卫星于2023年9月采集的L2A级地表反射率数据。通过预处理去除噪声波段后，保留219个有效波段进行分析。光谱异质性通过Rao's Q指数和变异系数（Coefficient of Variation, CV）量化，并分别在单波段、聚合光谱范围（可见光VIS、近红外NIR、短波红外SWIR）以及10种植被指数（Vegetation Indices, VIs）三个层次上进行计算。为优化空间匹配，研究比较了三种处理方式：等权重法、按像元与样地重叠面积加权法，以及进一步限定冠层覆盖度（Canopy Cover, CC）>70%的加权法。冠层覆盖度由2006年机载激光雷达（Airborne Laser Scanning, ALS）数据生成的冠层高度模型（Canopy Height Model, CHM）计算得到。

研究结果

3.1. 森林样地多样性及结构属性

样地树种丰富度为1–4种，香农指数H介于0.14–1.36之间，冠层覆盖度变化范围较大（41.4%–96.5%），表明样地在物种组成和结构复杂性上具有足够梯度。

3.2. 单波段分析

单波段水平上，SH与树种多样性的相关性从弱到中等不等，近红外波段表现出最强的相关性（R²最高接近0.4），可见光和短波红外区域次之。加权法（尤其是CC>70%的子集）在所有波段均显著优于等权重法。

3.3. 光谱范围分析

在聚合光谱范围层面，近红外区域的SH与物种丰富度的相关性最高（R²可达0.35），显著优于可见光和短波红外区域。物种丰富度与SH的相关性普遍强于香农指数H。加权CC>70%的方法再次取得最佳效果。

3.4. 植被指数分析

基于植被指数的SH与树种多样性的相关性整体较弱，其中三角绿色指数（Triangular Greenness Index, TGI）和结构不敏感色素指数2（SIPI2）等少数指数表现出相对较高的预测能力（R²>0.2），但归一化差异植被指数（NDVI）的相关性最低。

结论与意义

本研究证实了利用EnMAP高光谱数据在阿尔卑斯山森林中应用SVH的可行性。近红外波段的光谱异质性最能有效指示树种多样性，尤其是物种丰富度。通过像元重叠面积加权并聚焦高冠层覆盖度（>70%）样地，可显著提升SH与多样性指标的相关性，这有助于减少土壤背景等非植被因素的干扰。该研究不仅拓展了SVH在新型空间高光谱数据上的应用，也为未来整合多源遥感数据（如激光雷达）和考虑物候动态的森林生物多样性监测提供了重要方法论参考。尽管存在时序数据匹配、样地数量等局限，此项工作凸显了EnMAP等高光谱使命在推动宏观生态学研究的巨大潜力。