多时相卫星遥感监测植物光谱多样性：PlanetScope与Sentinel-2影像的整合应用与指标一致性评估

《Ecological Indicators》：Integrating multi-temporal information for monitoring plant spectral diversity with PlanetScope and Sentinel-2 satellite imagery

本研究针对传统单时相遥感在监测植物多样性时忽略物候信息导致评估偏差的问题，研究人员开展了整合多时相PlanetScope和Sentinel-2卫星影像以计算光谱多样性指标的主题研究。结果表明，多时相光谱多样性指标（如CV、SAM、SID、SDα和CHV）相较于单时相指标，能显著提升对植物物种多样性（R2 = 0.21–0.38）的监测性能，并揭示了不同指标间存在显著相关性但受季节（如12月极端值）影响。该研究为大规模生物多样性遥感监测提供了创新视角和方法支撑，具有重要的生态学意义。

　　

在当今全球变化背景下，植物多样性正以前所未有的速度衰退，及时掌握其现状与变化趋势对于实施有效的保护政策至关重要。然而，传统的植物多样性监测方法通常依赖于野外实地调查，这种方法不仅耗时耗力，而且难以在大尺度空间范围内开展。卫星遥感技术以其高效、大面积覆盖的优势，为生物多样性监测开辟了新的途径。其中，光谱变异假说（Spectral Variation Hypothesis, SVH）为遥感间接监测植物多样性提供了理论基础，该假说认为植物多样性与其在遥感影像上表现出的光谱多样性之间存在显著关系。然而，一个长期存在的挑战是，大多数研究在计算光谱多样性指标时，仅依赖于单一时间的遥感影像，忽略了植物在不同物候期其生理和结构特征会发生动态变化，从而导致光谱特征随之改变这一关键事实。不同物种的物候异步性使得在单一时间点捕获的群落光谱多样性信息可能不完整甚至产生偏差。因此，如何有效整合多时相遥感信息，以更全面、准确地监测植物光谱多样性，并评估不同光谱多样性指标在不同时间点的一致性，成为遥感生态学领域一个亟待解决的问题。

针对上述问题，发表在《Ecological Indicators》上的这项研究，进行了一项系统的探索。研究人员旨在开发一种整合多时相卫星遥感信息来计算植物光谱多样性指标的新方法，并评估五种常用光谱多样性指标在不同时间点的一致性。研究团队首先利用美国国家生态观测站网络（NEON）四个站点的实地植物物种数据和高时空分辨率的PlanetScope卫星时间序列影像，验证了多时相光谱多样性指标在估算物种多样性方面的可行性和优越性。随后，他们将此方法应用于中国南方丹霞岭溪河森林度假公园区域的亚热带常绿阔叶林，利用Sentinel-2卫星的时间序列数据，系统地比较了系数变异（CV）、光谱角制图仪（SAM）、光谱信息散度（SID）、光谱α多样性（SD_α）和凸包体积（CHV）这五种光谱多样性指标的空间分布格局、时序变化特征以及它们之间的一致性。

研究团队为开展此项研究，主要应用了以下几项关键技术方法：首先，利用NEON网络提供的实地植被结构数据（包括物种、位置和胸径）计算了多种物种多样性指数；其次，获取并预处理了多时相的PlanetScope和Sentinel-2卫星影像，并通过设定NDVI阈值来筛选植被像元；第三，采用移动窗口法计算了单时相和多时相（通过堆叠不同时相的窗口内像元）条件下的五种光谱多样性指标；最后，运用线性回归、Pearson相关性分析等统计方法，评估了光谱多样性指标与物种多样性的关系以及不同指标间的一致性。

3.1. 多时相与单时相多样性指标在监测植物物种多样性方面的性能比较

研究结果显示，基于单时相信息的光谱多样性指标与实地观测的植物物种多样性之间未发现显著相关性。然而，当整合多时相遥感信息后，计算得到的光谱多样性指标与物种多样性指数（包括物种丰富度、Simpson指数、Shannon-Wiener指数及其基于胸径加权的版本）均呈现出显著的正相关关系，决定系数（R²）范围在0.21至0.38之间。这表明，引入多时相信息显著提升了对植物物种多样性的估算能力。特别是在哈佛森林（HARV）站点，当植物多样性用加权的Simpson指数或Shannon指数表示时，其与多时相光谱多样性的关系最为密切。

3.2. 光谱多样性指标的时空格局

通过对Sentinel-2影像的计算，研究人员绘制了五种光谱多样性指标在四个不同日期（4月4日、7月23日、9月26日、12月25日）以及整合多时相信息后的空间分布图。分析发现，CV和SAM在春季（4月）、夏季（7月）和秋季（9月）的值相对较低且分布集中，而在冬季（12月）其均值显著升高，分布变得更为平坦。SID、SD_α和CHV则表现出更高的峰度，尤其在12月，CHV出现了显著的极端值。整合多时相信息后，大多数光谱多样性指标的均值达到最高，且峰度降低，表明其值域更广且分布更为平滑。

3.3. 光谱多样性指标间的相互关系

相关性分析表明，五种光谱多样性指标在所有时间点均存在显著的正相关关系（p < 0.001）。在4月、7月和9月，指标间的相关性非常强（r > 0.81）。然而，在12月，SD_α和CHV与其他指标（特别是CV、SAM、SID）的相关性出现明显下降，这主要是由于12月影像中存在极端值所导致。对于同一光谱多样性指标在不同日期计算值之间的相关性，4月与9月之间的相关性最高，而7月与12月之间的相关性最低，CHV和SD_α在12月与其他月份的相关性下降最为显著。

3.4. 单时相与多时相信息对光谱多样性指标的影响

整合多时相信息计算的光谱多样性指标与基于单时相数据计算的对应指标之间均存在显著相关性（p < 0.001）。然而，多时相信息对不同指标的影响程度各异。例如，多时相的SD_α和CHV与12月单时相计算的结果高度相关（r分别为0.92和0.95），表明它们受12月信息的影响很大。而多时相的CV和SAM则与多个单时相结果有相对均衡的相关性。此外，多时相条件下，不同光谱多样性指标之间的相关性相较于单时相条件普遍有所下降，但SD_α与CHV的相关性反而增强（r = 0.83）。

研究的讨论部分进一步阐释了这些发现的意义。多时相光谱多样性指标性能的提升，归因于其能够捕捉植物在不同物候期的光谱特征变化，从而更全面地反映群落的物种组成差异。不同光谱多样性指标在生长季（如7月）表现出较高的一致性，但在冬季（12月）由于植被结构变化（如叶面积指数降低、冠层开阔度增加）以及可能存在的枯落物、土壤背景或光谱噪声导致的极端值，使得CHV和SD_α等指标的一致性受到影响。这提示在使用CHV等指标时需要谨慎，并考虑采用预处理方法（如光谱解混、去除极端像元）来减少干扰。

综上所述，本研究成功地开发并验证了一种整合多时相卫星遥感信息来估算植物光谱多样性的新方法。研究结果表明，多时相光谱多样性指标能够更有效地监测植物物种多样性，并揭示了不同光谱多样性指标在不同季节具有动态变化的一致性特征。这项工作不仅深化了我们对光谱多样性时空规律的理解，而且为未来利用时间序列遥感数据开展大尺度、长周期的生物多样性制图与监测提供了重要的方法论依据和实践指导，对推动遥感生态学和保护生物学的发展具有重要意义。