如何描述沙地上天然蒙古松（Pinus sylvestris var. Mongolica）森林的衰退情况？

《Global Ecology and Conservation》：How to characterize the decline of natural Pinus sylvestris var. Mongolica forests on sandy land?

蒙古扁柏在呼伦贝尔沙地的衰退监测中，通过无人机多光谱影像和随机森林算法筛选出绿 normalized difference vegetation index（GNDVI）为最佳指标，确定最小调查面积为3.24公顷，并划分严重（VGNDVI<0.57）、轻微（0.57-0.63）、正常（>0.63）三级衰退。研究揭示了衰退区域集中在部分保护区，为精准监测和恢复规划提供科学依据。

　　近年来，中国东北部呼伦贝尔沙地的天然蒙古松（*Pinus sylvestris* var. *mongolica*）林地经历了显著的退化现象，受影响区域持续扩大。尽管这种退化通常被认为是人类活动和气候变化共同作用的结果，但要深入理解其背后的机制，首先需要明确定义关键的退化特征，例如最小可检测面积、退化程度等级以及空间分布模式。然而，以往的研究缺乏明确的定量标准来判断一个林地是否处于退化状态，导致在不同空间尺度上的评估结果存在不一致。本研究利用多光谱无人机（UAV）影像和随机森林算法，评估植被指数以检测森林退化。通过物种-面积曲线和上尺度方法，确定了最小可检测面积并绘制了退化分布图。

研究结果表明，绿色归一化植被指数（GNDVI）是检测蒙古松退化的一个可靠指标。准确评估的最佳调查面积为3.24公顷，退化程度可以分为三个等级：严重退化（GNDVI < 0.57）、轻度退化（0.57–0.63）和正常状态（> 0.63）。在整个研究区域内，约有1%的森林面积显示出退化迹象，其中严重退化的情况较为分散。总体而言，本研究确定了GNDVI作为有效的指标，阐明了蒙古松退化的特征尺度和空间模式，为精准监测和恢复规划提供了科学基础。

蒙古松是欧洲红松的一个地理变种，主要分布在大兴安岭北部山地和呼伦贝尔沙地南部地区。然而，近年来特别是在2018年之后，蒙古松林地的退化现象日益严重，表现为针叶发黄、树冠萎蔫和逐步死亡。这种退化趋势如果得不到控制，将对北方沙地生态系统的生态稳定性和环境安全构成重大威胁。生态上，蒙古松在维持北方生态系统稳定性方面发挥着重要作用，能够减少风蚀并固沙。此外，它也是中国北方“三北”地区防风固沙林带建设中的优良树种，同时是东北地区主要的造林和用材树种之一。因此，全面了解蒙古松退化的特征及其空间分布对于制定针对性的保护策略和进一步探索退化机制具有重要意义。

尽管对蒙古松退化的认识不断加深，但一个基本问题仍未解决——如何明确地定义和定量识别森林“退化”？换句话说，单棵树死亡是否就标志着退化，还是只有当一定区域内的一群树表现出退化症状时才被视为退化？缺乏明确的空间和定量标准使得区分单株树死亡与林地级退化变得困难，从而阻碍了大规模生态评估、恢复规划和长期森林监测。因此，需要更精细和有针对性的指标来更准确和一致地表征蒙古松林地的退化症状。

本研究在这一背景下，旨在通过整合高分辨率多光谱无人机影像、随机森林算法和物种-面积曲线分析，建立一个定量框架来识别和分类天然蒙古松林地的退化。具体来说，本研究解决了三个关键问题：1）哪种植被指数最能反映蒙古松林地退化的光谱特征？2）评估蒙古松退化所需的最小调查面积是多少？3）如何定量分类和空间映射退化程度？通过明确回答“退化程度如何”、“退化发生在哪些地方”以及“退化范围有多大”，本研究不仅提供了方法上的进展，还为后续研究退化机制、恢复能力和生态系统的可持续管理奠定了生态学基础。

为了确保实验数据的有效性，本研究在2023年8月21日至28日之间，在晴朗且无云的天气条件下，进行了无人机飞行测试和地面数据采集。飞行时间为当地时间上午11:30至下午1:30。在每次飞行前，将一个已知反射率值为0.25的参考白板放置在场景中，以帮助反射率转换并减少光照变化的影响。使用配备高光谱分辨率传感器（多光谱相机5 MP，RGB相机20 MP）的DJI Mavic 3 Multispectral无人机，在100米的飞行高度下捕捉研究区域的多光谱影像。通过DJI Pilot软件规划自动飞行任务，横向和纵向重叠率均设置为90%。所有飞行中均启用了机载实时动态定位（RTK）系统，以提高地理定位的准确性。采集的影像通过DJI Terra软件进行拼接、辐射校正和地理配准，最终生成地面采样距离（GSD）约为3–4厘米/像素的正射影像图。

本研究还利用了PlanetScope影像（3米×3米）和Sentinel-2影像（10米×10米）以及数字高程模型（DEM）数据。在植被指数选择方面，基于天然蒙古松林地退化的可见特征，初步选择了12种反映植被生长状况的植被指数。这些指数用于筛选代表天然蒙古松林地退化的特征指标。通过这些植被指数的分析，确定了最能反映退化特征的指数，并通过随机森林算法进行变量重要性排序，以评估不同植被指数在表征退化中的作用。

在确定最优调查面积方面，本研究采用了参考物种-面积曲线的方法，通过现场调查获得的退化特征指数值-面积数据进行曲线模型拟合。根据对曲线拐点的分析，当调查面积达到4.41公顷时，曲线显示出拐点，表明4.41公顷是确保数据稳定性的最小样本量。因此，天然蒙古松林地退化的最小调查面积被确定为3.24公顷（180米×180米）。这一结果为后续研究该地区蒙古松退化的空间模式和机制提供了坚实的基础。

此外，通过将无人机多光谱影像上尺度至PlanetScope和Sentinel-2影像，本研究验证了无人机影像在退化检测中的有效性。结果表明，上尺度后的无人机影像与PlanetScope影像之间存在良好的线性关系（R2 = 0.4660），而与Sentinel-2影像之间的拟合效果较差。通过选取20棵样本树，分别对应正常、轻度退化和重度退化等级，提取每棵样本树的GNDVI值，确定不同退化等级的范围区间，从而实现了天然蒙古松林地退化的科学分类。最终，研究区域的蒙古松退化空间分布图被绘制出来，显示大部分林地处于正常状态，仅有约0.91%的面积表现出轻度退化，而严重退化仅占不到0.16%的区域，主要集中在Huihe林场（HH）、Inner Mongolia Honghuaerji蒙古松国家级自然保护区（BHQ）和Honghuaerji林场（HHEJ）。

本研究的结果表明，GNDVI能够有效反映蒙古松林地的退化情况，且其分类系统为退化程度的定量评估提供了可靠的依据。通过确定最小调查面积，本研究为准确识别退化的天然蒙古松林地提供了可靠参考，并为后续的恢复措施设计提供了直接指导。基于GNDVI值和与健康基准的偏差进行树级分类，支持了精准林业实践。通过量化不同退化等级的阈值并绘制其空间分布，本研究为实施“精准干预和分区管理”提供了坚实的科学基础。分析结果还表明，最严重的退化林地主要集中在Huihe林场（HH）、Inner Mongolia Honghuaerji蒙古松国家级自然保护区（BHQ）和Honghuaerji林场（HHEJ）区域，这提示这些地点应作为重点监测和恢复干预的目标。

本研究的局限性在于，GNDVI的阈值和分类结果仅基于单个季节的数据，可能受到物候变化的影响。因此，未来的研究应结合多时间点的无人机观测，以捕捉年内和年际的变化。此外，由于GNDVI单独使用可能无法全面反映森林退化的复杂性，其性能可以通过整合其他光谱指数（如红边或叶绿素敏感指标）以及采用机器学习建模方法来提高。引入土壤特性、地形和气候变量将进一步增强解释能力，并有助于识别潜在的因果机制。

在区域尺度上，将现场监测扩展到更大范围需要开发适用于不同森林类型和地区的标准化、可扩展的协议。此外，将无人机获取的指标与森林资源调查数据库和自动环境监测系统相结合，将有助于实现适应性管理，提高生态系统在气候波动和干扰模式下的恢复能力。本研究不仅为增强森林生态系统的稳定性提供了决策支持，也为天然森林的可持续管理、发展和科学治理提供了科学依据。同时，无人机多光谱数据与植被指数建模的结合，提供了一种可扩展且成本效益高的方法，用于早期检测和监测森林退化，这种方法可以推广到其他易受影响的森林类型。这些发现有助于改善森林健康评估系统，并为天然森林的管理政策制定提供坚实的基础。