编辑推荐：
全球温带稀树草原对生态和人类意义重大，但现有全球稀树草原绘图系统难以精准描绘其分布。研究人员整合无人机（UAV）与 Sentinel-2、Sentinel-1 卫星影像，利用随机森林（RF）回归和分类回归树（CART）算法绘制中国东北温带稀树草原分布图，为相关研究和保护提供依据。
在广袤的地球生态画卷中，稀树草原占据着独特而重要的位置。它们约覆盖全球陆地表面的 17%，作为混合木本 - 草原生态系统，树木、灌木和草本植物在这里和谐共生。稀树草原不仅贡献了全球 30% 的净初级生产力，在全球碳循环中扮演关键角色，还为人类提供了诸如碳固存、畜牧养殖和农业生产等重要生态系统服务 。然而，由于人类活动、火灾模式改变以及气候变化等多重压力，全球稀树草原正面临着严峻的退化问题，木本和草本植被层之间的生态平衡被打破。
准确绘制温带稀树草原的分布范围，并对其空间范围进行定量评估，成为有效保护规划和生态恢复的基石。但当前全球稀树草原绘图系统存在诸多缺陷。比如，《全球陆地生态区域地图》将这些生态系统归类为草原、灌木地和稀树草原生物群落之间的过渡带，空间精度欠佳；部分全球土地覆盖产品采用基于百分比的标准进行稀树草原分类，却无法充分体现其混合植被组成特征。在中国，温带稀树草原主要分布于东北半干旱地区，是生态关键过渡带，对该地区荒漠化控制和生态恢复意义非凡，但高分辨率空间分布数据集却极为匮乏，严重阻碍了区域保护规划和可持续管理。
为了攻克这些难题，中国林业科学研究院荒漠化研究所等机构的研究人员展开了深入研究。他们旨在开发一种全新的方法来识别温带稀树草原，并绘制其在中国东北的分布图。研究成果发表在《Scientific Data》上，为全球稀树草原研究和保护提供了重要参考。
研究人员采用了一系列先进技术方法。首先，利用搭载消费级 RGB 相机的无人机（UAV）获取超高分辨率影像，其具备高空间精度、时间灵活性和无云采集优势，为景观尺度的植被监测提供了精准数据。同时，选取 Sentinel-1 和 Sentinel-2 卫星影像，在 Google Earth Engine（GEE）平台上进行处理。此外，还采用了数字高程模型（DEM）和土地覆盖影像辅助研究。在分析数据时，运用随机森林（RF）回归和分类回归树（CART）算法，构建了一套完整的温带稀树草原识别框架。
研究结果主要包括以下几个方面：
- 训练和验证数据集构建：通过分层选择在研究区域内建立 75 个样地，将其分为 60 个用于模型训练和验证，15 个用于稀树草原地图验证。对无人机获取的数字正射影像（DOM）进行土地覆盖分类，计算木本植被覆盖度（FWVC）和草本植被覆盖度（FHVC），从而构建训练和验证数据集。
- 模型生成：利用 RF 回归算法，结合 Sentinel 卫星光谱波段、植被指数、地形和纹理等多类别预测特征，分别生成 FWVC 模型和 FHVC 模型。经 80 - 20 随机分割标记数据集训练模型，并通过 k 折交叉验证优化超参数。
- 绘制温带稀树草原分布图：先利用 ESA World Cover 2021 v200 产品掩膜非植被区域，生成 20m 分辨率的 FWVC 和 FHVC 地图，再重采样至 70.7m 以匹配 5000m2 的映射单元，依据预设植被覆盖阈值绘制出中国东北温带稀树草原的最终分布图。
- 模型和地图验证评估：通过 DOM 分类精度评估、FWVC 和 FHVC 模型性能量化以及稀树草原地图验证三个方面进行验证。结果显示，DOM 分类总体精度达 0.85，FWVC 模型 R2 为 0.78、RMSE 为 8.37% ，FHVC 模型 R2 为 0.77、RMSE 为 12.56% ，稀树草原地图总体精度为 0.84。与其他木本覆盖产品相比，本研究生成的 FWVC 图更能准确反映实际植被状况。
研究结论表明，该研究成功绘制出中国东北温带稀树草原分布图，其总面积达 1.7×1011m2 ，主要集中在科尔沁沙地、浑善达克沙地、呼伦贝尔沙地以及大兴安岭山地与平原过渡地带。同时，建立了一个可转移的稀树草原生态系统绘图框架，能同时捕捉木本和草本覆盖特征，相比传统以森林为中心的方法有了重大进步。这一高分辨率空间数据产品极大地提升了人们对温带稀树草原分布模式的理解，为制定针对性的保护政策、实施生态恢复计划以及可持续土地管理策略提供了关键的基础信息。
不过，研究也存在一些局限性。无人机与卫星数据分辨率差异大，虽部分缓解但未完全解决配准问题；无人机操作限制影响训练数据多样性，降低模型在更大区域和不同生态区的适用性；随机森林回归算法存在高估低覆盖值、低估高覆盖值的倾向，影响绝对覆盖估计的准确性。但总体而言，该研究成果为全球稀树草原研究开辟了新路径，未来可在改进方法、扩大样本等方面进一步深入研究，为全球生态保护贡献更多力量。
