基于LandTrendr算法的湖南省森林扰动与恢复时空动态分析及其对亚热带生态系统管理的启示

推荐：本研究针对亚热带地区人类活动与自然扰动交互作用下森林演变机制不明的问题，利用Google Earth Engine平台和Landsat时序数据（2001-2024），结合LandTrendr算法与随机森林分类器，定量解析了湖南省森林扰动（4723.46 km2 ）与恢复（4380.33 km2 ）的时空格局，首次实现火灾（40.7%）、土地利用转换（27.3%）等四类扰动的精准归因，为亚热带森林韧性提升和可持续管理提供科学依据。

　　

亚热带森林作为全球碳库的重要组成部分，其动态变化直接影响生态系统的碳汇功能。然而，在人类活动与自然扰动双重压力下，这类森林的演变机制尚未被充分揭示。尤其在中国快速城市化背景下，如何量化森林扰动的时空特征并识别驱动因素，成为实现可持续森林管理的关键科学问题。湖南省作为中国南方重要林业基地，其森林覆盖率达59.98%，但极端气候事件和过度采伐等问题正威胁着生态平衡。传统遥感监测方法受限于时空分辨率，难以捕捉小尺度扰动，而现有研究对扰动类型的分类精度不足，制约了针对性恢复策略的制定。

针对这些挑战，湖南省林业科学院等机构的研究团队在《Ecological Indicators》发表论文，创新性地整合Google Earth Engine（GEE）云计算平台与Landsat时序数据（2001-2024），应用LandTrendr时间序列分割算法和随机森林分类器，首次实现了湖南省森林扰动与恢复的高精度检测和归因分析。研究通过构建包含10003个样本的训练集，开发了融合NDVI（归一化植被指数）、BSI（裸土指数）等多元特征的分类模型，并采用MCD64A1火点数据辅助验证。

4.1 精度验证
研究通过2000个验证样本证实，扰动检测总体精度（OA）达0.96（Kappa=0.91），恢复检测OA为0.89。随机森林对四类扰动（火灾、采伐、建设、土地转换）的年均分类OA超过0.91，其中火灾因独特光谱特征识别精度最高（UA=0.88），而土地转换因植被光谱混淆导致精度稍低。

4.2.1 森林扰动时空特征
结果显示：2001-2024年累计扰动面积4723.46 km²
（占森林总面积3.48%），呈现"先增后减"趋势，2018年达峰值339.29 km²
。空间上，湘江流域2001-2012年因城市扩张形成连片扰动区，而2019-2024年南部山区因经济林采伐呈现集群分布。值得注意的是，53.35%扰动属于弱度等级（NBR变化≤281），反映人类活动以低强度持续影响为主。

4.2.3 森林恢复动态
累计恢复面积4380.33 km²
，2014年峰值达463.72 km²
，与退耕还林政策强化期吻合。但2017年后年均恢复面积骤降49.31 km²
，显示城镇化对生态修复的挤压效应。70.4%恢复属于低水平（NBR恢复值≤356），暗示自然恢复存在生态功能滞后性。

4.3 扰动归因
火灾是首要驱动因子（1671.91 km²
，占40.7%），其次为土地转换（1121.63 km²
）。时序分析揭示2013-2024年各类扰动强度均超越前期，特别是火灾年均面积增长87%，可能与气候变暖相关。

讨论部分指出，该研究首次在省级尺度上实现了亚热带森林多扰动类型的自动化识别，突破传统目视解译的效率瓶颈。发现的"高波动-低净损"动态模式，为全球亚热带森林碳汇评估提供新证据。但研究也承认，对病虫害等低频扰动识别存在局限，建议未来结合无人机高光谱数据提升监测维度。

这项研究不仅为湖南省制定差异化的生态补偿政策（如对火灾高发区加强预警系统建设）提供数据支撑，其技术框架更可推广至全球亚热带地区。随着中国"双碳"战略推进，该成果对完善森林碳汇计量方法和促进生态产品价值实现具有重要实践意义。