基于分段线性回归与随机森林模型的干旱区木本植被覆盖度精准监测研究

本研究针对澳大利亚南部牧场木本植被覆盖度(WVC)监测需求，创新性地结合高分辨率卫星影像与Landsat数据，开发了基于应力植被指数(STVI)的分段线性回归和随机森林模型。验证显示两种模型均显著优于国家尺度产品(MAE降低5倍)，能有效追踪1973年清理区域的植被恢复动态，为牧场生态管理提供了精准监测工具。

　　

在全球气候变化背景下，干旱与半干旱牧场生态系统正面临前所未有的退化压力。联合国环境规划署数据显示，这类占地球陆地面积过半的生态系统，承载着全球三分之一的生物多样性，却因过度放牧等人类活动导致50%区域出现退化。澳大利亚作为典型代表，其80%国土为牧场生态系统，但长期缺乏精准的植被监测手段。传统地面调查难以覆盖广阔区域，而现有大陆尺度遥感产品如澳大利亚地球科学局的Landsat Fractional Cover Collection 3数据在牧场财产管理尺度上精度不足，严重制约生态恢复实践。

针对这一技术瓶颈，西澳大利亚的研究团队在《Ecological Indicators》发表创新研究。团队选择西澳大利亚南部牧场作为实验区，这里以金合欢(Acacia aneura)灌丛为主，年均降水不足250mm。研究创新性地采用787个90m×90m样方的高分辨率WorldView-2影像作为训练数据，通过Phansalkar和Otsu阈值分割法提取木本植被覆盖度(WVC)，结合同期Landsat地表反射率数据，开发了随机森林模型和基于应力植被指数(STVI)的分段线性回归模型。

关键技术包括：1) 使用1988-2024年旱季Landsat影像构建时间序列；2) 采用STVI等8种光谱指数与地形因子作为预测变量；3) 通过无人机(RPA)获取2021-2024年多时相验证数据；4) 在Thundelarra保护公园3200公顷历史清理区验证模型对植被恢复的监测能力。

3.1 随机森林模型预测WVC
模型变量重要性分析显示STVI贡献度超次重要变量2倍，结合红波段、i35指数等参数，模型训练集MAE达4.35%，r²
为0.90。意外的是，地形因子和纹理特征未显著提升模型性能。

3.2 STVI与WVC的直接关系
在STVI=1700处设置断点的分段线性模型，其性能(MAE=6.41%)与复杂随机森林模型相当，且在高低WVC区间均保持良好拟合。这种非线性关系可能与40%WVC阈值后植被群落转变为封闭林地有关。

3.3 模型验证与国家级产品对比
三年度RPA验证显示，分段线性模型MAE(5.52%)与随机森林(5.47%)相当，但国家级Fractional Cover产品的光合植被(PV)组分在WVC<25%时接近零值，而非光合植被(NPV)组分普遍高估，组合误差高达34.0%。

3.4 生态系统恢复监测应用
在1973年清理区，两种模型均检测到WVC从1988年约20%增至2010年接近未清理区水平(约28%)，且年际波动与降水显著相关。模型差异始终<5%，证实其监测长期恢复动态的可靠性。

讨论部分强调，STVI在澳大利亚牧场WVC监测中具有特殊优势，其通过红波段×短波红外1波段/近红外波段的组合，能有效降低土壤背景干扰。研究提出的分段线性模型为牧场管理提供了比大陆尺度产品精确5倍的监测工具，且训练数据获取成本仅为激光雷达方案的1/10。值得注意的是，模型对<40%WVC区间的精准捕捉尤为重要，因这些区域占景观主体且对放牧压力最敏感。

该研究的创新价值在于：1) 证实简单光谱指数模型在均质化牧场生态区的适用性；2) 建立旱季影像优先选择标准，避免土壤水分干扰；3) 为《昆明-蒙特利尔全球生物多样性框架》2030年退化生态系统修复目标提供了可推广的技术方案。未来研究可结合植被三维结构数据，进一步提升对牧场生态功能的评估能力。