北极植被覆盖数据库PAVC：构建泛北极植被覆盖图谱的基础与挑战

为解决北极植被数据分散、采集标准不统一的问题，Oak Ridge国家实验室等机构联合开发了Pan-Arctic Vegetation Cover（PAVC）数据库。研究整合了2010-2021年阿拉斯加977个调查单元的644种植物数据，通过标准化物种名称和植物功能型（PFT）分类，建立了适用于遥感制图的高质量植被覆盖数据库。该成果发表于《Scientific Data》，为地球系统模型（ESMs）和北极生态监测提供了关键基础数据。

　　

北极地区正经历着全球最显著的气候变化，其植被覆盖变化直接影响永久冻土稳定性和全球碳循环。然而，现有北极植被数据存在严重碎片化问题：不同研究团队采用差异化的采集方法（如视觉估计法或点截法）、命名标准（如物种级或属级记录）和存储格式，导致数据难以整合应用。这种混乱局面严重制约了高精度遥感制图和地球系统模型（ESMs）的预测能力。

为解决这一挑战，Oak Ridge National Laboratory（美国橡树岭国家实验室）领衔的国际团队开发了Pan-Arctic Vegetation Cover（PAVC）数据库。研究整合了阿拉斯加5大数据库的977个调查单元数据，涵盖644个物种和8类植物功能型（PFT），包括落叶/常绿灌木、苔藓、地衣等。通过标准化物种命名（基于AKVEG Checklist）和开发可复用的Python工作流程，团队建立了首个兼容遥感需求的泛北极植被覆盖数据库。该成果发表于《Scientific Data》，为理解北极植被-气候反馈机制提供了关键基础设施。

关键技术方法包括：（1）多源数据整合：从AKVEG、NEON等5个数据库提取2010-2021年阿拉斯加植被数据；（2）物种名称标准化：通过三级匹配流程将原始数据与AKVEG Checklist对齐；（3）PFT分类：基于E3SM Land Model框架定义8类功能型；（4）空间验证：利用Circumpolar Arctic Vegetation Map（CAVM）进行生态区匹配度分析。

数据记录

PAVC数据库包含4个核心数据集：物种-PFT对应表、物种级覆盖度、PFT级覆盖度和调查单元元数据。其中PFT级数据显示灌木（21.7%）、禾草（18.3%）和苔藓（15.2%）为优势类群，而树木（<1%）和地衣（4.5%）占比较低。

技术验证

通过CAVM生态区对比发现，PAVC数据与CAVM的Graminoid Tundra（G1/G2）匹配度较低（准确率仅11%），而在Erect Dwarf-Shrub Tundra（S2）匹配较好（43-62%）。

采样方法分析显示，70.1%数据采用视觉估计法（平均样方2.23 m²），29.9%采用点截法（平均样方5319.5 m²），后者更适配中分辨率卫星影像（如30 m Landsat）。

使用说明

研究特别强调数据应用的三大注意事项：（1）样方设计差异：1 m²视觉样方与Sentinel-2像元（10-20 m）存在尺度不匹配；（2）物候影响：落叶灌木覆盖度季节变幅可达30%；（3）定位误差：早期GPS数据精度可能偏差>10 m。

该研究首次系统整合了多源北极植被数据，其标准化框架已被NGEE Arctic等项目用于阿拉斯加植被制图。未来计划将数据库扩展至格陵兰和俄罗斯，并开发在线查询平台。PAVC不仅解决了遥感验证数据短缺的难题，更通过PFT分类体系架起了生态调查与气候模型间的桥梁，为预测北极碳循环变化提供了不可替代的数据基石。