基于DESIS高光谱数据与"光谱物种"概念的全球最大红树林植物多样性遥感制图研究

本文创新性地利用DESIS高光谱数据，开发了"光谱物种多样性"(SSD)半离散指标，成功构建了孟加拉孙德尔本斯红树林植物多样性遥感模型。研究证实SSD指标与香农多样性(R2=0.473)和辛普森多样性(R2=0.468)显著相关，为全球生态系统多样性监测提供了新型空间光谱技术方案。

　　

Highlight

本研究亮点在于首次将"光谱物种"概念应用于空间高光谱数据，开发出能有效解释红树林植物多样性变化的SSD指标。该指标在30m×30m的DESIS影像中成功捕捉到混合植被群落的"光学类型"，突破了传统遥感技术对单株识别的局限。

Section snippets

研究区域

孙德尔本斯（10,029km²）作为全球最大红树林，位于恒河-布拉马普特拉三角洲，本研究聚焦其孟加拉段（6,017km²）。该UNESCO世界遗产地具有典型热带气候，形成独特的盐度梯度带（寡盐<2dS/m、中盐2-4dS/m、多盐>4dS/m），为验证光谱多样性指标提供了理想环境梯度。

Discrete model: spectral species diversity metric

离散模型验证显示，光谱物种多样性指标(SSD)与连续变异系数(CV)相比表现出更强解释力。特别在150m×150m光谱空间尺度下，SSD指标不仅显著关联香农/辛普森指数，还准确反映了三处盐度带的生态梯度特征，虽未达统计显著但呈现一致生态格局。

Remote sensing of plant diversity and DESIS hyperspectral data

研究突破在于利用DESIS的235个光谱波段（空间分辨率30m）实现了群落水平的光谱分型。相比Sentinel-2(R²=0.152)和Landsat8，DESIS数据证实高光谱分辨率可补偿空间分辨率局限，为全球尺度生物多样性监测提供了可行方案。

Conclusion

本研究开创性地证明：基于"光学类型"改进的光谱物种概念，可有效应用于中分辨率空间高光谱数据。未来通过结合SWIR传感器、SAR或LiDAR数据，将进一步提升该指标在全球多样化生态系统中的适用性，为《生物多样性公约》2030目标提供关键技术支撑。