西伯利亚低北极地区灌木化的景观格局：机器学习的视角

《Journal of Ecology》：Landscape patterns of shrubification in the Siberian Low Arctic: A machine learning perspective

北极地区 shrubification（灌丛化）进程及其驱动因素研究。利用2005-2019年高分辨率卫星影像，结合卷积神经网络（CNN）和景观尺度环境因子分析，揭示西伯利亚北极三地（Kharp、Obskaya、Dudinka）灌丛扩张的空间异质性和驱动机制。研究发现：Kharp灌丛扩展速率达26.9%十年?1，Obskaya为5.6%十年?1，Dudinka仅2.4%十年?1；环境因子中地形排水指数（TRuI）和潜在日照度显著影响灌丛分布，其中闭合灌丛偏好温暖南坡， colonized灌丛则多见于低排水区域，而邻近成熟灌丛的景观位置更易发生灌丛扩张。该研究为机器学习在北极生态监测中的应用提供了新范式。

　　北极地区的植被变化是全球气候变化的一个显著现象，其中“灌木化”（shrubification）尤其引人注目。灌木化指的是苔原生态系统中灌木的扩张，这种变化在低北极地区尤为明显，并且预计在未来会持续发生。尽管北极变暖对灌木化的影响已被广泛研究，但其在不同空间尺度上的发展速度和影响因素存在显著差异，这使得理解其驱动机制和生态后果变得复杂。为了更精确地分析灌木化现象，研究者们采用了一种基于卷积神经网络（CNN）的机器学习方法，利用高分辨率卫星图像对（获取时间相隔10至15年，大约在2005至2019年间）来识别灌木扩张的空间-时间模式及其与环境变量和前期灌木覆盖之间的关系。

研究覆盖了三个以高地为主的西伯利亚北极景观，通过构建人工解释的训练数据集，CNN被用来对高大灌木（高度超过1.5米）的存在和变化进行建模。训练数据集基于近百万个12×12米大小的图像块，分为四个冠层覆盖类别：缺乏高大灌木的苔原、孤立灌木的殖民阶段、不连续覆盖的成熟灌木（开放灌木）以及密集覆盖的成熟灌木（封闭灌木）。对于冠层覆盖图的F1分数在0.83到0.92之间，且在两个时间段内，62%的图像块分类置信度超过0.8。研究还评估了冠层类别在景观尺度上的分布情况，与地形、日照、湿润度和已建立灌木的接近度等环境协变量之间的关系。

结果显示，所有三个景观的高大灌木覆盖都呈现增加趋势，但增长速度差异显著，从每年增加2.4%到26.1%不等。在局部尺度上，冠层覆盖类别的分布强烈受到地形衍生的湿润度和潜在日照指标的影响。灌木的扩张还受到已有灌木位置的邻近性条件的影响。例如，成熟灌木（开放灌木和封闭灌木类别）主要出现在排水良好的地形位置，但封闭灌木更倾向于出现在温暖、南向的斜坡上，而开放灌木则更常见于较冷的坡向。当前的灌木扩张发生在较为平坦的地形位置，并且覆盖了更广泛的日照和湿润度梯度。研究区域内的北向灌木线推进似乎与具有有利排水和土壤条件的微生境密切相关；随后的种子生产和改善效应支持了灌木覆盖的填充，尤其是在温暖的斜坡方面。这些技术为理解景观对未来灌木扩张的易感性提供了见解，并有助于解决当前对北极灌木化及其环境驱动因素的地理偏见问题。

灌木化对北极生态系统的生物物理属性和功能产生了深远影响，涉及夏季和冬季的广泛生物和物理过程。新的高大灌木冠层显著改变了地表能量平衡，通过对其反射率、积雪特性和冠层遮荫的影响。例如，高大灌木冠层在夏季倾向于降低土壤温度，但在冬季通过积雪的保温作用显著增加土壤温度，从而引发一系列对地下属性的影响，有利于土壤呼吸的增加。这种变化还影响了枯落物质量和养分循环的加速，以及年均地面温度和活动层深度的增加。由于北极生态系统中大部分碳储存在土壤和有机质中，而不是活体植被中，高大灌木冠层对地下环境的相互作用很可能会导致土壤碳释放量的增加，这可能抵消甚至超过新发展灌木的碳固定量。此外，高大灌木的扩张还通过创造垂直结构和替代其他植物功能类型（如地衣）而从根本上改变野生动物栖息地。这些变化反过来又影响了人类的生计活动和其他土地利用方式。因此，识别促进灌木化因素的重要性日益凸显，以更好地预测未来变暖的北极的演变趋势。

研究团队利用CNN对三个低北极景观的高分辨率图像对进行了分析，以解决以下研究问题：（1）三个研究景观的灌木覆盖如何变化，这些变化是灌木线推进还是已有灌木冠层的填充？（2）高大灌木在景观上的分布如何与局部尺度的潜在日照和地形衍生的土壤湿度指标相关？（3）灌木线推进和已有灌木斑块填充的空间模式如何与已建立灌木的邻近性相关？通过这种方式，研究不仅揭示了灌木化过程的动态，还为未来在更广泛的地理范围内进行类似研究提供了方法论基础。

在方法部分，研究区域包括三个位于西伯利亚北部的低北极苔原景观，这些景观自20世纪60年代以来已显示出灌木扩张的历史。研究使用了高分辨率的数字高程模型（ArcticDEM，版本3）来分析景观尺度的环境协变量，以评估灌木的分布和变化。研究团队还开发了地形排水指数（TRuI），以更好地区分不同地形特征的湿润度变化。TRuI的计算基于地形位置指数（TPI）的修改，以提高对微地形变化的敏感性。TRuI值较低通常对应于排水较差的微生境（如平坦或凹陷区域），而较高的TRuI值则对应于陡峭、凸面的坡地。

此外，研究还考虑了灌木冠层覆盖类别之间的空间关系，即“灌木邻近指数”（NI），以评估灌木扩张的邻近效应。NI基于每个图像块与四个最近的灌木冠层类别的距离以及这些类别的灌木丰富度进行计算。较低的NI值通常意味着一个图像块附近灌木丰富，从而更接近种子来源，增加了幼苗存活和生长的可能性。通过这种方式，研究团队能够评估不同景观中灌木冠层类别的分布与邻近灌木数量之间的关系。

统计分析部分，研究团队使用了两种多分类逻辑回归模型，分别评估了灌木覆盖的一般模式和详细冠层类别的分布。第一种模型使用了简化分类（苔原和灌木）以及两个地形衍生的预测变量（潜在日照和TRuI）。第二种模型则考虑了详细的灌木冠层类别，并引入了NI作为预测变量。这些模型在不同景观中进行了独立分析，以探索灌木冠层类别的分布模式及其与环境协变量的关系。研究发现，高大灌木的覆盖与较高的TRuI和潜在日照密切相关，尽管交互项的置信区间不重叠，但其影响相对较小，表明高大灌木的覆盖并不局限于同时具有高TRuI和高潜在日照的微生境。

研究结果表明，高大灌木的覆盖在所有三个景观中都有所增加，且增加速度差异显著。特别是在Kharp景观中，高大灌木的覆盖增加了32.3%，而在Obskaya景观中增加了8.4%，Dudinka景观中增加了9.1%。考虑到研究区域的观测记录时间不同，这些变化转化为标准化的灌木扩张率（NSER），分别为Kharp景观的26.9%、Obskaya景观的5.6%和Dudinka景观的9.1%。研究还发现，不同灌木冠层类别的分布模式有所不同，特别是在Kharp景观中，封闭灌木的覆盖减少而开放灌木的覆盖显著增加，这可能与早期分类中的混淆有关。

研究进一步探讨了灌木扩张与地形和微生境之间的关系。封闭灌木主要出现在排水良好、向南的斜坡上，而开放灌木则出现在排水良好但日照较少的区域。殖民阶段的灌木则更常见于排水较差的微生境，且远离已有灌木。这些模式表明，灌木扩张受到微生境特征的强烈影响，如排水状况、日照条件和已有灌木的邻近性。此外，研究还指出，虽然这些景观在总体上经历了类似的温度上升趋势，但它们的灌木扩张模式仍受到微生境条件的调节，例如土壤湿度和土壤类型。

研究结果表明，灌木化过程在不同景观中的表现存在显著差异，这可能与微生境条件、土壤特性以及历史干扰事件有关。例如，Kharp景观的灌木扩张速度远高于其他两个景观，而Dudinka景观的扩张速度较慢，这可能与其已有的较高灌木覆盖有关。这些发现强调了微生境条件在灌木扩张中的关键作用，并提供了对北极灌木化动态的深入理解。研究还指出，灌木化不仅受到温度变化的影响，还受到地形、土壤条件和历史干扰事件的调节，这些因素共同塑造了灌木扩张的速率和模式。

此外，研究团队还讨论了灌木化过程中的不确定性来源，包括图像的地理定位误差、不同传感器的观测几何差异以及大气效应等。这些因素可能会影响多时相图像分析的精度，特别是在识别细微的灌木扩张或退缩时。尽管如此，研究结果仍然表明，灌木化在所有三个景观中都持续发生，且其分布模式与微生境特征密切相关。这些发现对于未来的研究具有重要意义，尤其是在使用更高分辨率和更长观测记录的数据时，可以进一步提高对灌木扩张的监测精度。

综上所述，该研究通过应用机器学习方法，揭示了北极灌木化过程的复杂性，并强调了微生境条件在这一过程中起到的关键作用。研究不仅为理解北极生态系统的变化提供了新的视角，还为未来在更广泛的地理范围内进行类似研究提供了方法论基础。此外，研究还指出，灌木化过程受到多种环境因素的共同影响，包括温度变化、地形特征、土壤条件和历史干扰事件，这些因素共同决定了灌木扩张的速率和模式。随着高分辨率卫星图像的获取频率和分辨率的不断提高，这些技术有望在未来的北极生态监测中发挥更大作用，为研究者提供更精确的数据支持。