《Remote Sensing》：Combining In Situ and Remote-Sensing Data to Assess the Spatial Pattern and Changes of Major Grassland Types in Xinjiang, China, Under Climate Change Scenarios
编辑推荐：
本文基于多源数据（1980s草地地图、2023年实地数据、28种环境因子）与最大熵模型（MaxEnt），预测了新疆9种主要草地类型在2041-2100年三种气候变化情景（SSP126/SSP370/SSP585）下的空间分布变化。研究发现草地总面积呈下降趋势，高寒草甸（AM）、高寒草原（AS）等类型显著萎缩，而低温草甸（LM）、温性草甸草原（TMS）等略有扩张。关键驱动因子包括NDVI、植被类型、海拔、温度指标（Bio1、Bio5等）及土壤参数，揭示了温度与环境因子对不同草地类型分布的主导作用，为温带与高寒区域草地生态系统保护提供科学依据。
引言
草地作为中国陆地生态系统中占比最大的类型（约27.8%），在土壤保持、水源涵养、生物多样性维持及畜牧业生产等方面具有关键生态功能。然而，气候变化与人类活动正导致全球草地生态系统发生显著改变。现有研究多将草地作为整体分析其时空动态，而对不同草地类型的分布格局与转化机制的系统预测仍较缺乏。新疆作为我国西北干旱区典型代表，其独特的盆地－山脉地貌与丰富的草地类型梯度，为研究气候变化下草地类型响应提供了理想场所。本研究通过整合1980年代草地资源调查数据、2023年实地采样点及28项环境因子，首次应用最大熵模型（MaxEnt）对新疆9种主要草地类型在未来气候情景下的分布进行高精度预测，旨在揭示其变化规律及主导驱动因素。
材料与方法
研究区与草地类型划分
新疆地处西北干旱区，受阿尔泰山、天山和昆仑山等山脉环绕，形成典型的盆地－山脉地貌。年均温9–12°C，降水南北梯度显著（约150 mm/年）。依据水热条件与植被特征，将草地划分为11类，本研究聚焦其中9类（剔除样本量不足的高寒荒漠AD和高寒草甸草原AMS），包括高寒草甸（AM）、高寒草原（AS）、温性草原（TS）、温性荒漠（TD）、温性荒漠草原（TDS）、温性草原化荒漠（TSD）、温性草甸草原（TMS）、山地草甸（MM）和低温草甸（LM）。
数据来源与处理
草地类型数据源于1980年代首次全国草地资源调查矢量图（代表1980–2010年状况）及2023年4385个实地采样点（代表2010–2040年状况）。环境因子涵盖三类：气候因子（Bio1–Bio19）、地形因子（坡度、坡向、海拔）、环境因子（土壤类型、pH、NDVI、河流距离等）。未来气候数据采用CHELSA CMIP6的SSP126（低碳）、SSP370（中高排放）和SSP585（高排放）情景下2041–2070与2071–2100两时期数据。所有数据统一重采样至90 m分辨率。
MaxEnt模型构建与验证
MaxEnt模型通过最大化熵原理，利用物种出现点与环境变量关系预测分布概率。本研究设置75%数据用于训练、25%用于验证，采用交叉验证与10次重复以增强稳定性。通过受试者工作特征曲线下面积（AUC）评估模型精度，并针对每类草地设定独立阈值（0.5–0.74）将概率图转为二值分布图。当多个类型在同一位置超阈值时，选取概率最高者作为最终类型。
结果
模型精度与阈值
所有草地类型的AUC值均高于0.85（多数>0.9），表明模型预测性能优异。阈值设定基于1980年代实际分布面积优化，其中LM与TD阈值最低（0.5），TMS最高（0.74）。预测面积与实际面积对比显示，LM的预测面积可达实际面积的97%，而TDS仅达58%，整体预测面积略小于实际分布。
关键环境因子贡献
通过贡献率与重要性分析发现，NDVI、植被类型、坡度、海拔、土壤类型与pH、以及温度相关指标（Bio1、Bio5、Bio8、Bio9、Bio10、Bio12、Bio13、Bio15、Bio18）是多数草地类型的主导因子。降水因子（如Bio14、Bio16、Bio17）及坡向、地貌作用相对较弱。不同类型草地主控因子存在差异：LM、TD和AS对环境因子（E）更敏感；AM、TDS和TSD主要受温度（T）驱动；MM与TMS受温度、降水及环境因子共同影响；TS则同时受温度与环境因子显著作用。
未来草地面积变化
至2100年，草地总面积在所有情景下均下降16–19%。具体而言，AM、AS、TS和TD面积显著萎缩（减少约70%），而TMS扩张最显著（增幅>130%），MM在SSP370情景下晚期增长60.1%。LM与TDS呈中度增加（10–30%），TSD最为稳定（变化幅度±5–8%）。高排放情景（SSP585）下变化波动更大，但整体格局与低排放情景一致。
空间分布演变
新疆草地呈现明显的垂直梯度分布（从高海拔至低海拔依次为AM/MM、AS/TMS、TS、TDS、TSD、TD、LM）。未来预测显示：
- •
高海拔类型：AM与AS在天山、阿尔泰山等雪线附近分布区大幅缩减，南疆山区退化尤为显著；
- •
中低海拔类型：TS在天山地区减少，西部略有增加；TD在北疆盆地萎缩，南疆塔里木盆地扩张；
- •
草甸与过渡类型：MM在阿尔泰山减少而在天山增加；TDS向北疆阿尔泰及东疆扩展，南疆向低海拔迁移；TMS在伊犁河谷与阿尔泰显著扩张，主要由MM、农田及温性草原转化而来。
空间变化图进一步揭示了草地类型向高纬度或低海拔迁移的趋势，反映了温度上升与水分条件变化的综合影响。
讨论
模型适用性与局限性
MaxEnt模型在草地类型预测中表现出高精度，但存在对样本量与变量相关性的敏感性。本研究通过剔除样本量不足类型及去除高相关性变量（|r|>0.8）降低过拟合风险。然而，模型未显式考虑空间自相关性与人类活动（如放牧）的影响，未来需整合社会经济指标（如人口密度、GDP）以提升预测真实性。
草地动态的生态启示
草地类型变化体现了气候变化下生态系统的适应性响应：低温草甸（LM）因依赖地下水而稳定性高；高寒类型（AM、AS）对升温极度敏感；荒漠草原（TDS、TSD）的扩张可能与抗旱灌木优势度增加相关。垂直梯度格局的维持与海拔边界移动，提示未来生物多样性保护需重点关注高海拔草地的栖息地丧失风险。
结论
本研究通过多源数据与MaxEnt模型揭示了新疆主要草地类型在未来气候变化下的时空分异规律。总面积下降与类型间此消彼长的趋势凸显了草地生态系统的脆弱性与异质性响应。温度及相关环境因子是驱动分布变化的核心要素，而当前草地分类体系需纳入更多参数（如温度指标）以提升预测能力。研究成果为温带与高寒区草地资源的差异化保护与可持续管理提供了定量化科学支撑。
