基于多光谱影像的大西洋森林恢复地功能多样性与组成评估：无人机遥感在生态监测中的应用与挑战

《Restoration Ecology》：Assessing functional diversity and composition using multispectral images in Atlantic Forest restoration sites

本文利用无人机多光谱影像，结合功能性状方法，量化了大西洋森林恢复地的功能多样性与组成，发现光谱植被指数（VI）与功能组成参数（如群落加权均值CWM）呈显著相关（|ρ|≤0.85），多元线性回归模型R2高达0.81，证实了多光谱遥感作为生态系统功能多样性替代指标的潜力，为大规模生态恢复监测提供了新技术路径。

　　

摘要

本研究旨在评估利用无人机（UAV）搭载的多光谱传感器在巴西大西洋森林恢复地中量化功能多样性和组成的可行性。通过分析24个样地（20×20米）的野外测量数据与无人机获取的植被指数（UAV-VI）之间的关系，并结合两种权重方法（基于物种多度和基于冠层面积与高度的乘积），研究发现光谱数据与功能组成参数（如群落加权均值CWM）相关性最强，Spearman相关系数范围在-0.85至0.72之间。其中，功能多样性指数在基于多度加权时相关性更高，而CWM在基于冠层结构加权时表现更优。简单线性回归模型最高R²达0.69，而多元线性回归模型进一步提升了拟合优度（R²最高0.81）。这些结果支持多光谱遥感作为生态系统功能多样性与组成的有效替代指标，但同时也指出了在复杂热带森林中应用时面临的挑战。

引言

生态恢复是推动生态系统向参考状态恢复的关键活动，尤其在巴西大西洋森林这类生物多样性热点区域，大规模恢复计划（如“大西洋森林恢复公约”）对监测技术提出了更高要求。功能性状（包括叶片形态、化学特性等）是理解生态系统功能和响应环境变化的核心指标，但传统野外测量成本高、覆盖范围有限。遥感技术，特别是无人机多光谱成像，为大规模、多尺度的生物多样性监测提供了新途径。植被光谱特征能够反映植物的功能性状差异，但多光谱传感器在高度异质化的热带森林恢复地中的有效性尚不明确。本研究通过整合功能性状数据与多光谱植被指数，探讨无人机遥感在揭示大西洋森林恢复地功能多样性与组成模式方面的能力，以填补该领域的研究空白。

方法

研究区域

研究位于巴西里约热内卢州的Po?o das Antas生物保护区（RBPA），该区域属热带湿暖气候（Aw型），植被以低地大西洋森林残迹和次生林为主。实验区面积2.16公顷，包含24个样地（30×30米），代表6种恢复处理（如先锋种、顶极种组合），种植了26种树种。每个样地内设20×20米采样单元，用于野外数据收集。

野外数据采集

2023年8月进行植物调查，测量所有DBH≥5厘米树木的树高（H）、胸径和冠层面积。2024年3月采集6项功能性状：叶面积（LA）、比叶面积（SLA）、叶片干物质含量（LDMC）及碳（C_leaf）、氮（N_leaf）、磷（P_leaf）浓度。计算每样地的功能多样性指数（如功能丰富度FRic、功能均匀度FEve）、功能组成（CWM）和物种多样性指数（如物种丰富度S、香农指数H′），并比较两种权重方法（多度加权vs.冠层面积×高度加权）。

遥感数据获取与处理

使用大疆Phantom 4多光谱无人机采集蓝、绿、红、红边和近红外波段影像。飞行高度120米，空间分辨率6.3厘米/像素。通过辐射定标和几何校正生成正射影像，并利用随机森林算法去除阴影像素。计算12种植被指数（如NDVI、GNDVI、EVI），分别基于全像素（AP）和无阴影像素（WS）提取样地内VI的均值与标准差。

数据分析

采用Spearman相关性分析VI与功能/分类多样性参数的关联。通过简单和多元线性回归（含LASSO变量选择）构建预测模型，评估模型拟合优度（R²、AIC）及假设检验。

结果

相关性分析

功能组成数据（尤其是CWM）与VI的相关性最强。例如，基于冠层加权的叶片磷含量（CWM.Pleaf.CAxH）与可见光差异植被指数（VDVI）均值呈负相关（ρ=-0.85），而叶面积（CWM.LA.CAxH）与简单比值（SR）正相关（ρ=0.65）。功能多样性指数（如功能离散度FDis）在多度加权下与GNDVI显著负相关（ρ≈-0.63）。分类多样性参数与VI相关性较弱（ρ~0.40）。VI的标准差与功能多样性（如FDiv）正相关更显著，表明光谱变异性能更好反映功能性状的分布范围。

回归模型

简单线性回归中，CWM.Pleaf与NGRDI的模型拟合最佳（R²=0.69）。多元线性回归显著提升解释力，如CWM.Pleaf.CAxH与多个VI组合的模型R²达0.81。功能离散度（FDis）和功能发散度（FDiv）的预测模型R²分别为0.72和0.61。阴影处理（WS vs. AP）对模型效果无一致优势，取决于具体响应变量。

讨论

本研究首次在大西洋森林恢复地中验证了多光谱遥感估算功能多样性的可行性。功能组成（CWM）与VI的强相关性可能源于CWM代表群落主导性状，而冠层光谱易受优势表型影响。值得注意的是，冠层结构加权（CA×H）较传统多度加权更能凸显功能性状差异（如SLA相关性从2个增至36个），这与Dechant等（2024）提出的冠层加权均值（TWM）理念一致。

叶片磷含量（CWM.Pleaf）与VI的显著关联出乎意料，因多光谱波段主要响应色素而非元素组成，但可能与磷促进光合作用间接影响色素含量有关。负相关（如与NGRDI）则揭示了光谱-性状关系的复杂性，或受传感器分辨率、地形等因素干扰。

功能多样性指数与VI标准差的正相关性支持“光谱变异性假说”，即光谱离散度可捕获群落内表型差异。然而，分类多样性（如物种丰富度）预测效果较差（R²=0.18），可能因多光谱数据对系统发育差异不敏感，需结合高光谱或结构特征。

阴影处理的影响因变量而异，未呈现统一规律，与Pinon等（2024）结论部分矛盾，可能源于分类方法差异（机器学习vs. NDVI阈值法）。未来需优化阴影剔除算法，并整合多时相数据以捕捉性状季节性动态。

结论与展望

多光谱无人机遥感在大西洋森林恢复地功能监测中展现潜力，尤其适用于功能组成估算。冠层结构加权可提升模型精度，而VI标准差作为功能多样性的指示指标具有应用价值。当前限制包括数据时效性单一、缺乏纹理特征整合等。未来研究应引入多季节观测、高光谱数据及三维结构参数，以推动遥感技术在生态恢复标准化监测中的实践应用。