从夏季到动态冬季土地利用覆盖制图：北方生态系统中积雪导致植被掩埋建模

《Remote Sensing Applications: Society and Environment》：From Summer to Dynamic Winter Landcover Mapping: Modeling Snow-Induced Vegetation Burial in a Northern Ecosystem

　　**摘要**雪强烈影响着寒冷地区的栖息地结构和生态过程，然而大多数地表覆盖模型将其视为静态的地表特征，忽视了季节性积雪如何与植被相互作用以塑造冬季栖息地条件。在本研究中，我们提出了一种新颖的遥感框架，将植被结构与积雪深度相结合，以动态模拟加拿大育空地区克卢安（Kluane）结构多样的亚北极景观中由积雪引起的植被掩埋。我们结合Sentinel-2影像、ALOS PALSAR和全波形LiDAR数据来预测夏季地表覆盖、林冠覆盖度和林冠高度。这些图层与通过利用Daymet雪水当量（SWE）对ERA5数据进行降尺度而得出的每日积雪深度估计相结合，并通过记录积雪深度的实地追踪相机网络进行了验证。我们在40年的时间范围内量化了每日植被掩埋情况，生成了一种动态且生态一致的模型，反映了不同类型植被受积雪影响的差异。茂密的云杉林保留了更多的积雪上层结构，而灌木地和疏林则经历了更大的掩埋程度。这些结构差异与海拔差异有关，并与已知的生态过程相符，从而强化了该模型的栖息地相关性。我们的方法提供了一个空间明确的框架，用于量化随时间推移由积雪驱动的积雪上层植被结构变化。**引言**1, 2 理解植被的空间结构及其季节动态对于生态系统监测、生物多样性保护以及陆地-大气相互作用建模至关重要。在亚北极和北极生态系统中，积雪深度和持续时间强烈影响着植被生产力、越冬存活率以及野生动物的空间分布 3, 4。深厚或持久的积雪会减少觅食地的可及性，重塑捕食者-猎物或植物-食草动物之间的相互作用，从而影响跨营养级的生物多样性 5。随着气候变化改变了季节性积雪覆盖的深度和持续时间 6，迫切需要监测积雪驱动的栖息地结构变化如何影响寒冷地区的生态群落和物种存续。尽管积雪越来越多地作为预测因子被纳入物种分布模型中，但其使用通常局限于静态或季节性平均值，如积雪覆盖持续时间或平均冬季深度，且空间尺度相对较低 7, 8。这些变量通过考虑生长季长度限制、越冬存活率和热条件，有助于解释耐寒物种的分布。然而，这些模型忽视了冬季积雪堆积如何抬升地面高度，从而可能减少较矮植物的可用性、增加较高植物顶端的可及性，并改变景观层面的结构特征。在积雪堆积显著的地区，这些动态过程会影响食草动物对食物和遮蔽的获取，从而有助于塑造群落动态 9, 10, 11, 12。然而，尽管积雪的生态重要性已得到充分确立，但它大多缺席于地表覆盖分类框架中，这些框架仍聚焦于静态地表反射率和基于地形的预测因子 13, 14。据我们所知，没有地表覆盖测绘研究将积雪特征作为动态预测因子纳入模型，即使在积雪堆积显著的高纬度或山区也是如此。因此，大多数现有模型忽视了这些季节性动态，并且缺乏反映栖息地特征生态意义变化的能力 7, 14。遥感提供了一种强大的工具，通过捕捉植被和积雪覆盖的空间和时序变化来弥补这些缺口。Sentinel-2等传感器的多光谱影像提供高分辨率的地表反射率数据，可用于生成地表覆盖图 15 以及跨季节的无雪和有雪条件图 9。当与海拔和地形特征（如坡度和坡向）结合时，光谱数据可以揭示植物群落的空间结构和组成以及环境梯度，这些模式受积雪堆积和融化动态的调节 16。虽然光谱数据能有效划分植被类型和地表状况，但理解积雪-植被相互作用还需要额外的植被结构信息——特别是林冠高度、密度和连续性，这些决定了多少植被留在积雪之上或被积雪掩埋。主动遥感系统，特别是L波段合成孔径雷达（SAR），为模拟这些结构特征提供了独特优势，即使在积雪或云层覆盖下也能工作 17。当与LiDAR衍生的植被指标结合时，这些模型能够实现垂直和水平结构异质性的精细尺度评估。这些属性调节着植被斑块内和周围的积雪堆积、再分配和压实过程 18, 19, 20。这种集成的结构信息实现了积雪-植被相互作用的空间明确建模。然而，要准确表征这些相互作用，结构模型必须与捕捉积雪深度空间和时间变异性的积雪数据相辅相成。积雪数据降尺度的最新进展，采用回归建模 21、分位数映射 22 和机器学习方法 8，已实现将粗分辨率产品转化为更精细尺度的积雪深度估计。通过将Daymet等高空间细节数据集与ERA5的时间频率结合，这些降尺度产品提供了适合生态分析的本地化、每日到月度积雪指标。当与植被结构模型整合时，它们允许量化植被掩埋和积雪暴露模式，这对于评估冬季栖息地可达性和在变化积雪条件下的生态系统韧性至关重要 16。我们开发了一个集成的遥感框架，明确将积雪作为加拿大育空地区西南部北方森林栖息地结构的动态驱动因子。具体而言，我们：(1) 使用Sentinel-2和地形数据对无雪地表覆盖进行分类，(2) 使用SAR-光学融合和全波形LiDAR数据模拟林冠高度和林冠覆盖度，(3) 生成降尺度的、数十年的冬季积雪深度产品，以及(4) 合并地表覆盖图、植被结构图层和积雪深度图层以模拟积雪-植被相互作用。与将积雪视为季节性背景变量的先前方法不同，我们的框架捕捉了每日到月度积雪引起的栖息地结构变化，提供了积雪如何改变植被可见性和可及性的高分辨率、时间动态视图。我们的框架建立在先前的积雪和植被研究基础上，通过将估计的积雪深度与遥感植被结构直接整合，生成积雪上层栖息地可用性的动态代理变量。**研究区域**本研究在加拿大育空地区西南部的克卢安谷地（Kluane）区域进行——这是一个以雪为主的亚北极景观，其特征是由白（*Picea glauca*）和黑（*P. mariana*）云杉林、柳（*Salix* spp.）灌木地、颤杨（*Populus tremuloides*）林和山地苔原组成的镶嵌体（图1）。克卢安谷地包含多样的植被结构，从茂密的林冠到低矮的灌木地，使其非常适合研究积雪-植被相互作用。克卢安拥有...**结果**空间分块交叉验证产生的准确率估计值低于原始的随机80/20留出评估。使用500米空间分块时总准确率为86.2%，1公里分块时为89.7%，2公里分块时为86.2%，相应的Cohen's kappa值分别为0.827、0.869和0.826。相比之下，原始的随机80/20留出产生了96.6%的总准确率和0.952的kappa值。因此，训练和验证观测值的空间分离降低了估计值...**讨论**本研究提出了一种新颖的遥感框架，整合植被结构和积雪深度以动态量化冬季栖息地变化。与传统假设静态地表特征的地表覆盖模型不同，我们的方法明确捕捉了植被如何随时间被积雪逐渐掩埋，揭示了季节性植被掩埋和不同植被类型的结构可用性变化。这种像元级建模在...尤其重要。**结论**本研究提出了一种新颖的遥感框架，通过整合地表覆盖、林冠结构和降尺度积雪深度来估计亚北极北方景观中由积雪引起的植被掩埋。模型显示，茂密的云杉比灌木主导和更开阔的类别保留了更多的积雪上层植被，而植被掩埋随海拔变化，且在不同植被类型中表现不同。这些结果表明，冬季栖息地结构由共同...塑造。**CRediT作者贡献声明****Dennis L. Murray:** 写作–审阅与编辑、监督、调查、数据管理。**Rhianne Crowther:** 调查。**Nicolas Diaz-Kloch:** 写作–审阅与编辑、写作–原始草稿、可视化、验证、软件、资源、项目管理、方法学、调查、资金获取、正式分析、概念化。**Stan Boutin:** 监督、调查、数据管理。**Francis Quinby:** 调查。**资助**本研究主要得到Weston家族基金会的资助。加拿大自然科学与工程研究理事会（NSERC）通过合作特别项目资助提供了额外资金，加拿大研究主席计划提供了写作支持。**利益冲突声明**作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Nicolas Diaz Kloch报告获得了Weston家族基金会的资金支持。Nicolas Diaz Kloch与Weston家族基金会存在关系，包括：资金赠款。如果有其他作者，他们声明没有已知的竞争性财务利益或个人关系可能影响研究工作。Nicolas Diaz-Kloch|Rhianne Crowther|Francis Quinby|Stan Boutin|Dennis L. Murray环境科学与生命科学研究生项目，特伦特大学，彼得伯勒，安大略省K9J 7B8，加拿大