PlotDEM：面向山区准永久植被样地重定位的开放可复现工作流

《Journal of Vegetation Science》：PlotDEM: An Open and Reproducible Relocation Workflow for Quasi-Permanent Vegetation Plots in Mountain Areas

　　

目标：本研究提出了一种新的工作流，用于在地形复杂环境（如山区）的再调查过程中重定位准永久植被样地（quasi-permanent vegetation plots）。
地点：意大利西部阿尔卑斯山，Gran Paradiso National Park。
方法：该标准化工作流整合历史样地位置数据与描述、数字高程模型（digital elevation models, DEMs）以及野外专家知识，以识别最适合样地重定位的地点，即使缺乏精确地理坐标时亦然。得益于完全开源工作流的应用，所得方法完全可复现。在野外工作前步骤中，通过广义与线性混合效应模型（generalized and linear mixed-effects models）评估重定位方法在操作员间的精度和可复现性。此外，通过开展生态案例研究，利用四个独立样地重复（plot replicas）之间以及其与高山草地历史数据的比较来量化假周转（pseudoturnover），从而证明该工作流的适用性。
结果：所提出的工作流被证明能有效支持样地重定位，并在操作员间表现出良好可复现性。此外，与既往再调查研究认为可接受的假周转水平相比，该工作流产生较低水平的假周转，同时显著减少野外样地重定位所需的工作量。
结论：该方法有望通过仅采样单个样地重复而非既往推荐的多个样地重复，促进大规模再调查活动的执行。尽管如此，研究人员建议在已识别的合适区域内确定一部分样地进行重复调查，以经验性估计空间假周转，并进一步增强基于再调查研究的稳健性。

论文解读：
研究背景方面，历史植被再调查（vegetation resurvey）是历史生态学中可靠检测过去植被变化的重要工具，近年来相关出版物数量持续增加。然而，重采样历史样地存在多种误差来源，其中重定位误差（relocation error，即样地未永久标记时空间重新定位的不确定性）、观察者误差和季节性最为明显。重定位误差会增加表观物种周转，即假周转（pseudoturnover，由采样误差导致的表观物种周转增加），并可能增加Ⅱ型错误，使真实时间趋势难以检测。Kapfer et al. 将历史样地分为永久、准永久和不可追踪三类；准永久植被样地（quasi-permanent vegetation plots，无永久标记但可借助坐标、地图或草图重定位的样地）常仅有地名、位置描述和海拔、坡向、坡度等样地数据，缺乏精确坐标。既往建议在可能地点设置多个样地以区分假周转和时间变化，但耗时且难以用于包含数十至数百个样点的大型再调查项目。山区复杂地形可利用数字高程模型（digital elevation model, DEM，地表高程栅格数据）辅助重定位；既往方法依赖完全数据匹配或容忍范围，但未充分考虑测量误差、主观赋值及重定位误差相关的假周转。因此，研究人员开发了开放、可复现的 plotDEM 工作流，以促进山区准永久植被样地重定位并减少相关假周转。
研究人员开展了方法验证和生态案例研究。方法验证使用 Gran Paradiso National Park 2023 年 70 个植被样地，将其分为三组，每组含 20 个独有和 10 个共享样地，遮蔽 GPS 坐标后分配给 J.I.、M.A.、D.N.V. 操作。生态案例重调查了 Prof. Franco Montacchini 于 1976—1984 年在 Gran Paradiso National Park 调查的 10 个高山草地历史样地，这些样地无 GPS 坐标或地图点，2024 年夏季以 9 m² 样地面积重调查，并设置四个独立重复。研究结论表明，该工作流能有效支持样地重定位，操作员间可重复性良好，并降低假周转且减少野外重定位工作量；其意义在于有助于执行大规模再调查活动，同时建议在合适区域选取部分样地开展重复调查以估计空间假周转。
关键技术方法（不超过250字）：plotDEM 为四步工作流：在 QGIS 中依据历史笔记中的地名、山谷和市镇近似定位；在 R 中用 10 m × 10 m 数字高程模型（DEM）在 100-m 缓冲区计算海拔、坡向、坡度，按海拔 ±10 m、坡向 ±22.5°、坡度 ±10° 容忍范围评分并加权生成适合性热图（suitability heatmaps，按像素与历史样地参数匹配评分生成的空间适宜性图）；在 QGIS 中设置 QField 项目；野外借助热图重定位。验证样本来自 Gran Paradiso National Park 2023 年 70 个植被样地，分三组，每组 20 个独有与 10 个共享，GPS 坐标掩蔽。生态案例来自 Prof. Franco Montacchini 于 1976—1984 年在 Gran Paradiso National Park 调查的 10 个高山草地历史样地，2024 年夏季重调查，面积 9 m²，每样地 4 个重复，重复间至少 20 m。统计分析包括广义线性混合模型（generalized linear mixed model, GLMM）、线性混合模型（linear mixed-effects model, LMM）、Bray–Curtis 和 S?rensen 相异度、β多样性分解与距离基冗余分析（distance-based redundancy analysis, db-RDA）。
研究结果方面，3.1 Validation and Performance of the plotDEM Method：通过操作员共同样地分析，不同操作员独立识别的近似样地位置平均距离为 49.4 m（±27.2 m），约为预设缓冲区半径的一半；缓冲区平均重叠比例为 69.4%（±16.2%）。操作员成功率介于 70%—90%，GLMM 显示操作员身份不是显著预测因子。LMM 分析热图像素得分与到历史样地距离时，模型选择排除了交互项和操作员身份，仅像素得分显著（F=17.986，p<0.001）；估计边际均值显示类别 4 > 类别 5 ≈ 类别 6 > 类别 7，观测平均距离类别 4 为 94.1 m（±31.1 m），类别 5 为 76.2 m（±36.5 m），类别 6 为 81.1 m（±42.6 m），类别 7 为 66.3 m（±37.5 m）。结论是该工作流有效支持重定位，操作员间可重复，热图能引导更接近历史样地位置。
3.2 Ecological Case Study：通过生态案例，Bray–Curtis 相异度显示 historical-replica 数据集为 0.78，显著高于 intra-replica 的 0.41，表明时间相异度大于空间相异度，但空间相异度贡献为时间相异度的 53%；置换检验支持该结果。物种周转按 Pignatti 盖度尺度（Pignatti cover scale）分析，重复间周转频率低于历史样地与重复间；新种和消失种集中于低盖度类别，类别 “+” 平均频率为 0.5，类别 1 为 0.25，类别 2 可忽略；历史与随机重复间新种频率从类别 “+” 的 0.7、类别 1 的 0.6 到类别 2 的 0.4；消失种频率随类别非比例波动，高类别因物种总数少而表现高频率；持续种与最高盖度类别相关。总 β多样性（beta diversity）和周转在 historical-replica 显著高于 intra-replica，总 β多样性为 0.6 对 0.33，周转为 0.55 对 0.28；嵌套性（nestedness，物种集合为更丰富样本子集）无显著差异，分别为 0.04 和 0.06，周转主导。约束排序显示调查类型对群落组成有显著影响（F=5.27，p=0.001），历史与重调查样地沿约束轴分离，时间组成变化大于重复间变异。
讨论部分总结：本研究验证了 plotDEM 工作流的可重复性，操作员重定位差异限于缓冲区半径的一半，成功率一致；适合性热图整合至移动 GIS 后显著提高重定位精度。操作员成功并非完美，说明需要严格的地点选择和地形解释。生态案例中，物种组成和丰度的时间相异度大于近期采样植被内的空间相异度，与 Ross et al.、Burg et al.、Zeidler et al. 一致。通过热图引导，研究人员将重复样地定位于更相似群落，得到较低 intra-replica 空间相异度，同时测得比 Ross et al. 更大的时间偏移；Ross et al. 报告空间相异度为时间相异度的 79%，本研究为 53%。与 Peter et al. 认为可接受的 0.59 假周转相比，本研究表现更好；时间组成变化高于 Morrison 所述约 25% 观察者误差阈值。假周转主要影响低盖度种，新种和消失种频率随盖度等级升高而降低，持续种与高盖度等级相关。建议避免盖度转换，并在野外使用历史种列表和培训减少观察者误差。β多样性分解显示周转主导，嵌套贡献低；intra-replica 嵌套与 Verheyen et al. 相当。观察者误差和样地面积 9 m² 可能影响嵌套，但未专门量化。约束排序确认空间假周转未显著影响观察到的组成变化。工作流描述准确重定位步骤，首次整合更新 GIS 技术引导野外生态学家；但流程分散于多软件和设备，未来应整合为单一工作环境。
研究结论翻译：本研究提出了一种用于地形复杂环境中植被再调查样地重定位的新工作流。该方法结合历史样地位置数据和野外专家知识来识别最适地点。即使没有精确坐标，该工作流也可容易用于准永久样地重定位。方法可重复性得到成功测试，并进一步量化其精度，证明其能有效引导调查人员更接近历史样地位置。通过比较四个独立重复样地彼此之间以及与高山草地历史数据集，测试了该方法在假周转方面的可靠性。该方法产生低于类似再调查研究认为可接受的假周转水平，并具有减轻野外样地重定位工作量的优势。如再调查研究的惯例，解释结果时应谨慎，尤其涉及低盖度种和嵌套模式。应用此方法时，建议使用适合性地图确定在部分样地上进行重复调查的最佳地点，以获得空间假周转的经验信息并增强研究稳健性。同样，建议采取预防措施限制观察者误差的可能影响，如 Morrison 所述。