《Ecological Informatics》：Using height-above-river metrics and machine learning to model riparian vegetation distribution and reach-scale restoration potential
编辑推荐：
摘要：全球河流因建坝、渠道化及洪泛区断开而产生地貌退化，导致河岸生境缩减并使修复规划复杂化。研究人员开发并评估了一种新颖的全流域工作流程，将离河高度(Height-Above-River, HAR)指标与随机森林(Random Forest)分类器相结合，用于
摘要：全球河流因建坝、渠道化及洪泛区断开而产生地貌退化，导致河岸生境缩减并使修复规划复杂化。研究人员开发并评估了一种新颖的全流域工作流程，将离河高度(Height-Above-River, HAR)指标与随机森林(Random Forest)分类器相结合，用于模拟河岸植被分布、评估地貌状况并估算修复潜力。据研究人员所知，该方法首次仅基于HAR生成概率性地被模型，并利用此关系支持河段尺度修复优先级排序。将该法应用于美国加利福尼亚州一条受调控河流，模型以总体精度88%（κ = 0.76）由HAR预测六类土地覆被，捕捉到植被分布清晰的垂直分带规律。依据上述关系定义六个基于高程的分区（水生区、核心河岸区、边缘河岸区、过渡区、谷橡树区及河道外区），代表水文连通性与植被结构的机能差异。据此划分25个地貌均一河段，并按低海拔河岸区相对于抬升断连洪泛区表面的相对面积评估退化程度。修复潜力定义为可通过降低洪泛区高度和缩窄基流河道所新增的核心河岸生境面积，各河段介于2.3～33.9 ha。全研究区修复可使核心河岸生境增加186%（197 ha）。该流程仅需日益普及的LiDAR衍生地形数据与航空影像，旨在作为土地管理者在开展基于野外地貌设计的修复实施项目前的全流域规划工具。
《利用离河高度(HAR)指标与机器学习模拟河岸植被分布及河段尺度修复潜力》论文解读
本文发表于《Ecological Informatics》，研究对象为美国加利福尼亚州普塔溪(Lower Putah Creek, LPC)下段——一条受大坝调控、发生河道下切(channel incision)与洪泛区断开的典型退化河流。研究背景指出，全球河流系统因筑坝、渠道化及修建堤防而致使河漫滩与河道水文断开，河岸(riparian)生境大幅丧失，尤其加州中央谷原有河岸森林仅存约8.7%。传统河溪修复规划多依赖费时费力的野外地貌调查，难以在全流域尺度快速筛选候选河段并定量评估修复潜力。已有研究表明离河高度(Height-Above-River, HAR，亦称相对高程模型Relative Elevation Model, REM，或去趋势数字高程模型detrended Digital Elevation Model, dtDEM)可有效表征河岸带地形与水文连通梯度，且随机森林(Random Forest, RF)分类器擅长处理环境变量与植被类型的非线性关系。然而此前尚无研究仅基于HAR构建机器学习概率性地被模型，也未将其用于全流域河岸植被—地貌关系分析及修复优先级排序。因此研究人员提出并验证一种整合HAR与RF的工作流程，以实现河段及流域尺度的地貌退化评估和修复潜力量化。
为开展本研究，研究人员采用如下关键技术方法：以普塔溪下段河道里程(river-mile)1.5至22.5为研究区（排除下游具独立堰涵的0–1.5英里段），使用2005年低水期(0.57 m3/s)采集的LiDAR点云生成1 m分辨率数字高程模型(Digital Elevation Model, DEM)，并利用Riparian Toolbox中以逆距离加权(Inverse Distance Weighted, IDW)核密度函数计算低水流面并生成HAR栅格（核半径610 m）；参照2020年全美农业影像计划(National Agriculture Imagery Program, NAIP) 60 cm正交影像，人工解译并勾绘水体(water)、裸地(barren)、草本(herbaceous)、河岸灌木(riparian shrub，以沙柳Salix exigua为主)、河岸森林(riparian forest，含胡杨Populus fremontii、白桤木Alnus rhombifolia等)及谷橡树(valley oak, Quercus lobata)六类土地覆被训练样本（>1300个多边形）；应用ArcGIS Pro中Forest-Based Classification and Regression工具，以HAR为唯一预测变量构建随机森林分类模型（100棵树，90%样本训练、10%内部留出验证），输出各类植被概率表面；依植被—HAR概率分布拐点划分六类HAR分区（水生区0 m、核心河岸区0–2.4 m、边缘河岸区2.4–3.4 m、过渡区3.4–5.8 m、谷橡树区5.8–9.1 m、河道外区>9.1 m）；按地貌均一性目视划分25个河段，分别计算各河段内HAR分区相对面积(%)；退化评分Ri = rank(Pi^corrip+marrip) + rank(Pi^aq+tr)，其中Pi^corrip+marrip为河道内（HAR<9.1 m）核心＋边缘河岸区相对面积百分比，Pi^aq+tr为水生＋过渡区相对面积百分比，按加和排名划为参考(≤10)、轻度退化(10<∑≤25)、中度退化(25<∑<40)及严重退化(≥40)四类；修复潜力RPi = Ai^mr + 0.6×Ai^tr + Ai^new（Ai^mr为边缘河岸区面积、Ai^tr为过渡区面积、Ai^new为缩窄基流河道新增陆地面积），按RPi排序确定修复优先级。
3.1. Height-above-river surface output（离河高度表面生成结果）
用不同核半径（最大测至914 m）测试HAR生成效果，610 m已可完整覆盖研究区洪泛区且输出平滑。HAR栅格消除了河道纵向坡度影响，使同一横断面上距水面不同高度的微地形清晰显现，相较于以平均海平面(Mean Sea Level, MSL)为基准的DEM更利于识别河岸带垂向结构。
3.2. HAR-predicted land cover distribution（基于HAR预测的土被分布）
随机森林模型总体精度88%，Cohen's Kappa κ = 0.76，10%内部验证支持其可靠性。六类土地覆被模拟面积为：水体55.4 ha、裸地26.5 ha、草本161.9 ha（占植被相对覆盖29.7%）、河岸灌木39.2 ha（7.2%）、河岸森林141.0 ha（25.8%）、谷橡树203.8 ha（37.3%）。植被—HAR概率分布曲线显示河岸森林与灌木集中分布于低HAR（0–2.4 m），草本在中等HAR（过渡区3.4–5.8 m）占比最高，谷橡树主导较高HAR（5.8–9.1 m），>9.1 m基本无河流水文影响。证明HAR单独即可反映河岸植被垂直分带规律。
3.3. HAR zones and reaches（HAR分区与河段划分）
依上述植被—HAR分布实证划定六HAR分区并统计面积：水生区61.7 ha（占河道内12.0%）、核心河岸区105.9 ha（20.7%）、边缘河岸区75.6 ha（14.7%）、过渡区157.1 ha（30.6%）、谷橡树区112.2 ha（21.9%）、河道外区115.3 ha（占总研究区18.4%）。核心河岸区位于河岸木本植物典型根深范围（3–4 m）内，具常年地下水连通及季节性洪水动力，可抑制入侵种。据DEM目视地貌均一性划分25个河段，经HAR分区面积联结属性后，4个为参考河段、8个轻度退化、7个中度退化、6个严重退化，表明流域内地貌条件空间异质性强。
3.4. Reach-scale degradation patterns（河段尺度退化格局）
参考河段合计3.22河英里，轻度退化7.46河英里，中度退化4.12河英里，严重退化6.42河英里。空间上，自北岔口至温特斯(Winters)西侧下切最深段（河段10–22）退化最重；温特斯上游段（河段23–25）虽未达严重退化但因断面宽、具较大可修复面积列为潜在优先区；南叉(South Fork, 河段1–9)较浅，含三个参考河段。退化排名依据的是河段内低海拔河岸区与高亢断连洪泛区之相对比例而非绝对公顷数，可公平比较不同大小河段。
3.5. Reach-scale restoration potential（河段尺度修复潜力）
按当地水务部门(Solano County Water Agency, SCWA)实践——将边缘河岸区全降、过渡区约60%改为≤0.75 m HAR优质河岸生境并缩窄基流河道——计算各河段可新增核心河岸生境面积，变幅2.3 ha（河段18，参考状态）至33.9 ha（河段25，轻度退化）。全流域全面实施可新增197 ha核心河岸生境，使现有核心河岸区扩大186%。修复潜力排名与退化排名不完全对应：四参考河段与四严重退化河段均居修复潜力榜下半部，说明严重退化段未必具最高可营造生境量。历史上已实施及规划修复项目均位于修复潜力排名前半部，印证该指标契合管理决策。
讨论与结论部分总结
讨论中指出，本工作流程首次将HAR植被概率模型与河段尺度地貌评估、修复排序相整合，所需仅为LiDAR与航空影像，可作为野外详勘前的大流域初筛工具，弥补传统基于野外样线评估耗时且难全覆盖之不足。HAR分区直接反映水文连通—植被结构梯度，可移植至具高精度地形数据的各类气候与地貌背景河流。研究局限含未纳入河床底形（深潭—浅滩序列pool-riffle sequences）、沉积物输移、具体水生生物生境及林下植物群落等精细因子，实际修复设计应结合此类变量及土地权属、资金等社会因素。参考河段定义仅依HAR分区比例，实践中宜辅以河道坡降、岸坡角等。将HAR分区导入RiverArchitect之ModifyTerrain模块或EcoFIP工具可做后续地貌重塑设计。该方法与Bair et al.(2021)等站点尺度精细设计方法呈互补关系——本研为上游规划层筛选，后者为下游实施层设计。
结论：研究人员开发并验证了整合离河高度(HAR)与随机森林分类器的流域尺度评估框架，仅凭HAR构建概率性植被分布模型并依此划分生态相关的HAR分区，通过河段内分区相对面积量化地貌退化程度与修复潜力。模型总体精度88%(κ=0.76)，证实HAR可表征河岸植被垂直分带。定义六HAR分区并划分25个河段，计算各河段退化等级与可新增核心河岸生境面积(全流域可达197 ha，增幅186%)。该框架广泛适用于具LiDAR与影像之受调控或下切河流，为河岸生态修复决策支持系统提供可转移、高效、高分辨率之评估模板，强化生态信息学与修复工程实践间联系。未来研究可探讨加入距水距离、岸坡等其他预测变量，比较不同气候与河流类型中HAR—植被关系，并将本HAR筛选流程与淹没频率分析法、植物—土壤交互精细尺度的HAR法串联应用于"流域—站点"全链条修复规划。
