《Biological Diversity》：Comparative Assessment of Landsat-8 and SPOT-7 Satellite Data With Field Spectral Measurements for Estimating Plant Diversity in Sandy Grasslands
编辑推荐：
遥感为生物多样性监测提供了高效方法，然而不同数据源在干旱沙地生态系统中的相对性能仍知之甚少。在本研究中，研究人员比较了Landsat-8 OLI、SPOT和高光谱数据，用于估算中国北方浑善达克沙地的维管植物多样性。野外调查于2016年7月至8月进行，采用1 m
遥感为生物多样性监测提供了高效方法，然而不同数据源在干旱沙地生态系统中的相对性能仍知之甚少。在本研究中，研究人员比较了Landsat-8 OLI、SPOT和高光谱数据，用于估算中国北方浑善达克沙地的维管植物多样性。野外调查于2016年7月至8月进行，采用1 m × 1 m样方，覆盖四种生境类型。α多样性（α-diversity，群落内物种多样性）和β多样性（β-diversity，群落间物种组成差异）根据野外观测计算得出，而光谱波段、植被指数和纹理指标则从生长季获取的影像中提取。研究人员使用Spearman等级相关分析来识别与植物多样性相关的光谱变量，并比较不同传感器间的性能。SPOT显示出与α多样性最强的相关性，高光谱数据性能居中，而Landsat表现相对较差。红边变量和高分辨率纹理指标尤为有效。β多样性在不同生境间存在差异，主要由物种周转驱动。Landsat性能较弱可能与其粗空间分辨率导致的混合像元效应有关。这些结果凸显了空间分辨率和红边信息对沙质草地生物多样性评估的重要性。
**论文解读：Landsat-8、SPOT-7与高光谱数据对沙质草地植物多样性的估算比较**
**研究背景与问题**
生物多样性是影响全球陆地生态系统功能和稳定性的关键因素，但人类干扰、气候变化和外来入侵物种已导致其持续下降。卫星遥感凭借丰富的光谱分辨率和空间覆盖范围，为宏观尺度植物多样性评估提供了有效手段。然而，不同遥感数据源在干旱沙地生态系统中的相对性能仍缺乏系统比较。现有研究多基于单一传感器，导致因地点、空间尺度和植被指数差异而结果不一致，给环境管理者和政策制定者带来困惑。因此，开展多源卫星数据的集成分析对于揭示传感器特性（如空间和光谱分辨率）如何影响多样性估算至关重要。本研究旨在比较Landsat-8 OLI、SPOT-7和野外高光谱数据在估算沙质草地植物多样性中的表现，并识别最敏感的光谱波段、植被指数和纹理指标。研究假设高空间分辨率和红边敏感数据将比粗分辨率多光谱数据与植物多样性具有更强的相关性。该研究发表在《Biological Diversity》，为沙质草地生物多样性遥感监测提供了关键实证依据。
**主要技术方法**
研究人员在2016年生长季（7–8月）于中国北方浑善达克沙地开展野外调查，设置140个1 m × 1 m样方，涵盖固定沙丘、半固定沙丘、流动沙丘和丘间低地四种生境类型。样方坐标经GPS定位后与遥感影像匹配。采用FieldSpec HH便携式光谱仪（325–1075 nm，1 nm带宽）获取每个样方的冠层高光谱反射率，经Savitzky–Golay平滑后保留450–900 nm的186个窄波段。Landsat-8 OLI（30 m多光谱/15 m全色）和SPOT-7（6 m多光谱）影像均选取与野外调查同期（2016年7月）无云数据，经大气校正、几何校正后提取每个样方的光谱波段、66种植被指数（VI）和灰度共生矩阵（GLCM）纹理指标。使用Spearman等级相关分析评估各光谱变量与α多样性（Shannon–Wiener指数、Simpson均匀度指数、Pielou指数等）、β多样性（Whittaker指数）及物种丰富度等指标的关系，并通过Benjamini–Hochberg错误发现率（FDR）校正多重比较的显著性。
**研究结果**
**3.1 光谱反射率在Landsat和SPOT数据中的表现**
通过比较Landsat-8 OLI和SPOT-7的反射率曲线及变异系数，发现两种传感器呈现相似的光谱模式（可见光波段低反射、近红外波段高反射），但SPOT-7的变异系数整体低于Landsat-8，表明SPOT在样方尺度上具有更稳定的光谱响应。Landsat-8的粗像素（30 m）整合了植被斑块、裸沙、凋落物和微地形变化，导致较高的混合像元效应；而SPOT-7的细分辨率（6 m）减少了这一效应，能更好分离植被和裸地信号。两种传感器变异系数的关系并非完全替代，因此需分别评估。
**3.2 物种多样性与各波段光谱反射率的相关性**
Spearman相关分析（经FDR校正）显示，与多样性的最强相关集中在对植被吸收、冠层结构和土壤背景暴露敏感的波段，而非所有可见光波段。Landsat-8中，Whittaker的β多样性（β-diversity）与近红外/短波红外比值（NIR/SWIR）呈负相关，表明高NIR/SWIR值对应较低组成差异；红光波段与Margalef丰富度指数负相关，与β多样性权重指数（βws）弱正相关，说明裸沙暴露增加会降低物种丰富度但可能增加空间分化。SPOT-7中，Shannon–Wiener指数与红光反射率负相关，Simpson指数与近红外反射率正相关，而蓝波段和绿波段无显著相关，表明红和近红外信息对沙质草地植物多样性表征更为关键。
**3.3 光谱指数与植物多样性的相关性**
Landsat-8和高光谱数据的结果一致显示：光谱异质性指标（如Landsat-8 OLI波段变异系数CVtm）与物种丰富度、Shannon指数和物种丰度均呈显著正相关（p < 0.01），表明空间光谱变异能有效捕捉生境异质性；而传统绿度指数（NDVI、SAVI、EVI）与多数多样性指标关系微弱（|r| < 0.05），这归因于沙质草地低植被覆盖压缩了这些指数的动态范围。红边指数mNDVI705（红边归一化植被指数705）与β多样性（βws）显著正相关（r = 0.235, p < 0.01），表明红边信息对物种组成变异更敏感。SPOT-7的结果较弱：仅NDVI与物种丰度和Shannon指数显著正相关（r分别为0.23和0.18，p < 0.05），但与其他多样性指标相关性弱，且光谱异质性指标无显著相关，这与其缺乏红边波段有关。
**结论与讨论**
讨论部分指出，Landsat-8的粗空间分辨率（30 m）导致混合像元效应，降低了对生态系统精细空间复杂性的敏感性，但成功用于区分不同演替阶段植被。SPOT-7虽然空间分辨率高（6 m），但光谱分辨率低，且其绿度指数与植物多样性出现负相关，可能与精细分辨率下植被阴影被更多像素捕捉有关。高光谱数据（ASD光谱仪）虽具有高光谱分辨率，但属于非成像点光谱，缺乏空间像素信息，无法反映样方内精细光谱变异，导致性能介于SPOT和Landsat之间。红边、近红外和短波红外相关变量对多样性估算有效，因为叶片化学性状（如色素、养分、木质素）在不同光谱区间有特异性吸收。研究还讨论了光谱变异假说（SVH）的尺度依赖性：粗分辨率下混合像元增加，光谱异质性与物种丰富度的相关性可能提高；但物种内光谱变异（由环境或传感器差异引起）可能超过物种间变异，限制SVH的确定性应用。像素大小与样方尺度的匹配至关重要：理想情况下像素大小应与样方大小一致，但存在高分辨率引入噪声和低分辨率导致信息丢失的权衡。
**结论部分翻译**：本研究证明，Landsat-8 OLI、SPOT-7和野外光谱测量为估算沙质草地植物多样性提供了互补而非可互换的信息。Landsat-8 OLI捕获了更宽的光谱异质性，这很可能是因为其较粗的像素整合了植被、裸沙和微地形变化，而SPOT-7则提供了更空间稳定的局部地表条件表征。在各光谱波段中，红波段和近红外相关变量比蓝波段和绿波段反射率更具信息量，表明叶绿素吸收、冠层结构和土壤暴露是该生态系统多样性模式的主要光谱控制因素。在测试的变量中，光谱异质性指标和红边敏感指数表现出最强的生态相关性。具体而言，Landsat-8 OLI波段变异系数与物种丰富度、Shannon多样性和丰度正相关，而野外导出的红边指数mNDVI705与β多样性显著相关。相比之下，传统绿度指数如NDVI、SAVI和EVI解释力有限，尤其是在稀疏植被覆盖和强土壤背景效应下。总体而言，结果表明沙质草地植物多样性的遥感估算共同依赖于空间分辨率、光谱分辨率以及所评估的多样性维度。α多样性与光谱异质性更紧密相关，而β多样性则通过红边或水分相关光谱属性得到更好捕捉。没有单一传感器或指数足以表征植物多样性的所有方面，这凸显了未来生物多样性监测中采用多源和多尺度方法的必要性。
