用于评估局地影响对牧场状况的相对生产力指数(Relative Productivity Index, RPI):改进与评价

《Rangelands》:The relative productivity index for assessing local impacts on rangeland condition: Refinement and evaluation

【字体: 大 中 小 】 时间:2026年07月22日 来源:Rangelands CS6.9

编辑推荐:

  在地面(On the Ground):相对生产力指数(Relative Productivity Index, RPI)将观测到的植被生产力与健康、未退化牧场的潜在生产力进行比较,后者是利用机器学习模型从气候、土壤和地形估算得出的。这提供了一个动态的、数据驱动

  
在地面(On the Ground):相对生产力指数(Relative Productivity Index, RPI)将观测到的植被生产力与健康、未退化牧场的潜在生产力进行比较,后者是利用机器学习模型从气候、土壤和地形估算得出的。这提供了一个动态的、数据驱动的基线,可据此评估植被状况。研究人员提出了一种改进的RPI版本,在东非牧场区分局地管理影响与背景气候变率方面,令人信服地优于广泛使用的替代方法(即残差趋势分析(Residual Trends Analysis, RESTREND))。这增强了检测到趋势反映土地状况而非短期气候变化的信心。RPI不能替代地面监测,但能揭示被降雨和温度波动掩盖的植被状况潜在变化。案例研究有助于阐明应如何结合田间指标解释RPI输出。RPI对入侵性Neltuma(原名Prosopis)灌木的敏感性有限,既突出了该指标的稳健性,也强调了结合当地生态知识解释基于卫星评估的重要性。由于RPI动态估算了给定气候和土壤条件下的预期生产力,由此产生的标准化指标能够跨区域和跨时间直接比较牧场状况,支持更一致的大规模土地管理监测与评估。
研究背景方面,牧场退化表现为生态系统生产力或功能的持续下降,尤其影响支撑草食动物的植被群体。在非洲牧场中,植被覆盖与生产力的丧失及裸地的相应扩张是普遍且有害的退化形式。植被覆盖与生产力常被用作早期退化的指标,田间广泛测量裸地和分数植被覆盖作为状况指标,同时一系列基于遥感的方法依赖生产力下降来识别退化区域,例如可持续发展目标指标15.3.1的良好实践指南将初级生产力下降作为其定义退化土地的三个指标之一。然而,田间指标与遥感生产力数据均不足以诊断退化,一方面需定义客观基线以比较当前观测状况,另一方面常见田间指数与卫星生产力估算随季节、近期降雨及其他自然变率波动,难以区分长期退化与短期驱动因子影响。为此,学界提出尝试控制此类变率(尤其是降雨)影响并定义客观生产力基线的指标,其中有前景的新进展是相对生产力指数(Relative Productivity Index, RPI)。RPI是观测植被总初级生产力(Gross Primary Productivity, GPP)与主要由气候、地形和土壤属性决定的潜在生产力之比,潜在生产力定义为给定生物物理条件下每个网格像元和年份期望的GPP第90百分位数,使用分位数回归森林(Quantile Regression Forest)机器学习模型计算,模型训练采用研究区1%网格像元的随机样本。RPI值接近1表明观测GPP大致等于该年生物物理潜力,低值表明GPP受模型未包含的额外因素局地限制。此前RPI在东非牧场评估中存在性能空间异质性、近河流湿地及地形特征有系统异常等局限。因此,研究人员改进并评估RPI以评估局地对牧场状况的影响,在肯尼亚和北坦桑尼亚牧场计算改进版RPI(v2),通过三个案例研究检验性能与局限,以提供RPI与其他监测方法结合使用及进一步改进的指导。该研究发表于《Rangelands》,重要意义在于提供更优控制气候变率的植被状况评估工具,支持跨区域跨时间大规模监测。
研究人员开展研究用到的几个主要关键技术方法包括:采用改进版RPI计算方法,研究区为肯尼亚和北坦桑尼亚三大牧场生态区,使用PML_V2全球栅格数据集(约500 m空间分辨率、8天时间分辨率)量化GPP并聚合为2001–2023水文年年度总量;提取1%研究区网格像元的气候、地形、土壤、水文预测因子(包括年协变量如年降水量、降水异常、降水强度、降水时间异常、降水未排序基尼指数、平均气温、潜在蒸散(Potential Evapotranspiration, PET)、光合有效辐射(Photosynthetically Active Radiation, PAR),静态协变量如生态区ID、平均年降水量、土壤砂粒分数、木本植被覆盖、高程、坡度、地形湿度指数、距最近河流距离),训练分位数回归森林模型预测潜在GPP,采用前向特征选择与超参数调优及空间块交叉验证;通过报告平均绝对误差(Mean Absolute Error, MAE)和R2评估v2与v1性能;对比RPI与LandPKS众包田间植被监测数据的裸地覆盖、草本植被覆盖、草本多年生分数等指标,采用皮尔逊相关检验与广义加性模型(Generalised Additive Models, GAMs);针对入侵Neltuma灌木,采用线性混合模型与单因素方差分析(One-way ANOVA)及Tukey检验分析RPI均值差异;针对2015年纳库鲁湖炭疽疫情,采用合成控制法(Synthetic Control Method, SCM)构建反事实时间序列,对比RPI与原始GPP的时间序列以评估干扰影响,样本涵盖肯尼亚33个至少25%面积为牧场的国家公园与保护区。
研究结果部分保留小标题并说明如下:
Performance of the updated RPI model:更新后的分位数回归模型较原始RPI模型(v1)性能大幅提升,在共有研究区网格像元与年份(2000–2019)中,v2总体MAE为435 g C m-2 y-1、R2为0.79,v1为511 g C m-2 y-1、R2为0.72;v2在解释空间多年度平均GPP变异(MAE 254、R2 0.90)与时间像元年GPP变异(MAE 325±188、R2 0.48±0.21)上均优于v1(空间MAE 318、R2 0.85;时间MAE 378±209、R2 0.31±0.21)及RESTREND(时间MAE 384±190、R2 0.26±0.15);年降水、温度、高程和生态区是模型中最重要的协变量,约95%样本点RPI值在0.2–1.0范围,河流谷地与复杂地形仍有正异常残留变异。
Relationships between RPI and field-measured degradation indicators:清理后LandPKS数据集含745个独特样本、439个独特网格像元、2014–2022年九个水文年;三种遥感指标均与裸地覆盖呈显著负相关、与草本植被覆盖呈显著正相关,潜在GPP解释的偏差最高,其次为观测GPP,表明田间指标受降雨等生物物理驱动强;RPI作为协变量的GAM解释偏差远低于GPP,说明RPI有效归一化了天气效应,与田间退化指标无紧密相关性,提供互补信息。
RPI signatures of invasive species:线性混合模型R2为0.58,Neltuma土地覆盖估计RPI值为0.63,接近Vachellia(0.66),高于稀疏植被与Sorghum bicolor,低于Ficus sur(1.45)、混合植被对照(0.93)与Cynodon plectostachyus(0.81);田间样点Neltuma存在区域平均RPI为0.59,单因素ANOVA与Tukey检验显示Neltuma仅与Ficus sur和稀疏植被有显著差异,与其他类别无显著差异,表明入侵灌木无异常高RPI值。
Impact evaluation of the Lake Nakuru anthrax outbreak with RPI and GPP:RPI时间序列较GPP年际变率更小、单位间变异系数更低,归一化了天气引起的年际变异;纳库鲁湖RPI与GPP合成控制反事实前处理拟合中,RPI平均绝对缩放误差为59%,GPP为49%;RPI与GPP合成控制结果均未显示2015年后相对于反事实有显著异常,表明炭疽爆发未导致可检测的植被状况变化。
讨论部分总结:研究人员开发了改进版RPI(v2),解决先前局限,空间与时间性能大幅提升,优于现有区分管理影响与自然变率的方法。三个测试案例表明:RPI与田间状况指标无强替代关系,提供互补信息;入侵Neltuma灌木无异常RPI值,降低将其入侵误认为恢复的风险,但不同土地覆盖有不同RPI特征需结合解释;RPI减少保护区间系统差异与年际噪声,但合成控制拟合未优于GPP,因RPI过滤气候影响后站点间相关性减弱,且两者均旨在归一化混杂变量。讨论提出未来改进方向包括增加植物可用水预测因子(时间上前几年降水、空间上局部水文)、用气候产品替代单一高程以捕捉微气候;RPI适用于多年趋势与大区域比较,推荐用多年均值或平滑趋势而非单年值,不能作为单一指标需结合田间观测与其他遥感信息;RPI是相对指标,基线随新数据加入可能变化,但趋势与空间差异仍有意义;需在更大更多样区域检验RPI稳健性以支持大陆或全球尺度数据集。翻译研究结论部分:研究人员展示了RPI作为分析多变与变化气候下牧场植被动态新方法的重要潜力。三个说明性案例阐明了在真实保护背景下应用RPI的重要考虑并突出进一步改进领域。基于本研究工作,需:(i)实现更高效计算实现以支持在更大更多样生态范围部署;(ii)用新数据集进一步改进RPI方法;(iii)用新案例扩展RPI评估;(iv)探索在多重尺度决策过程中恰当整合RPI。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号