《Land》:UAV Multispectral–LiDAR Indicators Reveal Terrain-Mediated Ecological Responses Across Karst Hillslope Management Backgrounds
编辑推荐:
喀斯特丘陵坡地土地系统以强微地形异质性、裸露岩–土斑块及管理相关扰动为特征,导致生态响应呈现显著的细尺度变异。研究人员以贵州关岭–贞丰花江岩石荒漠化综合治理示范区三处对比喀斯特丘陵坡地为对象,依地表覆盖与管理特征划分为高强度管理(High)、中强度管理(Med
喀斯特丘陵坡地土地系统以强微地形异质性、裸露岩–土斑块及管理相关扰动为特征,导致生态响应呈现显著的细尺度变异。研究人员以贵州关岭–贞丰花江岩石荒漠化综合治理示范区三处对比喀斯特丘陵坡地为对象,依地表覆盖与管理特征划分为高强度管理(High)、中强度管理(Medium)与半自然恢复(Natural)样点,融合无人机(UAV)多光谱影像与激光雷达(LiDAR)派生数字高程模型(DEM)数据,构建地形–生态耦合强度指标(TECSI)框架,以评估地形变量对生态响应模式的空间可迁移预测能力。在5 m区块尺度下,研究人员以广义加性模型(GAM)、残差Moran's I、随机交叉验证与空间分块交叉验证,将植被覆盖度(FVC)、优化土壤调节植被指数(OSAVI)、近红外红边归一化指数(NDRE750)、岩–土裸露指数(REI)及灰度共生矩阵对比度(GLCM contrast)与LiDAR派生微地形预测变量关联。FVC、OSAVI、NDRE750与GLCM contrast在三样点间差异显著(p < 0.001),REI主要反映坡内斑块状非植被岩–土基质裸露。15个样点–指标模型中,偏差解释率5.5%–35.8%。25 m空间分块交叉验证下,综合TECSI排序为Medium(0.143) > High(0.086) > Natural(0.036),且敏感性分析中稳定。High与Medium样点≥25°陡坡单元伴随植被状况较差与基质裸露增加。TECSI为识别地形敏感生态响应单元、支撑细尺度监测、水土保持筛查及喀斯特丘陵坡地脆弱土地单元管理提供了可复现的空间验证框架。
研究背景方面,山地与丘陵坡地生态系统受地形模板强烈结构化,地形调控水文再分配、径流路径、物质传输与土壤保持过程,坡向辐射差异及局地起伏进一步塑造近地表温湿微气候异质性,进而驱动植被建成、冠层状况、基质裸露与景观斑块结构。然而在西南喀斯特这类浅土、裸岩、植被斑块与人类管理共存的破碎坡面,生态响应常呈非线性、尺度依赖与强空间异质,传统卫星遥感因混合像元、地形阴影与微地形陡变难以解析坡内岩–植镶嵌。近年生态工程虽改善植被与土壤保持服务,但服务效能仍高度依赖土地利用、恢复路径与环境背景,故需细尺度、可空间验证的指标来识别受微地形约束的响应维度与优先筛查单元。为此,研究人员在贵州关岭–贞丰花江岩石荒漠化综合治理示范区选取High、Medium、Natural三处对比喀斯特丘陵坡地,集成UAV多光谱与LiDAR–DEM,提出TECSI框架,量化地形变量在空间分离验证下对生态响应模式的可迁移预测能力,论文发表于《Land》。
关键技术方法上,研究人员于2025年7月15日生长季峰值在三个坡地采用同平台DJI Matrice 350 RTK搭载MS600 Pro六波段多光谱相机与Zenmuse L1激光雷达获取数据,多光谱经Pix4Dmapper辐射定标与正射校正,LiDAR点云经DJI Terra生成0.5 m DEM;以5 m×5 m规则区块为统一分析单元聚合生态指标与微地形变量,剔除有效像元率低于70%及道路建筑深影占比超30%区块,保留4925个有效区块(High 1783、Medium 1642、Natural 1500);微地形预测集经方差膨胀因子(VIF)筛选为坡度、地形湿度指数(TWI)、北向性、东向性、地形位置指数(TPI)、平面曲率与剖面曲率;生态响应指标含FVC(NDVI像元二分)、OSAVI、NDRE750、REI(自构岩–土裸露代理)与GLCM contrast;建模采用mgcv包GAM(REML平滑),辅以残差Moran's I诊断、重复5折随机与25 m空间分块交叉验证,TECSI由空间分块测试集R2按植被维(FVC、OSAVI、NDRE750)与结构维(REI、GLCM contrast)等权聚合。
研究结果部分,3.1节基于4925个5 m区块的UAV派生指标显示,FVC、OSAVI、NDRE750、GLCM contrast在三样点间显著差异(p < 0.001),High的FVC与OSAVI中位最高,Medium的NDRE750中位最高,GLCM contrast呈High > Medium > Natural;REI三样点中位相近(p = 0.851),主要捕捉坡内非植被岩–土斑块裸露而非样点间广域差异。3.2节ROI目视验证显示植被ROI的REI中位为负,裸土与裸岩为正,三表面类在各样点内Kruskal–Wallis均显著,证实REI可作非植被岩–土裸露代理。3.3节Spearman相关表明地形–生态关系具样点依赖性:High中FVC、OSAVI与坡度负相关的ρ约?0.23至?0.25,GLCM contrast与坡度ρ=0.29;Medium中OSAVI与坡度ρ=?0.38、与TWIρ=0.28;Natural相关性普遍偏弱,NDRE750与北向性ρ≈0.25。3.4节15个GAM模型偏差解释率5.5%–35.8%,Medium的OSAVI达35.8%最高,残差Moran's I绝对值近零(?0.007至0.024)。3.5节25 m空间分块CV下响应级R2中等最高为Medium OSAVI 0.333,综合TECSI为Medium 0.143 > High 0.086 > Natural 0.036,15 m/50 m区块与留一指标敏感性分析排序不变。3.6节跨25°法定坡界比较显示,High与Medium的≥25°区块FVC、OSAVI显著更低、REI更高(High的GLCM contrast亦更高),Natural无一致退化指向,仅NDRE750与GLCM contrast略低。
讨论部分指出,TECSI主旨不在评判生态质量优劣,而量化空间分离验证下地形对生态响应模式的可迁移预测程度;植被TECSI与结构TECSI分离避免“可预测性”等同“生态优度”。Medium得分最高源于其植被–基质镶嵌与坡度、TWI、TPI、曲率等微地形再分布过程在5 m支撑尺度上空间对齐最强,使OSAVI对坡度负向、对TWI正向及GLCM contrast驼峰响应可被LiDAR地形复现;High受规整种植行管理部分脱离微地形梯度致可迁移性次之;Natural连续植被、凋落物与根系缓冲微地形光谱表达,且未测土壤厚度、群落组成、岩缝微生境等变量,致TECSI最低。25°边界在管理坡面可筛出植被退降与基质裸露增强单元,在半自然坡面须结合植被结构与环境控制。局限性含单坡代表每类背景、单季观测、REI需野外分盖度验证、预测集仅DEM派生变量及验证限于坡内。
结论部分翻译如下:本研究构建了空间验证的UAV多光谱–LiDAR框架以评估喀斯特丘陵坡地地形介导生态响应可预测性。融合UAV生态指标、LiDAR微地形、GAM、残差Moran's I与空间分块CV,所提TECSI量化了空间分离验证下地形变量对生态响应模式的预测程度。多维UAV指标捕捉三背景互补差异:FVC、OSAVI、NDRE750、GLCM contrast样点间显著,REI主要反映坡内斑块状非植被岩–土裸露;15个GAM偏差解释率5.5%–35.8%,残差Moran's I近零;25 m空间分块CV下综合TECSI排序Medium(0.143) > High(0.086) > Natural(0.036)且在区块尺寸与敏感性分析中稳定。跨25°坡界比较显示High与Medium陡坡单元FVC、OSAVI更低而REI更高,Natural无同向模式。结果表明TECSI联合坡界比较可支撑喀斯特丘陵坡地地形敏感生态单元识别,TECSI应解释为基于地形的生态可预测性空间验证指标,为异质喀斯特景观细尺度UAV监测与水土保持筛查提供可复现路径。