《International Journal of Digital Earth》:An integrated spatio-temporal feature and multi-scale landscape pattern framework for monitoring forest disturbance in Karst regions
编辑推荐:
在喀斯特区域监测精细尺度森林干扰对生态恢复至关重要,但受云覆盖、异质性和二值检测局限性的制约。研究人员提出一种集成框架,将时空干扰检测与多尺度强度分析(SLAF)相耦合。首先,空间-时间极值与特征(STEF)算法检测小尺度干扰,该算法对Landsat归一化差异
在喀斯特区域监测精细尺度森林干扰对生态恢复至关重要,但受云覆盖、异质性和二值检测局限性的制约。研究人员提出一种集成框架,将时空干扰检测与多尺度强度分析(SLAF)相耦合。首先,空间-时间极值与特征(STEF)算法检测小尺度干扰,该算法对Landsat归一化差异水分指数(NDMI)时间序列(1986–2021)进行空间上下文归一化以抑制数据稀疏条件下的季节噪声,从而提取多级时空特征。其次,通过聚类大应用(CLARA)聚类,将检测到的干扰与多尺度景观格局指标——斑块密度(patch density)和邻接度(adjacency)——相结合,推导出五个具有生态可解释性的干扰强度等级,超越了二值分类。SLAF总体精度达97.09%,Kappa系数为0.708,干扰类生产者精度73.91%、用户精度70.83%、F1分数0.723。识别出的森林干扰峰值年份与关键生态政策转变吻合良好,表明SLAF的可靠性。此外,SLAF通过多尺度强度分析揭示了从孤立林隙到聚集斑块的梯度变化,提供了具有生态意义的严重度分类。该研究为将卫星数据转化为脆弱喀斯特生态系统可操作的管理洞察提供了稳健工具。
研究背景方面,西南中国喀斯特森林因土层浅薄不连续、基岩裸露度高及地表-地下双重排水而极为脆弱,植被浅根且以灌草为主,对干扰高度敏感,易触发土壤侵蚀与石漠化。传统遥感森林干扰监测面临三大瓶颈:季风区云覆盖导致Landsat时间序列稀疏不规则,像素中心光谱轨迹法难以稳健拟合季节基线;现有方法多忽略空间上下文或仅用单尺度描述符,对小尺度、碎片化、反复发生的人为干扰(如刀耕火种、短轮伐)漏检率高;绝大多数方法输出二值图或仅按光谱变化幅度分级,忽视斑块配置与强度梯度,无法联结景观格局与生态过程。为此,研究人员以广西环江毛南族自治县(含木伦原生林、木林自然恢复次生林、古周人工经营林三类政策梯度功能区)为案例,构建SLAF框架,旨在同时回答干扰在何时何地发生、以何种空间组织形态出现以及具有何种生态严重度。
关键技术方法上,研究人员采用1986–2021年Landsat 5/7/8 Collection 2 Level-2地表反射率数据,于Google Earth Engine中经Fmask去云、Roy等光谱调和后构建NDMI时间序列;选取NDMI为最优指标,对其做9×9窗口空间上下文归一化(SNDMI=NDMIpixel/NDMImedian)以抑制季节气候信号;建立9×9×36年局部时空数据立方体,分1986–2000历史期与2001–2021监测期,以历史期5th百分位为负异常阈值、连续两期异常初筛潜在干扰;从立方体中提取17个时序、空间、时空特征,投入随机森林(RF, ntree=501, mtry=4)计算干扰概率并二值化;后在检测图上以3×3至27×27共7种滑动窗口计算斑块占比(Pd)与斑块邻接(Pdd),组14维多尺度向量,用CLARA聚为5类强度。样本来自高清影像目视解译与TimeSync辅助,含训练265、阈值验证146、面积比例分层随机验证909点,并以Hansen全球森林变更产品为辅。
研究结果部分,3.1节干扰检测精度显示,5th百分位初筛较宽松阈值制图精度提升约28.57%;STEF在概率阈值0.35时总体精度97.09%、Kappa 0.708、干扰类PA 73.91%/UA 70.83%/F1 0.723,全概率段OA>90%,优于仅用连续异常基线法与BFAST(平衡采样下UA 84.80% vs 71.70%)。RF变量重要性表明参考立方体时空变异性(SDrc、Vrc)、异常阈值(Qthresh)、邻域非林像元数(CBnf)等上下文特征贡献最高,单纯变化幅度(Mchange)次之。3.2节时空格局指出,1986–2021年环江14.80%林地(429.90 km2)受扰,中西及中部近城镇道路区聚集高,木伦保护区低;峰值年2001(21.90%)、2005、2008合计占51.70%,与退耕还林、石漠化治理政策节点吻合;季节上80%事件集中于2–5月(3月最高),对应干季末刀耕火种与采伐。3.3节多尺度强度分析中,Pd跨尺度稳于4.85%–4.90%,Pdd随窗口由19.03%升至24.12%;小窗口呈“穿孔”簇状、大窗口转“斑块”分散状;CLARA(K=5,ASW=0.560)分极轻、轻、中、重、极重五级,极重级高Pd高Pdd集中于中部经营林区,对应皆伐核区,重级多居大斑边缘或集材道,轻重级对应选伐林隙;叠加石漠化图显示中重度石漠化比例随强度单调上升,极重级轻石漠化比例降至43.25%。
讨论部分总结,研究人员指出SLAF三重贡献:针对喀斯特云频数据稀疏,以空间上下文归一化替代参数化季节建模,放大局地负偏差;以多级时空特征(尤邻域传染与上下文)压制异质景观误报,使STEF特异性优于BFAST而不损敏感性;将检测与多尺度Pd/Pdd格局分析耦合,突破二值图,把“孤立林隙→聚集斑块”的尺度依赖转换定量表达为生态严重度梯度。峰值年与政策转折一致及干季集中性佐证了人为驱动主导,但也承认2001年可能受干旱叠加。强度梯度直接对接石漠化风险:极重级需紧急土壤稳定与原生造林(喀斯特功能恢复约40–50年),重级需辅助天然更新与缓冲带(灌木乔木阶段约30–40年),中级保护下自然更新(灌木阶段15–25年),轻极轻级隔离即被动恢复(草丛阶段5–10年)。该文发表于《International Journal of Digital Earth》,结论为SLAF在云覆盖喀斯特区实现了从“是否扰动”到“何种配置与严重度”的转化,为脆弱生态系统管理提供可操作数字工具。