用于生物多样性研究的基于Landsat地表温度数据得出的生物热学变量

《Remote Sensing of Environment》:The BioThermal variables derived from Landsat surface temperature data for biodiversity applications

【字体: 大 中 小 】 时间:2026年08月13日 来源:Remote Sensing of Environment 12.3

编辑推荐:

  •开发了一套基于Landsat的生物热变量(1984–2024年)。•生物热指标能够捕捉精细的空间和季节性温度变化。•在预测鸟类物种丰富度方面,生物热变量优于WorldClim模型。•高分辨率生物热地图有助于提升生物多样性建模与保护工作。引言气候条件、水资源可用性以及初级生产力是

  
  • •
    开发了一套基于Landsat的生物热变量(1984–2024年)。
  • •
    生物热指标能够捕捉精细的空间和季节性温度变化。
  • •
    在预测鸟类物种丰富度方面,生物热变量优于WorldClim模型。
  • •
    高分辨率生物热地图有助于提升生物多样性建模与保护工作。

引言

气候条件、水资源可用性以及初级生产力是影响物种生物多样性的关键因素(Coelho等人,2023;Currie,1991;Wright,1983)。在气候因素中,温度被广泛认为是决定物种多样性的重要因素(Zhang等人,2021;Zhang等人,2023),它通过影响物种的生理机能、生存能力、生长速度、繁殖能力以及资源可获得性来决定物种的分布情况(Howard等人,2019;Kaspari等人,2019)。“温度假说”认为,较高的温度有利于生物间的相互作用及代谢过程的加速,进而提升物种丰富度(Mittelbach等人,2007;Peters等人,2016;Rohde,1992)。不过,这种关系在较大的空间尺度上更为明显,尤其是在全球范围内,并非在所有生态系统或物种群中都成立。在区域尺度上,物种丰富度也受到水资源可用性、能量与水分平衡以及栖息地特征的影响(Hawkins等人,2003)。物种的耐温阈值决定了其生理生态位和空间分布范围(Bozinovic,2011),同时温度还会通过影响生物活动来决定区域的物种分化速率(Jetz和Fine,2012)。实际上,在大范围和局部尺度上,基于温度的预测因子都与各类主要物种群的物种丰富度存在较强关联,包括鸟类(Carroll等人,2022;Elsen等人,2020;Howard等人,2015)和哺乳动物(Onditi等人,2023;Ramesh等人,2016;Zhang等人,2021)。
目前有许多国家和全球性的环境数据集可用于生物多样性研究。其中最常用的是WorldClim,这是一套基于气象站数据插值得到的全球气候数据集,可提供历史及未来预测的气候信息,包括1公里分辨率下的月平均温度和降水量(Fick和Hijmans,2017;Hijmans等人,2005)。另一个例子是PRISM-ELM模型,该模型将气候数据与海拔、温度、降水量等其他气候变量的空间数据相结合,用于估算生态状况(Daly等人,1994;Rupp等人,2022)。PRISM-ELM生成的气候数据集通常具有约800米的空间分辨率,其生成依赖于PRISM-ELM插值框架,该框架将地面气象观测数据与地形特征参数结合,从而得到连续的空间气候估算值(Daly等人,2008)。尽管这些插值数据集在生物多样性建模中被广泛使用(Bishop等人,2019;McCain等人,2018;Pecchi等人,2019;Rogan和Miller,2006),但它们的空间分辨率通常较粗(如1公里),可能无法反映移动动物为满足自身温度及其他需求而选择的栖息地特征。此外,在山区或数据稀少的地区,由于气象站密度低且环境梯度大,这些数据集可能存在插值误差,从而导致对当地实际情况的误判(Behnke等人,2016)。
卫星在热红外波段进行的测量可以用来估算地表温度,即地球表面的辐射“表面温度”(Jimenez-Munoz等人,2014;Li等人,2023)。地表温度是气候、水文、生态学以及生物地球化学研究中的重要地球系统数据记录(Mildrexler等人,2009;Nemani等人,1996;Running等人,2004)。与气象站位于地面以上1.5–2米处测量的近地面空气温度不同,地表温度直接反映了地面自身释放的热量(Jin和Dickinson,2010)。虽然地表温度通常与空气温度高度相关(Naserikia等人,2023;Schwarz等人,2012;Seemann等人,2008;Yao等人,2011),但这种相关性可能会因地表升温与空气温度响应之间的时间差、蒸散作用的变化以及地表特性差异(如植被覆盖度和土壤湿度)等因素而减弱(Li等人,2013;Prihodko和Goward,1997)。不过,地表温度具有连续的空间覆盖特性,能够弥补那些基于稀疏气象站网络生成的插值气候数据集的缺陷。因此,对于那些缺乏密集地面气象观测数据的地区,地表温度能为生态建模提供补充且往往更具空间细节度的数据(Jin和Dickinson,2010)。MODIS等传感器使得地表温度得以广泛用于监测土地覆盖、干旱状况以及生物多样性分布模式(Albright等人,2011;Coops等人,2009;Wan等人,2010)。不过,尽管MODIS提供的地表温度具有全球覆盖范围,但其1公里的分辨率意味着它无法捕捉到精细的温度差异。
遥感获取的地表温度数据在生物多样性研究中也发挥着重要作用(Elsen等人,2021;Elsen等人,2020;Silveira等人,2022;Silveira等人,2021;Zhang和He,2013)。例如,基于Landsat 8 TIRS数据得出的温度值及温度空间差异,是美国本土冬季鸟类物种丰富度格局的最强预测因子之一,能够解释不同类型鸟类群落的多样性变化情况:留鸟群体(R2=0.38)、小型鸟类群体(R2=0.50)、大型鸟类群体(R2=0.28)以及受气候影响较小的鸟类群体(R2=0.58)(Elsen等人,2020)。此外,基于MODIS地表温度及其空间变异性的指标(即MOD11A2,1公里分辨率数据)也能较好地预测中亚干旱地区的鸟类和哺乳动物物种丰富度(相关系数分别为0.48和-0.49;Zhang等人,2021)。另外,MODIS地表温度数据还被用于分析北美洲温带地区热浪对鸟类多样性的影响,进一步凸显了极端事件在塑造生物多样性方面的关键作用(Albright等人,2011)。然而,无论是MODIS还是WorldClim的数据,由于其分辨率较低,其在实际应用中的参考价值有限,其在生物多样性模型中的预测能力也可能受到影响。温度与物种多样性之间的关系表明,若能开发出中等分辨率的新型温度指标,就能更详细地了解那些直接影响物种分布和生态系统动态的因素。中等尺度的温度变异数据尤其具有价值,因为它很可能影响物种的栖息地偏好、生理机能以及对气候变化的响应。
我们的目标是开发一套新的基于Landsat的温度指标,将其命名为“生物热变量”,用于生物多样性科学研究和保护工作。这些指标是基于与温度相关的BioClim变量的定义构建的,我们的具体目标包括:(a)为美国本土1984年至2024年的数据计算生物热变量;(b)通过分析选定生物热变量的空间差异,确定潜在的避温区域;(c)通过数据可用性分析及敏感性测试,评估生物热变量的可靠性;(d)比较生物热变量与传统的气候数据集(PRISM-ELM和WorldClim)之间的一致性;(e)评估这些变量在预测鸟类和哺乳动物物种丰富度方面的表现;(f)生成鸟类和哺乳动物物种丰富度的预测地图。

章节摘要

研究区域与鸟类及哺乳动物物种丰富度

我们用于计算与温度相关的生物气候变量的研究区域是美国本土。为评估生物热变量以及PRISM-ELM和WorldClim提供的传统生物气候变量作为生物多样性预测因子的相对有效性,我们研究了大规模范围内的鸟类和哺乳动物物种丰富度分布情况。具体而言,我们重点分析了国家生态观测网络中的陆地观测点数据,这些观测点分布在16个不同的生态气候区域中

生物热变量与温度差异变量

我们成功从1984年至2024年美国本土的Landsat热影像中提取出了9种生物热变量和3种温度差异变量,分别为Bio1、Bio2、Bio3、Bio4、Bio5、Bio6、Bio7、Bio10、Bio11、Bio1_SD_3x、Bio1_SD_11x和Bio1_SD_101x。这些变量对应的地图反映了由地表温度数据衍生的不同生物气候变量的空间分布特征,不同区域之间的温度极值和季节性波动存在显著差异(见图1)。通过直观对比生物热变量与

讨论

我们开发了基于Landsat的温度变量,用于为生物多样性研究提供生物气候条件相关信息。这些生物热变量能够反映1984年至2024年的长期温度变化趋势,且设计为每年更新一次,即便在气象站分布稀少的地区,也能提供可靠的温度数据支持,而传统数据集往往在这些地区缺乏覆盖。我们在Google Earth Engine中提供的开源代码具备可重复性,用户可使用该代码自行生成生物热变量

结论

我们开发并评估了分辨率为30米的基于Landsat的温度变量,用于为生物多样性研究提供生物气候条件相关信息。这些新的生物热变量为传统低分辨率气候数据集提供了补充性的温度信息,尤其在预测物种丰富度方面表现更好,尤其是对于那些对细微温度变化较为敏感的森林和草原鸟类物种。这一改进不仅得益于更高的

CRediT作者贡献说明

Eduarda M.O. Silveira:撰写原文初稿、方法部分、概念构思部分。Anna M. Pidgeon:负责项目监督与管理工作。Volker C. Radeloff:负责项目监督、管理工作以及方法部分的制定。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

我们要感谢两位匿名审稿人,他们提出的宝贵意见极大地提升了我们论文的质量。同时,我们也衷心感谢NASA的生物多样性计划以及NASA的生态保护计划给予我们的支持。
Eduarda M.O. Silveira|Anna M. Pidgeon|Volker C. Radeloff
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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