基于高光谱的新疆额敏县野生果树森林水源涵养分布反演

《Journal of Hydrology: Regional Studies》：Hyperspectral-based inversion of water conservation distribution in wild fruit forests of Emin County, Xinjiang, China

　　

研究区域位于中国新疆额敏县，野生果树森林是稀有种质资源野生苹果的原生栖息地之一，其地理和生态功能对于调节区域水循环至关重要。研究焦点通过分数阶导数（FOD）和对数变换方法，提高了高光谱数据、多个植被指数与野生果树森林水源涵养能力之间的相关性和敏感性。高光谱技术与机器学习的结合能够捕捉水源涵养能力与野生果树森林生态环境之间的复杂非线性关系，有助于构建数学模型。利用Sentinel-2图像结合高光谱技术，反演了野生果树森林水源涵养能力的空间分布。区域新水文见解野生果树森林土壤层持水能力是水源涵养的主要组成部分（>80%）。在低洼谷地，归一化差异水体指数（NDWI）和简单比值指数（SR）在较高植被覆盖度和谷地汇流的双重作用下较高，确保了水源涵养能力的可持续性。在坡度较高的区域更容易发生土壤侵蚀，导致水源涵养能力降低。研究区野生果树森林的水源涵养能力表现出明显的空间异质性。总体而言，水源涵养能力较差。仅在植被覆盖度高的区域，冠层、土壤和凋落物在蓄水方面发挥更大作用。

**论文解读文章**

**研究背景**
全球气候变化与水资源短缺加剧背景下，森林生态系统通过冠层截留、凋落物持水及土壤蓄水等机制调节降水再分配，在涵养水源、调控径流、改善水质等方面发挥关键作用。水源涵养作为核心生态系统服务功能，已受到广泛关注。然而，传统定量评估方法（如水均衡法、综合蓄水法）多基于静态参数，难以捕捉复杂非线性关系，且在大尺度空间动态监测中存在时效性不足的问题。野生果树森林作为古老森林类型，在气候调节、水土保持及生物多样性保护中具有重要价值，但过度放牧与旅游开发导致其分布缩减、种群衰退。新疆额敏县野生果树森林是稀有种质资源野生苹果的典型栖息地，其水源涵养能力直接影响区域水文循环与植被群落稳定性。现有成熟模型难以精确量化干旱区小尺度典型树种的水源涵养能力，亟需发展融合高光谱遥感与机器学习的新方法，以实现空间异质性的精准反演。

**研究内容与结论**
研究人员以新疆额敏县野生果树森林为研究对象，综合运用高光谱技术、分数阶导数（FOD）变换及机器学习算法，构建了水源涵养能力估算模型，并利用Sentinel-2多光谱影像实现空间反演。主要结论包括：土壤层是水源涵养的主体（平均持水能力285.18 t·ha^-1，占85.80%），冠层截留占10.59%，凋落层贡献最小（3.6%）；经FOD及对数变换后，高光谱敏感波段（如1.2FOD_{864 nm}、LOG(R_{1570 nm})''）与植被指数（SR、NDWI）与水源涵养能力的相关性显著增强；随机森林（RF）模型表现最优（R²=0.73±0.03，RMSE=76.16 t·ha^-1，RPD=2.0），且蒙特卡洛模拟表明其不确定性最低；空间反演结果显示，研究区水源涵养能力普遍较低，呈显著空间异质性，低洼谷地因径流汇合与植被覆盖度高而具有较高蓄水能力，高坡度区域则因水土流失而能力减弱。该研究发表于《Journal of Hydrology: Regional Studies》，为干旱区野生果树森林的水源涵养能力评估与生态修复提供了关键技术支撑。

**主要技术方法**
研究人员采用综合蓄水法计算水源涵养能力（冠层截留、凋落物持水、土壤持水之和）。关键方法包括：①利用ASD FieldSpec4便携式光谱仪获取228棵树木冠层叶片的高光谱数据（350–2500 nm），经Savitzky–Golay滤波平滑后，应用Grunwald–Letnikov分数阶导数（FOD，阶数0–2，步长0.2）及对数变换处理；②计算16种植被指数（如NDWI、SR等）；③构建支持向量回归（SVR）、随机森林（RF）和反向传播神经网络（BPNN）三种机器学习模型，并通过7折交叉验证与蒙特卡洛模拟评估精度与不确定性；④选取最优模型（RF）结合Sentinel-2 L2A多光谱影像，进行空间反演。样本来源：2024年7–10月在额敏县野生果树森林景区布设57个样点（50 m×50 m），采集228棵树的叶片、土壤（10–20 cm深度）及凋落物样本。

**研究结果**

**3.1 野生果树森林水源涵养定量分析**
通过综合蓄水法计算各组分，土壤层平均持水能力为285.18 t·ha^-1（占85.80%），冠层截留为35.19 t·ha^-1（10.59%），凋落物持水为11.98 t·ha^-1（3.6%）。土壤层变异系数最大（0.49），表明空间异质性显著。

**3.2 叶片光谱对水源涵养量的响应**
随FOD阶数增加，光谱与水源涵养能力的相关性增强。1.0阶和1.2阶导数在近红外（1150–1550 nm）和短波红外（850–950 nm）出现敏感波段。对数一阶导数（LOG(R_{743 nm})'）和对数二阶导数（LOG(R_{1570 nm})''）的相关系数分别达?0.67和?0.72。植被指数中NDWI（r=0.47）和SR（r=?0.56）相关性最高。

**3.3 水源涵养估算模型构建**
对比不同k值（3、5、7、8、10折），7折交叉验证时模型性能最优。RF模型（树数200，最小分裂样本数2）R²=0.73±0.03，RMSE=76.16 t·ha^-1，RPD=2.0；SVM模型（RBF核，C=21.5，γ=20.3）R²=0.71±0.03，RPD=1.95；BPNN模型（3隐层，动量0.5）R²=0.67±0.06，RPD=1.79。蒙特卡洛模拟显示RF模型置信区间最窄（[237.52, 438.78]），稳定性最佳。

**3.4 基于机器学习模型的空间分布分析**
变量重要性分析表明，1.2FOD_{864 nm}和LOG(R_{1570 nm})''贡献最大。将RF模型与Sentinel-2影像融合，反演得水源涵养能力低值区（208.3–320.0 t·ha^-1）占34.63%，中值区（320.1–460.0 t·ha^-1）占43.06%，高值区（460.1–648.11 t·ha^-1）仅占22.31%。高值区主要分布在低洼谷地，而高坡度区域能力较弱。

**讨论与结论**
**讨论部分总结**：模型精度评估表明，RF模型优于SVM和BPNN，7折交叉验证平衡了偏差与方差。蒙特卡洛模拟证实RF模型不确定性最低，但预测值存在轻微右偏。空间分布显示，水源涵养能力与地形驱动的水量再分配理论一致，低洼谷地因径流汇合与植被高覆盖度而蓄水能力较强，高坡度区域则因水分快速流失而能力显著降低。模型通用性方面，该模型适用于干旱区与野生果树森林生理特征相似的阔叶树种，但对湿润区或针叶林需重新筛选自变量。研究局限性在于土壤采样深度为10–20 cm，可能低估深层土壤蓄水能力，未来可融合微波遥感与激光雷达技术以提升精度。
**结论翻译**：以新疆典型野生果树森林为研究区，利用分数阶导数（FOD）和机器学习算法构建了水源涵养能力模型。高光谱技术与多波段图像融合用于分析野生果树森林水源涵养能力的分异规律。土壤层是野生果树森林水源涵养的主要组分，平均有效持水能力为285.18 t·ha^-1，占总水源涵养的85.80%。冠层截留占10.59%，凋落物层持水能力最弱，仅占3.6%。水源涵养的高变异系数表明存在显著的空间异质性。对叶片光谱数据应用FOD及对数一阶、二阶变换后，多个植被指数与野生果树森林水源涵养能力的相关性显著增强。其中，1.2FOD_{864 nm}（r=?0.62）、LOG(R_{743 nm})'（r=?0.67）、LOG(R_{1570 nm})''（r=?0.72）和R''_{2140 nm}（r=0.65）大幅提升了光谱与水源涵养的相关性，为高精度模型构建提供了关键输入变量。在植被指数中，SR（r=?0.56）和NDWI（r=0.47）与水源涵养相关性最强，被选为模型输入变量。高光谱技术与机器学习算法的结合能够捕捉水源涵养能力与野生果树森林生态环境之间的复杂非线性关系。采用支持向量回归（SVR）、随机森林（RF）和反向传播神经网络（BPNN）三种机器学习方法构建了野生果树森林水源涵养估算模型。RF模型拟合效果最佳，测试集平均R²达到0.73±0.03，RMSE为76.16，RPD为2。蒙特卡洛不确定性分析验证了RF模型在处理输入变量和参数波动时的稳健性，其95%置信区间最窄，表明预测高度集中且可靠性强。SVM模型稳定性较低，BPNN模型则出现过拟合迹象。结合Sentinel-2图像与高光谱技术反演了野生果树森林水源涵养能力的空间分布。野生果树森林水源涵养能力较低且存在显著的空间异质性。低洼谷地因溪流汇合和较高植被覆盖度而具有较高的水源涵养能力，而高坡度区域更易发生水土流失，导致水源涵养能力降低。在适宜的水分条件下，NDWI和SR均较高，可通过合理的蒸腾速率维持区域水循环的稳定性，并间接确保水源涵养的可持续性。