《Land》：An NDVI-Based Framework Integrating Spatial Heterogeneity Dynamics for Detecting Grassland Degradation
编辑推荐：
摘要：草地退化严重削弱了草地生态系统的功能。由于草地退化定义的不一致性，催生了各种估算方法，导致了持续的争议。研究人员认为，草地退化是一种过程导向的现象，因此应通过识别该过程中的特定阶段和状态来进行检测。基于这一假设，研究人员通过整合绿度、空间异质性和时间稳定
摘要：草地退化严重削弱了草地生态系统的功能。由于草地退化定义的不一致性，催生了各种估算方法，导致了持续的争议。研究人员认为，草地退化是一种过程导向的现象，因此应通过识别该过程中的特定阶段和状态来进行检测。基于这一假设，研究人员通过整合绿度、空间异质性和时间稳定性三个维度的指标，对三江源区（TRSR）的草地变化进行了量化，并绘制了草地退化图。研究发现，大多数草地呈现绿化趋势（78.59%），其余21.41%呈现褐化趋势。同时，56.93%的草地观测到空间异质性下降趋势，而43.07%的草地呈现相反趋势。通过结合上述两项指标，识别出了草地退化的潜在初期阶段。结果表明，52.50%的草地呈现出与状况改善相一致的指标信号，而47.50%的草地仍处于潜在恶化状态。在引入稳定性指标后，研究人员发现52.54%的改善型草地处于不稳定状态，而55.86%的恶化型草地处于稳定状态。尽管观测到的绿化趋势在时间上与TRSR生态恢复项目的实施相吻合，且这种时间重叠与这些举措可能支持了所观测到的改善的解释相一致，但遥感所揭示的隐藏在不稳定改善之下的稳定恶化趋势仍需持续、有针对性的关注。
论文解读：基于多维遥感指标的三江源区草地退化阶段与状态检测研究
草地生态系统是地球上分布最广泛的生态系统之一，覆盖了约20%至40%的陆地表面，提供了多种关键的生态系统服务。然而，在气候变化和人类活动加剧的驱动下，特别是过度放牧的影响，草地退化已成为紧迫的全球性生态问题。据估算，全球已有约14.01 × 10? km2的草地发生了不同程度的退化，接近全球草地总面积的一半，且这一过程在全球许多地区仍在加速。草地退化对生态系统功能构成严重威胁，并导致多种生态系统服务的大幅下降。量化草地退化的范围和程度是制定草地生态系统可持续管理策略的关键前提。尽管已有大量研究在不同尺度上分析了草地退化，但当前的估算结果仍存在显著差异。例如，青藏高原退化草地面积的估算范围从33%、40%、50%到高达90%不等；三江源区（TRSR）的退化估算同样差异显著，范围从1.66%到63%。这种差异除了源于时间基线和遥感数据集的不同外，主要归因于对草地退化概念的不同理解和定义。由于不同的定义导致不一致的量化指标和方法，因此阐明草地退化的组成部分是一个关键问题。
本研究旨在通过整合绿度检测、空间异质性分析和时间稳定性评估，对三江源区（TRSR）的草地状况进行综合评估。研究具体解决两个关键问题：（1）在2000–2020年连续期间，TRSR草地覆盖的宏观时空动态及其长期趋势揭示了生态系统怎样的整体轨迹？（2）研究期末的草地状况及区域草地退化处于何种阶段？基于草地退化是一个过程导向现象的假设，研究构建了一种三维检测框架，将基于像元的绿度变化检测、基于移动窗口的空间异质性分析和基于时间序列的稳定性评估相结合，系统识别了高寒草地的退化阶段和状态。
研究人员利用2000–2020年MODIS MOD13Q1 V6 NDVI产品（250 m空间分辨率，16天时间分辨率），在Google Earth Engine（GEE）云平台上进行数据处理。采用最大值合成（MVC）方法生成逐年NDVI时间序列，以消除云污染等大气干扰。为聚焦草地退化研究，设置了多步骤掩膜过程以排除非草地面积：首先通过NDVI阈值（多年平均年最大NDVI小于0.1）识别植被像元，随后利用植被类型数据集分离高寒草甸和高寒草原。研究整合了Theil–Sen中位数趋势分析与Mann–Kendall（MK）显著性检验来量化NDVI时空趋势，这两种非参数方法对异常值具有稳健性，且不依赖于严格分布假设。空间异质性通过3 × 3像元移动窗口内的变异系数（CV）计算，其时间趋势同样采用MK + Sen方法检测。时间稳定性通过NDVI时间序列的变异系数（CV）反映，阈值设为0.15，将状态划分为稳定（CV < 0.15）和不稳定（CV > 0.15）。研究还通过空间敏感性分析验证了阈值选择的稳健性。研究区域TRSR位于青藏高原东北部，平均海拔超过4000米，行政上涵盖17个市县。
研究结果主要包括以下发现。第一，关于植被绿度变化趋势，MK + SEN分析表明TRSR的NDVI整体呈上升趋势，显著增加像元占总植被面积的26.57%，非显著增加占52.02%，总体呈增加趋势的面积占78.59%；显著减少像元占1.99%，非显著减少占19.41%。县级分析显示，显著增加最集中的地区为治多县、曲麻莱县、玛多县和唐古拉山乡，分别贡献了总显著增加面积的30.73%、15.40%、11.35%和11.01%。泽库县显著增加比例最高（47.65%），其次为同德县（44.87%）和玛多县（44.16%）。第二，关于地形因子与植被绿度变化的关系，研究表明4000–5000 m海拔区间是绝对植被动态变化最集中的区域，其中4500–5000 m是显著减少和显著增加的主要分布带。坡度分析显示2–25°坡度范围是植被变化最活跃区域，6–15°为关键变化带。坡向分析表明，阴坡在植被改善方面略占优势，但坡向不构成对植被趋势的主导控制。第三，关于草地退化阶段与状态的综合评估，空间异质性分析显示56.93%的草地呈下降趋势（均质化），43.07%呈上升趋势（异质化）。通过整合NDVI绿度变化与空间异质性趋势，初步草地退化状态图显示，截至2020年，16.16 × 10? km2草地呈现与退化状态一致的指标信号，17.86 × 10? km2呈现潜在改善信号。其中“改善”为优势状态，占总草地面积的45.94%，“荒漠化”面积占比最小。时间稳定性分析表明51.26%的草地呈稳定变化，48.74%为不稳定变化，稳定区域主要分布在东部TRSR，不稳定区域集中在西部，表明高寒草甸通常比高寒草原更稳定。综合三维指标后，9.03 × 10? km2草地处于潜在稳定退化状态，7.13 × 10? km2处于潜在不稳定退化状态；改善条件下，8.48 × 10? km2为潜在稳定改善，9.38 × 10? km2为潜在不稳定改善。大多数退化阶段中，较高比例的指标性退化草地处于稳定状态，表明遥感检测的退化过程在大部分地区持续存在并不断恶化；而改善型草地中“不稳定”状态的普遍存在表明恢复过程仍极易受外部环境干扰。第四，退化阶段的地形分布特征显示，改善和退化草地均主要分布在4500–5000 m海拔区间（分别占48.83%和50.97%），以及6–15°坡度范围。总体上，阴坡和半阴坡的改善和退化比例均略高于阳坡，但在特定的退化阶段（如II和VI阶段）以及不稳定退化条件下，阳坡占比更高。
讨论部分指出，草地退化估算争议的主要原因在于缺乏标准化定义，概念既依赖视角又基于过程。本研究的优势在于采用多维指标描述退化过程，而不是建立普适定义或单一量化方法。研究将2016年的同类研究结果对比后发现，改善型草地比例从35%上升至53%，而退化型草地面积呈下降趋势，表明整体恢复趋势。与使用Landsat数据的研究（34.5%退化）相比，本研究的退化估算（47%）相对较高，差异主要归因于数据分辨率、定义差异和阈值效应。时间稳定性的引入对于检测退化状态具有重要意义：不稳定波动可能归因于人为因素（如采矿活动或人工草地建立），而持续变化指示恢复或恶化两条不同轨迹。持续绿化可能表明草地正走向稳定恢复，而持续褐化则代表稳定的累积恶化，需要紧急管理关注。研究还指出，退化状态的时空格局与地形分布和政策实施的空间异质性密切相关。
研究结论总结如下：本研究利用MODIS NDVI数据集开发了多维框架来检测TRSR草地退化的阶段和状态。通过整合三个关键指标——基于像元的绿度趋势、基于移动窗口的空间异质性以及时间序列稳定性，提供了生态系统健康的综合评估。结果表明：78.59%的草地面积呈现绿化趋势；56.93%的草地空间异质性呈下降趋势（均质化），43.07%呈相反趋势（异质化）；51.26%的草地保持稳定变化状态，48.74%不稳定；52.50%的TRSR草地呈现与改善相一致的指标信号，47.50%呈现恶化轨迹信号。关键分歧在于：大多数改善型草地以“不稳定”状态为特征（52.54%），而大多数退化型草地目前处于“稳定”状态（55.86%）。地形上，改善和退化草地主要分布在4500–5000 m海拔和2–15°中等坡度。总体水平上，阴坡的改善（50.78%）和退化（51.30%）比例略高于阳坡，但在特定退化阶段和不稳定退化条件下，阳坡占主导。这些发现虽然在时间上与TRSR生态恢复项目的实施一致，但遥感揭示的不稳定改善和稳定持续退化并存的情况需要持续监测和有针对性的管理干预。这些分类代表基于多时相MODIS NDVI指标的潜在生态状态，有待进一步野外验证。
