基于高斯混合模型的半干旱山地植被—水热趋势类型分类及其海拔梯度重组特征

《Remote Sensing》：Assessing Vegetation–Hydrothermal Trend Regimes Across Elevation Gradients in Semiarid Mountains via Gaussian Mixture Models in Saudi Arabia

　　半干旱山区的植被—水热趋势格局在海拔梯度上具有固有的多维性，需要概率框架来刻画重叠的植被—水热趋势模式。本研究构建了一种基于高斯混合模型（GMM）的框架，从多维趋势变量中对植被趋势类型进行分类，并刻画沙特阿拉伯半干旱阿卜哈地区不同海拔梯度上的气候—类型关联。利用Landsat时间序列数据（2014–2025年），通过Mann–Kendall检验获取了归一化植被指数（NDVI）、归一化差值水体指数（NDWI）和地表温度（LST）的趋势。这些标准化趋势变量被整合到概率GMM框架中，候选模型通过贝叶斯信息准则（BIC）、积分完全似然（ICL）、分类熵、基于重采样的分区稳定性以及留出法预测性能进行评价。虽然BIC更倾向于八分量VVV模型，但基于分区可重复性、近最优预测性能、分类模糊度和简约性，最终保留了六分量解作为具有平衡的中等复杂度的表征方案。结果表明，植被—水热趋势存在显著的海拔依赖性重组，其特征为：低海拔处（约44%）以高相对LST趋势为主导，中海拔处（约40.8%）呈现混合趋势状态，高海拔处（>48%）以低相对NDWI趋势为主，且高相对LST趋势在最高海拔处变得微乎其微。该空间格局与海拔呈中等程度关联（Cramér's V = 0.299；χ2 = 74,265.54，p < 0.001），但鉴于样本量大且存在空间自相关性，统计显著性应谨慎解读。气候—类型分析进一步揭示，降水变异在中海拔处表现出最强的关联，而温度在低海拔和高海拔两端均显示出更强的关联性。与VIIRS的跨传感器对比表明，在类别标签对齐后分类一致性较高（总体一致率 ≈ 0.76；κ ≈ 0.64）。这些发现证明了植被—水热趋势类型及其气候关联沿海拔梯度存在系统性变化。所提出的基于GMM的框架为评估半干旱山地系统及其他数据稀缺的干旱环境中的气候—植被关联提供了一种可扩展且具有不确定性感知能力的途径。