为生物多样性科学和保护而设计的BioSat指数

《Remote Sensing of Environment》：The BioSat indices designed for biodiversity science and conservation

　　•BioSat指数是为生物多样性科学和保护设计的。•基于物种分布和群落组成的生态理论。•我们利用30米分辨率的Landsat数据为美国本土生成了BioSat指数。•相关代码可在Google Earth Engine上免费获取，用于计算指数和质量标志。•BioSat指数能够很好地预测生物多样性，并支持保护决策。

引言
生物多样性模式和过程非常迷人。决定物种出现位置、数量以及群落如何形成的因素是生物学和地球科学中的核心问题（Brum等人，2017年；Rahbek和Graves，2001年；Storch等人，2018年）。此外，生物多样性受到全球变化的威胁，包括气候变暖、土地利用变化、入侵物种扩散以及栖息地丧失和破碎化（Butchart等人，2010年），而保护生物多样性需要了解这些模式。因此，无论是生物多样性科学还是保护工作，都需要准确的空间明确的物种分布和群落组成估计，但在许多地区（包括许多生物多样性热点地区），这些数据仍然缺失或高度不确定（Scholes等人，2012年；Skidmore等人，2021年）。卫星数据对于这类估计至关重要，因为它们提供了连贯的环境测量数据，结合实地生物多样性观测结果，可以用来建模物种分布和群落组成。然而，准确的生物多样性估计需要专门为生物多样性科学和保护设计的遥感指数（Pettorelli等人，2016年；Skidmore等人，2021年；Turner等人，2003年），而缺乏这样的专用指数限制了科学发现和保护工作。在这里，我们介绍了BioSat指数（来自卫星数据的生物多样性预测器），这套指数基于生态理论开发，专为生物多样性科学和保护设计，并且可以从中等分辨率的卫星数据中得出。

结合实地生物多样性观测与卫星数据非常有效（Kerr和Ostrovsky，2003年；Turner等人，2015年），因为卫星数据能够捕捉物种分布的环境决定因素（Ahmed等人，2020年；Estes等人，2008年）及其随时间的变化（Skidmore等人，2021年）。实际上，许多生物多样性研究都机会主义地依赖 readily available 的遥感产品。例如，土地利用分类可以用来推断栖息地质量（Liu等人，2001年；Manton等人，2005年）或生态位（Lahoz-Monfort等人，2010年；Vina等人，2008年）。同样，遥感测量的生产力（如MODIS GPP）或代理测量（如NDVI）与物种丰富度有很强的相关性（Hawkins等人，2003年；Hobi等人，2017年；Mittelbach等人，2001年）。遥感在生物多样性研究中的成功既令人鼓舞又令人惊讶。它令人鼓舞，因为它表明结合实地物种观测和来自卫星数据的环境变量可以填补关于物种分布、数量和多样性的广泛数据需求。它令人惊讶，因为广泛使用的遥感预测因子（如NDVI）在生物学上的依据或评估水平各不相同，并非专门为生物多样性应用而设计。实际上，专为生物多样性应用设计的遥感指数可以带来更准确的物种出现、数量和群落指标（如物种丰富度）的预测（Carroll等人，2022年；Carroll等人，2024年；Coops等人，2019年）。

BioSat指数的动机和合理性源于基础科学和应用科学的需求。基础科学的关键问题是全球生物多样性中的显著模式的原因。宏观生态学和生物地理学是致力于这一问题的科学领域。遥感数据已被用于测试解释生物多样性模式的理论（Tuanmu和Jetz，2015年）。例如，从MODIS植被产品中得出的动态栖息地指数（DHIs）在预测物种丰富度时测试了可用能量假设、环境压力假设和环境稳定性假设（Radeloff等人，2019年）。同样，遥感数据将光谱生态位异质性与实地α-和β-多样性模式联系起来（Rocchini等人，2021年；Zarnetske等人，2019年），Landsat地表温度数据捕捉到的热异质性是气候避难所的代理指标，可以增加物种丰富度（Elsen等人，2021年），而MODIS和Landsat雪盖数据被用来测试雪对陆地生物多样性模式的影响（Gudex-Cross等人，2021年）。

对于保护而言，关键问题是在快速全球变化的情况下如何保护生物多样性（Barnosky等人，2012年；Haberl等人，2007年；Kareiva等人，2007年）。全球变化对生物多样性的影响是巨大的（Newbold等人，2015年；Pimm和Raven，2000年），导致由于栖息地丧失、入侵物种和气候变化而广泛出现物种减少（Brook等人，2008年；Cahill等人，2013年；Sala和Jackson，2006年）。事实上，全球生物多样性的下降及其对人类福祉的威胁促使制定了1992年《生物多样性公约》，并在2022年的COP-15会议上通过了“2020年后全球生物多样性框架”，目标是在2030年前保护全球30%的地域（目标3），另外20%处于恢复状态，并采取管理措施以促进物种及其遗传多样性的恢复和保护（UNCBD，2022年）。然而，保护和恢复生物多样性需要准确的数据，即物种分布、数量模式以及生物群落模式，如特有种或受威胁物种的丰富度热点。

在这里，我们介绍了中等空间分辨率（30米）的BioSat指数，这些指数专为生物多样性科学和保护应用设计。广泛采用的、免费提供的预测数据集可以通过提供一套共享的、标准化的协变量来促进研究，从而实现跨研究和地区的比较。WorldClim气候表面就是一个明显的例子：基础数据集（Fick和Hijmans，2017年；Hijmans等人，2005年）的引用次数已超过43,000次（Google Scholar，2026年2月12日访问）。我们认为中等分辨率的BioSat是一个互补的遥感预测框架，具有类似的支持比较和可重复生物多样性分析的潜力。中等和粗分辨率指数（即分别为10-30米对比大于250米）都很重要，但服务于不同的用户群体。中等分辨率指数特别有用，因为景观的粒度强烈影响环境生态位，从而影响生物多样性，而且许多生态系统在该分辨率下表现出空间异质性。虽然动物物种在移动能力、活动范围和领地大小上差异很大，但对于大多数物种来说，关键栖息地特征最好通过中等分辨率数据来描述（Keil等人，2013年；McPherson等人，2006年；Trivedi等人，2008年）。此外，动物数据通常通过GPS单元、相机陷阱、声学传感器和无线电项圈收集，其定位精度与中等分辨率数据相匹配。最后，中等分辨率数据对于保护和土地管理来说比粗分辨率数据更为相关，因为大多数管理行动集中在比单个粗分辨率像素更小的土地地块或森林林分上（Carroll等人，2022年；Radeloff等人，2024年）。

在之前的工作中，我们开发了几种用于生物多样性问题的卫星衍生指数，如栖息地选择、群落生态学或生物地理学，并发表了同行评审的算法和案例研究评估（表1）。其中一些评估是比较衍生指数与原始卫星数据的预测能力，结果始终显示衍生指数表现更好（例如，St-Louis等人，2014年）。除了更好的性能外，这些指数还有一个优点，即它们反映了影响物种分布的具体生态机制，这使得生态学家和保护实践者更容易理解，也比基于原始卫星数据的预测更可靠。总体而言，这些指数量化了生物多样性相关环境的关键维度，包括可用能量（动态栖息地指数）、冬季积雪和冻土条件（冬季栖息地指数）、栖息地异质性（植被纹理和地形变化）以及微气候（基于地表温度和云量的热避难所）。然而，这些指数仅作为选定地区和有限时间段的独立层生成，以支持特定研究项目。

在这里，我们的新颖贡献是将BioSat指数编译并作为一个集成的30米预测器套件，这些指数来自Landsat和TanDEM-X数据，能够一致地描述（1）可用能量，（2）植被异质性，（3）冬季条件，（4）微气候，（5）地形。具体的新颖元素包括：（a）将各个指数整合为一个连贯的套件，（b）实现标准化的工作流程以大规模计算整个套件，（c）为每个指数提供质量/不确定性层，（d）量化指数之间的相关性以记录互补性并支持它们在多变量生物多样性模型中的联合使用，（e）计算美国本土的BioSat指数。这些是从为单个研究项目创建的数据集向可以常规生产并广泛使用的标准化产品过渡的必要且重要的步骤（Radeloff等人，2024年）。通过提供开放代码和一致的产品，BioSat指数降低了将遥感预测因子与实地生物多样性观测相结合的障碍，使得跨地区、分类单元和空间尺度的比较和可重复分析成为可能。

方法
我们使用JavaScript编写了所有BioSat指数的代码，以便在Google Earth Engine（GEE）上计算它们。我们选择GEE是因为它是一个云计算平台，允许用户在Google的基础设施上运行地理空间分析（Gorelick等人，2017年）。通过这种方式，我们利用了GEE的两个主要优势：首先是数据档案，包含超过50年的地球观测图像，包括Landsat和Sentinel-2；其次是计算引擎，它可以自动执行计算。

BioSat指数
我们在这里介绍的中等分辨率BioSat指数是从Landsat和TanDEM-X卫星数据中得出的多年（2013-2024年）平均值。每个指数的算法可以进行修改以计算年度指数，或者使用不同类型的中等分辨率卫星数据，但当计算较短时间段的指数时，估计的不确定性会更高，需要月度数据的指数（如DHIs）可能需要填补时间间隙。这些算法也可以轻松调整。

结果
BioSat指数提供了关于环境的五个关键方面的详细信息，这些方面会影响物种的栖息地可用性和质量，从而影响它们的密度、移动、繁殖和生存，以及决定群落水平属性（如物种丰富度）的环境条件。

我们对物种可用能量的代理指标是三个DHIs和夏季峰值绿色度（图1）。累积DHI和最小DHI在地理上具有相似性。

讨论
这里介绍的BioSat指数已在先前的研究中被证明是有效预测不同分类单元（包括两栖动物、鸟类、哺乳动物和爬行动物）出现、数量和丰富度的指标，其应用范围从全球到大陆再到景观（表1），并且在多变量生物多样性模型中相互补充（Carroll等人，2022年；Carroll等人，2024年）。这就是为什么我们选择并将这些不同的指数整合到BioSat指数套件中的原因。

结论
总之，BioSat指数是众多研究项目的综合成果，这些项目旨在从卫星数据创建用于生物多样性和保护应用的指数（表1）。每个指数都基于生态理论，反映了直接影响物种分布、移动、繁殖和生存的栖息地条件和环境特征。因此，我们的新颖贡献不是任何一个特定的指数，而是BioSat作为一个整合的指数套件。

作者贡献声明
Volker C. Radeloff：撰写——原始草稿，监督，资源，项目管理，方法论，调查，资金获取，概念化。
Eduarda M.O. Silveira：撰写——审阅与编辑，可视化，验证，软件，方法论，调查，正式分析，数据管理，概念化。
Akash Anand：撰写——审阅与编辑，方法论，调查，正式分析，数据管理。
Duanyang Liu：撰写——审阅与编辑，可视化，方法论，利益冲突声明。

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文中的工作。

致谢
我们衷心感谢NASA的生物多样性计划、NASA的生态预测计划（现为生态保护计划）和NASA的跨学科科学计划对VCR和AMP的支持，以及USGS对VCR的Landsat科学团队奖项的支持。我们还要感谢A. Allen、T. Brooks、C. Graham、D. Gudex-Cross、A. Ives、G. Rapacciuolo、B. Young以及SILVIS实验室的许多成员在开发这些指数期间提供的宝贵讨论和意见。