《International Journal of Digital Earth》：Forest gain in high elevations of the Himalayas revealed by long-term satellite records
编辑推荐：
摘要
喜马拉雅山脉拥有地球上海拔最高的山地森林，是气候变化的天然哨兵。尽管已有证据表明高山树线正在加速移动，但整个喜马拉雅森林系统的变化仍未得到充分研究。本研究利用机器学习算法从长期Landsat观测中提取树冠覆盖度（tree cover），发现1990年至
摘要
喜马拉雅山脉拥有地球上海拔最高的山地森林，是气候变化的天然哨兵。尽管已有证据表明高山树线正在加速移动，但整个喜马拉雅森林系统的变化仍未得到充分研究。本研究利用机器学习算法从长期Landsat观测中提取树冠覆盖度（tree cover），发现1990年至2020年间树冠覆盖度总体显著增加了2.5个百分点。在整个喜马拉雅尺度上，增速最快区域出现在较高海拔（海拔1000至3500米），年增长率超过0.15% yr?1；而在季风性喜马拉雅区域，海拔1000至2500米之间的增速更高（>0.3% yr?1）。研究人员将三个十年间的森林变化与气候和土地覆盖数据集进行关联分析，并使用Google Earth Pro影像对结果进行验证。季风性和西风性喜马拉雅区域的森林增益分别主要与气温上升和降水格局变化相关。森林损失则主要由农田和建成区扩张主导，尤其是在较低海拔地区。这些发现凸显了长期卫星记录在探测依赖海拔的森林变化以及支持喜马拉雅可持续森林管理方面的价值。
关键词：树冠覆盖度；森林动态；山地森林；喜马拉雅；Landsat
论文解读：基于长期卫星记录的喜马拉雅森林动态研究
一、研究背景与科学问题
喜马拉雅山脉拥有地球上海拔最高的山地森林生态系统，对气候、生物多样性和区域居民生计具有重要影响。研究表明，该区域增温速率显著高于全球平均水平，使当地森林成为对气候变化高度敏感的生态哨兵。这些森林储存了大量生物量并具备强大的碳汇能力，在调节全球碳循环中发挥着不可替代的作用。同时，森林为喜马拉雅地区数百万居民提供了淡水、木材、食物和能源等关键生态系统服务。
尽管已有研究广泛报道了气候变化驱动的高山树线上移现象，但现有工作大多局限于局部案例或单点采样，难以反映整个喜马拉雅森林系统的整体变化。部分大尺度研究依赖NDVI、EVI、LAI等通用植被指数，这些指标并非专门针对森林监测设计，且受限于粗空间分辨率（如250米或1公里），容易将小规模森林变化掩蔽于周围非森林植被的绿度信号之中。因此，在喜马拉雅全域构建空间显式且长期连续的森林动态数据集，识别森林增益与损失的空间格局及其驱动因素，成为亟待解决的科学问题。该研究正是在这一背景下，利用Landsat系列卫星的长时序观测开展系统分析。
二、研究内容与总体结论
研究人员基于1986至2021年覆盖喜马拉雅全域51个Landsat轨道条带（WRS-2）共7612景影像，采用机器学习算法生成了1990至2020年间空间分辨率约30米的年度树冠覆盖度数据集，并据此开展了像素级趋势分析、空间聚合与海拔分层统计。研究结果表明，1990至2020年间喜马拉雅树冠覆盖度总体显著增加了2.5个百分点（从23.46%升至25.96%，年均增长约0.1%），森林面积（树冠覆盖度≥30%）净增22109平方千米。森林增益面积超过67480平方千米，约为森林损失面积（44857平方千米）的1.5倍，表明喜马拉雅森林整体呈恢复态势。该研究首次为整个喜马拉雅区域提供了长期、高分辨率的森林动态综合认识，相关成果发表于《International Journal of Digital Earth》，并与联合国2030年可持续发展议程目标15（可持续森林管理）直接呼应。
三、主要技术方法
该研究采用以下关键技术方法：（1）数据源方面，使用Landsat-5 TM、Landsat-7 ETM+与Landsat-8 OLI年度中值合成影像，以MODIS VCF（Vegetation Continuous Fields）250米树冠覆盖度产品作为训练标签，利用CatBoost梯度提升回归树算法建立光谱—覆盖度映射模型，生成30米树冠覆盖度时间序列；（2）森林变化检测采用Sexton等提出的概率不确定性传播框架，以树冠覆盖度≥30%为森林阈值，通过移动时间窗内的双样本z检验识别跨越50%森林概率边界的显著转变；（3）精度验证方面，使用GEDI（Global Ecosystem Dynamics Investigation）激光雷达L2B冠层覆盖度产品验证树冠覆盖度（2019和2020年R2均为0.70），并从森林变化/未变化两层中随机抽取2037个样本点进行Google Earth Pro人工目视解译验证（森林损失总体精度95.5%，森林增益总体精度92.1%）；（4）趋势分析采用普通最小二乘（OLS）回归，并以Theil-Sen斜率进行敏感性检验，气候关联分析采用Pearson相关和偏相关分析。研究所用气候数据来自WorldClim数据集（2.5弧分分辨率），土地覆盖分类采用ESA WorldCover 2020产品（10米分辨率）。
四、研究结果
4.1 喜马拉雅树冠覆盖度分布
树冠覆盖度呈自东南向西北递减的空间格局，最密集区域位于喜马拉雅东南部，而北部高海拔寒旱区域树冠覆盖度极低。45%的区域树冠覆盖度为0%。树冠覆盖度呈现双峰分布，主要集中于1–10%和80–90%两个区间。海拔分析显示，树冠覆盖度在海拔3000米处达到峰值（61%），3000米以上随海拔升高而显著下降。经度上东段高于西段，峰值出现在93°E至95.4°E之间；纬度上随纬度升高而下降，26.5°N至28°N之间最密集。
4.2 喜马拉雅树冠覆盖度变化
1990至2020年间，喜马拉雅全域树冠覆盖度显著增加。显著变绿区域（变化率>0.2% yr
?1）面积为13641平方千米，显著退化区域（变化率?1）面积仅3269平方千米。所有500米海拔区间均表现出树冠覆盖度增加，增速最快位于海拔1000至3500米（超过0.15% yr
?1），低海拔区域增速较慢，可能与人类活动强度更高有关。
4.3 季风性与西风性喜马拉雅的年际趋势差异
季风性喜马拉雅树冠覆盖度从1990年的30.16%升至2020年的34.11%，线性增速为0.16% yr
?1；西风性喜马拉雅仅从16.65%升至18.25%，增速为0.04% yr
?1。季风区累计增益为西风区的2.5倍。海拔分层上，季风区在500至4000米范围内均呈现超过0.2% yr
?1的快速增长，其中海拔1000至2500米间增速超过0.3% yr
?1；西风区最快增速位于3000至3500米，仅为0.14% yr
?1。
4.4 森林增益超过损失
1990至2020年间森林增益面积（67480平方千米）远超森林损失面积（44857平方千米）。森林增益在喜马拉雅广泛分布，包括高海拔区域；森林损失则主要集中于中西部喜马拉雅和低海拔地带。经度78.8°E至80°E和纬度30.2°N至30.4°N区间出现净损失。所有500米海拔分带上森林增益均大于损失，变化幅度在海拔2000米以下最为剧烈，其中500至1000米区间变化最大。
五、讨论与结论
讨论部分指出，喜马拉雅树冠覆盖度的增加与气候变暖密切相关。研究期间区域平均气温以0.028 °C yr
?1的速率上升，树冠覆盖度与温度呈显著正相关（r = 0.46, p = 0.0095），在控制降水后偏相关仍显著（偏r = 0.48, p = 0.008）。空间上，温度与树冠覆盖度的正相关在东部喜马拉雅和高海拔地区尤为突出，而降水与树冠覆盖度的正相关主要出现在西部喜马拉雅，反映了季风和西风不同水热组合的差异化影响。极端干旱事件（如1992和2009年）曾造成树冠覆盖度下降且需数年恢复。人类活动方面，农田和建成区扩张是森林损失的主要驱动因素，建成区树冠覆盖度年均下降0.12%，农田为0.06%。水库修建、机场建设、居民区扩展和毁林开荒等典型案例通过高分辨率影像得到了目视确认。
研究结论为：1990至2020年间喜马拉雅树冠覆盖度增加了2.5个百分点，所有海拔区间均呈增加趋势，全域最快增速位于海拔1000至3500米（>0.15% yr
?1），季风性喜马拉雅在1000至2500米增速超过0.3% yr
?1。树冠覆盖度增加与过去三十年的气候变暖密切相关，尤其在东部和高海拔地区；而人类驱动的土地利用变化和极端气候事件仍持续威胁森林可持续性。该研究为喜马拉雅山地森林生态系统的长期变化提供了实证基线，未来需将气候与人类活动情景纳入模拟，以制定更有效的森林保护与管理策略。
