评估基于地球观测的再生指标在巴西和秘鲁亚马逊地区用于扩展热带次生林生物量表征的价值

《Agricultural and Forest Meteorology》：Assessing the value of Earth observation-based regrowth metrics for upscaling tropical secondary forest biomass characterization in Brazil and Peruvian Amazonia

　　

热带森林的干扰与恢复再生影响全球碳循环。理解促进或阻碍森林地上生物量（AGB）恢复的因素，对于制定有效的生态系统恢复策略至关重要。已有研究探讨了环境梯度和人类活动对次生林AGB的影响，森林年龄被认为是公认的重要变量。由遥感数据派生的再生指标也提供了有价值的信息，但其对AGB恢复的影响仍较少被探索。本研究旨在根据来自不同来源的森林年龄来刻画AGB的恢复过程。我们利用Landsat时间序列数据和LandTrendr算法，在次生林中提取森林年龄和再生指标。我们结合各种环境变量、人类使用程度以及不同来源的森林年龄，在巴西刻画了AGB恢复过程，并评估了该方法在秘鲁亚马逊地区的适用性（该地区尚无全国性的森林年龄产品）。为估算次生林的AGB，我们采用了地理加权回归（GWR）模型，该模型能够显式捕捉地理空间数据集的空间异质性。我们的结果表明，使用LandTrendr派生森林年龄的GWR模型与使用巴西全国性森林年龄产品的模型表现相当，两者的调整后R2均为0.72。巴西各生物群系在前20年的平均AGB恢复率为7.2 ± 3.3 Mg ha?1 yr?1（LandTrendr）和8.2 ± 3.4 Mg ha?1 yr?1（全国森林年龄图）。在秘鲁亚马逊地区，使用LandTrendr派生年龄估算的温带山地林AGB恢复率为4.4 ± 1.1 Mg ha?1 yr?1，与IPCC相应的默认恢复率（4.4 ± 1.6 Mg ha?1 yr?1）吻合。对于热带雨林，使用LandTrendr年龄估算的平均AGB恢复率为6.4 ± 2.0 Mg ha?1 yr?1，略高于IPCC默认恢复率（5.9 ± 2.5 Mg ha?1 yr?1）。这些发现表明，LandTrendr派生的年龄和再生指标能够有效评估热带次生林的AGB恢复情况，在缺乏空间明确的森林年龄数据时提供了一种可扩展的替代方案。

**引言**

热带森林在全球碳循环中发挥着至关重要的作用，并为自然系统和人类社会提供多样的生态系统服务（Bonan, 2008; Felipe-Lucia et al., 2018）。这些森林容纳了全球超过60%的陆地生物多样性，支持超过四万种植物物种（Gardner et al., 2009; Slik et al., 2015）。作为重要的气候调节者，热带森林是巨大的碳储库，储存了超过200 Pg C的碳（Baccini et al., 2012; Mitchard, 2018; Saatchi et al., 2011）。热带森林的干扰会导致碳排放，而恢复再生过程则使这些森林能够充当碳汇，吸收的碳多于释放到大气中的碳（Mitchard, 2018）。因此，热带森林干扰及其后续恢复再生的动态变化对全球碳循环具有重大影响（Friedlingstein et al., 2022）。

次生森林具有巨大的碳汇潜力。仅在亚马逊生物群系中，热带次生森林的总碳储量就估计超过290 Tg C（Heinrich et al., 2021）。热带地区从废弃农业用地恢复的次生森林碳汇量估计超过1.4 Pg C yr?1（Pan et al., 2011; Grace et al., 2014; Lewis et al., 2015; Anderson-Teixeira et al., 2016）。此外，一项先前的研究还揭示，次生森林的碳吸收率是老森林的11倍（Poorter et al., 2016）。

理解导致热带次生林地上生物量（AGB）恢复空间变异的要素，对于制定有效的生态系统恢复策略至关重要。环境条件和人类使用程度的空间数据集已被用于分析其对次生林AGB的影响（Chen et al., 2023, 2024）。气候、地形、森林年龄、土壤肥力、周边森林覆盖、森林干扰历史与强度以及水资源可利用性等已有的空间信息已被用于此目的（Becknell and Powers, 2014; César et al., 2021; Cook-Patton et al., 2020; Heinrich et al., 2021; Poorter et al., 2016; Requena Suarez et al., 2021）。火灾频率也作为干扰相关因子被纳入考量，因为反复的火灾事件会影响热带森林的生物量、再生过程和碳动态（Martins et al., 2012）。在所有这些因素中，森林年龄被公认为次生林AGB恢复最重要的预测因子（Becknell and Powers, 2014; Chen et al., 2023）。然而，其有限的空间可用性限制了在热带地区对次生林AGB的大规模刻画。

尽管森林年龄在研究中具有重要作用，但在热带地区，空间明确的森林年龄数据通常难以获取。最近，有研究通过整合森林清查、生物量和气候数据，开发了一张空间分辨率为1 km的全球森林年龄图（Besnard et al., 2021）。在巴西，基于全国年度土地利用和土地覆盖图，次生林年龄已被映射超过33年，空间分辨率为30 m（Silva Junior et al., 2020），而这类数据对于大多数热带地区通常不可用。这一数据可用性的限制制约了热带地区AGB恢复分析的可扩展性和可迁移性。因此，需要一张中等空间分辨率的空间明确森林年龄图。

中等至高分辨率的空间明确次生林年龄图的缺失，阻碍了次生林AGB恢复刻画的尺度扩展。一项先前的研究分析了十个环境和人为因素对AGB恢复的影响，使用了3060个采样点，其森林年龄通过目视判读卫星时间序列数据获得，这是一种耗时且劳动密集的方法（Chen et al., 2023）。后续研究则基于全国次生林年龄图，刻画了巴西所有次生林斑块的AGB恢复情况（Chen et al., 2024）。然而，在大多数热带国家，次生林年龄的空间明确信息通常不可用。因此，中等至高分辨率的空间明确次生林年龄信息的缺失，阻碍了次生林AGB恢复的大规模刻画。

遥感为克服这一数据局限提供了关键机遇，能够从卫星时间序列中直接、可扩展地估算森林年龄，从而减少对外部派生森林年龄产品的依赖。Landsat影像因其免费获取和提供长期观测记录而被广泛用于森林监测（Wulder et al., 2019）。从Landsat时间序列派生的再生指标也被证明为刻画热带森林提供了有价值的信息（De Keersmaecker et al., 2022）。已有各种方法被开发用于监测森林恢复再生，从而能够从卫星数据中绘制森林年龄图。例如，异常植被变化检测（AVOCADO）方法被开发用于监测森林恢复再生，利用核密度估计生成森林参考物候，并基于时间序列轨迹计算异常值（Decuyper et al., 2022）。基于结构变化监测方法改编的干扰-恢复再生算法也已在热带森林中基于密集时间序列数据进行开发和应用（DeVries et al., 2015）。连续变化检测和分类（CCDC）方法最初用于土地覆盖变化检测和分类，能够检测多种类型的土地覆盖变化（Zhu and Woodcock, 2014）。在CCDC基础上，一系列算法如CCDC纯森林指数、CCDC光谱混合分析等被开发用于监测森林覆盖变化（Cai et al., 2023; Chen et al., 2021）。然而，上述算法面临若干局限，例如，部分算法未部署在云计算平台（如Google Earth Engine, GEE）上，使得大规模森林变化检测困难重重。基于Landsat的干扰和恢复趋势检测算法（LandTrendr），作为时间序列轨迹的时间分段方法，能够检测森林干扰和恢复再生过程，同时提供多种再生指标，如检测年份（Yod）、幅度（Mag）、时间段的持续时长（Dur）、时间段起始值（preval）以及干扰信噪比（DSNR）（Kennedy et al., 2010）。DSNR表示干扰信号相对于光谱时间序列中背景变异的强度，反映了从卫星观测中能够多清晰地检测到干扰及后续恢复再生轨迹。

在本研究中，我们基于先前的研究（Chen et al., 2023, 2024）对环境和人为因素影响热带次生林AGB的分析，进一步纳入了森林年龄和再生指标，如持续时长（Duration）、DSNR、幅度（Magnitude）、时间段起始值（preval）和恢复速率（Rate）。通过纳入这些指标，我们旨在实现AGB恢复的可扩展刻画，而不依赖现有的森林年龄产品，特别是在此类数据不可用的地区。具体而言，我们的目标是：（1）使用LandTrendr在巴西各地次生林中提取森林年龄和再生指标，结合前述空间因子评估再生指标对巴西次生林AGB的局部效应，并与使用全国森林年龄图（Silva Junior et al., 2020）的分析进行比较；（2）评估使用LandTrendr派生森林年龄来估算AGB恢复率的有效性，并与使用全国森林年龄图的估算进行比较；（3）调查在秘鲁亚马逊地区——该地缺乏空间明确的森林年龄产品——分析再生指标和空间因子对AGB空间变异效应的可行性；（4）调查LandTrendr派生森林年龄在秘鲁亚马逊地区估算AGB恢复方面的潜力。我们的假设为：(a) 在时间段起始值（preval，即干扰前较高数值）较高、干扰信号较强（DSNR较高）、恢复速率较快且恢复时长较短的区域，AGB更高；(b) 使用LandTrendr派生再生指标与使用不同森林年龄产品的模型之间在模型性能（如R2）上无显著差异。

**材料与方法**

本节概述了研究区域以及分析中所采用方法的细节。解释变量和响应变量均在GEE平台上提取。选择LandTrendr算法来提取森林年龄和再生指标，因为该算法已部署在GEE上，能够高效地实现大规模森林恢复监测，同时提供多种再生指标（Kennedy et al., 2010）。此外，我们采用了地理加权回归（GWR）模型……

**模型性能比较**

表2展示了所有已实施OLS和GWR模型的性能结果。在巴西，使用全国森林年龄图（Silva Junior et al., 2020）和LandTrendr派生指标时，调整后的R2值为0.54（见表2），表明两种模型均能解释OLS中54%的方差。然而，当仅以森林年龄作为解释变量的OLS模型而言，使用全国森林年龄图派生森林年龄的模型具有更高的调整后R2值……

**讨论**

我们使用LandTrendr派生森林年龄在巴西刻画了次生林的AGB恢复，并评估了该方法在秘鲁亚马逊地区的适用性。我们的结果表明，当全国森林年龄图与LandTrendr派生年龄变量与其他环境变量结合使用时，其全局效应和局部效应具有可比性（图4、图8和图S3）。此外，整合LandTrendr派生再生指标提供了互补信息……

**结论**

本研究对不同森林年龄图作为关键变量在刻画次生林AGB恢复率中的使用进行了比较分析。我们还评估了整合LandTrendr派生指标在巴西和秘鲁亚马逊地区AGB恢复评估中的价值。我们的结果表明，使用LandTrendr派生森林年龄的模型与使用全国森林年龄图的模型具有可比的结果，表明利用时间……

**作者贡献声明**

Na Chen：概念化、形式分析、经费获取、方法论、项目管理、软件、验证、可视化、原文撰写、审稿与编辑。Nandin-Erdene Tsendbazar：概念化、方法论、指导、可视化、审稿与编辑。Daniela Requena Suarez：概念化、软件、指导、可视化、审稿与编辑。Celso H.L. Silva-Junior：方法论、可视化、审稿与编辑。

Na Chen | Nandin-Erdene Tsendbazar | Daniela Requena Suarez | Celso H.L. Silva-Junior | Jan Verbesselt | Martin Herold

瓦赫宁根大学及研究所学科地理信息与遥感实验室，Droevendaalsesteeg 3, 6708 PB, Wageningen, 荷兰