《Smart Agricultural Technology》：Development and evaluation of remote sensing-based grassland ecosystem monitoring tool for predicting provisioning, regulating, and supporting services in semi-arid regions
编辑推荐：
摘要：当前方法复杂且成本高昂，阻碍了大多数发展中国家建立生态系统服务（ES）监测系统，尤其是在天然草地中。研究人员开发了一种“草地生态系统监测指数”（GEMI），作为一种利用遥感数据监测和预测半干旱生态区草地供给、调节和支持生态系统服务的简便、低成本方法。GE
摘要：当前方法复杂且成本高昂，阻碍了大多数发展中国家建立生态系统服务（ES）监测系统，尤其是在天然草地中。研究人员开发了一种“草地生态系统监测指数”（GEMI），作为一种利用遥感数据监测和预测半干旱生态区草地供给、调节和支持生态系统服务的简便、低成本方法。GEMI基于两个植被指数（高级植被指数（AVI）、绿叶指数（GLI））和海拔构建。GEMI与半干旱草地供给、调节和支持服务指标表现出显著关联。GEMI与牧草生物量生产力（R2=0.392）、土壤侵蚀（R2=0.287）、碳固存（R2=0.333）、载畜量（R2=0.377）和微生物多样性（R2=0.385）均存在较强的关联性。GEMI还可解释约75%的与水分相关服务的变化、>55%的空气质量变化以及>60%的净初级生产力（NPP）变化。在预测生态系统服务方面，GEMI比其他植被指数（如归一化植被指数（NDVI）、土壤调节植被指数（SAVI）等）表现优15–60%。误差指标（均方根误差（RMSE）、平均绝对误差（MAE）和残差标准差）证实了模型的一致性，所有关系均具有统计学显著性（p < 0.001）。蒙特卡罗模拟和Sobol敏感性分析证明了GEMI作为稳健指标的潜力。GLI对GEMI的贡献显著，其次为AVI和海拔。GEMI与植被、土壤相关参数及大气参数的紧密关联，验证了其作为低成本、空间明确工具在草地生态系统服务评估与监测中的作用。在大空间尺度（此案例中为半干旱区域）上，GEMI等指数可作为草地生态系统服务状态和/或趋势的聚合指标。
**基于遥感与地形融合的草地生态系统服务监测新工具：GEMI的开发与评估**
**1. 研究背景与问题**
草地作为地球上最大的陆地生物群系之一，在维持生物多样性、调节生物地球化学循环以及支撑人类生计方面发挥着关键作用。然而，传统的草地生态系统服务（ES）监测方法成本高昂且效率低下，难以应对草地生态系统广阔的空间尺度、季节动态以及复杂的生态交互作用。尽管遥感技术被寄予厚望，但现有的复合生态指数（如增强型植被指数EVI、土壤调节植被指数SAVI等）仅能反映植被的单一参数动态，且在高密度或异质性草地系统中易饱和；常用的归一化植被指数（NDVI）对大气条件敏感，在半干旱地区稀疏植被和土壤背景噪声高的环境下适用性受限。更为关键的是，尚未有研究成功通过单一指数同时监测多种生态系统服务，如牧草产量、载畜量、空气质量、土壤侵蚀控制、微生物多样性、水分调节和土壤有机碳等。这一空白严重制约了发展中国家——尤其是数据受限的半干旱地区——开展系统、高效且可操作的生态系统服务监测。
**2. 研究目标与创新**
为弥合这一空白，研究人员开发了“草地生态系统监测指数”（GEMI），这是一种结合光谱与地形数据的复合代理指数，旨在以低成本方式同时监测九项生态系统服务参数。GEMI整合了高级植被指数（AVI）、绿叶指数（GLI）和海拔（ELE）三个参数。AVI通过对红光波段进行立方根变换，在大气浑浊、扬尘或薄云条件下提供更稳定的植被信号；GLI仅依赖红绿蓝可见光波段，对土壤背景和绿色植被的区分能力更强；海拔则通过控制气候、土壤和水文条件间接塑造生态系统服务的格局。研究假设：在数据有限、技术受限和资金匮乏的情况下，GEMI可作为生态系统服务监测的有效补充工具，利用Landsat 8开源数据为区域和本地的草地管理提供决策支持。
**3. 研究区域与数据方法**
研究区域选在印度半岛卡纳塔克邦半干旱生态区的Amrit Mahal草地（约13,737.62公顷）。该区域海拔525–1034米，年均降雨量518毫米，蒸散发量1307毫米，属于典型的数据受限半干旱草地。研究人员采用分层随机抽样布设了220个采样点，最小点间距5公里，并设置约3公里的缓冲区以确保空间代表性。所有实地测量于2024年7月至12月的活跃生长季内完成。主要技术方法包括：利用Landsat 8 OLI/TIRS影像（30米分辨率）计算AVI和GLI，S RTM DEM（30米）提取海拔，MODIS MOD17A3HGF产品（500米）获取净初级生产力（NPP），Sentinel-5P TROPOMI传感器反演甲烷（CH?）和一氧化碳（CO）柱浓度。通过多项式回归模型分析GEMI与9项生态系统服务参数的关系，并采用k折交叉验证（k=10）评估模型性能，同时运用蒙特卡罗模拟（10,000次迭代）和Sobol全局敏感性分析量化不确定性和参数贡献。
**4. 主要结果**
**4.1 GEMI与生态系统服务参数的关联性**
回归分析显示，GEMI对所有九项生态系统服务参数均表现出显著的解释能力（p < 0.001）。其中，GEMI对水分相关服务预测能力最强，与归一化差异水分指数（NDMI）的R2为0.751；其次为净初级生产力（NPP，R2=0.615）、CH?（R2=0.523）和一氧化碳CO（R2=0.525）。对供给服务牧草生物量（AGB）的R2为0.392，对调节服务土壤侵蚀（SE）的R2为0.287，对土壤有机碳（SOC）的R2为0.333；对支持服务基础土壤呼吸（BSR）的R2为0.385，对载畜量（CC）的R2为0.377。误差指标（RMSE、MAE、残差SD）和RPD值确认了模型的稳定性，且调整R2与R2的差异极小（ΔR2 ≤ 0.007），排除了过拟合风险。
**4.2 GEMI相对于传统植被指数的优势**
与NDVI、EVI、SAVI及AVI+GLI组合相比，GEMI在所有九项生态系统服务参数的预测中均表现更优。例如，GEMI对NDMI的R2（0.750）显著高于NDVI（0.419）、EVI（0.548）、SAVI（0.566）和AVI+GLI（0.534）；对NPP的R2（0.610）远超NDVI（0.318）；对AGB的R2（0.389）远高于其他指数（0.090–0.115）。总体而言，GEMI比传统植被指数在生态系统服务预测精度上提升15%–60%。这种优势源于GEMI同时整合了大气抗性光谱信息、叶绿素敏感波段和地形调控因素，实现了超越单一“绿度”指标的生态系统功能综合表征。
**4.3 不确定性分析与敏感性分析**
蒙特卡罗模拟结果表明，GEMI的累积均值收敛于约0.38，累积标准差约0.22，95%置信区间较窄，证实了GEMI在输入参数随机波动下的稳健性。Sobol全局敏感性分析显示，GLI是GEMI的主要驱动因子（一阶效应S1=0.47），其次是AVI（S1=0.39），海拔贡献相对较小（S1=0.12）。总效应与一阶效应之间的差值很小（二阶交互效应约2%），表明各输入参数对GEMI的影响近乎加和独立，不存在明显交互作用。这一结果验证了GEMI设计的理论合理性，即AVI、GLI和海拔各自携带独立的生态学信息。
**4.4 GEMI空间分布与草地状况分区**
GEMI在研究区域内变化范围为-0.2763至1.2199，并呈现显著的空间异质性。其中44%的区域GEMI值处于0.4–0.8之间，表明草地状况良好；33%的区域处于0.1–0.4的中等状态；仅6%的区域GEMI值大于0.8，代表生态状况极佳；约17%的区域GEMI值低于0.1，指示退化土地。这种空间格局使GEMI能够有效识别草地退化热点区，为针对性恢复措施的制定提供依据。
**5. 讨论与结论**
GEMI的成功开发证明了将光谱植被指数与地形变量整合为单一复合指数，可以系统性预测和监测多种草地生态系统服务。其卓越性能主要体现在：对水分调节服务的高预测精度，归因于GLI对冠层水分和绿度的敏感性；对生产力指标（AGB、NPP）的有效追踪，受益于AVI对植被结构复杂性的表征；对大气质量参数（CH?、CO）的强关联，反映出健康植被对温室气体和污染气体的调控潜力；对土壤属性（SOC、BSR）的关联，则通过植被指数—土壤过程的耦合关系实现。与单一代用指标相比，GEMI提供的多层次生态学信息显著提升了对生态系统功能变异性的解释能力。
研究结论指出，GEMI可作为半干旱草地载畜量、饲草供应、土壤微生物多样性以及气候和水调节服务的有效预测指标。虽然研究已通过严格的统计验证，但GEMI的验证目前仅限于单一半干旱草地，在推广至其他生态区或不同植被组成、降水模式和土壤类型的地区前，仍需进行外部数据集的独立验证。研究人员未来的研究将聚焦于多年期、多站点评估，以进一步确立GEMI作为全球半干旱草地生态系统服务监测工具的普适性。该研究发表于《Smart Agricultural Technology》，为数据受限地区提供了一种低成本、空间明确且操作简便的草地生态系统服务评估新范式。
