生物多樣性使地球充滿生機，是人類生存和發展的基礎，對於維持生態係統生產力及穩定極其重要。為了更好地了解生物多樣性的分布、確定優先保護區、維持重要的生態係統產品和服務，需要進行大尺度生物多樣性觀測。傳統的實地監測方法隻能在有限的時間和空間範圍內進行，且耗時費力、成本高。遙感則通過將光譜和垂直特性與棲息地、物種或功能組的分布相關聯，能以連續、客觀的方式提供大範圍數據用於生物多樣性監測。聚焦於森林多樣性監測相關前沿問題，中國科學院武漢植物園係統生態學研究團隊聯合海南師範大學地理與環境學院邱彭華教授團隊、中國地質大學地理與信息工程學院萬波教授團隊開展了係列研究。

　　1.森林多樣性遙感直接監測 

　　雖然從衛星和航空遙感角度評估植物生物多樣性確實提供了一個新的視角，但現有的方法模型主要集中在單獨估算α或β多樣性（即群落內的多樣性或群落間的多樣性）。為此，該研究團隊基於常用的遙感影像（WorldView-2, Sentinel-2,和Zhuhai-1）采用了一種全新的全局生物多樣性方法來監測森林多樣性，根據光譜變異假說，把γ多樣性拆分為α和β多樣性，並通過實地樣方數據進行驗證，最終得到準確的α和β多樣性空間分布圖。該研究發表於國際遙感領域頂級期刊Remote Sensing of Environment，題為“Mapping α- and β-diversity of mangrove forests with multispectral and hyperspectral images”。 

　　研究區位於中國紅樹林多樣性最高的海南清瀾港省級自然保護區。紅樹林是生長在熱帶和亞熱帶海岸帶上、以紅樹植物為主體的木本生物群落，是海陸交錯區生產能力最高的海洋生態係統之一。研究發現，α和β多樣性分別占清瀾港紅樹林保護區的30%和70%，即區域紅樹林群落間差異顯著強於群落內部差異。高分辨率衛星影像WorldView-2（多光譜）上估算的α多樣性精度最高，高於10 m分辨率、開放獲取的Sentinel-2（多光譜）和Zhuhai-1（高光譜）衛星數據上精度。對於β多樣性，WorldView-2的精度同樣最高，但是Sentinel-2和Zhuhai-1也可較準確估算出區域β多樣性。紅邊和近紅外光譜特征是多樣性估算中信息量最大的特征，而短波紅外（SWIR）特征對於β多樣性估算也很有價值。該項研究同時繪製紅樹林的α和β多樣性，是在國家或全球範圍內實現紅樹林生物多樣性快速監測計劃的第一步。 

　　該研究由武漢植物園王德智助理研究員（第一作者）和張全發研究員（通訊作者）聯合海南師範大學和中國地質大學(武漢)完成。研究工作得到了國家自然科學基金（32101525、42061048和32030069）的資助。 

圖1 γ多樣性拆分為α和β多樣性示意圖 

圖2 α多樣性反演結果 

　　2.森林種間分類 

　　樹種直接分類方法也是森林生物多樣性監測最常用方法之一。識別具體樹種空間分布對森林保護和修複具有重要作用。由於樹種間光譜差異小，難以區分，而無人機激光雷達可以準確捕獲森林垂直結構信息，可以作為光學影像的有效補充。為此，該團隊融合無人機激光雷達點雲和Sentinel-2衛星影像數據，在海南東寨港國家級和清瀾港省級保護區開展研究，識別該區域紅樹林樹種。重點探究了點雲密度對分類精度的影響，點雲密度對特征穩定性的影響，改進已有方法篩選重要特征。該研究發表於國際空間研究委員會（COSPAR）官方期刊Advances in Space Research，題為“Mapping mangrove species using combined UAV-LiDAR and Sentinel-2 data: Feature selection and point density effects”。 

　　研究發現，基於最新的典型相關森林機器學習算法，結合無人機激光雷達點雲和Sentinel-2衛星影像的數據可準確識別樹種，精度超過85%，高於單獨使用Sentinel-2（精度約為80%）和無人機激光雷達點雲(精度約為75%)數據情形。重要的激光雷達點雲特征包括描述森林樹冠的頂部、底部和整體形態特征的指標，這些特征描述了樹冠的垂直分層和形狀。無人機激光雷達數據的附加價值主要在於提高了具有相似光譜特征的灌木狀紅樹林和喬木紅樹林之間的區分度，例如白骨壤和紅海欖。點密度可能對特征選擇和分類精度影響不大，初始點密度的10%（即10點/m²）時也可以產生相似的精度。這項研究表明，無人機激光雷達點雲和Sentinel-2數據的組合為紅樹林種間分類提供了一種經濟高效且準確的方法。 

　　該研究由武漢植物園王德智助理研究員（第一作者）在張全發研究員指導下聯合海南師範大學和中國地質大學(武漢)完成。研究工作得到了國家自然科學基金（32101525、42061048和41361090）的資助。 

圖3 不同紅樹林樹種在激光雷達點雲上的立麵圖 

論文一鏈接 

論文二鏈接