《International Journal of Applied Earth Observation and Geoinformation》：Underestimated shrubland distribution in the Eurasian drylands
编辑推荐：
本研究针对欧亚干旱区灌木林遥感识别难题，通过融合Sentinel-2影像与多策略采样框架，开发了物候优化分类模型，首次实现10米分辨率灌木林专题制图（F1分数达67.05%），揭示其427,643 km2分布规模及纬度单峰、经度多峰格局，为干旱区生态系统评估提供关键数据支撑。
在广袤的欧亚大陆干旱区，灌木林作为关键生态系统组成部分，却长期面临遥感识别的精准困境。由于灌木与草地在光谱特征和物候周期上高度相似，全球主流土地覆盖产品（如ESA WorldCover、GlobeLand30等）对灌木林的分布面积和空间格局存在显著差异，甚至严重低估。这种不确定性直接制约了干旱区碳循环评估、生物多样性保护和生态系统健康诊断的精度。
为破解这一难题，中国科学院地理科学与资源研究所李刘（Li Liu）团队在《International Journal of Applied Earth Observation and Geoinformation》发表研究，通过整合多源遥感数据与物候特征分析，构建了欧亚干旱区首套10米分辨率灌木林专题图。研究首次量化该区域灌木林总面积为427,643 km2，并发现其呈现“纬度单峰（30°–50°N）、经度多峰”的独特分布模式，分类精度（F1分数达67.05%）显著优于现有全球产品。
研究关键技术方法包括：（1）基于Mahalanobis距离（M-distance）和Jeffries-Matusita距离（JM-distance）量化不同生物群落（Desert, Temperate, Montane等）中灌木林与草地的物候窗口最优时段；（2）结合ESA WorldCover、GlobeLand30等6种土地覆盖产品，采用多策略采样获取7,466个高质量灌木林训练样本；（3）利用Google Earth Engine（GEE）平台集成Sentinel-2多时序光谱指标（NDVI、EVI等）和纹理特征，通过随机森林（Random Forest）算法实现分类制图。
3.1 跨生物群落的物候窗口优化
研究发现在不同气候驱动型生物群落中，灌木林与草地的光谱可分性存在显著季节差异。沙漠群落干旱期（6–10月）因草本枯萎而灌木持绿，JM值超1.4；温带群落则依靠春秋季的物候滞后性（灌木晚绿早枯）实现强分离（Band 4的JM=1.88）。这一规律为分区分类提供关键时间窗口选择依据。
3.2 灌木林分布格局与区域差异
制图结果显示，东亚占灌木林总面积35.50%，南亚（20.74%）和欧洲（18.19%）次之。沙漠群落（129,371 km2）、温带群落（121,773 km2）和地中海群落（83,712 km2）为主要分布区。经度上，灌木林在50°–120°E的中亚沙漠带和90°–120°E的鄂尔多斯高原形成密集区，而东部季风区因降水增加呈碎片化分布。
3.3 精度评估与对比验证
与ESA WorldCover（F1=55.67%）、FROM-GLC（23.72%）等产品相比，本研究专题图在多数群落中表现最优，尤其在温带和山地群落中优势明显。典型区域验证表明，该方法能更精准捕捉灌木林斑块边界和过渡带细节，如地中海群落丘陵区的灌丛空间结构。
3.4 覆盖度与地形对识别能力的影响
灌木覆盖度是分类精度的核心调控因子：覆盖度低于60%时，地形阴影和背景噪声导致精度波动（均值31.74%）；超过60%后，冠层连续性增强光谱可分性，精度跃升至62.02%（均值）；达90%以上时，各地形单元精度趋同于77.38%。山地地形在低覆盖时通过增强纹理特征提升识别率，但亦伴随更高误分风险（如温带山区误分率达22.71%）。
讨论与结论
研究揭示了物候时序与灌木功能性状（如深根系抗旱性）的耦合机制，证实了60%覆盖度是灌木林遥感识别可靠性的阈值。该框架通过物候-像素优化策略，显著提升了复杂微地形和过渡带的制图能力，为干旱区生态系统动态监测提供新范式。未来可融合激光雷达（LiDAR）等主动遥感数据，进一步突破低覆盖度灌木林的探测瓶颈。
