《Ecosystems》：Spectrally Guided Delineation of Structurally Homogeneous Vegetation Patches Using Sentinel-2 Imagery in Heterogeneous Post-Industrial Landscapes
编辑推荐：
利用地球观测卫星（Earth Observation Satellite, EOS）影像识别具有代表性的植被斑块，是土地覆盖制图、分类训练与野外调查规划中的紧迫问题。然而，现有方法要么成本较高，要么流程繁琐且耗时。研究人员在本研究中考察了由EOS导出的低局地光
利用地球观测卫星（Earth Observation Satellite, EOS）影像识别具有代表性的植被斑块，是土地覆盖制图、分类训练与野外调查规划中的紧迫问题。然而，现有方法要么成本较高，要么流程繁琐且耗时。研究人员在本研究中考察了由EOS导出的低局地光谱变异格局，能否用于界定跨越不同演替阶段、从近裸地到高密度森林的结构均一植被斑块。研究选取了波兰南部28处采后矿区地块，总面积为1,758.8 ha，这些区域内多种演替阶段在较小空间距离内并存。研究基于免费获取的Sentinel-2影像计算Tasseled Cap Disturbance Index（TCDI），随后采用5×5像元（0.25 ha）移动窗口方法，生成局地TCDI标准差（TCDIsd）图。研究将基于一系列TCDIsd阈值的二元分类结果——阈值范围介于人工平衡样本的第10至第70百分位之间——与野外分类结果以及显式包含高度信息的机载LiDAR（Light Detection and Ranging，激光雷达）评估结果进行了比较。结果表明，在EOS判定为均一的斑块中，LiDAR判定为均一的样地比例更高，最高可增加27%。随着TCDIsd阈值限制逐渐增强，所识别植被对应更高的演替阶段、更高的LiDAR衍生高度与垂直复杂度指标（p＜0.001），以及更低的垂直异质性（p＜0.001）。此外，基于TCDIsd的图件揭示了矸石山结构发育的抛物线型轨迹，即均一斑块密度先增加后减少，并在覆盖度16–29%之间达到峰值，且该峰值随均一性降低而变化。该格局提示人类干扰仍在持续，并反映出晚期演替生态系统服务的不足。总体而言，所提出的方法能够便捷提供具有生态意义、受光谱引导的辅助数据，用于表征地点尺度上的植被结构发育状况。
该文发表于《Ecosystems》，聚焦于后工业扰动景观中植被空间单元的快速识别问题，核心目标是利用免费中分辨率卫星影像，建立一种能够半自动划定结构均一植被斑块的方法，并验证其是否能够反映植被演替与群落结构发育过程。研究背景在于，代表性植被斑块的识别是土地覆盖制图、分类模型训练、精度验证以及野外样地布设的重要基础，但传统依赖人工判读航空或卫星影像的方法主观性较强、耗时较长，难以适应异质性强、演替阶段复杂镶嵌的景观。机载LiDAR（Light Detection and Ranging，激光雷达）虽然能够直接表征植被垂直结构，并较为客观地识别结构均一性，但其获取与处理成本较高，且时相匹配性常受限制。因此，研究人员尝试从地球观测卫星（Earth Observation Satellite, EOS）影像中提取局地光谱变异信息，以替代或辅助成本更高的方法，构建一种兼具生态意义与可推广性的植被斑块划定手段。
研究以波兰南部上西里西亚地区28处废弃煤矿矸石山为对象，总面积1,758.8 ha。该区域典型特征是工业扰动强烈、植被自然演替显著且不同演替阶段在短距离内共存，因此非常适合作为检验光谱—结构关系的研究场景。研究人员提出的核心假设是：局地光谱变异较低的区域，可能对应植被结构较为均一的斑块，而且这种关系能够跨越从早期草本到晚期森林的连续演替序列。基于这一思路，论文围绕四个问题展开：最优TCDIsd阈值为何、与野外和LiDAR评估的一致性如何、光谱均一性是否随演替阶段递增、以及斑块密度与覆盖格局能否反映地点尺度的结构发育轨迹。
方法上，研究结合野外植被调查、Sentinel-2多光谱遥感和机载LiDAR三类数据。样地调查在2021年夏季进行，共获得358个半径3 m样方，记录全部植物种并估算盖度；随后依据非度量多维尺度分析（NMDS）与聚类结果，将样地划分为Early1、Early2、Early3、Mid和Late五个演替组。遥感部分采用2021年9月9日无云Sentinel-2B MSI Level-2A影像，利用Tasseled Cap变换得到亮度（TCB）、绿度（TCG）和湿度（TCW），进一步计算Tasseled Cap Disturbance Index（TCDI），再通过5×5像元移动窗口求取局地标准差（TCDIsd）。同时，利用SeLI（Sentinel-2 Leaf Area Index green）局地最小值（SeLImin）筛除非植被像元。LiDAR数据于2022年8月获取，点云密度约20 points m
?2，用于计算40×40 m样地的高度、垂直异质性与复杂度指标，并通过子样方方差检验评估结构均一性。研究样本来源明确，为波兰南部28处煤矿废弃矸石山上的358个野外样地。
在结果方面，论文首先指出，不同TCDIsd阈值对均一植被斑块识别结果影响显著。最严格阈值TCDIsd＜0.01仅识别出平均6%的地表面积，而最宽松阈值TCDIsd＜0.03可识别约45%的面积。野外验证显示，不同演替阶段被纳入均一斑块的比例明显不同，尤其晚期演替样地中超过90%落入均一斑块，且主要集中于TCDIsd＜0.015类别；相反，最早期演替的Early1样地在所测试阈值范围内均未被识别为均一斑块。该结果说明，TCDIsd方法更敏感于结构较成熟、冠层较稳定的植被类型，而对极早期、裸露背景影响较大的植被识别能力有限。研究据此认为，若目标是在不同演替阶段之间取得较好的平衡，则约处于样本中位水平的阈值0.02较为适宜，既可保证一定结构均一性，又不会过度偏向晚期演替植被。
在“最优TCDIsd阈值接近平衡样本中位数”这一部分，研究通过比较不同阈值下各演替组样地纳入比例，证明阈值选择具有明显应用导向性。低阈值提高了对晚期森林状植被的偏好，而高阈值则更多纳入中期演替斑块。论文同时验证了将Landsat体系的Tasseled Cap系数应用于Sentinel-2数据的可行性：在TCG—TCB特征空间中，样地分布呈现典型“tasseled cap”格局，不同演替阶段的位置与既有理论一致，支持该光谱变换在本研究中的适用性。
在“TCDIsd基础上的斑块均一性随植被演替阶段升高而增强”这一部分，研究借助LiDAR结构指标证实了光谱均一性与植被结构成熟度之间的关系。随着TCDIsd阈值收紧，被识别的斑块表现出更高的q95、更高的q50q95和更高的VCI（Vertical Complexity Index，垂直复杂度指数），同时vertCV降低。这说明，光谱上更均一的斑块往往对应更高、更复杂但内部垂直变异更低的植被结构。尤其是相对高度指标q50q95对不同阈值组的区分度最高，表明点云高度中位数与高分位数关系能够有效反映生物量在垂直空间中的分布状态。该结果与植被演替理论相一致，即随着演替推进，群落层次加深、结构复杂度提高，但斑块内部趋于有序和稳定。
在“EOS基础的斑块均一性评估提高了LiDAR均一样地比例”这一部分，研究将TCDIsd结果与LiDAR结构均一性进行一致性评估，发现EOS方法总体上比LiDAR更宽松，但能够显著提升候选均一样地筛选效率。完整样本中仅36.7%的样地被LiDAR判定为均一，而在最严格的TCDIsd＜0.01斑块内，该比例提高至63.4%，较未筛选样本提升27%。这说明，以TCDIsd为先导的筛选可有效增加结构均一样地的命中率，为后续LiDAR精细采样、栖息地结构建模或多源扰动分析提供成本较低的预筛手段。不过，论文也明确指出，该方法可能遗漏镶嵌在异质背景中的小型均一斑块，且LiDAR均一性的判定仍受子样方尺度与统计检验方式影响。
在“TCDIsd揭示矸石山结构发育的抛物线轨迹”这一部分，研究进一步从景观格局层面分析了均一斑块数量与面积之间的关系。结果显示，标准化斑块密度随阈值变化呈先升后降趋势，从0.3 patches ha
?1升至0.55 patches ha
?1后略有下降；而斑块覆盖比例则由6%持续增至45%。二次多项式模型显著优于线性模型，表明斑块密度与斑块覆盖之间存在抛物线关系。不同均一性阈值下，峰值出现于16%至29%覆盖度之间，且随均一性降低而右移。这意味着高均一性斑块在较低覆盖水平时即发生合并，而低均一性斑块需在更高覆盖比例下才达到斑块密度峰值。研究据此认为，矸石山植被结构发育并非线性扩展，而是经历由离散斑块增加、合并再减少的非线性过程；同时，这种格局也提示局地仍可能存在人为清理等持续干扰，使晚期演替斑块面积受限，相关生态系统服务如碳储存和野生动物栖息功能未达潜力水平。
讨论部分强调，本研究的价值在于提出了一种快速、半自动、低成本且生态学上可解释的植被均一斑块识别方法。相较于人工判读，该方法具有更高效率和更强可重复性；相较于LiDAR，则具有获取门槛低、时相灵活和区域扩展性强的优势。研究结果还支持光谱变异可在一定程度上解释细尺度植被结构差异这一观点，并表明在异质扰动景观中，同时考虑景观组成与配置对于理解生态发育过程至关重要。与此同时，论文也审慎指出，方法对极早期演替植被识别不足，对小斑块敏感性有限，且尚未直接纳入生境质量与生物多样性响应分析，因此其生态外推仍需后续研究支持。
结论部分可译为：总之，研究提出了一种快速、半自动的方法，可在中等空间尺度上迅速划定异质景观中同时具有光谱均一性和结构均一性的植被斑块。结果表明，该光谱引导方法与野外调查及LiDAR结构参照均具有较好一致性，同时在所识别斑块的几何属性上表现出清晰规律，并与多项生态学理论相吻合。该方法的输入数据为免费Sentinel-2影像，可方便获取并适用于其他区域及多个时期。方法使用已发表系数提取局地扰动指标TCDI和叶面积指标SeLI，因此具有较高潜在可迁移性；本研究在后工业景观中对其进行了检验，该景观包含细尺度的植被演替结构梯度。该方法可作为费时的人工影像判读或高成本高分辨率商业数据的替代方案，也可将所识别的均一植被斑块作为辅助信息，用于支持野外调查设计或高成本遥感数据获取规划。总体而言，研究提供了证据表明，通过卫星影像对光谱变异进行适当量化，能够解释植被类型之间的细尺度结构差异，并对异质景观进行具有生态意义的表征。
