解开森林结构和生产力的卫星指标之间的联系,用于生态系统监测
Evan R Muise1, Margaret E Andrew2, Nicholas C Coops3
1Department of Forest Resource Management, University of British Columbia, 2424 Main Mall, Vancouver, BC, V6T 1Z4, Canada. evanmuis@student.ubc.ca.
Scientific reports
|June 14, 2024
概括
遥感通过分析基本生物多样性变量 (EBVs) 来有效监测森林生态系统. 结合结构和功能指标,为全面的生物多样性变化评估提供了互补的见解.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 生物多样性监测 生物多样性监测
背景情况:
- 生物多样性基本变量 (EBV) 框架为监测生物多样性变化提供了标准化指标.
- 遥感非常适合观察生态系统层面的EBV,包括结构和功能.
- 了解遥感指标的互补性和冗余性对于有效监测生物多样性至关重要.
研究的目的:
- 评估生态系统结构和功能EBV中等分辨率遥感指标的互补性和冗余性.
- 评估不同的森林类型和生产率水平如何影响这些指标之间的关系.
- 为了确定复杂的结构指标的附加值与更简单的基于高度的属性相比.
主要方法:
- 利用中等分辨率的遥感数据来得出生态系统结构和功能EBV的指标.
- 应用冗余分析来量化各种生态系统的结构和生产率指标之间的关系.
- 将复杂指标 (如地表生物质) 的信息内容与更简单的基于高度的属性进行比较.
主要成果:
- 森林结构的遥感指标仅解释了生态系统生产率变化的15.7% (动态息地指数;DHIs).
- 基于高度的简单属性为复杂的指标提供了类似的信息,例如森林结构的地面生物质.
- 具有针叶树占主导地位和更高生产率的生态系统在结构和功能指标之间的冗余性较小.
结论:
- 遥感数据的多个维度为监测森林生态系统结构和功能提供了补充信息.
- 结合结构和功能指标对于森林生态系统中全面的生物多样性监测是有价值的.
- 进一步的研究应该利用各种遥感数据来增强EBV监测能力.
