大兴安岭森林树种组成和地上生物量动态及其与气候和干扰的关系

Tree species composition and aboveground biomass (AGB) dynamics of boreal forest have significant impacts on the structure and function of global ecosystems, and the process of the global carbon cycle. Chinese boreal forests are mainly located in the Great Xing’an Mountains. Human activities, disturbance and climate change have extensively altered the tree species composition and AGB dynamics in this region. However, the spatial and temporal mechanisms that disturbances and climate act on species composition and AGB dynamics are still unclear due to the lack of continuous reliable species composition and AGB data in time and space. Remote sensing time series data objectively recorded the spatio-temporal process of forest disturbance and climate change. Therefore, we plan to extract the metrics of the forest disturbance and recovery process of the Great Xing’an Mountains from remote sensing time series data. And we will estimated the forest composition and AGB dynamics in recent 30 years by integrating forest inventory data with remote sensing time series data and the disturbance metrics using KNN model. We will explore the temporal and spatial change mechanisms of forest species composition and AGB in the Great Xing’an Mountains based on estimated the forest composition and AGB dynamics, climate factors and the metrics of forest disturbance and recovery extracted from remote sensing time series. This study aims to provide a scientific basis for designing effective forest management to sustain forest ecosystem functions and respond to climate change.

北方森林的树种组成和地上生物量动态对全球生态系统的结构和功能以及碳循环影响重大。大兴安岭是我国北方森林的主要分布区域，干扰和气候变化严重的影响了该区域的树种组成和地上生物量动态。由于缺少时间和空间上连续的客观数据，气候和干扰在时间和空间上对该区域树种组成和地上生物量作用的机制尚不明确。时间序列的遥感数据客观的记录了干扰和气候差异对森林树种组成和地上生物量的时空作用过程。因此，本项目拟以大兴安岭林区作为研究区，应用时间序列的遥感数据提取森林干扰和恢复过程，并将森林的干扰和恢复过程与时间序列的遥感数据相结合来估算最近30多年大兴岭林区树种组成和地上生物量动态，并据此分析大兴安岭林区树种组成和森林地上生物量动态与气候和干扰的关系，以期客观的揭示气候变化和干扰对我国北方森林树种组成和地上生物量变化的时空作用机制，为该区域制定合理的森林管理政策提供科学依据。

北方森林是全球最重要的森林生态系统之一，北方森林的树种组成和地上生物量动态对全球生态系统的结构和功能以及碳循环影响重大。大兴安岭是我国北方森林的主要分布区域，历史上经历了长时间的开发，为我国经济建设和发展贡献了巨大的力量，其森林资源也经历了严重的采伐干扰。同时，由于位于我国最北方区域，大兴安岭森林生态系统对气候变化的响应极为敏感，其在我国生态系统中发挥着重要的作用。干扰和气候变化严重的影响了该区域的树种组成和地上生物量动态，进而影响着大兴安岭森林生态系统功能的发挥。本项目基于的Landsat时间序列遥感数据、森林调查数据和Landtrendr、VCT等时间序列遥感数据分割算法以及KNN和RandomForests等机器学习算法，开展了大兴安岭林区历史干扰信息提取、树种组成和生物量动态变化构建及其与气候变化关系方面的研究。首先，本项目在分析采伐和林火干扰时间序列光谱特征基础上，通过LandTrendr算法提取了研究区森林的近30多年来的干扰和恢复信息；结合从Googleearth目视解译的干扰信息，采用RandomForests方法对提取的历史干扰信息进行了分类，分析了影响干扰发生的主要因素及其作用机理；应用KNN方法将森林调查数据和Landsat时间序列遥感数据以及环境变量数据相结合，构建了研究区树种组成和森林地上生物量的遥感反演模型，反演了近30多年来研究区树种组成和森林地上生物量动态，分析了影响森林地上生物量和树种组成的主要因素；将气候因子在空间和时间上对干扰的影响与森林树种组成和地上生物量动态相联系，分析了气候变化和森林干扰之间的关系。本项目客观的揭示了气候变化和干扰对我国北方森林树种组成和地上生物量变化的时空作用机制，为该区域制定合理的森林管理政策应对气候变化提供了科学参考。