基于模型-遥感整合的人工林应对干扰及气候变化的响应规律研究

Climate change induced by variations in composition, structure and disturbance patterns of ecosystems has long been recognized as the most pressing environmental concern of the international society, which creates a horrible threat to the sustainability of human being. This proposed research aims to understand the response mechanisms of the plantations to distrubances and climate change from 1982 to 2012, via applying an integrated and regionally tuned method that synthesizes multisource remote sensing, meteorological and field inventory data, as well as a vegetation change tracker model. The investigation will develop a 30 m spatial resolution forest change database with a temporal interval of 2-3 years, for the period of 1982-2012 including changes in forest canopy density, canopy height, and biomass. The database will be developed from using primarily NASA-EOS Landsat TM/ETM+ data, topographic derivatives, Light Detection and Ranging (LiDAR),Quickbird and the field inventory data, coupled with the regression trees algorithm built upon a data mining tool of Cubist. The remote sensing-based forest disturbances products developed from applying a vegetation change tracker model to the imagery stacks consisting of a time series of Landsat TM/ETM+ will be analyzed in concert with long-term meteorological data and disturbance history records to understand the interactions between climate variability, disturbances, and forest changes during the period 1982-2012. Based on the outcomes of these analyses, future regional climate scenarios under the global climate change background will be built and used to forecast the likely changes in disturbances and forest conditions and further to recommend adaptation and mitigation measures in response to the anticipated changes. Successful completion of this proposed research will provide a new and regionally adaptable method to quantify and assess regional forest changes and disturbance patterns under current and future climate scenarios, further to lay a solid methodology and data foundation for subsequently assessing regional carbon cycling patterns.

因生态系统组成、结构及干扰模式改变而导致的气候变化是国际社会长期关注的最紧迫的环境问题，它严重威胁着人类可持续发展。此建议的研究旨在通过整合遥感、气象及野外调查数据和植被变化自动检测模型，发展新方法来探索1982-2012年间人工林应对干扰及气候变化的响应机制。我们将整合多源遥感及野外数据，利用基于数据挖掘工具Cubist的回归树算法发展一个30米分辨率、2-3年间隔期的人工林结构变化数据库（包括树冠密度、树冠高及生物量）；同时分析由植被变化自动追踪模型导出的森林干扰时空模式与气象因子、森林结构变化之间的统计关联效应；预测气候变化背景下人工林将来可能遭遇的干扰及结构变化，并提出人工林适应或减缓气候变化效应的经营策略和措施。成功执行此研究将生成一个在气候变化背景下量化区域尺度森林结构及干扰模式变化的区域自适应的新方法,并为评价后续区域碳循环模式奠定坚实的方法和数据基础。

1. 项目背景 生态系统碳储量和碳循环对气候变化具有决定性影响, 已成为各国政府和学术界重点关注的最紧迫的环境问题。发展可靠的方法来充分理解森林结构及森林干扰模式变化对碳循环及气候变化的影响已成为众多科学计划的优先领域。本项目旨在发展整合模型及多源遥感的综合方法来准确量化区域尺度的人工林结构、干扰及其变化信息，为发展政策措施来实现人工林的可持续经营奠定坚实的数据基础。.2. 主要研究内容 （1）基于VCT和Landtrendr算法，结合长时间序列Landsat观测数据，进行人工林森林干扰和恢复自动制图和精度验证. （2）利用多源遥感光谱数据，结合地形变量和纹理信息，采用支持向量机、随机森林等数据挖掘算法进行人工林森林生物量和LAI制图及验证. （3）研究区未来气候场景建模及预测研究. （4）人工林干扰面积、干扰烈度、恢复面积与气候因子的统计关联分析，并在此基础上提出适应气候变化的人工林经营策略. （5）由于森林干扰和恢复引起的森林破碎化空间过程差异特征刻画.3. 重要结果 （1）南方人工林区域存在广泛的森林干扰，年干扰率多处于0.5-2.0%之间，年恢复率在0.5-2.5%之间，算法自动制图精度维持在85%左右。. （2）南方人工林样地水平人工林地上生物量多处于13.5-67.13 t/ha之间，且呈现逐年增加的趋势。随机森林算法和支持向量机算法被证明是进行人工林生物量建模的有力工具，所建立的模型的精度在85%左右。. （3）通过模型拟合发现，南方人工林区域未来50年有增温1-2度且变干的趋势. （4）森林干扰与气候因子间的相关性较低，平均最高温和平均温度与恢复面积有较高的相关性，相关系数分别为-0.651和-0.532. （5）收缩是人工林中主要的破碎化过程，而扩张是主要的恢复过程。天然林遵从孔洞-细分/收缩-磨蚀的破碎化空间过程，而人工林并不严格遵从。.4.关键数据 （1）项目产生了大约3TB的森林干扰和恢复历史数据集，大约1TB的森林生物量和LAI空间分布数据，这些基础数据是进行人工林碳核算的重要基础