東北地理所在特大火災(zāi)后森林光譜和組成恢復(fù)力評(píng)估方面取得進(jìn)展
受人類(lèi)活動(dòng)和氣候變化的影響，特大火災(zāi)的頻率和強(qiáng)度不斷增加，對(duì)森林生態(tài)系統(tǒng)的結(jié)構(gòu)和功能構(gòu)成了嚴(yán)重威脅。特大火災(zāi)不僅導(dǎo)致森林生態(tài)系統(tǒng)發(fā)生急劇變化，還可能引發(fā)不同的演替軌跡，進(jìn)而對(duì)森林生態(tài)系統(tǒng)的恢復(fù)力和韌性（resilience）產(chǎn)生重大影響。因此，深入研究特大火災(zāi)后森林的恢復(fù)過(guò)程，對(duì)于理解生態(tài)系統(tǒng)的韌性以及制定有效的管理策略至關(guān)重要。
中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所景觀生態(tài)過(guò)程研究團(tuán)隊(duì)對(duì)特大火災(zāi)后森林恢復(fù)力進(jìn)行了多角度綜合評(píng)估，重點(diǎn)研究了1987年大興安嶺特大火災(zāi)后，西伯利亞北方森林光譜及組成的短期和長(zhǎng)期恢復(fù)力。研究團(tuán)隊(duì)利用1987-2022年間Landsat數(shù)據(jù)和regression-based unmixing 混合像元分解方法，對(duì)西伯利亞北方森林的森林類(lèi)型覆蓋度進(jìn)行了制圖，生成了森林類(lèi)型覆蓋度的長(zhǎng)時(shí)間序列數(shù)據(jù)，并結(jié)合光譜指數(shù)對(duì)不同燃燒強(qiáng)度下的森林光譜和組成恢復(fù)力進(jìn)行了評(píng)估。
結(jié)果顯示，西伯利亞北方森林的不同覆蓋類(lèi)型的覆蓋度可以有效地進(jìn)行分解，驗(yàn)證精度在6.87%至10.04%之間。在短期尺度上，高強(qiáng)度火燒區(qū)內(nèi)森林光譜恢復(fù)速度較快，主要由灌木和闊葉林主導(dǎo)。從長(zhǎng)期來(lái)看，森林光譜需要大約15-16 年才能恢復(fù)到特大火前的基線水平，其恢復(fù)速度明晰快于組成恢復(fù)。闊葉林的恢復(fù)速度顯著快于針葉林，因此在低強(qiáng)度火燒區(qū)形成了混交林，而在高強(qiáng)度火燒區(qū)則以闊葉林為主。特大火災(zāi)促使西伯利亞北方森林由針葉林向闊葉林轉(zhuǎn)變，表明這些森林對(duì)高強(qiáng)度特大火災(zāi)的韌性較低。該研究不僅深化了對(duì)特大火災(zāi)后森林生態(tài)系統(tǒng)恢復(fù)過(guò)程的理解，還為森林管理和保護(hù)提供了科學(xué)依據(jù)，為提升生態(tài)系統(tǒng)的韌性和應(yīng)對(duì)未來(lái)氣候變化提供了有力支持。
圖1. NBR指數(shù)（a）、灌木覆蓋率（b）、落葉闊葉林覆蓋率（c）、落葉針葉林覆蓋率（d）和常綠針葉林覆蓋率（e）的YrYr短期恢復(fù)指標(biāo)空間模式及不同燃燒強(qiáng)度區(qū)域的對(duì)應(yīng)YrYr統(tǒng)計(jì)（f）
圖2. 不同燃燒強(qiáng)度區(qū)域中森林類(lèi)型覆蓋率的時(shí)間序列
圖3. 特大火燒區(qū)內(nèi)NDNBF指數(shù)的時(shí)空變化 （NDNBF指歸一化針葉林-闊葉林差異指數(shù)）
該研究發(fā)表在國(guó)際頂級(jí)期刊《Remote Sensing of Environment》，由博士研究生蘇日古嘎（第一作者）和王文娟研究員（通訊作者）等共同完成。該研究得到國(guó)家重點(diǎn)研發(fā)計(jì)劃（2022YFF1300904）、國(guó)家自然科學(xué)基金（42371075,42271119,41871045）、中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所創(chuàng)新團(tuán)隊(duì)項(xiàng)目（2022CXTD02）等共同資助。
論文信息：Bao,S.G.,Wang,W.J.*,Liu,Z.*,Zhang,H.K.,Wang,L.,Ma,J.,Sun,H.,Ba,S.,Wang,Y.,He,H.S. Revealing post-megafire spectral and compositional recovery in the Siberian boreal forest using Landsat time series and regression-based unmixing approach. Remote Sensing of Environment. 2024,311,114307. https://doi.org/10.1016/j.rse.2024.114307
附件下載：
吉公網(wǎng)安備22017302000214號(hào)
