記者9月13日從中國科學院亞熱帶農(nóng)業(yè)生態(tài)研究所獲悉，該所環(huán)江喀斯特生態(tài)系統(tǒng)觀測研究站王克林研究員團隊基于深度學習和國產(chǎn)高分辨率衛(wèi)星遙感影像，繪制了我國西南喀斯特地區(qū)復雜森林空間分布圖。近日，這一研究成果的論文發(fā)表在Remote Sensing in Ecology and Conservation上。
在大規(guī)模生態(tài)保護與修復背景下，我國西南喀斯特地區(qū)成為近20年來全球植被“變綠”的熱點區(qū)。單一人工林種植是普遍采用的一種造林策略，速生人工林相對于天然林可能會耗水過多，亟需量化權(quán)衡不同類型森林恢復的碳-水過程及其生態(tài)服務(wù)效應(yīng)。然而，單一人工造林、自然恢復、封禁保育、人工林采伐等不同保護修復與管理措施下，該區(qū)森林景觀異質(zhì)性高，森林植被多呈現(xiàn)斑塊化、片段化、破碎化的特點。受遙感數(shù)據(jù)源與方法的限制，區(qū)域尺度喀斯特地區(qū)復雜森林格局、特別是不同類型人工林與天然林的精準識別一直是難點。
深度學習被認為是機器學習領(lǐng)域的一項革命性技術(shù)，其在遙感及生態(tài)相關(guān)領(lǐng)域已經(jīng)展現(xiàn)出巨大潛力。在亞熱帶生態(tài)所王克林研究員、岳躍民研究員的指導下，中國科學院大學博士生李倩與中科院空天創(chuàng)新研究院陳正超研究員團隊合作，將深度學習與高分辨率遙感影像、林業(yè)清查數(shù)據(jù)結(jié)合，基于修正后的ResUNet50模型（基于U-Net架構(gòu)，通過卷積層-池化層-轉(zhuǎn)置卷積的組合有效提取圖像特征，而不會造成信息傳播損失），發(fā)展了復雜森林類型（桉樹人工林、杉木和馬尾松人工林、稀疏灌叢、次生林、天然老林等）遙感深度學習智能識別模型。
結(jié)果表明，該模型可以對高分辨率遙感影像進行復雜森林分類和分割，研究區(qū)包括云南、廣西、貴州三省，總體精度達到89.96%。其中，51%的研究區(qū)域被森林覆蓋，這其中65.83%的森林是次生林，10.17%屬于桉樹人工林，5.19%屬于杉木和馬尾松，居民點附近的破碎化殘存老林僅占0.02%，單一人工林覆蓋了15%的研究區(qū)域，特別是廣西有29.85%的森林均是單一人工林。
研究進一步發(fā)現(xiàn)，單一種植人工林可以較快提高區(qū)域生態(tài)系統(tǒng)生產(chǎn)力，但同時也會影響區(qū)域的水平衡，尤其是桉樹人工林，其主要分布在廣西南部和貴州北部。研究者對比2001至2020年桉樹人工林與其他森林類型的總初級生產(chǎn)力和蒸散發(fā)變化，發(fā)現(xiàn)桉樹人工林的總初級生產(chǎn)和蒸散發(fā)增長均高于其他森林類型，其中桉樹的蒸散發(fā)在2001至2020年的增長是原始森林的1.5倍，是次生林的1.2倍。而天然老林的生產(chǎn)力和蒸散發(fā)則變化相對穩(wěn)定，次生林的生產(chǎn)力變化與天然老林相近，但蒸散發(fā)的增長是天然老林的1.3倍。
研究表明，桉樹人工林可能具有較高的生產(chǎn)力和經(jīng)濟價值，但研究也發(fā)現(xiàn)桉樹比其他森林類型更耗水，區(qū)域尺度復雜森林智能提取與精準識別有助于更好地量化森林的經(jīng)濟和生態(tài)價值。同時，不同森林類型的高分辨率空間制圖也將指導精準還林（還草）空間識別，這對于增加不同森林斑塊之間的連通性至關(guān)重要，有助于改善生物多樣性和動物的遷徙。
該研究展示了如何將最新的高分辨率衛(wèi)星遙感影像與人工智能領(lǐng)域的最先進方法相結(jié)合，并成功應(yīng)用于我國西南高度異質(zhì)性森林景觀的精準識別，這對未來的森林管理策略至關(guān)重要。同時，該研究也人工構(gòu)建了78.77萬公頃森林訓練樣本，建立了樣本數(shù)據(jù)庫，可以在高時間頻率下更新，直接應(yīng)用到未來的森林智能監(jiān)測與恢復管理中。
該研究得到了國家重點研發(fā)計劃、國家自然科學基金、中科院先導A等項目的支持。
論文鏈接：https://zslpublications.onlinelibrary.wiley.com/doi/full/10.1002/rse2.292