专栏名称: 生态遥感前沿
分享生态遥感领域实用教程、最新科研成果及资讯,交流、合作等事宜请加Novel_2020
目录
相关文章推荐
中国国家地理  ·  直播预告|邀你共赏2024年度最大满月! ·  17 小时前  
小众消息  ·  有多少人在缴纳个人所得税?(修订版) ·  昨天  
中国国家地理  ·  ​秦岭深处邂逅迷人秋色 ·  昨天  
中国国家地理  ·  再次出发,极境只有一步之遥 ·  2 天前  
51好读  ›  专栏  ›  生态遥感前沿

中国地质大学(武汉)硕士生一作发GRL!

生态遥感前沿  · 公众号  · 地理 科技自媒体  · 2024-10-15 00:00

正文


近日,长江中游城市群气象生态环境遥感团队孙嘉副教授、硕士生范增辉等撰写的“Planted Forests Greened 7% Slower Than Natural Forests in Southern China Over the Past Forty Years”论文发表在Geophysical Research Letters期刊,本研究得到国家自然科学基金(42471347,42001299)等资助。

全球范围内的森林普遍呈现出显著的绿化趋势,以往研究通常认为这一趋势主要归因于土地利用的变化,如植树造林等。然而,人类干预对已经存在的森林的绿化过程起到何种作用仍不明确。天然林受人为干预影响较少,其EVI2的变化主要是对大尺度环境变化(如全球气候变暖、CO2浓度增加)的响应,与之相对,人工林同时受到人为干预和大尺度环境变化的影响。在本研究中,我们通过配对空间邻近的天然林和人工林,以最大程度减少地形及气温、降水等因素在两种森林类型之间的差异。因此,配对天然林与人工林之间绿度和绿化趋势的差异即可反映人为干预的影响。基于Landsat近四十年(1987-2021年)的长时序数据,我们利用植被指数EVI2分析了中国南方天然林与人工林绿度及绿化趋势的差异。结果表明,尽管近四十年人工林的平均EVI2与天然林相当,但其总体绿化趋势比天然林低7.0%。这一结果意味着人为干预并未加速森林绿化进程,提示有必要通过完善人工林管理政策,以进一步促进未来的森林绿化。



1

数据和方法

1.1 研究区域

中国人工林面积居全球首位。本文的研究区为中国大陆南方的12个省(广西、广东、福建、江西、湖南、贵州、浙江、安徽、湖北、重庆、四川和云南),行政面积约249万平方公里。除云南喀斯特等生态保护与修复工程区域外,中国南方的人工林主要为经济林和用材林,人为干预频率和强度较高,而北方的人工林则以生态保护为主要目的。根据2014年至2018年第九次全国森林资源清查结果,本研究区的人工林面积占全国总面积的近59%(4701万公顷),天然林面积占全国总面积的52%(7369万公顷)。


1.2 研究数据

全球森林变化数据集(GFC)与东亚人工林和天然林空间数据库相结合,用于确定研究期间研究区天然林和人工林的分布情况。利用Landsat-5,7,8卫星获取的 1987-2021年EVI2数据,分析森林的绿度和绿化趋势。利用2015年全球森林管理数据(FMM)中的短轮伐森林空间分布数据,将研究区的人工林根据人为干预强度分为三组(人为干预强度高、中、低)。


1.3 天然林与人工林配对

为了确保天然林和人工林在地理特征和生长环境上具有可比性,我们将空间邻近的天然林和人工林进行配对。我们考察了地形因素(坡度、海拔和高程)以及天然林面积对长时序绿度和绿化趋势对比结果的影响,以确保这些因素不会主导配对森林间的差异。为减少森林边缘效应的干扰,我们排除了森林边缘60米范围内的像素。接下来,我们为每个天然林斑块确定其5千米缓冲区内的所有人工林进行配对,选择5千米的缓冲区是为了最大限度地提高环境的相似性

此外,通过对不同随机样本数量的测试,我们发现当样本数量达到100个及以上时,结果趋于稳定。因此,每对天然林与人工林中,分别随机生成100个点代表其总体情况,具体如图1所示。鉴于短轮伐森林是五种森林管理方式中(其他四种分别为不经营的自然保护区、近自然林业、多功能林业和集约经营的同龄林业)管理强度最高的一种,我们使用FMM统计了配对人工林中短轮伐森林的比例,以此评估人工林中的人为干预强度。干预强度与短轮伐森林的比例呈正相关,比例越大,干预强度越高。基于此,我们还采用自然间断点法,将短轮伐期林的比例划分为三个不同的人为干预强度组。

图1 天然林和人工林配对示例(天然林和人工林中各有100个样本点)


1.4 森林绿度和绿化趋势

为了表征森林的绿度,我们基于1987年至2021年的Landsat数据计算了增强植被指数(EVI2)。为避免因质量控制遗漏低质量数据,我们提取了每个像素的95%分位数。此外,从1987年到2021年,对于每年有效观测次数少于5次的年份,我们进行了数据剔除。随后,我们采用Sen趋势分析法,计算了1987年至2021年间的绿化趋势。同时,计算了绿化趋势与1987年初始值的回归比值,称为相对绿化趋势。

为检验配对的天然林和人工林在EVI2平均值、EVI2趋势和相对EVI2趋势上是否存在显著差异,我们进行了显著性检验。具体而言,如果数据符合正态分布,则使用配对样本t检验;若不符合正态分布,则采用Wilcoxon符号秩检验(WSR检验)。为进一步验证本研究的结果,我们还使用相同的方法,基于广西省30米分辨率的森林资源清查数据,对天然林和人工林进行了类似的比较。

值得注意的是,本研究未包含由土地覆盖从非林地向森林转变所导致的绿化趋势。换言之,我们的研究旨在比较现有天然林和人工林的变化趋势。由于缺乏1987年的森林分布数据,我们将2000年的森林分布情况作为1987年的近似替代。为评估这一简化假设的影响,我们使用了中国土地覆盖数据集(CLCD)提取土地覆盖变化信息,该数据集提供了1985年(基于1990年之前的Landsat影像数据)以及1990年至2020年间30米分辨率的年度土地覆盖信息。此外,我们还利用了全球森林变化(GFC)数据中2001年至2021年的森林损失记录(包括林分替代干扰),以评估2000年后配对森林中的森林损失情况。


2

研究结果

2.1 中国南方人工林的人为干预强度分组

本文共生成了3117对天然林与人工林的配对,覆盖了中国南方68%的天然林和47%的人工林。由于短轮伐期森林的比例越高代表人工林的干预强度越大,依据自然间断法的分类结果,我们将研究区内的人工林按人为干预强度分为三类:高(短轮伐期森林比例大于47%)、中等(短轮伐期森林比例介于19%至47%之间)和低干预强度(短轮伐期森林比例小于19%)。

如图2所示,610个高干预强度的人工林主要分布在广西、广东和福建省,云南、湖南和江西省也有少量分布。中等干预强度的人工林共有852个,集中在福建、江西、湖南和广西四省,少量分布在浙江、广东和云南三省。安徽、湖北、重庆和四川四省的人工林大多为低干预强度,共1655个。接下来将逐一介绍这三类人工林与其配对的天然林在绿度和绿化趋势上的比较结果。

图2 人工林中短轮伐期森林的比例分布和基于自然间断法的分级结果。


2.2 森林绿度配对对比

从1987年至2021年,中国南方的人工林和天然林均呈现绿化趋势(图3a)。在整个时间序列中,人工林的EVI2始终略低于天然林。具体而言,如图4a所示,人工林的平均EVI2比天然林低1.7%(人工林为0.466±0.041,天然林为0.474±0.050),且两者之间的差异具有统计显著性(WSR检验,P<10⁻⁵)。图3b-d显示,随着干预强度从高到低,人工林的绿化趋势线进一步远离天然林。同样,图4b-d中的散点逐渐远离1:1线,表明随着人工林干预强度的增加,两种森林类型之间的绿度差距缩小。

图3 1987-2021年配对天然林和人工林年平均EVI2的折线图:(a)12个省(n=3117),(b)高干预强度组(n=610),(c)中干预强度组(n=852),(d)低干预强度组(n=1655)。阴影区域代表标准差。虚线的斜率为所有或对应人为干预强度组配对天然林和人工林Sen趋势的平均值(t检验)或中位数(WSR检验)。


图4 1987-2021年天然林与人工林平均EVI2的配对比较。(a)12个省(正方形的位置代表平均值或中值,误差条代表标准差)、(b)高干预强度组、(c)中干预强度组、(d)低干预强度组密度散点图。


从平均值来看,高干预强度组的人工林EVI2为0.480±0.033,天然林为0.483±0.046,两者之间没有显著差异(WSR检验,p>0.5)(图4b)。中等干预强度组的人工林EVI2为0.469±0.034,天然林为0.477±0.045,人工林的EVI2低1.7%(WSR检验,P<10⁻⁵)(图4c)。低干预强度组的人工林EVI2为0.456±0.043,天然林为0.469±0.058,人工林的EVI2低2.8%(WSR检验,P<10⁻⁵)(图4d)。


2.3 森林绿化趋势配对对比

与图4a中的结果类似,绝大多数森林配对位于1:1线以下,表明人工林(3.05±1.19 % decade⁻¹)的绿化趋势(7.0%)明显低于其配对的天然林(3.28±1.37 % decade⁻¹),该差异具有统计显著性(WSR检验,P<10⁻⁵)(图5a),这也在图3a中有所体现。随着人工林干预强度从高到低(图3b-d),人工林的绿化趋势逐渐与天然林的趋势线平行,表明干预强度的增加扩大了两者绿化趋势的差异。

图5 1987年至2021年天然林与人工林绿度(EVI2)趋势的配对比较:(a)12个省(正方形的位置代表平均值或中值,误差条代表标准差)、(b)高干预强度组、(c)中干预强度组、(d)低干预强度组密度散点图。


具体而言,高干预强度组的天然林绿化趋势为3.87±1.08 % decade⁻¹,而人工林为3.47±0.92 % decade⁻¹,两者差异最大,人工林的绿化趋势比天然林低10.3%(WSR检验,P<10⁻⁵)(图5b)。相比之下,低干预强度组的人工林绿化趋势比天然林小4.0%(分别为2.86±1.33 % decade⁻¹和2.98±1.47 % decade⁻¹),差异最小(WSR检验,P<10⁻⁵)(图5d)。中等干预强度组的人工林绿化趋势为2.99±1.02 % decade⁻¹,配对的天然林为3.25±1.23 % decade⁻¹,人工林的绿化趋势比天然林低8.0%(WSR检验,P<10⁻⁵)(图5c)。

与图4中EVI2的变化趋势相似,天然林的绿化趋势变化幅度比人工林更大(图5)。相对EVI2趋势的对比结果与EVI2趋势一致。基于广西省森林资源清查数据对天然林与配对人工林的比较结果也与图5a的结果一致。


3

总结

本研究旨在评估人类干预对森林绿化及其趋势的影响。通过将中国南方空间相邻的天然林与人工林进行配对,量化了1987-2021年间人为干预对森林EVI2及其变化趋势的影响。研究结果显示,尽管天然林与人工林的平均EVI2接近,但人工林的EVI2趋势总体上比天然林低7.0%,人类干预增加了中国南方现有森林的绿化趋势。研究表明,气候变化、二氧化碳施肥和氮沉降等大环境变化是造成绿化的主要原因,而人为干预则导致了绿化趋势的下降。为实现长期森林绿化,可能需要优化人工林的管理策略,如延长轮伐周期、推进自然化管理以及采用其他更加接近自然的方法,以推动更可持续的未来森林管理。



CITATION

Zenghui Fan, Jia Sun, Torbern Tagesson, Lunche Wang, Shu Xu, Weifu Tan, Feng Tian, Wentao Ye, Qin Tan, Shaoqiang Wang, Anders Ahlström. 2024. Planted forests greened 7% slower than natural forests in Southern China over the past 40 years. Geophysical Research Letters, 51, e2024GL111209. https://doi.org/10.1029/2024GL111209