近日，中國科學院植物研究所鄭元潤研究員團隊與北京師范大學宋長青教授團隊合作，在《科學通報》發(fā)表題為“基于機器學習和經驗知識的青藏高原多時段植被制圖”的研究論文，采用機器學習模型與人工制圖技術相結合，制作了青藏高原多時段植被分布圖，為青藏高原植被研究和利用提供可靠的植被分布序列資料。

青藏高原作為全球氣候變化的敏感區(qū)域，其植被變化對于理解全球生態(tài)過程具有重要意義。目前青藏高原植被圖主要為2000、 2020年前后兩個時段, 以及1990~2020年時段, 主要是基于地面調查數(shù)據(jù)的人工制圖以及基于地面調查數(shù)據(jù)、遙感數(shù)據(jù)、地形與氣候資料,采用機器學習模型分類的自動制圖, 存在部分植被類型混淆、制圖精度有待提高等問題, 同時, 缺乏更早時段的植被分布資料。

研究團隊通過整合遙感數(shù)據(jù)、地形數(shù)據(jù)、氣候數(shù)據(jù)及地面調查數(shù)據(jù)，基于隨機森林機器學習模型，成功制作1980年代和2020年青藏高原的植被分布圖。系列植被圖以100 m的空間分辨率，精細地展現(xiàn)了高原上不同植被類型的分布狀況(圖1)。

打開網易新聞 查看精彩圖片

圖1 青藏高原植被圖. （a）近似復原；（b）1980s；（c）2020年；（d）2035年；（e）2050年

研究結果顯示，隨著全球氣候變暖，高寒性質的植被類型面積顯著減少，這可能是由于氣溫升高導致高寒植被向其他類型植被轉變有關，同時溫帶矮半喬木荒漠等受干旱氣候控制的植被面積增加也較多。這些變化顯示了氣候變化對高原生態(tài)系統(tǒng)的影響。本研究中，機器學習模型的自動分類與人工修正相結合，顯著提高了植被制圖的精度和可靠性。隨機森林模型的應用，結合大量地面調查數(shù)據(jù)和遙感數(shù)據(jù)，使得植被類型的邊界描繪更為準確。

這項研究增進了我們對高原植被變化的認識，為制定針對性的生態(tài)保護措施提供了科學依據(jù)。本研究產生的青藏高原植被圖數(shù)據(jù)已向公眾開放，可通過國家青藏高原科學數(shù)據(jù)中心獲取。

周繼華, 來利明, 陳巧娥, 宋長青, 高培超, 葉思菁, 沈石, 楊剛剛, 郝海霞, 王貴豪, 熊喆, 鄭元潤. 基于機器學習和經驗知識的青藏高原多時段植被制圖. 科學通報, 2025, 70(1): 134–144

https://doi.org/10.1360/TB-2024-0496

轉載、投稿請留言

| 關注科學通報 | 了解科學前沿