近日，中国地质大学（武汉）国家地理信息系统工程技术研究中心张翔教授团队在遥感领域国际顶级期刊《Remote Sensing of Environment》（SCI一区TOP，IF= 11.1）发表了题为《Mapping global drought-induced forest mortality based on multiple satellite vegetation optical depth data》的研究成果。该研究首次发现了植被光学厚度（VOD），特别是VOD的年际变化量（ΔVOD）在提取全球尺度森林因旱死亡分布和程度中的科学价值。该研究生成的2014至2018年全球尺度逐年0.25°森林死亡地图为科学理解全球变化与生态扰动提供了关键性数据，相比于以往研究在死亡率量化、时空分布和精度等方面均具有显著提升。
图1 论文封面
随着全球干旱事件频率和强度的持续增加，森林死亡的风险也在不断上升。准确了解干旱对森林的影响，尤其是干旱导致的森林死亡分布，对于科学理解全球生态干旱至关重要。大气指标和土壤湿度通常与树木生长相关，并影响树木的水分状况，但它们并不能直接反映森林的干旱死亡严重程度。光学植被指数虽然能够反映森林死亡情况，但受响应延迟、时间分辨率低和云层干扰等因素的影响。基于气象和植被变量的干旱引发森林死亡评估方法的准确性仍需改进。更为重要的是，以往研究成果多基于地面实测采样或者小范围无人机遥感，基于网格的全球范围因旱死亡连续分布数据较为匮乏或者无法精细量化。
为应对以上挑战，该研究引入VOD来估算全球森林因旱死亡，并取得了两方面的突破。首先，通过生成2014至2018年的年度0.25°网格数据，有效解决了以往研究中存在的时间不连续性和数据分布不完整的问题。其次，对全球森林因干旱死亡程度进行了具体量化估算，改进了仅记录全球森林死亡存在与否的研究局限性。
图2 全球干旱引起的森林死亡地图（以2016年为例）
具体而言，该研究利用VOD数据来表征森林冠层水分在干旱条件下的变化。VOD是一种描述植被在微波波段透射率的参数，与森林水分含量和生物量密切相关，其波长更长，穿透能力比可见光和近红外遥感信号更强。通过计算VOD的年际变化量ΔVOD，作为补充指标来提高全球干旱引发森林死亡建模和估算的准确性。将ΔVOD与植被指数、气象数据、地形等变量整合，构建了一个预测森林因旱死亡的智能学习模型，并利用该模型生成了全球尺度森林死亡地图。
图3 基于多源卫星数据绘制全球干旱引起的
森林死亡地图
结果表明，与植被或气象变量相比，VOD相关变量在森林死亡模型中贡献显著。并且，ΔVOD与参考死亡率的相关性高于相对水分含量、增强型植被指数和气候水分亏缺。通过验证模型与参考死亡率的拟合情况，发现将ΔVOD纳入模型后，全球森林死亡地图的准确性从R²=0.45提升至R²=0.63。进一步通过优化训练点，采用ΔVOD与参考死亡率之间的两阶段相关阈值，地图的准确性进一步提高至R²=0.72。
图4 森林因旱死亡预测模型中变量的相对重要性
图5 参考死亡率与模型估算的死亡率之间的相关性
