森林是陆地生态系统的重要组成部分，然而随着城市化的推进和气候变化加剧，全球森林受到的干扰愈加剧烈。世界各国出台了许多的林业政策法规，不仅为了提高森林的面积，更关注恢复和改善受干扰的森林生态系统的结构与功能。但这要求森林恢复的评估使用具有生态学含义的指标体系，才能满足森林恢复从面积评价到质量评价的需求。

　　目前，评估森林生态系统的功能是一项具有挑战性的工作，为了开发具有生态意义的综合评价指标并应用于森林管理中，本研究建立了基于生态系统结构-功能-生境的混合评价方法。该方法基于归一化燃烧比(NBR)光谱指标，并结合了当地森林资源调查数据、陆地卫星、激光雷达数据。对Google Earth历史图像的视觉解译结果表明，混合方法的评估总精度为0.94，且混合模型的输出结果随着生物多样性指数的增加而增加。为了简化模型，同时进行时空序列的拓展应用，本研究进一步建立了基于树龄的随机森林模型(R² = 0.78, RMSE = 0.14)，随机森林模型得到的森林生态恢复指数在时间上的应用体现在可以方便地监测森林恢复速度，从而预测区域生态恢复时间，进而估算封山育林政策的实施周期。在空间上的应用主要是可以保证恢复缓慢的地区能够分配足够的恢复资源。这两个结果可以为森林管理者制定更有效的森林恢复计划提供科学依据。

　　研究结果于2023年5月以An Approach Integrating Multi-Source Data with LandTrendr Algorithm for Refining Forest Recovery Detection为题在遥感领域重要学术期刊Remote sensing上发表，中国科学院城市环境研究所黎梅硕士生和左舒翟副研究员为共同第一作者，任引研究员为通讯作者，该项目得到国家重点研究计划项目(2022YFF1303001)、国家自然科学基金项目(42001210、31972951、31670645、42171100、41801182、41807502)、国家社会科学基金项目(17ZDA058)、福建省科技厅项目(2022T3047、2021I0041、2021T3058、2019J01136)、中国科学院战略重点研究计划项目(XDA23020502)、厦门市科技项目(3502Z20226016)的资助。

　　论文链接

图1 混合方法技术路线图

图2 混合方法的森林恢复值分布。(a)和(b)分别为30m和300m分辨率像元下混合方法的恢复值大小和分布。(c)显示了恢复的三个阶段，即初始、中期和已恢复森林。15幅图像的经纬度为中心点的位置。