Estimating Biomass in Trans-Himalayan Rangelands Using Sentinel-2 Data and Machine Learning Approaches

伟大的草地侦探：关于高山、卫星与智能计算机的故事

想象一下，地球的皮肤上覆盖着一层层广袤而原始的草本和灌木地毯，被称为“牧场”。这些不仅仅是美丽的风景；它们是数百万头牛、羊和山羊巨大的餐桌，同时也帮助保持地球的水质清洁和空气清新。但问题在于：这些草地地毯正在逐渐枯竭。过度的放牧、气候变化以及人类的压力，正将郁郁葱葱的草甸变成一片片荒芜的尘土。为了解决这个问题，我们需要精确了解还剩下多少草，但用传统的方法进行计数简直是一场噩梦。这涉及在陡峭且多石的山间徒步，用剪刀剪下细小的草块，放在阳光下晒干，然后称重。这种方法缓慢、昂贵，而且无法同时覆盖所有地区。

这就是“遥感”和“机器学习”发挥魔力的地方。把遥感想象成天空中一个巨大的、高科技的照相机（卫星），它能看到人类肉眼无法察觉的颜色，比如植物健康时散发出的不可见的“红边”光。机器学习则像是一个超级聪明的计算机学生，它可以通过观察数百万张卫星照片，学习如何在不踏足地面一步的情况下，就能猜出地面上有多少草。科学家们一直试图教会这些计算机变得更加精准，但山区非常棘手，因为阴影和陡峭的山坡会干扰摄像机的判断。大问题在于：我们能否建立一个智能系统，仅仅通过仰望天空，就能准确地“称量”这些高海拔艰苦山区里的草量？

---

论文的任务：教计算机在云端计数草量

这篇研究论文就像是一本新型侦探工作的实战指南。作者们——一支来自巴基斯坦和加拿大的科学家团队——致力于破解一个谜题：在迪尔上部（Upper Dir）和斯瓦特（Swat）的跨喜马拉雅牧场中，到底生长着多少草量（生物量）。这些是崎岖的高山地区，地形如此陡峭，天气如此狂野，以至于传统的计数方法几乎无法实施。他们没有派遣徒步团队去剪草，而是决定使用 Sentinel-2 卫星的数据，该卫星每隔几天就会拍摄极其详细的地球照片。

他们把卫星图像看作一个巨大的拼图。首先，他们在 2022 年和 2023 年夏季进入实地采集“地面真相”（ground truth）。他们徒步前往随机选定的地点，测量小方块内实际的干重，并记录 GPS 坐标。这就是他们的“标准答案”。然后，他们查看了这些相同位置的卫星照片，看看卫星“看到了”什么。他们测试了 50 种不同的数学公式（称为植被指数），这些公式试图将光转化为数字。这就像是在尝试 50 种不同的食谱，看看哪一个能做出最好的蛋糕。

发现： “红边”赢得了比赛

团队发现，并非所有的食谱都一样出色。一些传统的标准公式，比如著名的 NDVI（用于衡量植物看起来有多绿），表现尚可，但它们忽略了更精细的细节。真正的明星其实是一个名为 REDVI1 的公式。这个公式利用了光谱中一个特殊的组成部分——“红边”，这就像是卫星与植物叶绿素之间的一种秘密握手。

当他们测试这些理论时，REDVI1 在初步筛选的预测准确度上成为了明显的赢家。在 2023 年，它预测草量的准确度得分（R²）达到了 0.86，这是一个非常强劲的匹配。而标准的绿色测量公式 NDVI 的得分仅为 0.7376。这就像是 REDVI1 能从一英里外就看清草地的健康状况，而 NDVI 却还在眯着眼睛瞎猜。

仅仅知道最好的公式是不够的，他们还需要一个最聪明的“计算机大脑”来进行计算。他们测试了三种不同的机器学习“学生”：

1. PLSR（线性思维者）。
2. SVR（支持向量机）。
3. RFR（随机森林回归）。

随机森林 (RFR) 模型成为了冠军。它不仅仅是在猜测，它构建了一个由决策树组成的“森林”，能够处理山区复杂且混乱的现实情况。它比其他模型更稳定、更准确，在 2023 年的表现得分（NSE）达到了 0.92。论文明确指出，那些较旧的、简单的线性方法以及其他的机器学习模型，在面对山区的奇特阴影和陡峭坡度时显得更为吃力。RFR 模型是唯一一个能够持续忽略噪声并捕捉到有效信号的模型。

地图：哪里草丰，哪里草稀

利用他们获胜的机器学习模型（RFR）来验证数据后，团队随后绘制了一幅覆盖整个区域的详细地图。然而，在制作最终地图时，他们并没有直接使用复杂的计算机模型。相反，他们应用了一个基于 REDVI2 的更简单的线性回归方程。虽然 REDVI1 在初步筛选中是表现最好的预测因子，但团队发现 REDVI2 在具体的制图阶段具有最高的关联性（在 2023 年 R² 为 0.7204），因此他们使用该公式来计算地图上每一个像素点的草量。

结果揭示了一个关于土地的迷人故事：

• 平均值： 在整个研究区域内，干草的平均量为 5,896.78 kg/ha。
• 极端情况： 草类分布并不均匀。有些地方几乎没有草（靠近城镇和河流的地方，动物全年都在那里放牧），而另一些地方则异常茂盛。草量最高的斑块高达 11,516.7 kg/ha。
• 规律： 论文发现，靠近村庄和水源地的草地往往已经退化，生物量较低（不足 3,500 kg/ha）。这是因为动物在那里过度放牧太久了。然而，那些一年中大部分时间都被雪覆盖的高山，拥有厚实且健康的草地（超过 7,000 kg/ha），因为积雪让动物远离了那里，给了植物重新生长的机会。

这对未来意味着什么

作者们很谨慎，并没有声称他们已经永久“解决”了牧场管理的问题。相反，他们认为这种方法提供了一个强大的新工具。他们证明了你不需要通过剪草来了解有多少草；你可以利用卫星和智能计算机获得非常准确的图像。

这对当地居民来说意义重大。如果当地领导能够看到一张显示“嘿，这个山谷快没草了”的地图，他们就可以在土地被破坏之前，将牲畜转移到另一个区域。这把猜测变成了科学。论文总结道，这种方法准确、可扩展且非侵入性，为保护这些脆弱的山区生态系统以及依赖它们生存的人们的生计提供了一种途径。这提醒我们，有时，了解大地的最好方式，就是从天空中俯瞰。