Monitoring habitat conservation status and assessing biodiversity: The Dehesa case
本文提出了一个具有操作性且可复制的框架,该框架将概率场采样与地球观测数据(Sentinel-2 和 LiDAR)相结合,用于监测和评估如地中海德赫萨(Dehesa)等异质性农林复合系统的保护状态与生物多样性,同时为碳、植物区系和动物区系提供统计学上严谨的指标,并确保其对其他景观的可迁移性。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明
在地中海那广袤而阳光明媚的景观中,一个独特的生态系统通过人类管理的静谧而稳定的手笔,已繁衍生息了数个世纪。这些被称为“德赫萨”(dehesas)的开阔林地,由散布在起伏草地和灌木丛中的橡树组成。它们并非传统意义上的野生森林,也不是简单的农场;它们是一个活生生的马赛克式景观,牲畜在此放牧,鸟类在此筑巢,碳也储存在土壤和木材之中。由于这些景观生命力极其丰富且对当地经济至关重要,欧洲法律要求必须定期监测其健康状况。对于科学家和保护主义者而言,挑战始终在于如何衡量这样一个如此宏大且多变的系统,而不至于耗费巨资或仅凭猜测。如果你试图统计每一棵树或每一只鸟,这项任务是不可能的;如果你仅依赖卫星照片,你可能会错过那些能够告诉你土地是真正健康还是正在缓慢衰退的细微细节。目标是找到一种方法,既能像观察单片叶子那样清晰地洞察全局,又确切地知道你所看到的景象有多高的可靠性。
路易斯·安布罗西奥·弗洛雷斯(Luis Ambrosio Flores)的一项新研究为这一问题提供了切实可行的解决方案,该研究专门针对西班牙和葡萄牙的德赫萨系统。研究人员提出了一种方法,它就像一座连接地面与天空的桥梁,将细致的地面计数与先进的卫星及航空技术相结合。该团队并没有尝试测量每一棵树或每一片草地,而是采用了一种概率抽样策略。想象一下,在地图上随机选择几个特定的点,并随着时间的推移反复访问这些点并进行详细测量。随后,这些测量结果会与能够俯瞰整个景观的卫星数据相匹配。通过使用将卫星数据视为“有益指南”而非“替代品”的数学工具,该方法使科学家能够高精度地估算整个生境的状态。至关重要的是,这种方法不仅仅给出一个数字,它还会计算误差范围,从而告诉决策者他们对结果的信心究竟有多少。
该研究在一个特定的 15.52 公顷德赫萨地块上展示了这一框架,追踪了生态系统中不同部分随时间的变化。研究人员对树木、草地、灌木甚至鸟类进行了观察,并针对每种对象采用了适合其特性的方法。对于作为系统结构支柱的树木,他们测量了幼苗生长与成年树之间的比例。一个健康的德赫萨需要稳定的新树供应来替换老树;否则,系统最终会崩溃。通过将树木大小的实地测量与从高空飞行的激光数据(用于绘制林冠高度和形状)相结合,团队能够估算整个区域内幼树的总数。他们发现,这种结合方法比单纯在地面计数更准确,同时保持了法律报告所需的统计严谨性。
提供动物食物并保护土壤的草地和灌木也以类似方式进行监测。研究人员每年访问相同的微型地块,并使用模拟数据来代表收割和称重过程,以测量其生产力和营养价值。他们利用卫星图像来追踪整个农场的植被绿度,并利用地面测量值来校准卫星数据。这使他们能够观察草地在旱季和雨季之间的变化,并检测长期趋势。对于通常进行周期性修剪或自然再生循环的灌木,团队利用激光数据来测量灌木的高度和密度。这有助于他们理解灌木层是在支持生物多样性的方式下进行管理的,还是正在完全消失。
这项研究中最复杂的部分涉及动物,尤其是鸟类。与树木或草地不同,鸟类会四处移动,无法固定在特定的土地块上。为了计数,研究人员使用了一种观察者沿直线行走并记录所见鸟类的技术。该方法依赖于一个简化的几何模型,其中发现鸟类的概率取决于其距离路径的距离,从而允许团队根据实际观察到的鸟类来估算该区域的鸟类总数。这种方法被独立应用于用于植物的固定样地之外,表明该框架具有处理不同生命形式的灵活性。
研究的一个重要部分聚焦于碳,这是一个随着世界寻求应对气候变化之法而日益重要的课题。德赫萨将碳储存在其树木、灌木和土壤中,研究人员开发了一种追踪碳随时间增加或流失的方法。他们区分了储存在长寿树木和灌木中的碳(随多年缓慢积累),以及草地中的碳(每年生长并枯萎)。研究表明,虽然草地每年产生大量碳,但其积累方式与木材不同。这种区分对于任何试图将这些土地认证为“碳农场”的人来说都至关重要,因为它防止了对仅仅是自然年度循环的一部分的碳进行重复计算。该方法提供了一种清晰、具有统计学依据的方法来衡量这些变化,这对于验证碳移除声明至关重要。
论文还探讨了时间的问题。保护工作不是一张快照,而是一部电影。通过反复访问相同的地点,该方法捕捉到了变化的叙事。它可以告诉人们森林在干旱后是否正在恢复,灌木层在清理后是否正在重新生长,或者鸟类种群是否发生了偏移。由于相同的地点被反复测量,该方法可以检测到如果每次选择不同的地点可能会错过的微小变化。这种观察趋势而非仅仅观察现状的能力,正是使该框架强大的原因。
最终,这项工作是为了让“不可见”变为“可见”。它将一个过于庞大以至于无法用手工测量、也过于复杂以至于无法通过单张照片理解的景观,分解为一个可管理、可靠的系统。研究人员并未声称找到了解决所有保护问题的“万灵药”,相反,他们提供了一个稳健、可重复的工具,用于监测这些至关重要的生态系统的健康状况。通过将地面真相的确定性与卫星视野的广度相结合,他们提供了一种基于事实而非猜测的方法来进行决策。这种方法确保了当我们说一个生境是健康还是在衰退时,我们确切地知道这意味着什么,以及我们对此有多大的把握。对于德赫萨以及世界上其他类似的景观而言,这种清晰度是确保其为后代生存下去的第一步。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。