2025年4月3日，春暖花开，万物复苏。为促进团队交流、提升凝聚力，交通线路安全与生态保护遥感课题组于4月3日组织开展了2025年春季出游系列活动——“蔚迹”（Veg）第三期。全体成员齐聚风景如画的梦桐泉酒店，在自然风光与欢声笑语中度过了一段轻松惬意的春日时光。

午后抵达梦桐泉酒店，课题组一行人便沉浸在大自然的怀抱中。碧波荡漾的水池边，成员们悠然赏鱼、嬉戏逗趣，更有“抓大鹅”的欢乐互动，引得现场笑声不断；绿意盎然的大草坪上，大家或沐浴暖阳、畅聊科研与生活，或挥动球拍打羽毛球、重拾童年回忆的“打沙包”游戏，活力四射的身影为春日增添了一抹跃动的色彩。同时室内棋牌室的麻将桌上，智慧与运气的较量同样热火朝天，进一步拉近了团队成员的距离。

活动精心准备了丰盛的春日野餐，精致小蛋糕甜而不腻，为午后时光增添一份甜蜜；现场烤制的金黄焦香的烤全羊、外酥里嫩的烤兔，搭配热气腾腾的养生汤锅，香气四溢的烟火气中，大家围坐分享美食，畅谈工作与生活的点滴，暖胃更暖心。

此次春游活动不仅让团队成员在忙碌的科研工作中放松身心，更通过多元化地互动体验深化了团队凝聚力。“蔚迹”是交通线路安全与生态保护遥感课题组打造的特色团建品牌，旨在通过户外活动探索自然、感悟生态保护的意义，同时增强团队协作精神。活动自推出以来，已成功举办三期，成为课题组文化建设的亮丽名片。

春日不迟，相逢有时。期待下一次“蔚迹”之旅，共赏更多风景！

摘要

碳储存对生态系统的稳定至关重要。人类活动引起土地利用/土地覆盖(LULC)变化，对碳储量产生了重大影响。及时有效地评估LULC转化对碳储量的影响，对区域碳循环至关重要。本研究结合斑块生成土地利用模拟(PLUS)和生态系统服务与权衡综合评估(InVEST)模型，分析了川滇生态屏障区LULC变化对碳储量的潜在影响。研究发现从1995到2020年，川滇生态屏障区的碳储量总体呈增加趋势，增幅为0.396 Tg/yr；其中退耕还林是推动区域碳储量增加的主要原因，这凸显了生态工程对碳储量的积极作用。预测结果表明，加强生态保护可进一步提高碳固存潜力0.6633 Tg/yr，而优先农田保护将抑制生态系统的碳固存能力，使区域碳储量以每年0.3512 Tg的速度递减。这些发现加深了我们对生态工程在碳动态中作用的理解，并为未来生态管理和区域可持续发展提供了科学参考。

研究背景

碳储存是陆地生态系统调节全球碳循环和应对气候变化的核心功能。不同LULC类型的固碳能力差异显著，而人类活动驱动的LULC变化（如森林砍伐、城市扩张）会破坏植被和土壤碳库，导致生态退化与碳储量下降。中国作为全球碳排放的主要贡献者，近年来通过实施《国家生态环境建设规划》等生态工程（如退耕还林、天然林保护），在1990-2020年间有效缓解了城市化对碳储量的负面影响，但区域差异仍需深入评估。

川滇生态屏障区是中国第二大林区，其森林资源对水土保持、生物多样性维护及碳固存至关重要。而该区域长期受到农业扩张、城市化进程及生态工程实施的共同影响，导致土地利用类型发生显著变化，并进一步影响区域碳储量的时空演变特征。因此，我们通过分析川滇生态屏障区过去的LULC变化及其对碳储量的影响来验证生态工程对碳储量增加的积极作用。进一步结合多情景模拟方法，系统预测了未来不同策略下LULC的演变及其碳储量响应，旨在为评估生态工程的长期生态效益和实现生态保护与可持续发展的协同目标提供科学依据和实践指导。

方法

本研究选取1995-2020年为研究时段，该时期涵盖了我国生态工程（如退耕还林、土地恢复）实施的关键阶段。为系统评估生态工程对LULC的影响，我们以5年为间隔进行数据分析，既避免了短期波动干扰，又能反映工程的阶段性效果。首先，我们基于多期LULC数据，通过面积比例统计和转移矩阵分析量化了不同土地利用类型间的转化特征，从而揭示生态工程对土地利用转化的驱动作用。其次，整合历史LULC数据与碳密度数据，利用InVEST模型估算区域碳储量，并采用Theil-Sen中值法分析其时空演变趋势。随后，我们利用随机森林算法解析历史LULC变化与经济社会、气候环境等驱动因子的关联性，定量评估各因素对土地利用转换的贡献度；然后基于多类型随机斑块种子（CARS）的元胞自动机（CA）模型，模拟了不同情景下的未来土地利用格局。最后，将模拟的LULC数据纳入InVEST模型，以进一步评估碳储量的预测变化。该方法的详细流程图如图1所示。

主要结果

川滇生态屏障区森林覆盖率超过50%（图2），显著高于全国24.02%的平均水平，是区域内主要的碳库。森林面积从1995年的127,744 km²增加到2020年的133,934 km²，其中农田和草地转为森林的面积分别占扩张面积的54.59%和45.16%。这归功于20世纪90年代末启动的退耕还林等生态工程项目的推动。同时，城市化进程对土地利用格局也产生了深远影响，其中89.71%的建设用地来源于农田，转化面积为1,705.53 km²。从碳储量的变化趋势看，碳储量变化趋势呈现显著的空间异质性（图3），碳储量下降区域与城市扩张地区密切相关，碳储量增加区域和森林扩张的区域几乎重合。而该区域的碳储量总体以0.396 Tg/yr的速度增加（图4），这表明森林的扩张抵消了城市增长造成的碳损失。

预测结果表明（图5），自然情景（S1）和生态保护情景（S2）的碳储量均呈增加趋势，其中S2的碳储量增幅明显高于S1（0.6633 Tg/yr vs. 0.1164 Tg/yr）。与S1和32相比，农田保护情景（S3）下的碳储量显著下降，以每年0.3512 Tg的速度减少。加强生态保护往往以牺牲部分农田为代价来有效提升碳储存能力（图6），但对粮食安全构成了潜在风险。而优先保护农田会抑制森林和城市对农田的占用，但同时会降低生态系统的碳固存潜力。我们发现实现生态系统健康与粮食安全之间的平衡，特别是了解森林、草原和农田之间转换的动态变得至关重要。

摘要

坡向通过调节地表与大气之间的水热交换，塑造小气候，从而调控植被生长及其对背景气候变化的响应。在先前关于青藏高原南坡与北坡间草地绿度差异的研究基础上，课题组进一步揭示了东坡和西坡之间植被的绿度差异。我们发现在干旱的青藏高原西部，西坡的草地绿度高于东坡，而在湿润的东部则恰好相反。此外，从1991到2020年，西坡的绿化趋势强于东坡。该差异源于两种对比鲜明的坡向小气候：在相似的背景气候条件下，由于日间对流天气引发的降水多发生在下午，西坡通常比东坡更潮湿且更寒冷。本研究进一步深化了对坡向引起的小气候如何调控植被动态的理解。相关成果发表于地学领域顶刊Geophysical Research Letters。

研究背景

作为陆地生态系统的重要组成部分，植被不仅是大气与地表进行碳、水和能量交换的桥梁，还是全球最大的碳汇。卫星观测资料表明，宏观尺度的变暖缓解了温度限制，进而促进了全球植被变绿，特别是在寒冷地区。然而，受气流、太阳辐射等因素与地形的相互作用影响，植被所处的小气候条件往往与宏观气候不同。地形小气候对植被生长的影响更为显著，并调节植被对背景气候变化的响应。

青藏高原被誉为世界的“第三极”，其地形复杂，气候寒冷、干旱，并对全球变化极为敏感。坡向通过改变地气间热量交换和空气对流，塑造局部小气候，从而显著影响青藏高原植被的空间和时间异质性。我们之前的研究揭示了由接收太阳辐射差异诱导的坡向小气候所驱动的青藏高原阴坡与阳坡之间绿度及变绿速率的显著差异。除此之外，青藏高原的日对流循环促使降水多发生在下午，加之太阳辐射的日变化，也可能导致东坡与西坡之间的小气候差异。具体而言，东坡由于受早晨阳光照射，表面迅速升温，促进了蒸散作用导致显著的水分流失；而西坡则主要暴露于下午的太阳辐射，并受到午后降水所形成的云层影响，有助于减少水分流失并缓解地表升温。水热之间的这种权衡使得西坡通常比东坡更潮湿、更寒冷。因此，我们假设在温暖干旱地区，西坡的植被绿度可能高于东坡，而在寒冷湿润地区则可能恰好相反。为验证这一假设，本研究使用绿度非对称指数(GAI，定义为给定空间窗口内西坡和东坡的平均归一化植被指数(NDVI)之间的比值)，探讨了青藏高原东坡与西坡之间的绿度差异及其年际变化规律。

主要结果

在空间分布上(图1)，63.38%青藏高原草地GAI>1(西坡绿度强于东坡)，主要分布在青藏高原西部和东北部；相比之下，GAI<1.0(东坡强于西坡)的区域较少(36.62%)，主要分布在东部和中部。GAI的空间格局由温度和降水量共同决定的，在温暖和干燥的地区，西坡草地绿度大于东坡，而在寒冷和潮湿的地区则相反。

整个青藏高原草地的平均GAI以0.00067 y⁻¹(p<0.01)的速度显著增加(图2)，但存在明显的空间异质性(图3(a, b))：65.07%的草地GAI有所增加，其中15.96%的区域GAI显著增加(p<0.01)，主要分布在青藏高原东南部和西部；相反，34.93%的草地GAI有所下降，其中仅4.85%的区域GAI显著下降(p<0.01)，主要分布在东北部和中部。GAI年际变化的空间格局与温度和降水的年际变化有关图3(c, d, e)。在降水显著增加地区，GAI呈下降趋势，而在降水减少、气温显著上升的区域，GAI逐年增大，表明更加温暖干旱的条件可能加剧东、西坡绿度差异，从而促使GAI增大。

课题组于2025年1月10日在成都组织召开2024年度总结工作会议，回顾过去一年工作进展、明确下一步工作方向。尹高飞教授、张国东老师、王美莲老师以及在读硕、博士研究生，共25人参加了本次年会，年会由杨雅洁同学主持。

尹高飞教授对课题组2024年取得的科研成绩进行了总结，并部署了2025年的重点工作。随后，博士生陈瑞和谢江流分别就中国山地森林总初级生产力高分辨率遥感估算、冠层植被总初级生产力分层模拟进行了专题汇报；硕士生汪宇、张翼和易红伶分别就考虑最适温度的青藏高原草地GPP估算和预测、高时空分辨率NDVI重建研究和全国高速铁路沿线大棚智能识别进行了专题汇报。最后，每位同学从年度工作、年度进展、年度心得和来年计划四个方面对过去一年工作进行了总结。

2024年度，课题组毕业硕士5名；引进助理教授1名、博士研究生1名、硕士研究生6名；两位同学在外访学；发表SCI论文5篇，中科院一区3篇；获批国家自然科学基金青年项目1项、技术研发项目3项；开展野外科学考察4次。

总结会在欢声笑语中落下了帷幕。旧岁已展千重锦，新年再进百尺竿，西南交通大学植被生态遥感课题组全体师生将会站在新的起点，在新的一年里续写新篇。

近日传来喜讯，课题组博士研究生陈瑞成功入选首届中国科协青年人才托举工程博士生专项计划。

中国科协青年人才托举工程博士生专项计划旨在面向高校和科研机构中30周岁以下的高年级在读博士生，通过组织吸纳、学术兼职、学术资助等方式，全面支持青年科技人才成长与发展，并为入选者提供4万元资助，用于支持其参加高水平学术会议、发表高水平学术论文及出国（境）交流访学等。

陈瑞博士研究方向为山地植被定量遥感，长期聚焦复杂地形下植被总初级生产力的高精度、高时空连续性估算。截至目前，以第一作者身份在IEEE Geoscience and Remote Sensing Magazine和IEEE Transactions on Geoscience and Remote Sensing等顶级期刊发表SCI论文5篇，在中文顶刊《遥感学报》发表论文1篇。此前，陈瑞博士还获得了博士研究生国家奖学金、硕士研究生国家奖学金和四川省优秀毕业生等荣誉称号。

此次入选不仅是对其个人学术能力和研究成果的认可，也展现了课题组在青年科技人才培养方面的显著成效。

全球植被生产力的波动与气候变化密切相关，但气候变化将如何调节植被生产力受气候限制的强度尚不明确。课题组基于Shapley加性可解释(SHAP)机器学习方法，系统追踪了1982至2018年期间全球植被生产力气候限制的时空演变规律。研究结果显示，在温带、寒带和极地地区，温度主要限制生长季早期的植被生产力，温度和辐射共同限制生长高峰期和后期的植被生产力。相比之下，水分和辐射分别主要限制干旱和赤道地区的生产力。此外，研究结果揭示，全球范围内温度限制普遍缓解，而水分限制普遍增强。本研究强调，在理解温暖气候下区域和全球碳动态时，必须更加明确地考虑水分限制的影响。该研究成果近期发表于国际知名期刊JGR-Biogeoscience。

研究背景：

陆地植被生产力作为量化陆地生态系统光合作用碳吸收的基本变量，受温度、太阳辐射、水分可用性和大气CO₂浓度等多种水文气象参数的共同调控。近年来，全球变化显著，已对植被生产力产生重要影响。因此，理解气候变化对植被生产力的影响对于准确预测区域和全球碳循环至关重要。然而，由于植物对环境变化的适应，气候对植被生产力的影响在空间和时间上具有异质性。此外，研究表明，气候变化通过改变水热条件对陆地植被产生了双重影响：变暖通过缓解温度限制、延长生长季节和促进光合作用，增强了北方和北极地区的植被生产力；而在干旱区，气温升高可能加剧水分压力，反而降低植被生产力。广泛的变暖及由湿变干的趋势，重新塑造了植被生产力的气候限制格局，凸显了研究这些限制因素动态变化的必要性。

尽管气候对植被生产力限制的影响已有广泛记录，但由于涉及不同时间尺度、区域和多种因素，分析通常变得复杂。因此，开展全面研究，描述跨季节和区域的植被生产力气候限制及其时间演变，并同时考虑多种气候因素，显得尤为重要。然而，目前尚缺乏系统性研究来解决这一问题。

SHAP是一种基于博弈论的更为稳健、理论基础更强的可解释机器学习方法。SHAP不仅提供一致且数学上精确的特征重要性度量，还能够考虑变量间的相互作用，尤其擅长捕捉复杂非线性关系。因此，SHAP已广泛应用于分类和表面参数反演中的预测因子影响解释，并为生态系统动态提供局部解释。基于长期时间序列GPP数据，我们采用SHAP方法分析了植被生产力气候限制的时空演变规律。

研究方法：

GPP-XGB 模型构建：XGBoost是一种基于迭代树的集成学习算法，包含多个通过纠正前一个树错误进行训练的决策树。该算法采用贪心算法进行特征选择，每次仅涉及一个新特征，从而使模型对共线性不敏感，能够有效捕捉变量间的交互作用并避免过拟合，被广泛应用于生态系统动态的预测和分析。本研究首先提取了1982-2018年期间BELMANIP2站点的ERA5、CO₂浓度和GLASS GPP的月尺度数据。随后，随机选取75%的数据用于训练XGBoost模型，构建GPP-XGB模型，并使用剩余25%的数据进行验证，通过均值误差(ME)、均方根误差(RMSE)和决定系数(R²)评估模型性能。

SHAP可解释机器学习：SHAP通过将模型预测值分解为先验期望和每个输入特征对模型输出的平均边际效应(SHAP值)，量化了机器学习模型中输入和输出变量之间的相关性。对于基于树的机器学习模型，TreeExplainer-based SHAP进一步将SHAP值分解为主效应(SHAP主值，不考虑其他输入变量的交互作用)和变量间的交互效应(SHAP交互值)。XGB-SHAP框架采用这一方法来解释XGBoost模型的预测，已成功应用于全球变化下生态系统植被响应的局部解释。本研究使用XGB-SHAP对构建的GPP-XGB模型进行解释以分离各气候因子对GPP的影响(以SHAP值量化)。SHAP值的单位为g C/m²/d，与GPP的单位一致，表示输入气候变量对预测GPP的贡献。负的SHAP值表示输入变量降低了预测GPP，正值则表示输入变量增加了预测GPP。此外，SHAP值绝对值的平均数可作为给定变量的特征重要性。

分析：使用基于XGB-SHAP的方法，获得了1982年至2018年期间每个气候变量的SHAP值。为了探讨温度、辐射和水分对植被生产力的限制作用，将VPD、SM和PRE归类为水分相关变量。通过分析最小SHAP值对应的变量，确定了温度、辐射和水分中哪个因素是限制植被生产力的主要因素。同时，采用Theil-Sen斜率和Mann-Kendall显著性检验评估SHAP值的趋势，以解释气候限制因素的时间演变。负趋势表明该因素对植被生产力的限制在加强，而正趋势则表明有所缓解。

主要结果：

在全局尺度(图1)，温度是限制植被生产力的主要气候因子，其次是水分和辐射。在局部尺度(图2)，植被生产力的主要气候限制因子具有显著的空间异质性和季节差异：在高纬度和极地地区(如青藏高原和北极苔原)，温度是植被生产力的主要限制因素；相比之下，在干旱区(如非洲南部和澳大利亚)，水分是植被生产力的主要限制因素；而在赤道地区(如亚马逊森林和东南亚)，辐射是植被生产力的主要限制因素。从季节变化来看，温度限制在生长季节的开始和结束时最为显著，影响面积超过总面积的50%；而从5月起，温度限制逐渐减弱，而辐射和水分限制则逐渐增强，面积占比分别在7月和8月达到峰值。

全球大部分地区，尤其是北方地区，植被生产力的温度限制呈现缓解趋势(温度SHAP表现为正趋势)；相反，水分限制在全球范围内呈普遍加剧趋势(水分SHAP表现为负趋势)，尤其在中非和欧洲地区(图3、4)，表明水分对植被生长的重要性正在增强。此外，研究揭示南北半球植被生产力主要受温度限制的区域面积占比均呈现显著减少趋势，其中北半球在6月的减少最为显著，速率为每年2.2‰，而南半球在7月的减少最为显著，速率为每年1.2‰；相反，受水分主要限制的区域面积占比均呈显著增加趋势，其中北半球在6月最明显，速率为每年2.8‰，而南半球在9月最明显，速率为每年3.3‰(图5)。

2024年12月15日，国家重点研发计划“典型脆弱生态系统保护与修复”专项项目第一（“多尺度植被结构参量分层精细遥感反演技术”，北京师范大学主持）、第二课题（“生态系统关键过程参量遥感估算技术”，西南交通大学主持）2024年度联合总结会议以线上、线下结合方式在北京顺利召开。

会议邀请了北京大学范闻捷教授、北京林业大学黄华国教授、南京大学居为民教授、北京大学袁文平教授担任会议专家。项目负责人中国科学院空天信息创新研究院柳钦火研究员、课题负责人北京师范大学阎广建教授、西南交通大学尹高飞教授及项目组15余位骨干成员参加了本次会议。会议由居为民教授主持。

会议首先由柳钦火研究员介绍与会专家及参会成员，并致欢迎辞。各子课题负责人围绕年度工作进展、年度考核目标完成情况、经费使用情况以及下年度工作安排进行了详细汇报。本课题年度代表性成果包括：(1)构建了考虑土壤背景影响的SIF冠层逃逸概率估算机理模型，为后续的SIF高光谱反演奠定了基础；(2)发展了基于光谱不变理论的叶片光谱重构方法，通过该方法可以提高叶片叶绿素含量估算精度；(3)提出了基于三维模型的叶片叶绿素含量反演方法，该方法更有利于无人机数据发挥其高空间分辨率优势；(4)发展了生态系统碳水循环过程分层原型模型等。

专家组听取了各子课题的进展汇报，并对课题的进展和成果表示高度肯定，同时提出了宝贵建议。会议最后，专家组与课题组成员进行了深入交流与讨论，进一步明确了下一阶段的研究重点与技术攻关方向。

2024年10月11日至10月19日，课题组在云南开展为期9天的野外科学考察，途径丽江市、剑川县、鹤庆县、宾川县、祥云县和弥渡县。此次考察旨在结合无人机航测与地面测量手段，系统调查和收集川滇生态屏障区的植被生态特征数据，为科技基础资源调查专项“川滇生态屏障区生态环境综合科学考察与数据库建设”项目提供支持。

10月12日，考察测量工作从丽江市出发，沿项目划定的暖性针叶林样线向南推进。样方的选择充分考虑了地形和地面植被的异质性。在进行机载高光谱数据采集的同时，辅以地面测量，每个样方均采集了5-6组地面测量数据。

本次野外考察共完成24个样方的无人机飞行任务与地面测量。这些数据不仅丰富了川滇生态屏障区的生态环境数据库，还为该区域的生态保护与管理提供了重要的科学依据。

2024年7月29日至8月1日及8月21日至24日，课题组沿龙门山开展为期8天的野外科学考察，途经江油市、绵阳市安州区、绵竹市、彭州市等地。此次野外科学考察的主要目标是通过无人机和地面测量相结合的方式，对川滇生态屏障区的植被生态特征进行系统调查和数据收集，以支撑科技基础资源调查专项“川滇生态屏障区生态环境综合科学考察与数据库建设”项目需求。

7月29日，课题组成员顺利到达绵阳江油市并完成了无人机飞行准备工作。考察从江油市出发，沿龙门山山地常绿阔叶林、针叶林样线向南推进，主要进行机载高光谱数据采集。为和无人机保持同步，在无人机安全起飞后，在无人机拍摄区域进行地面测量。地面测量区域的选择考虑了地势，地面植被异质性，以及植被类型多样性等情况，在保证安全的情况下，每条无人机样方对应3-5个地面测量样点。

考察过程中，课题组成员克服了复杂地形和高温天气带来的挑战，顺利完成了41个测量样方的无人机飞行任务，并准确记录了样方内各类植被的生态参数。这些数据不仅丰富了川滇生态屏障区的生态环境数据库，还为该区域的生态保护与管理提供了重要的科学依据。

2024年8月19日，应尹高飞教授的邀请，西班牙国家研究委员会荒漠化研究所的Aleixandre Verger教授专程访问了我课题组，并作了题为“Global Monitoring of Vegetation Productivity, Phenology and Their Responses to Climate Change”（全球植被生产力与物候监测及其对气候变化的响应）的精彩学术报告。课题组全体师生积极参与了此次报告会。

在报告中，Verger教授深入介绍了与我课题组多年合作的研究成果，涵盖了遥感与人工智能技术在植被监测中的应用，以及陆地植被生产力和物候对气候变化的响应等方面的最新进展。报告内容丰富，深入浅出，极大地拓宽了在场师生的研究视野与思路。在随后的交流环节中，课题组师生与Verger教授就植被参数深度学习反演、交通生态效应等问题展开了深入讨论，现场气氛热烈。

Aleixandre Verger教授于2008年在西班牙巴伦西亚大学获得物理学博士学位，现任西班牙荒漠化研究所研究员，拥有20余年的遥感研究经验。他的主要研究方向包括植被生物物理参数的遥感算法开发与验证、物候学、气候-植被动力学及全球变化等。他参与了30多个研究项目，并担任了其中7个项目的负责人。此外，Verger教授还为哥白尼全球陆地监测服务和哥白尼气候变化服务开发了LAI和FAPAR估算算法。目前，他担任CSIC跨学科遥感平台PTI-TELEDETECT的协调员。