Geospatial approaches to mapping invasive alien plants: the neglected role of soil in remote sensing and GIS-based distribution models

引言 外来入侵植物（IAPs）通过破坏本土生物多样性、生态系统功能和土地生产力，对生态和社会经济构成重大威胁，凸显了建立稳健空间工具以指导管理干预的必要性。本研究采用以PRISMA框架为指导的系统文献综述方法，考察用于建模外来入侵植物（IAP）分布的地理空间技术，重点关注如何整合气候、土地利用/土地覆盖（LULC）和土壤变量以解释栖息地适宜性。方法 在综述所纳入的研究中，遥感和地理信息系统（GIS）成为多尺度监测和预测因子整合的核心工具。中等分辨率卫星影像（Sentinel-2、Landsat）通常支持区域尺度的植被变化和土地利用动态评估，而甚高分辨率影像则能够实现更精细的物种和结构层面判别，但成本更高。这些数据流日益与机器学习和统计方法相结合以提高分类精度，但其性能仍取决于输入数据质量和关键环境驱动因素的充分表征。结果 在预测因子选择方面出现了显著的方法学失衡。在纳入土壤变量整合分析的24项研究中，71%（n = 17）排除了土壤变量，转而依赖光谱、热和结构代理指标、地表温度及冠层特征。仅29%（n = 7）纳入了实测土壤变量，如土壤pH、质地和土壤分类，这些变量通常需要在基于GIS的框架内整合实地观测、土壤调查数据和数字土壤图。讨论 这一缺失主要源于遥感无法直接观测地下属性以及获取空间显式土壤数据的后勤挑战。本综述表明，土壤变量整合有限可能制约地理空间入侵模型的生态真实性，尤其是在环境异质性景观中。加强土壤、气候和LULC框架的整合有望提高生态真实性和预测能力，值得进一步研究，尤其是在撒哈拉以南非洲等研究不足的区域。