Bioregional benchmarking of vegetation cover dynamics across grazing landscapes through climate-informed remote sensing

方法

Landsat分数覆盖与SILO气候数据，构建降雨-温度交互模型及三项指标。

发现

气候常解释超半数植被覆盖变异，超四分之一区域存在显著残差趋势且以下降为主。

机会点

可将该气候校正残差基准框架迁移至其他放牧区或农田，区分气候与人为管理对覆盖变化的影响。

人类活动已从根本上改变了大多数陆地生态系统的功能，尤其是放牧生态系统——在该类系统中，依赖植被的过程同时支撑着人类福祉与生态韧性。尽管地表覆盖对维持这些过程至关重要，但在农场和围场尺度上，植被覆盖的长期动态以及气候驱动因子对时间变异的解释程度仍缺乏充分的量化研究。现有方法通常仅关注光合植被或降雨，对温度效应、非光合组分以及跨环境与土地利用情境下的一致性基准比较整合有限。本研究采用遥感框架，利用Landsat衍生的分数覆盖数据和SILO网格气候数据，量化总植被覆盖（即光合与非光合组分之和）与气候之间的长期关系，并以累积降雨与温度之间的交互作用加以表达。基于40年的Landsat分数覆盖数据，我们采用三个互补指标刻画植被覆盖动态：（1）长期平均植被覆盖；（2）决定系数（R²），即所选气候预测因子所能解释的植被覆盖时间变异的比例；（3）气候调整残差的时间趋势，用以指示气候模型未能解释的植被覆盖变化。我们进一步引入生物区域基准比较方法，将围场尺度格局置于共享环境背景下可比土地利用类型中进行情境化解读。在澳大利亚超过140,000 km²的放牧景观中，月温度与累积降雨（1–18个月）的交互作用通常能解释较大比例的植被覆盖变异（R² > 0.5）。在超过四分之一的景观中检测到显著的残差趋势，其中气候调整后植被覆盖下降的信号比上升信号更为普遍。这些残差趋势所标识的区域需要结合情境进行解读，而非直接归因于退化。三个指标在生物区域和土地利用类别之间均存在显著差异，凸显了区域特异性基准比较对解读的重要性。研究结果表明，将长期地球观测数据与气候建模相结合，对于检测生态系统变化信号并支持循证