Wie können hyperspektrale Satelliten die Vielfalt der Vegetation „durchdringen“? — Hybride Pixelzerlegung: eine Technologie zur Identifizierung mehrerer Vegetationstypen aus einem einzigen Pixel.
Frage: Wie lässt sich die Wirksamkeit ökologischer Wiederherstellungsmaßnahmen quantitativ bewerten?
Herkömmliche Artenvielfaltserhebungen basieren auf Bodenquadraten, deren Einsatz durch Personal, Transport und Geländebeschaffenheit eingeschränkt ist und somit eine großflächige Erfassung erschwert. Obwohl das Ministerium für Ökologie und Umwelt in seinen technischen Spezifikationen Methoden zur Bewertung der Artenvielfalt entwickelt hat, fehlte dieser Indikator aufgrund der Schwierigkeit, Bodenbeobachtungsdaten zu erheben, lange Zeit in der Praxis bei umfassenden Bewertungen. Wir benötigen eine Technologie, die die Vegetationsvielfalt aus der Luft erfassen kann.
Warum hyperspektral?
Fernerkundungssatelliten lassen sich anhand ihrer spektralen Auflösung in drei Kategorien einteilen: Breitband-Satelliten mit hoher Auflösung (wie GF-2 mit 4 Bändern und einer Bodenauflösung von 1 m), Multispektralsatelliten (wie Sentinel-2 mit 13 Bändern und einer Bodenauflösung von 10–20 m) und Hyperspektralsatelliten (wie XG005 mit 72 aufeinanderfolgenden Schmalbändern und einer Bodenauflösung von 40 m). Je mehr Bänder ein Satellit besitzt, desto höher ist seine spektrale Auflösung und desto feiner können Unterschiede in der Vegetation erfasst werden.
Das Kernproblem liegt in den „Mischpixeln“: Ein 40-Meter-Pixel ist deutlich größer als die Kronenbreite einer einzelnen Pflanze, und ein einzelnes Pixel enthält oft Spektralsignale verschiedener Vegetationstypen. Hochauflösende Satelliten bieten zwar eine hohe räumliche Auflösung, verfügen aber typischerweise nur über vier breite Spektralbänder. Dadurch ist es schwierig, Baumarten mit ähnlichen Farben und Formen zu unterscheiden, ähnlich wie bei einem Schwarz-Weiß-Foto. Hyperspektrale Satelliten hingegen wirken mit ihren 72 schmalen Spektralbändern wie ein „Prisma“ und zerlegen das Mischsignal anhand der spektralen Eigenschaften der einzelnen Komponenten – dies ist der Schlüssel zum Verständnis der Mischpixelstruktur.Hybride Pixelzerlegung„Die Grundlage der Technologie.“
Technische Prinzipien und Prozesse
Der gesamte technische Ablauf besteht aus vier Kernschritten:
Schritt 1: Ermitteln Sie, „wie viele Vegetationsarten es gibt“ (virtuelle Dimensionsschätzung).
Der HFC-Algorithmus wurde verwendet, um die Anzahl unabhängiger Vegetationssignalquellen in den Bildern mittels statistischer Hypothesentests automatisch zu bestimmen. In dieser Analyse wurden sieben Endglieder automatisch identifiziert, die sieben verschiedene Vegetationstypen bzw. -zustände in der Qinling-Gebirgsregion repräsentieren.
Schritt 2: Extrahieren Sie, „wie die einzelnen Vegetationstypen aussehen“ (Endmember-Extraktion).
Mithilfe des VCA-Algorithmus (Vertex Component Analysis) wurden aus Millionen von Pixeln automatisch sieben der reinsten Spektralmerkmale identifiziert. Diese Endglieder könnten verschiedenen Vegetationstypen wie immergrünen Nadelwäldern, Laubwäldern, Strauchlandschaften, Mischwäldern und Ackerland entsprechen.
Schritt 3: Berechnen Sie, „wie viel von jeder Sorte“Häufigkeitsumkehr)
Für jedes Pixel wird die Häufigkeit jedes Endglieds mithilfe des FCLS-Algorithmus (Fully Constrained Least Squares) berechnet. Dabei wird vorausgesetzt, dass alle Häufigkeiten nicht negativ sind und sich zu 1 addieren – so wird eine sinnvolle physikalische Interpretation gewährleistet. Dies führt zu sieben Häufigkeitsverteilungskarten, die jeweils die räumliche Verteilungsdichte eines bestimmten Vegetationstyps darstellen.

Abbildung 1.Räumliche Verteilung der Häufigkeit von 7 Vegetationsendgliedern (jedes Pixel wird in mehrere Komponenten zerlegt)
Schritt 4: Berechnen Sie den Diversitätsindex
Die Häufigkeit innerhalb jedes Pixels wird als „Artenzusammensetzung“ betrachtet, und der klassische Diversitätsindex, der Shannon-Wiener-Index (der Artenreichtum und Gleichmäßigkeit kombiniert), wird berechnet.Simpson-IndexDie Wahrscheinlichkeit, zwei Individuen unterschiedlicher Arten zufällig auszuwählen, die Artenvielfalt (Anzahl der effektiven Endglieder) und die Gleichmäßigkeit (Ausgewogenheit der Verteilung) werden berücksichtigt. Abschließend erfolgt eine gewichtete Fusion, um den umfassenden Biodiversitätsindex BDI (0–1, je höher, desto größer die Diversität) zu erhalten.
Vergleich der Fähigkeiten mit hochauflösenden/multispektralen Satelliten

Wichtigste Vorteile: Hochauflösende Satelliten eignen sich zur Erfassung von Veränderungen in Vegetationsflächen, und multispektrale Satelliten können Indikatoren für die Vegetationsvitalität wie den NDVI erfassen. Allerdings können beide die Zusammensetzung der Vegetationstypen innerhalb eines Pixels auf spektraler Ebene nicht auflösen. Die hyperspektrale Entmischungstechnologie schließt diese Lücke – sie liefert quantitative Informationen zur Vegetationsdiversität auf Subpixel-Ebene, die mit anderen Fernerkundungssatelliten derzeit nicht verfügbar sind.
Wichtigste Erkenntnisse
Diese Analyse eines Gebiets von etwa 6400 km² (rund 4 Millionen effektive Vegetationspixel) im Hinterland einer Bergregion zeigt:
1. Die Gesamtdiversität ist mittel bis hoch.Der mittlere BDI-Wert beträgt 0,568, und die meisten Pixel bestehen aus einer Mischung der drei Vegetationsendglieder (65,5 %), was die Heterogenität der Vegetation in der Region widerspiegelt.
2. „Grün“ ist nicht gleichbedeutend mit „Vielfalt“.Die Korrelation zwischen Biodiversitätsindex (BDI) und Vegetationsvitalitätsindex (NDVI) war nur schwach (r = 0,369), was zeigt, dass Gebiete mit üppiger Vegetationsdecke nicht zwangsläufig artenreich sind (z. B. weisen reine Nadelwälder einen hohen NDVI, aber eine geringe Biodiversität auf). Dies bestätigt den besonderen Wert der Dekontaminationsmethode.

Abbildung 2.Pearson-Korrelationskoeffizientenmatrix der Diversitätsindikatoren

Abbildung 3.NDVI-Vegetationsindex-Verteilungskarte

Abbildung 4.Räumliche Verteilung des zusammengesetzten Biodiversitätsindex (BDI) – Grün kennzeichnet Gebiete mit hoher Diversität.
3. Das Höhengradientenmuster ist deutlich erkennbar.:KombinationSRTM DEM-DatenDie Diversität nimmt mit zunehmender Höhe signifikant ab (r=-0,623) und zeigt ein dreistufiges Muster.
Niedrige Höhe (Laub- und immergrüne Mischwälder, BDI=0,65~0,75, mit der höchsten Diversität;
Mittlere Höhenlage (1000-1800 m)Übergangszone: Die Artenvielfalt nimmt rapide ab, während der Anteil der Nadelwälder zunimmt;
Große Höhe (>1800 m)Reine Nadelwälder, die hauptsächlich aus Tannen und Mammutbäumen bestehen, weisen einen BDI von 0,13 bis 0,21 und eine geringe, aber stabile Biodiversität auf.

Abbildung 5.DEM-Verteilung im Untersuchungsgebiet

Abbildung 6.Trends bei Diversitätsindikatoren mit dem Höhengradienten

Abbildung 7.Die negative Korrelation zwischen BDI und Höhe (r=-0,623)
Bedeutung und Perspektiven
Die hyperspektrale Mischpixelzerlegung hat völlig neue Wege für die Überwachung der Vegetationsdiversität in großen Gebieten eröffnet. Verglichen mit herkömmlichen Quadraterhebungen bietet sie eine große Abdeckung (eine einzelne Szene kann Tausende von Quadratkilometern umfassen) und eine hohe Aktualität (die Analyse kann innerhalb weniger Stunden abgeschlossen werden). Im Vergleich zu hochauflösenden und multispektralen Satelliten besitzt sie die einzigartige Fähigkeit, die Vegetationszusammensetzung anhand der spektralen Dimension zu bestimmen und direkt quantitative Indikatoren der Diversität zu generieren, anstatt nur indirekte Informationen über den „Grünanteil“ zu liefern.
Zukünftig wird die Kombination multitemporaler Daten die Überwachung vielfältiger interannueller dynamischer Veränderungen ermöglichen, und die Validierung mittels bodengestützter Quadrate wird die Etablierung eines Systems/Mechanismus erlauben.Spektrale DiversitätDie quantitative Beziehung zwischen Biodiversität und Artenvielfalt. Diese Methode soll die seit langem bestehende Lücke in der nationalen Bewertung ökologischer Funktionen – dem Mangel an „Diversitäts“-Indikatoren – schließen und eine objektive und wiederholbare technische Grundlage für die quantitative Bewertung der Effektivität ökologischer Steuerung bieten.

