全球视野 媒体聚焦
接受央视报道共计15次 党媒、央媒、地方官媒总传播量达0.5亿人次
高光谱卫星如何"看透"植被多样性？——混合像元分解：从一个像素中识别多种植被的技术
问题：生态恢复成效如何定量评估？
传统的物种多样性调查依赖地面样方，受限于人力、交通和地形条件，难以实现大面积覆盖。生态环保部的相关技术规范虽然设计了多样性评估方法，但因地面观测数据获取困难，该指标在实际综合评估中长期缺失。我们需要一种能从天上"看"出植被多样性的技术。
为什么是高光谱？
遥感卫星按光谱分辨率可分为三类：宽波段高分卫星（如GF-2，4个波段，1m地面分辨率）、多光谱卫星（如Sentinel-2，13个波段，10-20m地面分辨率）、高光谱卫星（如XG005，72个连续窄波段，40m地面分辨率）。波段越多，光谱分辨率越高，能捕捉的植被类型差异就越细微。
关键问题在于"混合像元"：40m的像元尺度远大于单株植物冠幅，一个像素内往往混合了多种植被类型的光谱信号。高分卫星虽然空间分辨率高，但普遍只有4个宽波段，像看黑白照片一样难以区分颜色形态相近的树种；而高光谱卫星的72个窄波段如同"棱镜"，能将混合信号按光谱特征分解为各组分的贡献——这就是"混合像元分解"技术的基础。
技术原理与流程
整个技术路线分为四个核心步骤：
第一步：确定"有几种植被"（虚拟维度估计）
采用HFC算法，通过统计假设检验自动判断影像中有多少种独立的植被信号源。本次分析自动确定为7个端元——代表秦岭区域7种不同的植被类型或状态。
第二步：提取"每种植被长什么样"（端元提取）
采用VCA（顶点成分分析）算法，从数百万像元中自动识别出7个最纯净的光谱特征。这些端元可能对应常绿针叶林、落叶阔叶林、灌丛、混交林、农田等不同植被类型。
第三步：计算"每种占多少"（丰度反演）
对每个像元，用FCLS（全约束最小二乘）算法计算其中各端元的占比（丰度）。约束条件：所有丰度非负且和为1——确保物理意义合理。最终得到7张丰度分布图，每张表示一种植被类型在空间上的分布密度。
图1. 7种植被端元的丰度空间分布（每个像元被分解为多种组分）
第四步：计算多样性指数
将每个像元内的丰度视为"物种组成"，计算经典的多样性指标：Shannon-Wiener指数（综合度量丰富度和均匀度）、Simpson指数（随机取两个个体属不同类型的概率）、丰富度（有效端元数）和均匀度（分配是否均衡）。最终加权融合为综合生物多样性指数BDI（0-1，越高多样性越好）。
与高分/多光谱卫星的能力对比
核心优势：高分卫星适合图斑变化检测，多光谱卫星可获取NDVI等植被活力指标，但两者均无法从光谱层面解析像元内的植被类型组成。高光谱解混技术填补了这一空白——它提供了亚像元级别的植被多样性定量信息，这是目前其他类型遥感卫星做不到的。
关键发现
本次对某山区腹地约6400km²区域（约400万有效植被像元）的分析揭示：
1. 整体多样性中等偏高：BDI均值0.568，大部分像元由3种植被端元混合构成（占65.5%），反映了该地区的植被异质性。
2. "绿"不等于"多样"：多样性（BDI）与植被活力（NDVI）仅弱相关（r=0.369），证明植被覆盖茂盛的区域不一定物种丰富（如针叶纯林NDVI高但多样性低）。这验证了解混方法的独特价值。
图2. 多样性指标Pearson相关系数矩阵
图3. NDVI植被指数分布图
图4.综合生物多样性指数（BDI）空间分布——绿色表示高多样性区域
3. 海拔梯度规律清晰：结合SRTM DEM数据，多样性随海拔显著递减（r=-0.623），呈三段式格局——
低海拔（<1000m）：落叶阔叶+常绿混交林，BDI=0.65~0.75，多样性最高；
中海拔（1000-1800m）：过渡带，多样性快速下降，针叶林比重增加；
高海拔（>1800m）：以冷杉、红杉为主的针叶纯林，BDI=0.13~0.21，多样性低而稳定。
图5.研究区DEM分布
图6.多样性指标随海拔梯度变化趋势
图7. BDI与海拔的负相关关系（r=-0.623）
意义与展望
高光谱混合像元分解为大面积植被多样性监测开辟了全新路径。相比传统样方调查，它覆盖范围广（单景可覆盖数千平方公里）、时效性强（数小时即可完成分析）；相比高分和多光谱卫星，它具备从光谱维度区分植被组成的独特能力，能够直接产出多样性定量指标，而非仅仅给出"绿不绿"的间接信息。
未来，结合多时相数据可监测多样性的年际动态变化，配合地面样方验证可建立光谱多样性与物种多样性的定量关系。这一方法有望填补全国生态功能评估中"多样性"指标长期缺失的空白，为生态治理成效的定量考核提供客观、可重复的技术支撑。