近日，我校环资学院省部共建亚热带森林培育国家重点实验室林业大数据与全球变化影响研究团队在国际刊物《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（影响因子3.827），发表了最新研究成果“Improved Mapping of Long-Term Forest Disturbance and Recovery Dynamics in the Subtropical China Using All Available Landsat Time-Series Imagery on Google Earth Engine Platform”。

该研究基于谷歌地球引擎云服务平台（Google Earth Engine cloud platform）谷歌云服务平台（Google Earth Engine cloud platform, GEE）和30 m 空间分辨率的Landsat遥感影像数据，使用LandTrendr森林变化检测算法和机器学习中的随机森林分类方法相结合，对1986-2019年间中国亚热带森林的损失和恢复的时空格局进行了监测。本研究将为全球变化对中国亚热带森林结构和功能的影响评估、森林可持续经营以及森林碳汇估算提供数据和方法支持。

中国亚热带是中国森林的主要分布区，占中国森林面积的44%。过去50年来，中国亚热带森林受到各种自然和人为干扰的影响，包括森林砍伐、林地利用变化、火灾、干旱、病虫害等造成了大量森林的损失。同时，中国也实施了许多新的林业工程、政策与法规，如林权改革、天然林保护政策、造林工程、退耕还林等营造或者保护了大面积的森林。这些环境变化能够显著改变森林的结构，进而影响到森林的主要功能。但是，区域、国家尺度对森林功能变化的影响研究缺少了长时间尺度、高空间分辨率和高精度的森林干扰和恢复数据的支持。本研究通过将LandTrendr变化检测机制与随机森林分类相结合，构建了一种新的、准确度更高的长时间序列森林干扰和恢复检测方法。以江西省为例，通过比较国家森林资源清查（一类调查）、森林资源规划设计调查（二类调查）和Google Earth高清影像目视解译样方数据，研究发现该方法的分类总体精度和Kappa系数分别高达94%和0.91，证明方法的有效性。基于这一方法，研究发现1986-2019年间江西省森林年均损失面积和损失率分别为549.94 km²和0.71%；森林年均恢复面积为1342.85 km²，年均增加率为1.7%。本研究的方法将进一步扩展到全国尺度，建立全国森林干扰和恢复数据集。

以上研究成果由我校环资学院硕士生华剑文为第一作者，陈广生教授为通讯作者，该研究得到了浙江省自然科学基金委和浙江农林大学科研发展基金项目的资助和支持。

（环资学院 陈广生）