3、生态学核心概念：生态系统结构、功能、生物多样性、景观格局与生态过程，以及图谱如何表达这些概念
生态学是研究生物与环境之间相互关系的科学，其核心概念构成了无人机生态图谱绘制的理论基石。无人机遥感技术能够在大尺度、高分辨率下获取地表信息，但若缺乏生态学理论的指导，所绘制的图谱将沦为“漂亮的地图”而非“科学的解释”。本章将系统梳理生态系统结构、功能、生物多样性、景观格局与生态过程五大核心概念，并阐明它们如何在无人机生态图谱中被定量化表达与可视化呈现。
3.1 生态系统结构：图谱的空间骨架
3.1.1 核心原理
生态系统结构指生态系统中生物组分与非生物环境在空间和时间上的组织方式，包括垂直结构（分层现象）、水平结构（镶嵌性）和营养结构（食物链网）。垂直结构表现为乔木层、灌木层、草本层和地被层的分层；水平结构则体现为斑块、廊道和基质的空间配置。无人机LiDAR（激光雷达）能够穿透植被冠层，获取亚米级的三维点云数据，从而精确重建植被的垂直剖面；多光谱/高光谱影像则能区分不同植被类型和地表覆盖，为水平结构制图提供数据源。
3.1.2 图谱表达方法
| 结构维度 | 遥感参数 | 图谱产品 | 生态学意义 |
|---|---|---|---|
| 垂直结构 | 点云高度百分位数（H10-H90） | 冠层高度模型（CHM） | 指示植被发育阶段与生境复杂度 |
| 垂直结构 | 叶面积指数（LAI） | LAI空间分布图 | 反映光合有效面积与碳汇潜力 |
| 水平结构 | NDVI/NDWI阈值分割 | 土地覆盖类型图 | 识别斑块类型与边界 |
| 水平结构 | 纹理特征（GLCM） | 异质性指数图 | 量化生境破碎化程度 |
3.1.3 案例拆解：温带森林垂直结构制图
在河北塞罕坝机械林场的无人机调查中，使用DJI M300搭载LiDAR传感器（L1）获取了2km²的针阔混交林点云数据。处理流程如下：
- 数据预处理：点云分类（地面点/植被点），生成1m分辨率数字高程模型（DEM）和数字表面模型（DSM）；
- CHM生成：DSM减去DEM得到冠层高度模型，范围0-32m；
- 分层阈值：将CHM按高度分为林冠层（>15m）、亚冠层（5-15m）、灌木层（1-5m）和草本层（<1m）；
- 结果验证：与地面样方调查对比，冠层高度反演R²=0.87，RMSE=2.3m。
最终生成的垂直结构图谱清晰展示了林窗分布和不同演替阶段的斑块镶嵌，为森林碳储量估算提供了结构基础。
3.2 生态系统功能：图谱的动态脉搏
3.2.1 核心原理
生态系统功能包括能量流动、物质循环和信息传递三大基本功能。在无人机遥感尺度上，最可量化的功能指标是初级生产力（GPP/NPP）、蒸散量（ET）和碳通量。植被光合作用直接反映在光谱的红边区域和近红外反射率上，因此通过多光谱/高光谱影像反演的光能利用率（LUE）模型，可以估算生态系统生产力。
3.2.2 功能图谱构建流程
- 输入数据：无人机多光谱影像（蓝、绿、红、红边、近红外）+ 气象站光合有效辐射（PAR）数据；
- 关键参数反演：NDVI、EVI（增强型植被指数）、光化学反射指数（PRI）；
- 模型计算：GPP = PAR × FPAR × LUE，其中FPAR由NDVI线性回归得到，LUE由PRI修正；
- 空间化输出：生成逐像元的GPP分布图（单位：g C/m²/day）。
3.2.3 常见误区
3.3 生物多样性：图谱的物种密码
3.3.1 核心原理
生物多样性包含遗传多样性、物种多样性和生态系统多样性三个层次。无人机遥感无法直接识别到物种，但可以通过“光谱多样性假说”（Spectral Variation Hypothesis, SVH）间接估算物种多样性——即环境异质性越高、光谱变异越大，则物种多样性通常越高。常用的遥感多样性指标包括：光谱异质性（利用高光谱影像计算光谱信息散度）、纹理多样性（灰度共生矩阵的熵值）和结构多样性（LiDAR冠层复杂度）。
3.3.2 图谱表达对比
| 多样性维度 | 遥感指标 | 图谱形式 | 适用尺度 | 局限性 |
|---|---|---|---|---|
| 物种丰富度 | 光谱变异性（SD） | 物种丰富度预测图 | 群落/景观尺度 | 需要地面验证 |
| 功能多样性 | 性状-光谱关联 | 功能类型分布图 | 样地/区域尺度 | 需先建立光谱-性状模型 |
| 结构多样性 | 冠层复杂度指数 | 生境复杂度图 | 任意尺度 | 对草本层不敏感 |
3.3.3 实战场景：热带雨林树种多样性制图
在西双版纳热带雨林，使用无人机高光谱（400-1000nm，126波段）获取了5km²影像。分析流程：
- 光谱预处理：辐射定标、大气校正、去除噪声波段；
- 光谱变异计算：对每个30m×30m网格计算光谱信息散度（SID）和光谱角（SAM）；
- 回归建模：以地面20个样方的树种数（Shannon-Wiener指数）为因变量，SID为自变量，建立线性回归模型（R²=0.72）；
- 空间外推：将模型应用到全区域，生成树种多样性连续分布图。
结果显示，河谷两侧和陡坡地段的多样性最高，与地形湿度梯度高度相关。
3.4 景观格局与生态过程：图谱的时空叙事
3.4.1 核心原理
景观格局指景观要素（斑块、廊道、基质）在空间上的排列组合，而生态过程则包括物质流、能量流、物种流和干扰扩散等动态事件。格局与过程互为因果：格局制约过程（如廊道影响物种扩散），过程重塑格局（如火灾改变斑块分布）。无人机图谱通过高分辨率影像解译景观要素，结合多期影像分析格局变化，从而推断生态过程的轨迹。
3.4.2 关键景观指数
| 指数类别 | 指数名称 | 计算公式/含义 | 生态学指示 |
|---|---|---|---|
| 面积/密度 | 斑块密度（PD） | 斑块数/总面积 | 破碎化程度 |
| 形状 | 形状指数（LSI） | 斑块周长/等面积圆周长 | 边缘效应强度 |
| 聚集/散布 | 蔓延度（CONTAG） | 斑块类型聚集程度 | 连通性与生态流 |
| 多样性 | Shannon多样性指数（SHDI） | -Σ(Pi×lnPi) | 景观异质性 |
3.4.3 案例拆解：火灾干扰后的景观恢复过程追踪
背景与约束：2019年四川凉山发生森林火灾，过火面积约20km²。为评估恢复效果，使用无人机多光谱影像在2020-2023年每年10月进行监测。
关键数据：每年获取0.1m分辨率正射影像，提取NDVI和土地覆盖类型。
分析过程：
- 格局量化：计算每年斑块密度（PD）、最大斑块指数（LPI）和蔓延度（CONTAG）；
- 过程推断：PD从2020年的12.5个/km²降至2023年的6.8个/km²，LPI从8%升至23%，表明植被斑块正在合并，恢复过程以“边缘扩展”为主；
- 速率计算：NDVI年均增长率0.06/年，推算完全恢复需8-10年。
结果与复盘：图谱清晰展示了恢复的时空轨迹，但发现阴坡和阳坡恢复速率差异显著（阴坡慢30%），提示后续监测需分坡向建模。
3.5 五大概念的统一图谱框架
在实际应用中，五大概念并非孤立表达，而是通过统一的图谱框架实现整合。推荐采用“结构-功能-多样性-格局-过程”五层叠加的制图策略：底层为高精度地形与结构图谱（LiDAR CHM），中层为功能图谱（GPP/ET），上层为多样性图谱（光谱异质性），叠加景观格局指数图层，最后通过时间序列分析揭示生态过程。这种多层图谱体系能够回答“哪里生物多样性高？”、“为什么高？”、“正在如何变化？”等综合生态学问题。