基于生態(tài)多穩(wěn)態(tài)的山地植被垂直自然帶定量識(shí)別研究
——以新疆博格達(dá)山為例

萬(wàn)紅，郭鵬，駱磊，趙顏創(chuàng)，趙燕，王心源

1.中國(guó)科學(xué)院空天信息創(chuàng)新研究院,北京 100094;

2.中國(guó)科學(xué)院大學(xué),北京 100049;

3.山東農(nóng)業(yè)大學(xué),泰安 271018;

4.UNESCO國(guó)際自然與文化遺產(chǎn)空間技術(shù)中心,北京 100094;

5.河南工業(yè)大學(xué),鄭州 450001

1 引 言

垂直自然帶的空間分異特征分析、分帶海拔的提取及其時(shí)空變化規(guī)律一直是國(guó)內(nèi)外垂直自然帶的研究熱點(diǎn)和難點(diǎn)，從多源的遙感影像上獲取垂直自然帶的空間分布及分帶海拔是定量認(rèn)知垂直帶在氣候變化背景下時(shí)空變化規(guī)律的必要前提（Guo等，2014）。博格達(dá)山擁有溫帶干旱區(qū)典型的山地垂直自然帶譜（李東等，2015），反映了溫帶干旱區(qū)大型山脈生物多樣性受海拔、坡向與坡度的水熱空間變化影響的分布特征和變化規(guī)律，是研究植被對(duì)溫帶干旱區(qū)氣候變化響應(yīng)的理想?yún)^(qū)域（楊兆萍和張小雷，2017）。因此，定量分析博格達(dá)山垂直自然帶沿海拔梯度的分布規(guī)律，對(duì)于研究山地生態(tài)系統(tǒng)生物群落演替具有深遠(yuǎn)意義。

國(guó)內(nèi)外學(xué)者大都基于野外考察獲取的樣線、樣方數(shù)據(jù)或收集整理文獻(xiàn)數(shù)據(jù)，分析植被、土壤、生物多樣性和土地利用等的垂直分布格局的研究（Jafari 等，2004；Erschbamer 等，2010；Hemp，2006；劉倫輝 等，1984；張華 等，2008；沈澤昊 等，2001；岳明 等，2000）。許娟 等（2006 和2009）通過(guò)查閱公開發(fā)表的文獻(xiàn)及科學(xué)考察資料收集垂直自然帶譜數(shù)據(jù)，利用水熱氣候指數(shù)分析解釋阿爾金山—祁連山垂直自然帶譜的分布模式。然而基于野外數(shù)據(jù)獲取及文獻(xiàn)數(shù)據(jù)整理的方法易受到地形及氣候等環(huán)境因子的影響，周期長(zhǎng)、耗費(fèi)的人力物力大，尤其在高山區(qū)，很多地區(qū)是人類無(wú)法到達(dá)的，某種程度上限制了研究的可行性和客觀性，并且調(diào)查數(shù)據(jù)具有一定的區(qū)域局限性（郭聃，2014）；此外，垂直自然帶譜數(shù)據(jù)的記錄精度都很低（100 m 級(jí)），且多為離散的數(shù)據(jù)，缺乏高精度的、連續(xù)的帶譜數(shù)據(jù)進(jìn)行數(shù)學(xué)模型模擬（姚永慧等，2010）。遙感技術(shù)具有宏觀、快速、長(zhǎng)時(shí)序的獲取地球表面地物信息的優(yōu)勢(shì)，應(yīng)用于高大陡峭的山系研究，可以大大減少野外調(diào)查的工作量和難度，將遙感與地理信息系統(tǒng)結(jié)合可以彌補(bǔ)傳統(tǒng)調(diào)查方法的不足（Xiao 等，2010）。一些學(xué)者將RS 與GIS 引入山地垂直自然帶的研究中，利用遙感分類信息疊加數(shù)字高程模型，分析垂直自然帶的空間格局特征（張銀屏，2017；Guo 等，2014；Xiao等，2010；常禹等，2003；崔曉臨等，2013；金遠(yuǎn)亮 等，2015；羅勇和張百平，2006；魏偉等，2008）；同時(shí)，一些研究人員從地學(xué)信息圖譜角度出發(fā)，利用植被圖、坡向圖和DEM 建立研究區(qū)的植被垂直自然帶譜，并與地形及氣候等因子進(jìn)行相關(guān)性分析（張銀屏，2017；孫瑜，2010；郭聃，2014）。然而遙感分類精度易受山地地形、“同物異譜，同譜異物”及主觀樣本選擇的影響，導(dǎo)致垂直帶提取精度降低（張銀屏，2017；張利，2007）。與此同時(shí)，研究過(guò)程依賴遙感的分類信息和地形因子，忽略了與生態(tài)等學(xué)科交叉的重要性，垂直自然帶的更替也是生態(tài)系統(tǒng)狀態(tài)的改變過(guò)程，加之閾值窗口選取等不確定因素，使得提取結(jié)果的精確度有待進(jìn)一步提升。

多穩(wěn)態(tài)是指在相同條件下，系統(tǒng)可以存在結(jié)構(gòu)和功能截然不同的穩(wěn)定狀態(tài)（馮劍豐等，2009）。穩(wěn)定狀態(tài)在動(dòng)力學(xué)理論上指的是系統(tǒng)的解在一定條件下穩(wěn)定（stable），在生態(tài)學(xué)意義上指的是在一定的時(shí)間和空間尺度上，生態(tài)系統(tǒng)保持現(xiàn)有的結(jié)構(gòu)和功能不變。許多生態(tài)系統(tǒng)具有“多穩(wěn)態(tài)”特征（Scheffer 等，1993；van De Koppel 等，1997），穩(wěn)態(tài)之間存在著邊界。Wan 等（2019）將山地針葉林和高山草甸作為穩(wěn)定狀態(tài)，高山林線的生態(tài)交錯(cuò)區(qū)為不穩(wěn)定狀態(tài)，基于穩(wěn)態(tài)和穩(wěn)態(tài)轉(zhuǎn)換原理識(shí)別博格達(dá)山北坡高山林線生態(tài)過(guò)渡區(qū)域的海拔。本文在前期研究的基礎(chǔ)上，基于遙感指標(biāo)和生態(tài)多穩(wěn)態(tài)轉(zhuǎn)換理論及勢(shì)能分析方法識(shí)別垂直自然帶的生態(tài)過(guò)渡區(qū)域及分帶海拔，并利用野外采集數(shù)據(jù)進(jìn)行結(jié)果驗(yàn)證，達(dá)到拓展和深化山地垂直自然帶的理論方法和技術(shù)思路的目的。

2 數(shù)據(jù)與方法

2.1 研究區(qū)概況

博格達(dá)山世界自然遺產(chǎn)地位于新疆維吾爾自治區(qū)阜康市（圖1），屬于大西洋氣流和北冰洋氣流的迎風(fēng)坡，氣候較濕潤(rùn)。年平均氣溫約為2.5 ℃，其中1 月為最冷月，平均氣溫為?12.4 ℃；7 月份氣溫最高，月平均氣溫15.9 ℃，年降水量大約為400—700 mm（楊兆萍和張小雷，2017）。地勢(shì)由西北向東南逐漸抬高，在不到40 km 的距離內(nèi)，海拔從800 m上升至5000 m，并發(fā)育了包括溫帶荒漠帶、山地草原帶、山地針葉林帶、高山草甸帶、高山墊狀植被帶及冰雪帶6個(gè)完整的垂直自然帶。該區(qū)幾乎包羅了亞洲中部大多數(shù)自然景觀類型和生態(tài)系統(tǒng)，并入選世界教科文組織的“人與生物圈保護(hù)區(qū)”，在亞洲腹地具有突出的區(qū)域代表性和重要的科研價(jià)值。

圖1 研究區(qū)位置及高程分布Fig.1 Location of the study area and distribution of elevation

2.2 試驗(yàn)數(shù)據(jù)

2.2.1 Landsat數(shù)據(jù)及預(yù)處理

本文選擇植被長(zhǎng)勢(shì)較好的2016 年7 月28 日美國(guó)Landsat 8 數(shù)據(jù)，軌道號(hào)為142/30（數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺(tái)（http：//www.gscloud.cn［2020?06?24］））。Landsat 8 衛(wèi)星由美國(guó)航空航天局（NASA）在2013年2 月11 日發(fā)射，攜帶兩個(gè)傳感器，分別是陸地成像儀OLI（Operational Land Imager）和熱紅外傳感 器TIRS （Thermal Infrared Sensor）。Landsat 8 Level?1 數(shù)據(jù)產(chǎn)品已經(jīng)經(jīng)過(guò)系統(tǒng)輻射校正和幾何校正；與之前的Landsat 系列傳感器不同，TIRS 擁有兩個(gè)與MODIS的第31和32波段設(shè)置相近的熱紅外通道（第10 和11 波段，空間分辨率100 m，下載的數(shù)據(jù)已完成重采樣為30 m分辨率）。

博格達(dá)山世界遺產(chǎn)地是典型的山地生態(tài)系統(tǒng)，不同的坡度遙感觀測(cè)的輻射具有顯著的差異，這種輻射差異的變化受地形的影響強(qiáng)烈，從而扭曲反映地表實(shí)體特征的信息（聞建光等，2008；林興穩(wěn)等，2020）。地形效應(yīng)對(duì)遙感影像地表參數(shù)反演的影響不可忽略（穆悅等，2014）。因此，研究中首先對(duì)Landsat OLI 數(shù)據(jù)（不含全色波段）進(jìn)行輻射定標(biāo)、地形校正（SCS+C）、大氣校正、裁剪等處理。

2.2.2 野外調(diào)查數(shù)據(jù)

根據(jù)當(dāng)?shù)貧庀箢A(yù)報(bào)情況，綜合考慮地形、地貌的復(fù)雜性及考察路線的可到達(dá)性，野外考察點(diǎn)分布需要能體現(xiàn)對(duì)識(shí)別結(jié)果整體性的驗(yàn)證，制定野外考察路線分布于三工河（大約位于識(shí)別結(jié)果的中心沿線）的兩側(cè)，沿野外考察路線且人力可以到達(dá)的區(qū)域設(shè)立考察點(diǎn)，如圖2。2018 年7 月4—14 日赴博格達(dá)山進(jìn)行野外考察，利用無(wú)人機(jī)和高精度GPS記錄不同地表類型的位置信息、相關(guān)海拔和大量的實(shí)地照片。

圖2 博格達(dá)山野外考察路線及考察點(diǎn)分布圖Fig.2 Distribution map of field routes and survey points

2.2.3 DEM數(shù)據(jù)

研究還使用了美國(guó)地質(zhì)調(diào)查局（USGS）的SRTM分辨率為1弧秒（30 m）的DEM數(shù)據(jù)，SRTM1數(shù)據(jù)標(biāo)稱絕對(duì)高程精度16 m和絕對(duì)平面精度20 m，水平基準(zhǔn)為WGS84，垂直基準(zhǔn)為EGM96 大地水準(zhǔn)面（https：//lta.cr.usgs.gov/SRTM1Arc數(shù)據(jù)說(shuō)明）。

2.3 地表溫度估算

地表溫度LST（Land Surface Temperature）反演方法主要分為單通道算法、劈窗算法和多通道算法。Landsat TIRS 熱紅外傳感器具有雙波段，理論上可采用劈窗算法反演地表溫度，但USGS 多次公告11 波段的定標(biāo)參數(shù)存在不確定性，不鼓勵(lì)采用劈窗算法（Wang 等，2015；徐涵秋，2015；徐涵秋等，2015）；此外，有學(xué)者利用單通道反演LST，發(fā)現(xiàn)TIRS10 波段的反演精度高于11 波段（Jiménez?Mu?oz 等，2014；Yu 等，2014），因此，本文采用TIRS 10波段估算地表溫度。

溫度反演的單通道算法通常分為輻射傳輸方程法、單窗算法（覃志豪等，2001）和JM 通用單通道算法（Jiménez?Mu?oz和Sobrino，2003）。單窗算法已應(yīng)用于Landsat 系列數(shù)據(jù)反演LST（Qin 等，2001；Sobrino 等，2004；Wang 等，2015；胡 德勇等，2015）。胡德勇等（2017）分別利用單窗算法和通用單通道算法反演中國(guó)某郊區(qū)的LST，并利用現(xiàn)場(chǎng)測(cè)量數(shù)據(jù)與反演的LST進(jìn)行比較分析，單窗算法的總體平均誤差為0.83 ℃，通用單通道算法的平均誤差為1.08 ℃。因此，本文選取LST作為識(shí)別垂直自然帶生態(tài)交錯(cuò)區(qū)海拔位置的參數(shù)指標(biāo)，Landsat OLI 數(shù)據(jù)用于估算地表發(fā)射率，采用覃志豪等（2001）推導(dǎo)出的單窗算法反演LST。主要過(guò)程如下：首先計(jì)算熱輻射強(qiáng)度，然后計(jì)算對(duì)應(yīng)像元的亮度溫度，根據(jù)混合像元分解法估算地表比射率值，在美國(guó)NASA 提供的大氣參數(shù)計(jì)算網(wǎng)站（Atmospheric Correction Parameter Calculator Temporarily Unavailable）獲取大氣剖面參數(shù)，進(jìn)而計(jì)算同溫度下的黑體輻射亮度，最后，反演得到地表溫度。具體的計(jì)算過(guò)程參見Wan 等（2019）、吳文淵等（2019）和Qin等（2001）資料。

2.4 潛類別分析

潛類別分析可測(cè)試遙感指標(biāo)是否呈現(xiàn)多峰模式。這種方法將數(shù)據(jù)擬合為單個(gè)或多個(gè)頻率分布，并已被用于評(píng)估實(shí)際生態(tài)系統(tǒng)中多個(gè)狀態(tài)的研究中（Scheffer 等，2012；Berdugo 等，2017；Hirota 等，2011；Zhao 等，2019）。頻率分布反映交替狀態(tài)周圍的峰谷分布的大體形狀，因此，系統(tǒng)狀態(tài)頻率分布的多模態(tài)可能是由于基礎(chǔ)環(huán)境驅(qū)動(dòng)因素的多模態(tài)或系統(tǒng)中存在交替的穩(wěn)定狀態(tài)（Scheffer 等，2012；Scheffer 和Carpenter，2003）。然后，利用期望最大化（EM）方法來(lái)尋找最適合一定數(shù)量正態(tài)分布，并對(duì)比分析它們的赤池信息準(zhǔn)則AIC（Akaike Information Criterion）值。

AIC 是衡量統(tǒng)計(jì)模型擬合優(yōu)良性的一種標(biāo)準(zhǔn)（Akaike，1978）。當(dāng)欲從一組待選模型中選擇一個(gè)最佳模型時(shí)，參數(shù)的最大似然估計(jì)給出的最小AIC值所對(duì)應(yīng)的模型是可取的（Akaike，1974）。AIC的計(jì)算為

式中，k是模型參數(shù)個(gè)數(shù)，L是似然函數(shù)。

2.5 勢(shì)能分析

早前，Livina 等（2010）發(fā)展勢(shì)分析方法從記錄的時(shí)間序列中檢測(cè)地球物理系統(tǒng)的狀態(tài)數(shù)；此后，在此基礎(chǔ)上，利用該方法從空間梯度上揭示生態(tài)系統(tǒng)具有不同的動(dòng)態(tài)狀態(tài)（Zhao 等，2019；Berdugo 等，2017；Scheffer 等，2012；Moris 等，2017）。在動(dòng)力學(xué)系統(tǒng)中，勢(shì)分析過(guò)程包含穩(wěn)定景觀的參數(shù)指標(biāo)和驅(qū)動(dòng)因素；勢(shì)函數(shù)代表參數(shù)指標(biāo)的某個(gè)狀態(tài)變量的能量，是此變量的“變化幾率”。勢(shì)函數(shù)的局部極小值代表參數(shù)指標(biāo)的動(dòng)態(tài)“穩(wěn)定”狀態(tài)，而其它值則是根據(jù)勢(shì)能的分布形狀沿驅(qū)動(dòng)因素向穩(wěn)定狀態(tài)的趨向（Berdugo 等，2017）。因此，沿著驅(qū)動(dòng)因素（海拔）計(jì)算穩(wěn)定景觀的勢(shì)能分布是可行的。為了直接從數(shù)據(jù)計(jì)算穩(wěn)定的景觀類型，我們利用勢(shì)能分析模型估算LST沿海拔梯度的勢(shì)能分布情況。

該分析的基礎(chǔ)假設(shè)，對(duì)于感興趣的參數(shù)變量，存在一個(gè)具有勢(shì)函數(shù)的隨機(jī)系統(tǒng)：

式中，U（z）是勢(shì)函數(shù)，代表系統(tǒng)的動(dòng)能作為其自身狀態(tài)的函數(shù)；z為系統(tǒng)的狀態(tài)變量（本研究為L(zhǎng)ST）；σ為系統(tǒng)的噪音水平；dw是一個(gè)噪聲項(xiàng)?？紤]系統(tǒng)的勢(shì)能與概率密度之間的對(duì)應(yīng)關(guān)系，應(yīng)用Fokker?Planck 方程將二者聯(lián)系起來(lái)，系統(tǒng)勢(shì)能量的公式如下（Livina 等，2010；Berdugo 等，2017）：

式中，Pd是系統(tǒng)狀態(tài)變量的概率密度函數(shù)（此處為L(zhǎng)ST）。因?yàn)樵肼曀溅液茈y估算，為了計(jì)算方便，我們將勢(shì)能U按比例縮放至U σ2。參數(shù)指標(biāo)的概率密度通過(guò)MATLAB function ksdensity 進(jìn)行估算，標(biāo)準(zhǔn)帶寬為1.06s/n1/5（s和n分別為數(shù)據(jù)集的標(biāo)準(zhǔn)差和長(zhǎng)度）。

3 結(jié)果與分析

3.1 潛類別分析

利用單窗算法反演博格達(dá)的LST，如圖3，其隨海拔變化的趨勢(shì)如圖4。LST的最高值為50.3 ℃，最低值為?11.9 ℃，LST 與海拔呈高相關(guān)性，R2為0.843，隨海拔升高呈下降趨勢(shì)。將LST 隨海拔變化的分布趨勢(shì)，結(jié)合野外考察資料和新疆天山文獻(xiàn)資料（楊兆萍和張小雷，2017）進(jìn)行分析，海拔低于1150 m，主要為溫帶荒漠區(qū)，LST 值高于35 ℃，除三工河河道內(nèi)溫度較低，大部分LST 值均高于40 ℃。海拔在1150—2500 m 之間，LST 值在25—35℃之間逐漸降低，主要分布山地草原和山地針葉林，在海拔1908 m 左右出現(xiàn)LST 值低于25 ℃，受天山天池的影響，溫度較低；海拔在2500—3600 m 之間，LST 值呈輕微的先升高后降低的趨勢(shì)，2500—3600 m 海拔范圍，開始由山地針葉林逐漸向高山草甸過(guò)渡（楊兆萍和張小雷，2017），針葉林的溫度略低于高山草甸的溫度，因此LST隨海拔升高先呈現(xiàn)輕微的升高；當(dāng)完全過(guò)渡為高山草甸，隨著海拔的升高，其自身的溫度又呈現(xiàn)為輕微的降低。海拔高于3600 m，LST值低于25 ℃并急劇降低，直至低于0 ℃，為冰川積雪的分布區(qū)域，由于裸土的存在，LST值出現(xiàn)波動(dòng)。

圖3 博格達(dá)LST分布圖Fig.3 LST distribution of the Bogda

圖4 LST隨海拔變化的分布情況Fig.4 Distribution of LST with elevation variation

對(duì)于山地生態(tài)系統(tǒng)，地表溫度受到高程、坡度、坡向等地形因子及地表覆蓋類型、土壤濕度、入射輻射、大氣過(guò)程和地表風(fēng)速等多因素的綜合作用（Hais 和Ku?era，2009）。新疆天山山脈受坡向的影響顯著，不同區(qū)域溫度、降水量有較大的差距（婁安如，1998）。北坡發(fā)育以雪嶺云杉為主的山地針葉林，相同海拔的南坡則以草原為主，無(wú)成片的森林，如圖5。將坡向劃分為8 個(gè)坡向：北（0°—22.5°，337.5°—360°），東北（22.5°—67.5°），東（67.5°—112.5°），東 南（112.5°—157.5°），南（157.5°—202.5°），西南（202.5°—247.5°），西（247.5°—292.5°），西北（292.5°—337.5°），見圖6。研究中選取山地植被垂直自然帶發(fā)育更加完整的“北坡”（對(duì)應(yīng)北、東北和西北，0°—67.5°和292.5°—360°）進(jìn)行研究，剔除南坡。

圖5 博格達(dá)天池附近谷歌地球影像Fig.5 Google Earth photo near Tianchi Lake

圖6 坡向分布圖Fig.6 Aspect distribution map

潛類別分析可研究沿海拔梯度的穩(wěn)態(tài)分布情況，如果一個(gè)系統(tǒng)只有一個(gè)穩(wěn)定狀態(tài)，隨機(jī)擾動(dòng)和環(huán)境變化通常形成單峰模式；相反，如果存在交替狀態(tài)，隨機(jī)擾動(dòng)較大的情況會(huì)出現(xiàn)多峰模式（Scheffer 等，2012；Scheffer 和Carpenter，2003），頻率分布反映交替狀態(tài)周圍的峰谷分布的大體形狀。博格達(dá)山垂直自然帶的基帶是溫帶荒漠，隨著海拔的升高依次是山地草原、山地針葉林、高山草甸、高山墊狀植被及永久冰川與積雪。除永久冰川與積雪外，其它地表類型均為植被覆蓋，本研究探討沿海拔梯度，各植被覆蓋類型的LST是否也呈現(xiàn)雙峰模式，從而揭示各生態(tài)系統(tǒng)狀態(tài)。構(gòu)建溫帶荒漠—山地草原、山地草原—山地針葉林、山地針葉林—高山草甸和高山草甸—高山墊狀植被的頻率分布。研究結(jié)果表明（圖7）：溫帶荒漠—山地草原（約38 ℃，43 ℃）、山地草原—山地針葉林（約24 ℃，28 ℃）、山地針葉林—高山草甸（約20 ℃，28 ℃）、高山草甸—高山墊狀植被（27 ℃，30 ℃）的LST頻率分布均呈雙峰模式，揭示兩種穩(wěn)定狀態(tài)的存在。

圖7 LST頻率分布Fig.7 Probability density distribution of LST

AIC 是衡量統(tǒng)計(jì)模型擬合優(yōu)良性（Goodness of fit）的一種標(biāo)準(zhǔn)。當(dāng)欲從一組待選模型中選擇一個(gè)最佳模型時(shí)，參數(shù)的最大似然估計(jì)給出的最小AIC值所對(duì)應(yīng)的模型是可取的。模擬LST 的1—5 種正態(tài)分布模式的溫帶荒漠—山地草原、山地草原—山地針葉林、山地針葉林—高山草甸和高山草甸—高山墊狀植被的AIC 值。由圖8 分析可知：當(dāng)系統(tǒng)模式數(shù)目從1 變?yōu)? 時(shí)，溫帶荒漠—山地草原、山地草原—山地針葉林、山地針葉林—高山草甸和高山草甸—高山墊狀植被的AIC 值都表現(xiàn)為急速下降，隨著系統(tǒng)模式數(shù)目的增加，AIC 雖有小幅波動(dòng)，但基本維持平穩(wěn)。AIC的最小值位于模式數(shù)目為2時(shí)，表明LST 存在兩種狀態(tài)模式，揭示溫帶荒漠、山地草原、山地針葉林、高山草甸和高山墊狀植被為不同的生態(tài)系統(tǒng)穩(wěn)定狀態(tài)。

圖8 LST模擬1—5種正態(tài)分布模式的AICFig.8 AIC for the simulations of 1—5 normal distribution modes

3.2 垂直自然帶生態(tài)過(guò)渡區(qū)及分帶海拔識(shí)別

將溫帶荒漠帶、山地草原帶、山地針葉林帶、高山草甸帶和高山墊狀植被帶作為山地生態(tài)系統(tǒng)中的穩(wěn)定狀態(tài)，垂直自然帶間的轉(zhuǎn)換區(qū)域?yàn)椴环€(wěn)定狀態(tài)，基于Landsat 數(shù)據(jù)估算LST，利用勢(shì)能分析模型識(shí)別出非線性動(dòng)態(tài)系統(tǒng)中的狀態(tài)數(shù)量，沿海拔梯度上狀態(tài)的關(guān)鍵轉(zhuǎn)變范圍即為垂直自然帶間的過(guò)渡區(qū)域。在利用勢(shì)能分析過(guò)程中，以海拔為驅(qū)動(dòng)探測(cè)相鄰兩個(gè)穩(wěn)定狀態(tài)的關(guān)鍵轉(zhuǎn)變范圍，即低LST狀態(tài)和高LST狀態(tài)。

（1）溫帶荒漠帶—山地草原帶：溫帶荒漠（高LST狀態(tài)）和山地草原（低LST狀態(tài)）。根據(jù)穩(wěn)態(tài)分析結(jié)果，識(shí)別出兩種狀態(tài)共存的海拔范圍及狀態(tài)之間關(guān)鍵轉(zhuǎn)變的分界海拔，如圖9所示。分析圖9Ⅰ可知兩種狀態(tài)共存及關(guān)鍵轉(zhuǎn)變的細(xì)節(jié)特征：海拔較低時(shí)，系統(tǒng)僅存在高LST 狀態(tài)，見圖9Ⅰ，該狀態(tài)呈低勢(shì)能分布；但隨著海拔升高至1062 m，系統(tǒng)開始同時(shí)出現(xiàn)高低LST兩種穩(wěn)態(tài)，高LST狀態(tài)具有較低的勢(shì)能值，并且比低LST狀態(tài)展現(xiàn)出更強(qiáng)吸引力，見圖9Ⅱ；然而，當(dāng)海拔位于1066 m 左右，高LST狀態(tài)具有較高的勢(shì)能值，比低LST狀態(tài)展現(xiàn)出較弱的吸引力，見圖9Ⅲ；這種趨勢(shì)一直持續(xù)到海拔1093 m，見圖9Ⅳ，在海拔1093 m處發(fā)生一個(gè)急劇的、不連續(xù)的突變；此后（海拔>1093 m）則是只存在低LST 狀態(tài)，見圖9Ⅴ，該狀態(tài)呈低勢(shì)能分布。兩種狀態(tài)共存區(qū)域（海拔1062—1093 m）為溫帶荒漠與山地草原的過(guò)渡范圍；海拔1066 m勢(shì)能轉(zhuǎn)換處即為溫帶荒漠與山地草原帶的分界海拔。

圖9 溫帶荒漠—山地草原帶地表溫度（LST）的勢(shì)能值隨海拔梯度的變化特征黑點(diǎn)和紫紅點(diǎn)均為勢(shì)能量的局部最小值，但黑點(diǎn)的勢(shì)能量更低；兩條黑色實(shí)豎線之間（海拔1062—1104 m）是LST雙穩(wěn)態(tài)共同出現(xiàn)的區(qū)域，黑色虛豎線（海拔1066 m）是高LST狀態(tài)勢(shì)能量開始高于低LST狀態(tài)勢(shì)能量，系統(tǒng)出現(xiàn)向低LST狀態(tài)轉(zhuǎn)換的傾向；等值線為勢(shì)能量估算結(jié)果的空間分布情況；Ⅰ—Ⅴ展示了系統(tǒng)由高LST狀態(tài)隨海拔升高向低LST狀態(tài)轉(zhuǎn)換的細(xì)節(jié)過(guò)程Fig.9 Variation of the states obtained from potential energy analysis for the LST along the elevation gradient in temperate desert?montane steppes.Black and purple dots were both local minimums of potential energy，but black spots had lower potential energy.Between the two black vertical lines（at an elevation of 1062—1093 m）was the area where the two states co?occurred.At the black dotted line（at 1066 m），the high LST state potential energy started to be greater than the low LST state potential energy，and the system appeared to shift to a low LST state.The contour was the spatial distribution of the potential energy estimation results.Ⅰ—Ⅴshowed the details for the variation of the states of LST along the elevation gradient

（2）山地草原帶—山地針葉林帶：山地草原（高LST 狀態(tài)）和山地針葉林帶（低LST 狀態(tài)）。根據(jù)穩(wěn)態(tài)分析結(jié)果，識(shí)別出兩種狀態(tài)共存的海拔范圍及狀態(tài)之間關(guān)鍵轉(zhuǎn)變的分界海拔。分析圖10Ⅰ—Ⅴ可知兩種狀態(tài)共存及關(guān)鍵轉(zhuǎn)變的細(xì)節(jié)特征：海拔較低時(shí)，系統(tǒng)僅存在高LST 狀態(tài)（圖10Ⅰ），該狀態(tài)呈低勢(shì)能分布；隨著海拔升高至1689 m，系統(tǒng)開始同時(shí)出現(xiàn)高低LST 兩種穩(wěn)態(tài)，高LST狀態(tài)具有較低的勢(shì)能值，并且比低LST狀態(tài)展現(xiàn)出更強(qiáng)吸引力（圖10Ⅱ）；然而，當(dāng)海拔位于1707 m 左右，高LST 狀態(tài)具有較高的勢(shì)能值，比低LST 狀態(tài)展現(xiàn)出較弱的吸引力（圖10Ⅲ）；這種趨勢(shì)一直持續(xù)到海拔1764 m（圖10Ⅳ），在海拔1764 m 處發(fā)生一個(gè)急劇的、不連續(xù)的突變；此后（海拔>1764 m）則是僅存在低LST狀態(tài)（圖10Ⅴ），該狀態(tài)呈低勢(shì)能分布。兩種狀態(tài)共存區(qū)域（海拔1689—1764 m）為山地草原與山地針葉林的過(guò)渡范圍；海拔1707 m 勢(shì)能轉(zhuǎn)換處即為山地草原帶與山地針葉林帶的分界海拔。

圖10 山地草原—山地針葉林帶地表溫度（LST）的勢(shì)能值隨海拔梯度的變化特征黑點(diǎn)和紫紅點(diǎn)均為勢(shì)能量的局部最小值，但黑點(diǎn)的勢(shì)能量更低；兩條黑色實(shí)豎線之間（海拔1689—1764 m）是LST雙穩(wěn)態(tài)共同出現(xiàn)的區(qū)域，黑色虛豎線（海拔1707 m）是高LST狀態(tài)勢(shì)能量開始高于低LST狀態(tài)勢(shì)能量，系統(tǒng)出現(xiàn)向低LST狀態(tài)轉(zhuǎn)換的傾向；等值線為勢(shì)能量估算結(jié)果的空間分布情況；Ⅰ—Ⅴ展示了系統(tǒng)由高LST狀態(tài)隨海拔升高向低LST狀態(tài)轉(zhuǎn)換的細(xì)節(jié)過(guò)程Fig.10 Variation of the states obtained from potential energy analysis for the LST along the elevation gradient in montane steppes?montane coniferous forests.Black and purple dots were both local minimums of potential energy，but black spots had lower potential energy.Between the two black vertical lines（at an elevation of 1689—1764 m）was the area where the two states co?occurred.At the black dotted line（at 1707 m），the high LST state potential energy started to be greater than the low LST state potential energy，and the system appeared to shift to a low LST state.The contour was the spatial distribution of the potential energy estimation results.Ⅰ—Ⅴshowed the details for the variation of the states of LST along the elevation gradient

（3）山地針葉林—高山草甸帶：山地針葉林（低LST狀態(tài)）和高山草甸（高LST狀態(tài)）。海拔低于2690 m，僅存在低LST 狀態(tài)，見圖11Ⅰ，該狀態(tài)呈低勢(shì)能分布；低LST和高LST狀態(tài)共存的海拔范圍是2690—2744 m（圖11Ⅱ—11Ⅳ）；當(dāng)海拔高于2744 m，又僅存在高LST 狀態(tài)（圖11Ⅴ）。顯然，在海拔2690—2714 m 范圍內(nèi)，兩種LST 狀態(tài)并存，但是低LST 狀態(tài)比高LST 狀態(tài)更具吸引力，見圖11Ⅱ；但是，在海拔2714 m 左右，低LST 狀態(tài)的吸引力開始小于高LST 狀態(tài)，見圖11Ⅲ；這種趨勢(shì)一直持續(xù)到海拔2744 m，見圖11Ⅳ；在海拔2744 m 左右，探測(cè)到一個(gè)急劇的、不連續(xù)的陡增，見圖11Ⅴ。兩種狀態(tài)共存區(qū)域（海拔2690—2744 m）為山地草原與山地針葉林的過(guò)渡范圍；海拔2714 m 勢(shì)能轉(zhuǎn)換處即為山地針葉林帶與高山草甸帶的分界海拔。

圖11 山地針葉林—高山草甸帶地表溫度（LST）的勢(shì)能值隨海拔梯度的變化特征黑點(diǎn)和紫紅點(diǎn)均為勢(shì)能量的局部最小值，但黑點(diǎn)的勢(shì)能量更低；兩條黑色實(shí)豎線之間（海拔2690—2744 m）是LST雙穩(wěn)態(tài)共同出現(xiàn)的區(qū)域，黑色虛豎線（海拔2714 m）是低LST狀態(tài)勢(shì)能量開始高于高LST狀態(tài)勢(shì)能量，系統(tǒng)出現(xiàn)向高LST狀態(tài)轉(zhuǎn)換的傾向；等值線為勢(shì)能量估算結(jié)果的空間分布情況；Ⅰ—Ⅴ圖展示了系統(tǒng)由低LST狀態(tài)隨海拔升高向高LST狀態(tài)轉(zhuǎn)換的細(xì)節(jié)過(guò)程Fig.11 Variation of the states obtained from potential energy analysis for the LST along the elevation gradient in montane coniferous forests?alpine meadows.Black and purple dots were both local minimums of potential energy，but black spots had lower potential energy.Between the two black vertical lines（at an elevation of 2690—2744 m）was the area where the two states co?occurred.At the black dotted line（at 2714 m），the low LST state potential energy started to be greater than the high LST state potential energy，and the system appeared to shift to a high LST state.The contour was the spatial distribution of the potential energy estimation results.Ⅰ—Ⅴshowed the details for the variation of the states of LST along the elevation gradient

（4）高山草甸帶—高山墊狀植被帶：高山草甸（較高LST 狀態(tài)）和高山墊狀植被帶（較低LST狀態(tài)）?？傮w來(lái)講，兩種狀態(tài)的地表溫度相差不大，因?yàn)楦呱綁|狀植被與冰川積雪相連接，因而溫度相對(duì)較低。當(dāng)海拔低于3251 m，僅存在較高LST一個(gè)狀態(tài)，見圖12Ⅰ，該狀態(tài)呈低勢(shì)能分布；較高LST和較低LST 狀態(tài)共存的海拔范圍是3251—3263 m，見圖12Ⅱ—12Ⅳ；當(dāng)海拔高于3263 m，又僅存在較低LST 狀態(tài)，見圖12Ⅴ。顯然，在海拔3251—3257 m 范圍內(nèi)，兩種LST 狀態(tài)并存，但是較高LST狀態(tài)比較低LST 狀態(tài)更具吸引力，見圖12Ⅱ；但是，在海拔3257 m 左右，較高LST 狀態(tài)的吸引力開始小于較低LST 狀態(tài)，見圖12Ⅲ；這種趨勢(shì)一直持續(xù)到海拔3263 m，見圖12Ⅳ；在海拔3263 m左右，探測(cè)到一個(gè)急劇的、不連續(xù)的突變，見圖12Ⅴ。兩種狀態(tài)共存區(qū)域（海拔3251—3263 m）為高山草甸與高山墊狀植被帶的過(guò)渡范圍；海拔3257 m 勢(shì)能轉(zhuǎn)換處即為高山草甸帶與高山墊狀植被帶的分界海拔。

圖12 高山草甸—高山墊狀植被帶地表溫度（LST）的勢(shì)能值隨海拔梯度的變化特征黑點(diǎn)和紫紅點(diǎn)均為勢(shì)能量的局部最小值，但黑點(diǎn)的勢(shì)能量更低；兩條黑色實(shí)豎線之間（海拔3251—3263 m）是LST雙穩(wěn)態(tài)共同出現(xiàn)的區(qū)域，黑色虛豎線（海拔3257 m）是高LST狀態(tài)勢(shì)能量開始高于低LST狀態(tài)勢(shì)能量，系統(tǒng)出現(xiàn)向低LST狀態(tài)轉(zhuǎn)換的傾向；等值線為勢(shì)能量估算結(jié)果的空間分布情況；Ⅰ—Ⅴ圖展示了系統(tǒng)由高LST狀態(tài)隨海拔升高向低LST狀態(tài)轉(zhuǎn)換的細(xì)節(jié)過(guò)程Fig.12 Variation of the states obtained from potential energy analysis for the LST along the elevation gradient in alpine meadows?alpine cushion vegetation.Black and purple dots were both local minimums of potential energy，but black spots had lower potential energy.Between the two black vertical lines（at an elevation of 3251—3263 m）was the area where the two states co?occurred.At the black dotted line（at 3257 m），the high LST state potential energy started to be greater than the low LST state potential energy，and the system appeared to shift to a low LST state.The contour was the spatial distribution of the potential energy estimation results.Ⅰ—Ⅴshowed the details for the variation of the states of LST along the elevation gradient

3.3 識(shí)別結(jié)果驗(yàn)證

本研究基于生態(tài)多穩(wěn)態(tài)及勢(shì)能分析方法識(shí)別的博格達(dá)山垂直自然帶的過(guò)渡范圍及分帶海拔與其他學(xué)者給出的100 m精度范圍的研究結(jié)論相吻合（婁安如和張新時(shí)，1994；楊兆萍和張小雷，2017）。然而，海拔提取結(jié)果的關(guān)鍵參數(shù)估算過(guò)程及模型本身的精度都不可避免的存在誤差。因此，研究組分別于2017年7月30日—8月2日和2018年7月4—14日赴新疆維吾爾自治區(qū)天山世界自然遺產(chǎn)地博格達(dá)山片區(qū)進(jìn)行野外數(shù)據(jù)采集，考察該區(qū)域山地垂直自然帶的植被分布情況及不同垂直自然帶的過(guò)渡范圍。通過(guò)建立不同的采樣區(qū)獲取山地垂直帶過(guò)渡范圍及分帶海拔的基礎(chǔ)數(shù)據(jù)（圖13），利用無(wú)人機(jī)和高精度GPS記錄不同地表類型的位置信息、相關(guān)海拔和大量的實(shí)地照片。

圖13 野外實(shí)地采集的照片F(xiàn)ig.13 Field photos

本文利用野外采集的驗(yàn)證數(shù)據(jù)與識(shí)別結(jié)果進(jìn)行對(duì)比分析，如表1所示，可知野外采集的驗(yàn)證點(diǎn)圍繞識(shí)別結(jié)果上下波動(dòng)，但總體趨勢(shì)較為理想，RMSE 為17.19 m。其中，山地草原—山地針葉林及山地針葉林—高山草甸的過(guò)渡海拔與分界海拔的均方根誤差相對(duì)較小，主要是因?yàn)樯降蒯樔~林與山地草原和高山草甸的過(guò)渡屬于突變型，識(shí)別結(jié)果與驗(yàn)證結(jié)果吻合較好；溫帶荒漠—山地草原及高山草甸—高山墊狀植被的均方根誤差相對(duì)較大，原因在于二者的過(guò)渡屬于漸變性，驗(yàn)證點(diǎn)的精確采集也存在困難，造成識(shí)別結(jié)果與驗(yàn)證數(shù)據(jù)差值相對(duì)較大。

表1 博格達(dá)山地垂直自然帶野外驗(yàn)證結(jié)果Table1 Field validation results of Bogda Mountain altitudinal natural zones

同時(shí)，將識(shí)別結(jié)果與引用較為廣泛的2006 年《天池博格達(dá)自然保護(hù)區(qū)綜合科學(xué)考察報(bào)告》中的結(jié)果進(jìn)行對(duì)比，山地垂直帶分帶及上限分別為：溫帶荒漠草原帶（1100 m）、山地草原帶（1650 m）、山地針葉林帶（2700 m）、高山草甸帶（3300 m）、高山墊狀植被帶（3700 m），本文識(shí)別的分界海拔結(jié)果與其考察結(jié)果的趨勢(shì)較為一致。

4 結(jié) 論

本文基于遙感參數(shù)指標(biāo)LST，在考慮坡向影響的基礎(chǔ)上，通過(guò)潛類別分析揭示博格達(dá)世界自然遺產(chǎn)地的不同生態(tài)系統(tǒng)狀態(tài)的存在，采用生態(tài)多穩(wěn)態(tài)原理及勢(shì)能分析方法識(shí)別相鄰垂直自然帶的生態(tài)過(guò)渡區(qū)和分帶海拔，并利用野外采集數(shù)據(jù)驗(yàn)證識(shí)別結(jié)果。得到以下結(jié)論：

（1）從博格達(dá)山溫帶荒漠、山地草原、山地針葉林、高山草甸和高山墊狀植被的LST的潛類別分析和AIC 值分析均表明相鄰垂直自然帶存在2 種不同生態(tài)系統(tǒng)穩(wěn)定狀態(tài)，同時(shí)證明遙感參數(shù)指標(biāo)可以作為揭示山地不同生態(tài)系統(tǒng)穩(wěn)態(tài)存在的因子。

（2）通過(guò)勢(shì)能分析方法，基于遙感反演的LST可以探測(cè)垂直自然帶中兩個(gè)穩(wěn)定狀態(tài)的轉(zhuǎn)換過(guò)程，利用野外考察的數(shù)據(jù)驗(yàn)證總體均方根誤差為17.19 m，具有較高的精度。表明勢(shì)能分析方法可探測(cè)相鄰兩個(gè)穩(wěn)定狀態(tài)的轉(zhuǎn)換過(guò)程，從而獲取沿海拔梯度垂直自然帶間的轉(zhuǎn)換范圍及分帶位置，為定量識(shí)別山地垂直帶生態(tài)過(guò)渡區(qū)和分帶海拔提供了新的思路和方法。

（3）基于遙感指標(biāo)結(jié)合生態(tài)多穩(wěn)態(tài)理論和物理學(xué)的勢(shì)能分析方法定量識(shí)別沿海拔梯度垂直自然帶間的轉(zhuǎn)換范圍及分帶海拔是可行的，使得山地垂直自然帶定量識(shí)別的基礎(chǔ)理論和模型方法得到進(jìn)一步拓展和深化。

但是，本文僅僅利用了Landsat 8 反演的LST指標(biāo)進(jìn)行了相關(guān)的分析研究，研究結(jié)果能否擴(kuò)展到其他的遙感參數(shù)指標(biāo)和不同空間分辨率的數(shù)據(jù)還有待進(jìn)一步的研究。