利用高分辨率森林覆盖影像实现高山林线的自动提取

利用高分辨率森林覆盖影像实现高山林线的自动提取 Automatic alpine treeline extraction using high-resolution forest cover imagery 1 first-author 江鑫，研究方向为定量遥感、深度学习与自然资源要素分类和提取。E-mail：12131072@mail.sustech.edu.cn 江鑫，研究方向为定量遥感、深度学习与自然资源要素分类和提取。E-mail：12131072@mail.sustech.edu.cn 12131072@mail.sustech.edu.cn 1 2 1 1 1 corresp 曾振中，研究方向为生态水文、陆气相互作用、全球环境变化和地球系统模拟等。E-mail：zengzz@sustech.edu.cn 曾振中，研究方向为生态水文、陆气相互作用、全球环境变化和地球系统模拟等。E-mail：zengzz@sustech.edu.cn zengzz@sustech.edu.cn 南方科技大学 环境科学与工程学院, 深圳 518055 南方科技大学 环境科学与工程学院, 深圳 518055 School of Environmental Science and Engineering, South University of Science and Technology, Shenzhen 518055, China School of Environmental Science and Engineering, South University of Science and Technology, Shenzhen 518055, China 利兹大学 地球与环境学院, 英国 利兹 LS29JT 利兹大学 地球与环境学院, 英国 利兹 LS29JT School of Earth and Environment, University of Leeds, Leeds, LS29JT, UK School of Earth and Environment, University of Leeds, Leeds, LS29JT, UK 快速准确地提取高山林线对标定全球气候变化、科学管理森林资源具有重要意义。秦岭高山林线位于高海拔的生态交错带，垂直带谱分布明显，为本文提供了理想的试验区域。遥感技术具有重访周期短、观测范围大和不受地理环境等条件限制的特点，克服了传统实地调查方法效率低、成本高等缺点。本文基于全球首套30 m空间分辨率森林覆盖数据，结合数字高程模型以及秦岭山脉分布数据，提出一种基于遥感的自动提取高山林线的算法；结合高分辨率的Google Earth影像和GPS地面站点观测数据以及NDVI数据，验证高山林线提取结果的准确性；基于高程数据系统分析研究区高山林线分布与地形特征的关系。结果表明：（1）本文结果与Google Earth影像中实际林线分布基本一致，进一步说明本文提出的林线搜索算法的优越性；（2）秦岭林线高程分布特征呈现显著的坡向差异，呈现南坡林线高于北坡，东坡林线高于西坡的特征。鉴于遥感技术的大范围对地观测的能力，以及卫星影像数据较高的数据质量和易获取性，本文提出的分块迭代搜索策略适用于寻找不同级别的高山林线分布，可进一步推广至全球高山林线制图研究，以期为全球山地生态系统监测、保护和恢复提供技术支撑。 Alpine treeline is not only an important source in calibrating global climate change but also a fundamental element in scientifically managing forest resources. Furthermore, the location, area size, and change patterns of forest lines are also used as essential information in monitoring and modeling the environment. The alpine forest line of the Qinling Mountains is located in the ecological staggered zone at high altitude, with an obvious distribution of altitudinal spectrum, which is an important north-south geographical dividing line in China. Therefore, a novel approach for the rapid and accurate identification of alpine treeline in the Qinling Mountains must be developed. We propose a remote-sensor-based algorithm for extracting alpine treelines in the Qinling Mountains by combining the high-resolution global forest cover data in 2000 with a digital elevation model and mountain distribution data. Specifically, tree cover is first extracted from the forest cover data. Next, the highest point of the study area is determined from the elevation data. Finally, the 8-connected domain search algorithm is employed to find the boundary between forest and non-forest covers to determine the alpine treeline. The algorithm is validated by high-resolution Google Earth images, GPS ground-based data, and the NDVI dataset. Further, we systematically investigate the relationship between the alpine treeline distribution and geographical factors (elevation, slope, and aspect) in the study area using the elevation data. The distribution of treelines in this paper is consistent with the actual treelines distribution in Google Earth images, further demonstrating the performance of the proposed algorithm. The elevation of treelines in the Qinling Mountains ranges from 2400 m to 3800 m. The treelines are concentrated in steep slope areas ranging from 15° to 55°. The distribution of alpine treeline elevation shows significant slope differences, with the treeline on the south slope being higher than those on the north slope, and the treelines on the east slope being higher than those on the west slope. The treelines obtained by our algorithm match the actual treelines in the Google Earth images of the study area well, showing an outstanding performance in the integrity and boundary connectivity of treelines. Given the capability of remote sensing technology to observe the Earth in a large scale and the high data quality and accessibility of satellite image data, the proposed algorithm for extracting alpine treelines can be further applied to global treeline mapping to provide technical support for global mountain ecosystem monitoring, conservation, and restoration. 高山林线 遥感 自动提取 空间分布 全球 alpine treeline remote sensing automatic extraction spatial distribution global 1　引言 1 森林的生长和分布受环境和气候类型等不同因素的影响。林线位置的改变被认为是森林生态系统对气候变化最敏感的响应之一（ Bharti等，2012 Bharti等，2012 ； 杨秀云 等，2020 杨秀云 等，2020 ）。林线根据森林的高程可划分为低林线和高山林线两种类型。其中，低林线区主要位于森林与草原或农田的交界处，往往受到气候变化和人类活动（例如放牧、农业扩张）的干扰而发生改变（ Zhang 等，2006 Zhang 等，2006 ）。高山林线周边植被受到人类活动的影响较小，该区域的森林变化在很大程度上归因于气候变化（ 王亚锋 等，2020 王亚锋 等，2020 ）。高山林线是标定全球气候变化的重要依据，是科学管理森林资源的基础，其中林线的位置、区域面积和改变模式等也是作为环境监测与建模最基本的信息（ 刘锬和康慕谊，2016 刘锬和康慕谊，2016 ）。因此，高山林线的变化是全球气候变化、生物多样性和森林生态系统等领域的研究热点（ Theurillat和Guisan，2001 Theurillat和Guisan，2001 ； Gruber等，2009 Gruber等，2009 ）。 尽管目前高山林线的定义大多基于树木的高度和森林覆盖率，不同研究人员对林线的定义却不尽相同。例如，高山林线可被定义为最高海拔地区树木高度低于2 m的地带（ Kullman，2001 Kullman，2001 ），或是郁闭林与高山矮曲林带之间的过渡带（ Körner和Paulsen，2004 Körner和Paulsen，2004 ），抑或由恶劣自然环境造成的包含高山矮曲林带的封闭森林（ Tranquillini，1979 Tranquillini，1979 ）。本文高山林线定义为由树种线和郁闭林终止线等组成的林线交错带，包括密闭林地的边界以及此海拔以上的灌丛和草地等稀疏植被过渡带（ 王晓春 等，2005 王晓春 等，2005 ）。其中，树种线是指郁闭林之上的高山低矮植被的边界。高山林线属于典型的生态交错过渡带，其位置依赖于生态系统的环境并且具有一定的动态性。因此，准确提取高山林线尚存在一定难度。 快速准确地提取高山林线的分布情况是研究植被动态对气候变化的响应关系的重要组成部分，即通过提取的林线信息分析植被变迁特征与环境条件的影响（ 邵佳怡 等，2019 邵佳怡 等，2019 ； 边瑞 等，2020 边瑞 等，2020 ）。目前获取高山林线分布情况的方法主要包括植物群落实地测量法、地理统计法和遥感监测法等3类（ Kullman，2001 Kullman，2001 ； Körner和Paulsen，2004 Körner和Paulsen，2004 ； Gehrig-Fasel等，2007 Gehrig-Fasel等，2007 ）。其中，野外调查法通过实地观测树木形态特征和分布情况来获取高山林线位置。尽管能够准确地刻画林线的位置，但是高山地区存在不易到达、测绘难度大等问题，使得研究者难以获得大范围的林线分布情况，调查成本高且工作效率低。地理统计法是基于土地覆盖数据，采用滑动窗口方式推断出森林的内生和上移等情景。然而，地物类型复杂多变，且统计模型都存在由随机抽样等引起的“不确定性”问题，如何阐述和解决模型中的参数不确定性问题需要进一步分析研究。相比而言，遥感技术具有重访周期短、观测范围大和不受地理环境等条件限制的等特点，且不受天气和地理环境等条件的限制，已被广泛应用于森林资源监测和管理（ 史军，2002 史军，2002 ； 荆雪娟，2019 荆雪娟，2019 ）。因此，具有识别树木能力的高时空分辨率遥感技术成为了提取大范围高山林线、监测林线动态的有效手段。高空间、时间分辨率遥感卫星的出现极大提高了林线调查的效率（ Luo和Dai，2013 Luo和Dai，2013 ； 刘锬和康慕谊，2016 刘锬和康慕谊，2016 ）。 秦岭山脉是中国重要的南北地理分界线。秦岭高山林线位于高海拔针叶林、灌丛和草甸的生态交错带（ 马新萍，2015 马新萍，2015 ），植被垂直带谱分布明显，为本文提供了理想的试验区域。马里兰大学 Hansen等（2013） Hansen等（2013） 基于Google Earth Engine云计算平台发布了自2000年以来20 a的全球30 m高分辨率森林覆盖数据。该产品包含了全球2000年的森林覆盖比例以及之后逐年的各格网森林增加/减少的信息，具有精度高、时序性强等特点，适用于秦岭地区的高山林线提取。本文首次基于此高分辨率森林覆盖数据，结合美国宇航局NASA（National Aeronautics and Space Administration）提供的高程数据以及秦岭山脉分布数据，提出一种基于遥感的快速提取高山林线的算法。首先，本文从森林覆盖数据中提取树木分布地图，通过高程数据和秦岭山脉分布范围确定研究区的最高点；然后，采用八连通域搜索算法寻找森林与非森林的边界，以确定秦岭高山林线的范围；最后，本文结合高程数据系统分析了高山林线分布与海拔、坡度和坡向的关系，探索林线分布的规律，以期为山地生态恢复与建设提供依据。本文设计的山脉最高点搜索模块可以显著提升处理高分辨率森林覆盖数据的算法效率，并且该算法不受研究区范围大小的影响，可用于全球其他山脉高山林线的研究。 2　数据 1 2.1　研究区 2 本文的研究区域为位于陕西省境内的秦岭高山地区，经纬度范围分别为33°39′11″N—34°19′36″N和106°27′04″E—108°38′55″E，如 图1 图1 所示。其中 图1（c） 图1（c） 是来源于2000年全球森林覆盖数据集的树冠密度图，该数值越大表示树木分布越密集，即出现高山林线的概率越小，本文将冠层密度在5%以内的区域视为林线候选区。研究区东西绵延约120 km，南北宽达75 km。研究区南北坡植被类型差异明显，南坡植被类型主要包括亚热带常绿阔叶林和落叶阔叶混交林，北坡植被则主要分布暖温带落叶阔叶林（ 邓晨晖 等，2018 邓晨晖 等，2018 ）。此外，秦岭山地植被分布特征呈现明显的垂直结构。在海拔高度2400—3300 m的区间内植被以针叶林为主，包括巴山冷杉、秦岭冷杉和太白落叶松等树种林。由此区间往上，植被逐渐过渡为灌丛、草甸等低矮植被（ 马新萍，2015 马新萍，2015 ）。 1,2;3,4; 2.2　数据 2 Landsat卫星提供了30 m空间分辨率的遥感影像。最早的数据产品可追溯到20世纪70年代初期，使得该系列卫星具有分析长时间序列地表覆盖变化的能力（ 陈军 等，2017 陈军 等，2017 ； 王颖洁 等，2015 王颖洁 等，2015 ； Liu 等，2020 Liu 等，2020 ； 宫鹏，2021 宫鹏，2021 ）。 Hansen 等（2013） Hansen 等（2013） 基于多种类型森林样本数据和Landsat时间序列光谱曲线，采用决策树的机器学习算法制作了2000年以来逐年全球森林变化数据产品。与MODIS提供的MCD12Q1土地覆盖数据相比，该套数据具有更高的空间分辨率，在植被和环境监测等方面具有一定的优越性。因此，本文基于2000年的Hansen森林覆盖数据确定研究区森林与非森林分布区域。 目前，常用的数据高程模型包括SRTM（Shuttle Radar Topography Mission）、AW3D30（ALOS World 3D）和ASTER GDEM（Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model）3种（ 唐新明 等，2021 唐新明 等，2021 ）。上述数据产品均可免费获取、具有较高的空间分辨率，已被广泛应用于遥感、测绘和军事等相关领域。然而，不同高程模型的适用场景存在细微差异。例如，不少研究表明在地势起伏较大的区域，SRTM和AW3D30的测量精度受地形影响较大，易出现高程异常。考虑到秦岭地区的地形呈现差异性变化，因此本文选择ASTER GDEM高程模型确定林线区域所在的最高点。为提高林线搜索性能，本文从GMBA（Global Mountain Biodiversity Assessment）全球主要山脉分布数据集中提取秦岭最高峰的覆盖范围以确定林线搜索区间。另外，本文收集了GPS地面站点观测数据（ Dang等，2015 Dang等，2015 ； Shi等，2020 Shi等，2020 ）和高分辨率的Google Earth影像用于评估基于遥感林线提取算法的有效性。Google Earth可视化平台不仅免费提供全球高质量的时序性遥感和地图数据（Landsat，CNES和Maxar），而且支持导入点、线和面矢量数据和服务。基于该可视化平台，易验证林线提取算法的准确性。本文采用的数据集信息如 表1 表1 所示。 数据集 尺度 时间 空间分辨率/m 目的 2000年GFC全球森林数据 全球 每年 30 树木密度分布 ASTER GDEM v3 全球 2019年 30 确定山顶点 GMBA山脉 全球 2017年 — 山脉分布范围 GPS站点数据 点 — — 地面验证站点 3　研究方法 1 本文提出的高山林线识别算法如 图2 图2 所示。算法流程主要分为以下3个阶段：数据预处理、山脉最高点搜索和高山林线轮廓提取阶段。由于不同数据集的空间分辨率存在差异，首先需要对输入数据进行重采样预处理，然后基于山脉分布数据采用分块策略确定山的最高点，最后，利用连通域算法从最高点搜索林线最大范围。 3.1　数据预处理 2 山脉栅格数据分辨率低，为获取更准确的研究区位置，需要在同一空间分辨率下对山脉数据和森林覆盖数据进行运算。最邻近内插法（Nearest neighbor interpolation）运算速度快，且不会改变原始影像值，适用于土地利用分类、植被类型统计和森林覆盖等专题地图（ Zheng等，2017 Zheng等，2017 ）。鉴于简单高效的原则，本文最终使用该插值方法将山脉分布数据重采样到30 m空间分辨率。 3.2　高山林线迭代提取算法 2 3.2.1　高点搜索算法 3 秦岭山脉众多，海拔较高的山峰主要有：华山（2154 m），终南山（2604 m），光头山（2887 m），鳌山（3475 m），太白山（3771 m）等。秦岭高山林线位于高海拔针叶林、灌丛和草甸的生态交错带，该区域植被覆盖度低，高程数据与树冠密度是寻找林线位置的关键信息。因此，本文第一步需确定研究区最高点坐标及其对应位置的植被覆盖度信息。预处理后的ASTER GDEM和GFC森林分布数据提供的高程范围均为10°×10°，行列为40000×40000，远大于 图1（a） 图1（a） 所示的秦岭山脉覆盖区。为提升最高点查找效率，本文结合高程数据和30 m分辨率的秦岭山脉分布数据用于约束研究区高山林线的搜索范围。然后，结合秦岭山脉范围内最高点坐标和GFC森林数据确定对应位置的树冠密度。 3.2.2　分块处理策略 3 秦岭山脉覆盖范围大，海拔2600 m以上的地区占比约0.78%。由于研究区高山林线主要集中在高海拔地区，可能存在多个林线区域。为加快林线搜索效率，在第一轮搜索时以山的最高点为中心，边长为 r 的缓冲区作为高山林线的候选区域。经测试，行列为8000，边长 r 约为240 km的方形区域能覆盖全球大部分的高海拔地区。紧接着第二轮以山脉的次高点（即未被搜索部分的最高点）再做缓冲区，以此类推，直到选出的高点位置植被类型为森林（森林覆盖率≥5%），则终止林线搜索。 图3 图3 为林线搜索的示意图，第一轮搜索林线的结果如 图3（a） 图3（a） 所示，第二轮的林线迭代搜索如 图3（b） 图3（b） 所示。 图3 图3 中红色线条为提取的林线边界，绿线为分块搜索区。这种分块处理的策略适用于寻找全球不同地区的高山林线分布。 1;2;3; 3.2.3　八连通域搜索 3 分块缓冲区包含树冠低密度区域和树冠高密度区域两部分。本文将树冠密度低于5%的区域作为林线候选区，高于该密度的区域作为背景区（FAO，2020）。随后，本文采用连通域检测算法从图像中分离背景信息，进而获取林线范围。具体地，本文先根据树冠密度值将分块缓冲区分为二类，即将森林分布数据以树冠密度5%为界进行二值化。经过该处理可突出图像整体和局部特征，简化高山林线的提取流程。再基于山顶点的经纬度坐标信息和区域增长算法对二值影像进行标记，从而获取高山林线的轮廓坐标信息。连通域检测算法示意图如 图4 图4 所示。 该算法已知图像区域内部某像素的值（山顶点坐标），向外拓展并确定该图像所有与该点相连通且等值的其他像素。基于该算法能快速填充多边形内部的特征值，可用于标识高山林线区域范围（ Fiorio和Gustedt，1996 Fiorio和Gustedt，1996 ； Wu等，2005 Wu等，2005 ）。在此，本文对遥感图像 I 中的像素点 <math id="M1"><mi>I</mi><mfenced separators="|"><mrow><mi>x</mi><mo>,</mo><mi>y</mi></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472886&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472880&type= 10.41399956 4.57200003 的邻域定义为 <math display="block" id="M2"><mo stretchy="false">{</mo><mi>I</mi><mfenced separators="|"><mrow><mi>x</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>j</mi></mrow></mfenced><mo>;</mo><mi>i</mi><mo>,</mo><mi>j</mi><mi mathvariant="normal">均</mi><mi mathvariant="normal">为</mi><mi mathvariant="normal">整</mi><mi mathvariant="normal">数</mi><mo stretchy="false">}</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472892&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472888&type= 44.45000076 4.57200003 像素点的八邻域表示为 <math display="block" id="M3"><msub><mrow><mi>R</mi></mrow><mrow><mn mathvariant="normal">8</mn></mrow></msub><mo>=</mo><mfenced open="{" close="}" separators="|"><mrow><mo stretchy="false">(</mo><mi>x</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>j</mi><mo stretchy="false">)</mo><mo>;</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>∈</mo><mo stretchy="false">(</mo><mo>-</mo><mn mathvariant="normal">1,0</mn><mo>,</mo><mn mathvariant="normal">1</mn><mo stretchy="false">)</mo></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472899&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472896&type= 50.79999924 4.57200003 在对应的八邻域像素点集合中，若 <math id="M4"><mi>I</mi><mfenced separators="|"><mrow><mi>x</mi><mo>,</mo><mi>y</mi></mrow></mfenced><mo>=</mo><mi>I</mi><mo stretchy="false">(</mo><mi>x</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>j</mi><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472909&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472905&type= 35.98332977 4.57200003 ，则代表点 <math id="M5"><mi>I</mi><mo stretchy="false">(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472917&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472914&type= 10.15999985 3.64066648 与点 <math id="M6"><mi>I</mi><mo stretchy="false">(</mo><mi>x</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>j</mi><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472924&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25472920&type= 21.08200073 3.64066648 存在八连通的关系。此方法生成的连通域为二值图像中相连的前景像素或背景像素区域。其中，互相连通的前景像素为感兴趣的连通域。另外，前景区域可能存在一个或多个连通域，由于林线搜索算法确定了起始搜索点，因此，一轮迭代后只标记一个连通域，即林线区域。 4　结果 1 4.1　树冠密度与高程的关系 2 秦岭高山植被覆盖度与海拔高度的关系如 图5 图5 。其中深黄色为冠层覆盖度大于5%的统计结果，绿色为树冠覆盖度小于或等于5%的统计结果，该值越小则表明该地区树木分布越稀疏。相关文献表明（ 唐志尧 等，1999 唐志尧 等，1999 ； 马新萍，2015 马新萍，2015 ），海拔2600—3200 m的区间属于针叶林带，树冠覆盖度呈现下降趋势，海拔3300—3400 m范围为太白红杉林和亚高山灌木的生态交错带（ 李娜，2019 李娜，2019 ）。海拔高于3400 m的地区，主要分布着高山灌丛、草甸等低矮植被类型，与相关文献描述一致（ 戴君虎 等，2001 戴君虎 等，2001 ）。因此，植被覆盖度与高程的关系可为寻找林线提供关键信息。 4.2　基于遥感的高山林线提取与验证 2 4.2.1　秦岭高山林线空间制图 3 本文对高山林线的定义为各坡面上由密闭林地边界与此海拔以上稀疏林地组成的过渡带，即密闭林地与灌丛、草甸等稀疏林地的分界线。本文使用基于遥感的全球森林覆盖产品，采用连通域搜索算法检测稀疏林地，由此确定秦岭高山林线的分布位置（ 图6 图6 ）。 图6（a） 图6（a） 为所有林线区域分布情况，蓝色、黄色和橙色分别为第1轮迭代、第2轮迭代和第3轮迭代提取的林线范围，林线轮廓如 图6（b） 图6（b） 、 图6（c） 图6（c） 和 图6（d） 图6（d） 所示。五角星为每次迭代搜索的最高点位置，高程分别为3764 m，3532 m和3411 m，更详细的统计结果，例如林线区最高点坐标和连通域面积信息，如 表2 表2 所示。 1,2;3,4; 林线位置 面积/km 2 经度 纬度 高程/m 林线Z1 74.43 107°45′52″E 33°57′18″N 3764 林线Z2 47.16 107°28′56″E 33°57′19″N 3532 林线Z3 2.53 107°31′09″E 33°58′42″N 3431 4.2.2　精度评价方法 3 为验证高山林线提取结果的准确性，本文基于高分辨率的Google Earth影像（Landsat，CNES和Maxar）、GPS地面站点观测数据（ Dang等，2015 Dang等，2015 ； Shi等，2020 Shi等，2020 ）和归一化植被指数（NDVI），采用目视解译方法对高山林线的位置进行评估。蓝线为密闭林地与稀疏林地的分界线，区域内月均气温低，林地稀少且以耐寒的高山灌丛和草甸植被为主（ 秦进 等，2017 秦进 等，2017 ）。黄色标记位置为GPS记录的林线点观测坐标（33°57′00″N，107°36′36″E）。本文根据坐标的有效位数取500 m作为该点的缓冲区以划定坐标误差范围（ 图7 图7 ）。从 图7 图7 中可以看出，GPS记录的坐标位置及其缓冲区均位于森林内部，明显偏离实际高山林线。 高山地区不易到达、测绘难度大，实地站点记录少。NDVI记录植被信息，反映了不同区域的植被覆盖度，运用该指数可判定林线附近植被过渡变化。NDVI数值越小，植被覆盖度越低。本文采用2000年研究区30 m分辨率的NDVI空间分布数据作为参考（ 图8 图8 ），用于辅助评估提取的高山林线精确度。图中林线Z1、Z2和Z3区域内与林线区域外的NDVI具有明显差异，内部植被覆盖度低于外部。而且，对比本文提取的高山林线和研究区Google Earth影像可以发现，本文结果与Google Earth影像中实际林线分布基本一致，进一步说明本文提出的林线搜索算法的优越性。 4.3　高山林线分布特征 2 4.3.1　林线高度信息 3 研究区的高山林线主要分布在海拔2400—3800 m范围，平均海拔为3061 m（ 图9 图9 ）。3处高山林线区均集中分布在顶峰区域。其中，林线Z1处于海拔最高位置，垂直范围约为2389—3662 m，平均高度为3119 m；林线Z2和林线Z3位于海拔相对较低位置，平均高度分别为2995 m和3072 m（ 表3 表3 ）。 林线位置 高程范围/m 平均高度/m 标准差/m 林线Z1 2389—3662 3119 201 林线Z2 1783—3476 2995 259 林线Z3 2411—3402 3072 221 研究区林线的上边界均高于3400 m，这与前人对秦岭高山林线高程的研究结果一致（ 崔海亭，1983 崔海亭，1983 ）。林线下边界高程接近1780 m，与前人描述的2400 m（ 戴君虎 等，2001 戴君虎 等，2001 ）高差达600 m。但本文结果显示绝大部分林线高程都高于2600 m，像元占比高达96.21%，与相关文献描述一致（ 马新萍，2015 马新萍，2015 ）。通过叠加Google Earth影像可以看出，林线下边界主要位于陡峭山脊处，这意味着以往研究可能受限于地理和气候等要素的影响，进而忽视了边缘陡峭的林线区域。基于遥感观测的高山林线提取方法弥补了上述不足。 4.3.2　林线高程随坡度分布特征 3 由于坡面倾斜程度不同，研究区各山坡获得的太阳辐射量不同，进而使得不同坡面的林线分布特征呈现差异。本文基于International Geographical Union提出的7级划分标准统计各坡度范围内的林线分布（ 表4 表4 ）。结果显示，林线集中分布在15°—55°范围内的陡坡、急坡和急陡坡，并且林线比重随着坡度的上升逐渐增加，区间累计占比高达89.88%。其中，林线Z1、Z2和Z3的最高点位于急陂和急陡坡上。然而，各林线在不同坡面区间的平均高程呈现明显分布差异。例如，林线Z1平均高程的最大值位于垂直坡上，林线Z3的最大平均高程则位于陡坡上。高山林线极少分布在平原和缓斜坡区域，该范围内林线占比仅0.62%。当坡度超过55°时，林线占比显著下降，仅为2.32%，处于急陡坡与垂直坡高坡度范围内的林线最高点高差明显扩大。 2 类型 2 坡度范围/（°） 3 最高值/m 3 平均值/m 2 比重/% 林线Z1 林线Z2 林线Z3 林线Z1 林线Z2 林线Z3 平原至微倾平原 0—2 3486 3335 — 3125 2565 — 0.06 缓斜坡 2—5 3487 3340 — 3192 3049 — 0.56 斜坡 5—15 3639 3357 3398 3194 3006 3263 7.17 陡坡 15—25 3634 3352 3396 3138 3012 3283 18.51 急坡 25—35 3662 3370 3402 3076 2994 3143 30.11 急陡坡 35—55 3645 3476 3399 3120 2994 3019 41.26 垂直坡 >55 3592 3409 3241 3263 2822 2928 2.32 4.3.3　林线高程随坡向分布特征 3 山地的不同坡向可以造成辐射强度和日照时数的不同，因此高山林线分布也呈现出坡向分布差异。本文分别对Z1、Z2和Z3共3处林线的8个坡向高程最大值和平均值进行统计（ 图10 图10 ）。 图10（a） 图10（a） 、 图10（b） 图10（b） 分别为林线各方向高程的最大值和林线各方向的高程平均值。容易发现各坡向的林线高程分布差异显著，总体呈现南高北低，东高西低的特征。而且，林线分布具有坡向趋向性。例如，林线Z1和林线Z2的高程最大值和平均值均位于东南方向，最大值分别为3662 m、3476 m，平均值分别为3297 m和3164 m。林线Z3的高程最大值和平均值位于正南方向，分别为3402 m和3310 m。尽管林线Z3的坡向分布与其他林线不同，但东南方向上高程值接近正南方向。 1,2;3; 4.3.4　林线上、下边界分布特征 3 秦岭山脉呈东西走向，南、北两侧高山林线空间分布特征差异明显（ 表5 表5 ）。例如，北侧林线上边界高度比南侧高66 m，下边界高度比南侧低606 m，南侧和北侧的上边界均位于东南方向，下边界分别位于正西、正东方向。造成这种分布差异可能是由于南、北两侧高山林线的海拔、坡度和坡向存在差异，辐射强度和日照时数的不同，也有可能南、北坡气温时空变化存在差异，北坡的整体升温高于南坡（ 马新萍，2015 马新萍，2015 ）。 位置特征 边界类型 高程/m 坡向 2 山脊南侧 上边界 3596 东南 下边界 2389 正西 2 山脊北侧 上边界 3662 东南 下边界 1783 正东 山脊南侧的正东、东北、正北和西北各坡向林线平均高度高于北侧，在其他坡向的平均高度均低于北侧。标准差结果显示南侧这4个方向的地形起伏程度要低于北侧，在西南、正南和东南方向的起伏程度均高于北侧，山脊南、北坡向的林线分布差异明显（ 表6 表6 ）。 2 坡向 2 均值/m 2 标准差/m 山脊南侧 山脊北侧 山脊南侧 山脊北侧 正东 3137 3111 148 238 东北 3043 3035 167 229 正北 2991 2933 183 342 西北 2956 2835 178 362 正西 2993 3123 183 252 西南 3015 3228 190 117 正南 3062 3243 227 162 东南 3165 3245 219 190 4.4　讨论 2 高山林线是植被类型及其生长环境呈现过渡变化的生态界限，准确获取高山林线的分布特征是研究山地植被动态与气候变化关系的重要基础（ 李迈和 等，2005 李迈和 等，2005 ）。秦岭山脉是中国重要的南北地理分界线，气候、植被垂直带谱分布特征明显。为此，本文基于高质量的卫星遥感森林覆盖数据和连通域搜索算法提出了一种快速提取高山林线的方法，在此基础上分析了林线分布与高程、坡度和坡向的关系。研究结果显示，秦岭地区高山林线的高程分布范围为2400—3800 m，3处主要的林线上边界均位于3400 m以上，这与前人对秦岭高山林线高程的研究结果接近（ 崔海亭，1983 崔海亭，1983 ； 戴君虎 等，2001 戴君虎 等，2001 ）。此外，高山林线集中分布在15°—55°的陡坡、急坡和急陡坡区，很少位于坡度低于5°的平原、缓斜坡或大于55°的垂直坡区，表明植被群落交错带较少出现在坡度过缓或过陡的区域。各个坡度的林线高程平均值存在差异，研究区林线Z1的最大平均高程值位于垂直坡区，而林线Z2和林线Z3的最大平均值则位于陡坡区。高山林线高程分布特征呈现显著的坡向差异，呈现南坡林线高于北坡东坡林线高于西坡的特征。 本文的评估结果显示，通过基于遥感的快速提取高山林线的算法获得的林线与研究区Google Earth影像地图中的实际林线分布基本一致，在林线的完整性和边界连通性等方面表现出众，证明了文中高山林线制图研究的可行性。然而，对比 Dang等（2015） Dang等（2015） 记录的GPS地面站点观测数据，本文发现GPS坐标位置及其500 m缓冲区均位于森林内部，明显偏离了高山林线区。这可能是由于高山、树木遮蔽了GPS信号影响了定位精度所致，也有可能是因为人工操作不当而造成的数据采集错误。 尽管本文提出的林线自动提取算法具有较大的应用潜力，但受森林覆盖数据解译精度和DEM分辨率的限制，高山林线的边界点与实地调查获取的森林边界点位仍存在差异。未来，需要融合更多高分辨的影像数据（比如，高分和PlanetLab）和森林覆盖产品（ 陈军 等，2017 陈军 等，2017 ；Chen等，2019； Liu等，2021 Liu等，2021 ）以提高林线边界识别的精度。此外，现阶段基于遥感影像提取高山林线的研究缺乏统一标准。目前大部分研究主要以山地针叶林的稀疏分布区域作为高山林线（ Solaimani等，2011 Solaimani等，2011 ； 刘锬 等，2016 刘锬 等，2016 ），或直接采用海拔最高的森林斑块连线或最高海拔位置森林点位表示林线（ Král，2009 Král，2009 ），上述方法很难区分林线区不同高度的植被类型及具体的边界。本文结合森林覆盖度信息和高程数据定量描述了植被过渡变化特征，进而使用连通域搜索算法准确地提取秦岭高山林线的空间分布。 林线海拔高度的波动是植被对气候变化的重要响应。林线是当地环境因素（干旱、冰雪等）干扰与调节的结果，反映了植被对气候的适应过程（ 王襄平 等，2004 王襄平 等，2004 ）。一般而言，纬度越低，林线越高。例如，从沿海到内陆方向高山林线逐渐升高（ Malyshev，1993 Malyshev，1993 ）。一些研究也表明山地植被随着全球气候变暖向上迁移，林线呈上升趋势（ 白红英 等，2011 白红英 等，2011 ； 马新萍，2015 马新萍，2015 ），向上迁移速率为0.35 m/a（ Lu等，2021 Lu等，2021 ）。尽管本文采用的数据空间分辨率（30 m）远大于林线每年向上迁移的高度，但遥感卫星提供的全球近50 a的高分辨率影像（Landsat），可为揭示过去、现在与未来高山林线对植被生态系统与气候变化的响应机制提供依据。而且，IPCC第五次评估报告指出全球气候系统变暖持续，将研究高山林线变化格局及其与温度、降水等气候因素之间的关联，以期全面认识高山林线空间分布规律及其驱动机制。 5 结论 1 本研究的主要结论如下：（1）与传统野外调查的方法相比，基于森林遥感数据的林线自动提取方法突破了时间、地域等条件的限制，在节约了成本的同时提高了工作效率，有助于促进对人类活动受限地区的林线研究；（2）本研究采用的植被覆盖数据结合了地表时间序列光谱和植被高度信息，进一步提升了林线识别的精度；（3）鉴于遥感技术的大范围对地观测的能力，以及卫星影像数据较高的数据质量和可获取性，本文提出的分块迭代搜索策略适用于寻找不同级别的高山林线分布，可进一步推广至全球高山林线制图研究。 参考文献（References） Bai H Y , Zhang S H and Zhang J . 2011 . A study on the spatial and temporal variation of vegetation in the Taibai Mountains and its alpine line change. Beijing : China Environmental Science Press: 2886 - 2897 白红英 , 张善红 , 章杰 . 2011 . 太白山植被时空变化及其高山林线变化研究 // 中国环境科学学会学术年会论文集 . 北京 : 中国环境科学出版社: 2886 - 2897 太白山植被时空变化及其高山林线变化研究 Bharti R R , Adhikari B S and Rawat G S . 2012 . Assessing vegetation changes in timberline ecotone of Nanda Devi National Park, Uttarakhand . International Journal of Applied Earth Observation and Geoinformation , 18 : 472 - 479 [ DOI: 10.1016/j.jag.2011.09.018 http://dx.doi.org/10.1016/j.jag.2011.09.018 ] Assessing vegetation changes in timberline ecotone of Nanda Devi National Park, Uttarakhand Bian R , Gou X H and Nian Y Y . 2020 . Spatial distribution and influencing factors of Picea crassifolia treelines on northern slopes of the Qilian Mountains . Journal of Lanzhou University (Natural Sciences) , 56 ( 6 ): 711 - 717 Spatial distribution and influencing factors of Picea crassifolia treelines on northern slopes of the Qilian Mountains 边瑞 , 勾晓华 , 年雁云 . 2020 . 祁连山北坡青海云杉林线的空间分布及影响因素 . 兰州大学学报(自然科学版) , 56 ( 6 ): 711- 717 [ DOI: 10.13885/j.issn.0455-2059.2020.06.001 http://dx.doi.org/10.13885/j.issn.0455-2059.2020.06.001 ] 祁连山北坡青海云杉林线的空间分布及影响因素 Chen J , Liao A P , Chen J , Peng S , Chen L J and Zhang H W . 2017 . 30 -meter global land cover data product-GlobeLand 30 . WorldGeomatics, 24 ( 1 ): 1 - 8 陈军 , 廖安平 , 陈晋 , 彭舒 , 陈利军 , 张宏伟 . 2017 . 全球30 m地表覆盖遥感数据产品-GlobeLand30 . 地理信息世界 , 24 ( 1 ): 1 - 8 全球30 m地表覆盖遥感数据产品-GlobeLand30 Cui H T . 1983 . On the delineation of the alpine and subalpine zones in the North China Mountains . Chinese Science Bulletin , 28 ( 8 ): 494 - 497 On the delineation of the alpine and subalpine zones in the North China Mountains 崔海亭 . 1983 . 关于华北山地高山带和亚高山带的划分问题 . 科学通报 , 28 ( 8 ): 494 - 497 关于华北山地高山带和亚高山带的划分问题 Dai J H , Cui H T , Tang Z Y and Huang Y M . 2001 . Characteristics of alpine physical environment on Taibai Mountain . Journal of Mountain Science , 19 ( 4 ): 299 - 305 Characteristics of alpine physical environment on Taibai Mountain 戴君虎 , 崔海亭 , 唐志尧 , 黄永梅 . 2001 . 太白山高山带环境特征 . 山地学报 , 19 ( 4 ): 299- 305 [ DOI: 10.3969/j.issn.1008-2786.2001.04.002 http://dx.doi.org/10.3969/j.issn.1008-2786.2001.04.002 ] 太白山高山带环境特征 Dang H S , Zhang Y L , Zhang Y J , Zhang K R and Zhang Q F . 2015 . Variability and rapid response of subalpine fir ( Abies fargesii ) to climate warming at upper altitudinal limits in north-central China . Trees , 29 ( 3 ): 785 - 795 [ DOI: 10.1007/s00468-015-1156-9 http://dx.doi.org/10.1007/s00468-015-1156-9 ] Variability and rapid response of subalpine fir (Abies fargesii) to climate warming at upper altitudinal limits in north-central China Deng C H , Bai H Y , Gao S , Huang X Y , Meng Q , Zhao T , Zhang Y , Su K and Guo S Z . 2018 . Comprehensive effect of climatic factors on plant phenology in Qinling Mountains region during 1964 - 2015 . Acta Geographica Sinica , 73 ( 5 ): 917 - 931 Comprehensive effect of climatic factors on plant phenology in Qinling Mountains region during 邓晨晖 , 白红英 , 高山 , 黄晓月 , 孟清 , 赵婷 , 张扬 , 苏凯 , 郭少壮 . 2018 . 1964-2015年气候因子对秦岭地区植物物候的综合影响效应 . 地理学报 , 73 ( 5 ): 917- 931 [ DOI: 10.11821/dlxb201805011 http://dx.doi.org/10.11821/dlxb201805011 ] 1964-2015年气候因子对秦岭地区植物物候的综合影响效应 Fiorio C and Gustedt J . 1996 . Two linear time Union-Find strategies for image processing . Theoretical Computer Science , 154 ( 2 ): 165 - 181 [ DOI: 10.1016/0304-3975(94)00262-2 http://dx.doi.org/10.1016/0304-3975(94)00262-2 ] Two linear time Union-Find strategies for image processing Food and Agriculture Organization (FAO) . 2018 . Global Forest Resources Assessment 2020: Terms and Definitions . FAO Global Forest Resources Assessment 2020: Terms and Definitions Gehrig-Fasel J , Guisan A and Zimmermann N E . 2007 . Tree line shifts in the Swiss Alps: climate change or land abandonment? . Journal of Vegetation Science , 18 ( 4 ): 571 - 582 [ DOI: 10.1111/j.1654-1103.2007.tb02571.x http://dx.doi.org/10.1111/j.1654-1103.2007.tb02571.x ] Tree line shifts in the Swiss Alps: climate change or land abandonment? Gong P . 2021 . Intelligent mapping with remote sensing, iMap . National Remote Sensing Bulletin , 25 ( 2 ): 527 - 529 Intelligent mapping with remote sensing, iMap 宫鹏 . 2021 . 智慧遥感制图(iMap) . 遥感学报 , 25 ( 2 ): 527- 529 [ DOI: 10.11834/jrs.20211010 http://dx.doi.org/10.11834/jrs.20211010 ] 智慧遥感制图(iMap) Gong P , Liu H , Zhang M N , Li C C , Wang J , Huang H B , Clinton N , Ji L Y , Li W Y , Bai Y Q , Chen B , Xu B , Zhu Z L , Yuan C , Suen H P , Guo J , Xu N , Li W J , Zhao Y Y , Yang J , Yu C Q , Wang X , Fu H H , Yu L , Dronova I , Hui F M , Cheng X , Shi X L , Xiao F J , Liu Q F and Song L C . 2019 . Stable classification with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017 . Science Bulletin , 64 ( 6 ): 370 - 373 [ DOI: 10.1016/j.scib.2019.03.002 http://dx.doi.org/10.1016/j.scib.2019.03.002 ] Stable classification with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017 Gruber A , Baumgartner D , Zimmermann J and Oberhuber W . 2009 . Temporal dynamic of wood formation in Pinus cembra along the alpine treeline ecotone and the effect of climate variables . Trees , 23 ( 3 ): 623 - 635 [ DOI: 10.1007/s00468-008-0307-7 http://dx.doi.org/10.1007/s00468-008-0307-7 ] Temporal dynamic of wood formation in Pinus cembra along the alpine treeline ecotone and the effect of climate variables Hansen M C , Potapov P V , Moore R , Hancher M , Turubanova S A , Tyukavina A , Thau D , Stehman S V , Goetz S J , Loveland T R , Kommareddy A , Egorov A , Chini L , Justice C O and Townshend J R G . 2013 . High-resolution global maps of 21st-century forest cover change . Science , 342 ( 6160 ): 850 - 853 [ DOI: 10.1126/science.1244693 http://dx.doi.org/10.1126/science.1244693 ] High-resolution global maps of 21st-century forest cover change Jing X J . 2019 . Inversion of Soil Water Content Based on Sentinel-1A and Landsat-8 OLI Images—Beiluhe of northern Tibet . Beijing : China University of Geosciences Inversion of Soil Water Content Based on Sentinel-1A and Landsat-8 OLI Images—Beiluhe of northern Tibet 荆雪娟 . 2019 . 基于Sentinel-1A SAR与Landsat-8 OLI影像的土壤含水量反演—北麓河流域 . 北京 : 中国地质大学(北京)) [ DOI: 10.27493/d.cnki.gzdzy.2019.000682 http://dx.doi.org/10.27493/d.cnki.gzdzy.2019.000682 ] 基于Sentinel-1A SAR与Landsat-8 OLI影像的土壤含水量反演—北麓河流域 Körner C and Paulsen J . 2004 . A world-wide study of high altitude treeline temperatures . Journal of Biogeography , 31 ( 5 ): 713 - 732 [ DOI: 10.1111/j.1365-2699.2003.01043.x http://dx.doi.org/10.1111/j.1365-2699.2003.01043.x ] A world-wide study of high altitude treeline temperatures Král K . 2009 . Classification of current vegetation cover and alpine treeline ecotone in the Praděd reserve (Czech Republic), using remote sensing . Mountain Research and Development , 29 ( 2 ): 177 - 183 [ DOI: 10.1659/mrd.1077 http://dx.doi.org/10.1659/mrd.1077 ] Classification of current vegetation cover and alpine treeline ecotone in the Praděd reserve (Czech Republic), using remote sensing Kullman L . 2001 . 20th century climate warming and tree-limit rise in the southern Scandes of Sweden . Ambio , 30 ( 2 ): 72 - 80 [ DOI: 10.1579/0044-7447-30.2.72 http://dx.doi.org/10.1579/0044-7447-30.2.72 .] 20th century climate warming and tree-limit rise in the southern Scandes of Sweden Li M H and Kräuchi N . 2005 . The state of knowledge on alpine treeline and suggestions for future research . Journal of Sichuan Forestry Science and Technology , 26 ( 4 ): 36 - 42 The state of knowledge on alpine treeline and suggestions for future research 李迈和 , Kräuchi N . 2005 . 全球高山林线研究现状与发展方向 . 四川林业科技 , 26 ( 4 ): 36- 42 [ DOI: 10.16779/j.cnki.1003-5508.2005.04.006 http://dx.doi.org/10.16779/j.cnki.1003-5508.2005.04.006 ] 全球高山林线研究现状与发展方向 Li N . 2019 . Study on the Regeneration Characteristics and Population Diffusion of Larix chinensis Forest . Yangling : Northwest A&F University Study on the Regeneration Characteristics and Population Diffusion of Larix chinensis Forest 李娜 . 2019 . 太白红杉林更新特征与种群扩散研究 . 杨凌 : 西北农林科技大学 太白红杉林更新特征与种群扩散研究 Liu L Y , Zhang X , Gao Y , Chen X D , Shuai X and Mi J . 2021 . Finer-resolution mapping of global land cover: recent developments, consistency analysis, and prospects . Journal of Remote Sensing , 2021 : 5289697 [ DOI: 10.34133/2021/5289697 http://dx.doi.org/10.34133/2021/5289697 ] Finer-resolution mapping of global land cover: recent developments, consistency analysis, and prospects Liu T and Kang M Y . 2016 . Primary study on alpine timberline of Helan mountain using RS and GIS . Journal of Natural Resources , 31 ( 6 ): 973 - 981 Primary study on alpine timberline of Helan mountain using RS and GIS 刘锬 , 康慕谊 . 2016 . 基于RS和GIS的贺兰山高山林线初步研究 . 自然资源学报 , 31 ( 6 ): 973- 981 [ DOI: 10.11849/zrzyxb.20150707 http://dx.doi.org/10.11849/zrzyxb.20150707 ] 基于RS和GIS的贺兰山高山林线初步研究 Liu X P , Huang Y H , Xu X C , Li X C , Li X , Ciais P , Lin P R , Gong K , Ziegler A D , Chen A P , Gong P , Chen J , Hu G H , Chen Y M , Wang S J , Wu Q S , Huang K N , Estes L and Zeng Z Z . 2020 . High-spatiotemporal-resolution mapping of global urban change from 1985 to 2015 . Nature Sustainability , 3 ( 7 ): 564- 570 [ DOI: 10.1038/s41893-020-0521-x http://dx.doi.org/10.1038/s41893-020-0521-x ] High-spatiotemporal-resolution mapping of global urban change from 1985 to 2015 Lu X M , Liang E Y , Wang Y F , Babst F and Camarero J J . 2021 . Mountain treelines climb slowly despite rapid climate warming . Global Ecology and Biogeography , 30 ( 1 ): 305 - 315 [ DOI: 10.1111/geb.13214 http://dx.doi.org/10.1111/geb.13214 ] Mountain treelines climb slowly despite rapid climate warming Luo G P and Dai L . 2013 . Detection of alpine tree line change with high spatial resolution remotely sensed data . Journal of Applied Remote Sensing , 7 ( 1 ): 073520 [ DOI: 10.1117/1.JRS.7.073520 http://dx.doi.org/10.1117/1.JRS.7.073520 ] Detection of alpine tree line change with high spatial resolution remotely sensed data Ma X P . 2015 . The Timberline of Qinling Mountains and its Response to Climate Change . Xi’an : Northwest University : 15 - 33 The Timberline of Qinling Mountains and its Response to Climate Change 马新萍 . 2015 . 秦岭林线及其对气候变化的响应 . 西安 : 西北大学 : 15 - 33 秦岭林线及其对气候变化的响应 Malyshev L . 1993 . Levels of the upper forest boundary in northern Asia . Vegetatio , 109 ( 2 ): 175 - 186 [ DOI: 10.1007/BF00044749 http://dx.doi.org/10.1007/BF00044749 ] Levels of the upper forest boundary in northern Asia Qin J , Bai H Y , Liu R J , Zhai D P , Su K , Wang J and Li S H . 2017 . Reconstruction of March-June mean air temperature along the timberline of Mount Taibai, Qinling mountains, northwest China, over the last 144 years . Acta Ecologica Sinica , 37 ( 22 ): 7585 - 7594 Reconstruction of March-June mean air temperature along the timberline of Mount Taibai, Qinling mountains, northwest China, over the last 144 years 秦进 , 白红英 , 刘荣娟 , 翟丹平 , 苏凯 , 王俊 , 李书恒 . 2017 . 近144年来秦岭太白山林线区3-6月平均气温的重建 . 生态学报 , 37 ( 22 ): 7585- 7594 [ DOI: 10.5846/stxb201609191884 http://dx.doi.org/10.5846/stxb201609191884 ] 近144年来秦岭太白山林线区3-6月平均气温的重建 Shao J Y , Du J H , Li S F , Huang Y X , Liang W N and Liao J Q . 2019 . Tree seedling distribution, regeneration mechanism and response to climate change in alpine treeline ecotone . Chinese Journal of Applied Ecology , 30 ( 8 ): 2854 - 2864 Tree seedling distribution, regeneration mechanism and response to climate change in alpine treeline ecotone 邵佳怡 , 杜建会 , 李升发 , 黄一鑫 , 梁伟诺 , 廖家强 . 2019 . 高山林线生态交错区木本植物幼苗分布特征、更新机制及其对气候变化的响应 . 应用生态学报 , 30 ( 8 ): 2854- 2864 [ DOI: 10.13287/j.1001-9332.201908.007 http://dx.doi.org/10.13287/j.1001-9332.201908.007 ] 高山林线生态交错区木本植物幼苗分布特征、更新机制及其对气候变化的响应 Shi H , Zhou Q , Xie F L , He N J , He R , Zhang K R , Zhang Q F and Dang H S . 2020 . Disparity in elevational shifts of upper species limits in response to recent climate warming in the Qinling Mountains, North-central China . Science of the Total Environment , 706 : 135718 [ DOI: 10.1016/j.scitotenv.2019.135718 http://dx.doi.org/10.1016/j.scitotenv.2019.135718 ] Disparity in elevational shifts of upper species limits in response to recent climate warming in the Qinling Mountains, North-central China Shi J . 2002 . Study on GIS for the Management and Sharing of Forest Resource Information in Mao’r mountain . Harbin : Northeast Forestry University Study on GIS for the Management and Sharing of Forest Resource Information in Mao’r mountain 史军 . 2002 . 帽儿山地区森林资源信息管理及共享的GIS研究 . 哈尔滨 : 东北林业大学 帽儿山地区森林资源信息管理及共享的GIS研究 Solaimani K and Shokrian F . 2011 . Detection of ecotone environment based on satellite and field techniques (A case study; Northern Alborz, Iran) . African Journal of Microbiology Research , 5 ( 25 ): 4267- 4272 [ DOI: 10.5897/AJMR10.658 http://dx.doi.org/10.5897/AJMR10.658 ] Detection of ecotone environment based on satellite and field techniques (A case study; Northern Alborz, Iran) Tang X M , Li S J , Li T , Gao Y D , Zhang S B , Chen Q F and Zhang X . 2021 . Review on global digital elevation products . National Remote Sensing Bulletin , 25 ( 1 ): 167 - 181 Review on global digital elevation products 唐新明 , 李世金 , 李涛 , 高延东 , 张书毕 , 陈乾福 , 张祥 . 2021 . 全球数字高程产品概述 . 遥感学报 , 25 ( 1 ): 167- 181 [ DOI: 10.11834/jrs.20210210 http://dx.doi.org/10.11834/jrs.20210210 ] 全球数字高程产品概述 Tang Z Y , Dai J H and Huang Y M . 1999 . Quantitative analysis of the vegetation near the alpine timberline of Taibai mountain . Journal of Mountain Science , 17 ( 4 ): 294 - 298 Quantitative analysis of the vegetation near the alpine timberline of Taibai mountain 唐志尧 , 戴君虎 , 黄永梅 . 1999 . 太白山高山林线植被的数量分析 . 山地学报 , 17 ( 4 ): 294 - 298 太白山高山林线植被的数量分析 Theurillat J P and Guisan A . 2001 . Potential impact of climate change on vegetation in the European Alps: a review . Climatic Change , 50 ( 1 ): 77 - 109 [ DOI: 10.1023/A:1010632015572 http://dx.doi.org/10.1023/A:1010632015572 ] Potential impact of climate change on vegetation in the European Alps: a review Tranquillini W . 1979 . Physiological Ecology of the Alpine Timberline: Tree Existence at High Altitudes with Special Reference to the European Alps . Berlin, Heidelberg : Springer [ DOI: 10.1007/978-3-642-67107-4 http://dx.doi.org/10.1007/978-3-642-67107-4 ] Physiological Ecology of the Alpine Timberline: Tree Existence at High Altitudes with Special Reference to the European Alps Wang X C , Zhou X F and Sun Z H . 2005 . Research advances in the relationship between alpine timberline and climate change . Chinese Journal of Ecology , 24 ( 3 ): 301 - 305 Research advances in the relationship between alpine timberline and climate change 王晓春 , 周晓峰 , 孙志虎 . 2005 . 高山林线与气候变化关系研究进展 . 生态学杂志 , 24 ( 3 ): 301 - 305 高山林线与气候变化关系研究进展 Wang X P , Zhang L and Fang J Y . 2004 . Geographical differences in alpine timberline and its climatic interpretation in China . Acta Geographica Sinica , 59 ( 6 ): 871 - 879 Geographical differences in alpine timberline and its climatic interpretation in China 王襄平 , 张玲 , 方精云 . 2004 . 中国高山林线的分布高度与气候的关系 . 地理学报 , 59 ( 6 ): 871- 879 [ DOI: 10.11821/xb200406009 http://dx.doi.org/10.11821/xb200406009 ] 中国高山林线的分布高度与气候的关系 Wang Y F , Lu X M , Zhu H F and Liang E Y . 2020 . Field survey and research approaches at apine treelines . Advances in Earth Science , 35 ( 1 ): 38 - 51 Field survey and research approaches at apine treelines 王亚锋 , 芦晓明 , 朱海峰 , 梁尔源 . 2020 . 高山树线的调查与研究方法 . 地球科学进展 , 35 ( 1 ): 38- 51 [ DOI: 10.11867/j.issn.1001-8166.2020.004 http://dx.doi.org/10.11867/j.issn.1001-8166.2020.004 ] 高山树线的调查与研究方法 Wang Y J , Liu L Y and Wang Z H . 2015 . Land Cover mapping based on Landsat time-series stacks in Sanjiang Plain . Remote Sensing Technology and Application , 30 ( 5 ): 959 - 968 Land Cover mapping based on Landsat time-series stacks in Sanjiang Plain 王颖洁 , 刘良云 , 王志慧 . 2015 . 基于时序Landsat数据的三江平原植被地表类型变化遥感探测研究 . 遥感技术与应用 , 30 ( 5 ): 959- 968 [ DOI: 10.11873/j.issn.1004-0323.2015.5.0959 http://dx.doi.org/10.11873/j.issn.1004-0323.2015.5.0959 ] 基于时序Landsat数据的三江平原植被地表类型变化遥感探测研究 Wu K S , Otoo E and Shoshani A . 2005 . Optimizing connected component labeling algorithms // Proceedings Volume 5747 , Medical Imaging 2005: Image Processing. San Diego, California, United States : SPIE: 1965 - 1976 [ DOI: 10.1117/12.596105 http://dx.doi.org/10.1117/12.596105 ] Optimizing connected component labeling algorithms Yang X Y , Gao Y S , Cheng Y , Wang H Y and Liu H Y . 2020 . Response of different altitude vegetation to climate change in Taibai Mountain alpine zone during the past about 2000 years . Acta Scientiarum Naturalium Universitatis Pekinensis , 56 ( 5 ): 844 - 854 Response of different altitude vegetation to climate change in Taibai Mountain alpine zone during the past about 2000 years 杨秀云 , 高艺珅 , 程颖 , 王红亚 , 刘鸿雁 . 2020 . 近2000年来太白山高山带不同海拔植被对气候变化的响应 . 北京大学学报(自然科学版) , 56 ( 5 ): 844- 854 [ DOI: 10.13209/j.0479-8023.2020.053 http://dx.doi.org/10.13209/j.0479-8023.2020.053 ] 近2000年来太白山高山带不同海拔植被对气候变化的响应 Zhang Y , Kong Z C , Yan S , Yang Z J and Ni J . 2006 . Fluctuation of Picea timber-line and paleo-environment on the northern slope of Tianshan Mountains during the late Holocene . Chinese Science Bulletin , 51 ( 14 ): 1747 - 1756 [ DOI: 10.1007/s11434-006-2029-9 http://dx.doi.org/10.1007/s11434-006-2029-9 ] Fluctuation of Picea timber-line and paleo-environment on the northern slope of Tianshan Mountains during the late Holocene Zheng H R , Du P J , Chen J K , Xia J S , Li E Z , Xu Z G , Li X J and Yokoya N . 2017 . Performance evaluation of downscaling Sentinel-2 imagery for land use and land cover classification by spectral-spatial features . Remote Sensing , 9 ( 12 ): 1274 [ DOI: 10.3390/rs9121274 http://dx.doi.org/10.3390/rs9121274 ] Performance evaluation of downscaling Sentinel-2 imagery for land use and land cover classification by spectral-spatial features 致谢:此次实验的全球森林覆盖数据由马里兰大学Matthew Hansen课题组提供，数字高程模型由美国宇航局NASA提供。 10.11834/jrs.20221370 1007-4619（2022）03-0456-12 江鑫，何心悦，王大山，邹俊宇，曾振中.2022.利用高分辨率森林覆盖影像实现高山林线的自动提取.遥感学报，26（3）： 456-467 江鑫，何心悦，王大山，邹俊宇，曾振中.2022.利用高分辨率森林覆盖影像实现高山林线的自动提取.遥感学报，26（3）： 456-467 Jiang X， He X Y， Wang D S， Zou J Y and Zeng Z Z. 2022. Automatic alpine treeline extraction using high-resolution forest cover imagery. National Remote Sensing Bulletin， 26（3）：456-467 Jiang X， He X Y， Wang D S， Zou J Y and Zeng Z Z. 2022. Automatic alpine treeline extraction using high-resolution forest cover imagery. National Remote Sensing Bulletin， 26（3）：456-467 国家自然科学基金（编号：42071022） Supported by National Natural Science Foundation of China (No. 42071022) 2021-05-31 2022-03-07 2022-03-28 2021-12-09 遥感学报 3 26