文献速读

地震往往会诱发大规模滑坡，造成山地植被覆盖丧失，并影响区域生态系统稳定性。因此，关注同震滑坡的植被恢复是当前生态修复研究领域的关键对象。然而，同震滑坡区域的植被恢复并非简单的线性增长过程，其恢复速度、阶段转换及环境约束具有明显的空间差异。为更好地了解此过程，本研究以2008年汶川地震同震滑坡典型区为研究对象，构建了融合非线性轨迹分析与贝叶斯网络推断的综合框架，利用长时间序列遥感数据刻画植被恢复动态，并解析气候与生态背景条件对恢复模式形成的影响。研究发现，大部分区域在震后5–7年达到恢复速率转折阶段，而高海拔和复杂地形区域恢复明显滞后；“温暖–湿润–适度光照”的环境组合更有利于快速恢复。研究结果为灾害扰动生态系统恢复评估和精准恢复策略制定提供了新的方法和科学依据。

图1 基于非线性轨迹分析与贝叶斯网络的同震滑坡区植被恢复研究框架

研究背景

植被不仅是维持山地生态系统稳定的重要组成部分，也是降低滑坡侵蚀风险、增强坡面稳定性的关键自然屏障。然而，强烈地震及其触发的大量同震滑坡会造成大面积植被破坏，使生态系统进入新的恢复阶段。

2008年汶川地震在龙门山地区诱发了大量同震滑坡，形成了广泛裸露地表，对区域生态恢复能力提出了长期挑战。传统研究通常利用植被指数变化趋势或线性模型评估灾后恢复过程，但生态恢复往往具有明显的非线性特征：恢复速度可能经历快速增长、减缓以及稳定等不同阶段，仅依靠平均趋势难以识别生态系统恢复过程中的关键转折。

因此，如何准确刻画植被恢复轨迹，并进一步揭示不同恢复模式背后的环境控制机制，是理解灾后生态恢复规律的重要科学问题。

研究方法

本研究以2008汶川地震同震滑坡典型影响区为研究区域，利用2008–2023年Landsat遥感时间序列数据，建立了一个结合非线性动态分析和概率推断的恢复诊断框架。研究流程主要包括三个方面：

首先，研究利用广义加性模型（Generalized Additive Model, GAM）拟合像元尺度植被恢复轨迹，并通过一阶导数识别恢复过程中的关键转折点。该方法能够突破传统线性趋势分析的限制，捕捉植被恢复速度随时间变化的动态过程。

其次，基于恢复速率差异，利用贝叶斯高斯混合模型（Bayesian Gaussian Mixture Model, BGMM）识别不同恢复模式，将连续变化的恢复过程划分为具有生态意义的恢复类型。

最后，研究构建贝叶斯网络（Bayesian Network, BN），综合考虑地形、气候、植被背景状态等多维环境因素，解析不同恢复模式形成的概率关系，并通过情景模拟评估潜在恢复限制因素。

图2 技术路线图

研究结论

研究发现，同震滑坡区植被恢复并非简单的线性增长过程，而表现出明显的阶段性和空间异质性。基于长期遥感观测和非线性轨迹分析，研究识别出了植被恢复过程中的关键转折阶段，发现多数区域在震后5–7年左右经历恢复速率的明显转折，并逐渐进入稳定阶段；而受高海拔、复杂地形及环境限制影响的区域，其恢复过程明显滞后，表现出更长的恢复周期。

进一步分析表明，不同区域形成了具有显著差异的恢复模式。快速恢复区域主要分布于低海拔河谷等环境条件较优区域，而慢速恢复区域则广泛分布于高海拔及生态恢复潜力较低区域。贝叶斯网络分析揭示，植被恢复模式并非由单一环境因素决定，而是受到灾前植被状态、地震扰动强度以及温度、降水和辐射条件等多因素共同调控。其中，较好的水热条件和适宜的光照环境能够促进恢复过程，而不同区域的主要限制因素存在明显差异。

基于情景模拟结果，本研究进一步识别了影响恢复潜力提升的关键环境约束，并提出了针对不同生态背景的恢复优化方向。研究表明，结合长期遥感监测与概率模型分析，能够更加全面地揭示灾害扰动生态系统的恢复规律，为同震滑坡区及类似生态系统的恢复评估和精准管理提供新的科学依据。

研究意义

本研究不仅刻画了同震滑坡区植被恢复的时空格局，更建立了一个从“恢复过程识别”到“驱动机制解析”再到“恢复策略优化”的综合框架。相比传统研究多关注植被指数的变化趋势或最终恢复程度，该框架进一步探究了恢复过程中“何时发生转折、恢复速度如何变化以及不同恢复模式为何形成”，从而为理解同震滑坡扰动后生态系统恢复能力的动态演变提供了新的视角。

在方法上，本研究将非线性轨迹分析与概率推断相结合，实现了从连续恢复过程识别到恢复模式划分，再到环境约束诊断的衔接。该框架能够捕捉传统线性方法难以识别的恢复阶段转换，并基于多维环境因素之间的概率关系与条件依赖，进一步解析不同生态背景下恢复模式形成的可能机制，为复杂山地生态系统恢复研究提供了一种可推广的分析思路。

此外，本研究进一步将恢复机制与情景模拟相结合，使恢复评估由“识别恢复差异”延伸至“诊断限制因素和支持干预决策”。这种从恢复过程、驱动机制到空间管理的分析思路，有助于提高灾害扰动生态系统恢复评估的针对性，并为复杂山地地区开展差异化、适应性生态恢复提供科学支撑。

论文信息

Unraveling Spatiotemporal Heterogeneity and Driving Mechanism of Vegetation Recovery in Co-Seismic Landslide Areas via Nonlinear Trajectories and Bayesian Networks

Wan, Mingxuan; Zhao, Wei*; Wu, Jiujiang; Yang, Yanqing; Zhao, Junli

Ecology and Evolution

DOI：10.1002/ece3.74117

原文链接

https://onlinelibrary.wiley.com/doi/10.1002/ece3.74117

扫码阅读全文

期刊介绍

Ecology and Evolution (E&E) 是一本内容广泛的开放获取期刊，欢迎生态学、进化学与保护科学各领域的研究成果。作为一本"作者友好型"期刊，它致力于为循证观点提供交流平台，力求评审每一篇投稿，以"寻找发表理由而非拒稿理由"为宗旨。

2025 JIF：2.6 ｜ CiteScore：3.5

https://onlinelibrary.wiley.com/journal/20457758

扫码进入期刊主页