近期，四川师范大学西南土地资源评价与监测教育部重点实验室肖江涛副研究员团队在青藏高原东部高寒泥炭地动态及驱动机制研究中取得了新进展。成果以“Spatiotemporal dynamics and driving mechanisms of alpine peatland wetlands in the eastern Qinghai–Tibet Plateau based on a Vision Transformer model”为题目，于2025年8月发表了在国际期刊《Ecological Indicators》（中科院一区，IF=7.4）上。我校地理与资源科学学院2023级硕士研究生为邱堂珍论文第一作者，重点实验室肖江涛副研究员为论文的通讯作者。

青藏高原东部的若尔盖高寒泥炭沼泽，是中国最大的高原泥炭湿地，它在维系生物多样性、调控碳氮循环、稳定气候与减缓温室效应方面发挥着关键作用。然而，在气候波动与人类活动叠加影响下，该区域湿地的时空演变及其主导驱动长期缺乏高精度、长时间序列的识别与量化。如何构建高精度、长时序的湿地类型图？以若尔盖为核心的青藏高原东部高寒泥炭地在近三十年经历了怎样的格局重组？这些变化主要受哪些自然气候与人类活动的耦合作用驱动？

图1 整体研究方法框架图

围绕这一系列关键问题，本研究构建了Vision Transformer（ViT）深度学习遥感识别框架，生产1990-2020 年30 m 分辨率的湿地类型序列图，在此基础上，采用土地利用动态度、重心迁移与最优参数地理探测器方法系统评估不同景观类型的迁移轨迹与驱动机制。主要发现如下：

利用Google Earth Engine 构建 1990、2000、2010、2020 年生长季（6–9 月）Landsat 系列影像库，同时引入 30 m DEM 并派生坡度，与多光谱波段一并作为模型输入。研究构建了7个类别的分类体系，其中湿地分为水体，沼泽和沼泽化草甸，通过野外调查和高分辨率影像进行目视解译，按照6：2：2的比例划分训练集，测试集和验证集，采用轻量化 Vision Transformer进行像元级分类。分类结果的总体精度和Kappa系数均超过0.95，实现了高精度的湿地信息提取。使用Attention Rollout方法对特征重要性进行评估，研究发现DEM始终是最具影响力的特征，其次是近红外（NIR）和短波红外（SWIR1）对植被和水分敏感的波段。

图2 1990-2020不同时期土地利用分类结果图

进一步从演变格局发现，总体上研究区湿地面积下降了约3.11%（207.36 km²）；其中水体与沼泽面积分别增加约48.11%与26.92%，而沼泽化草地面积减少约11.59%。不同类型间发生了明显的相互转化，湿地重心呈阶段性迁移，反映出气候与人类活动共同作用下的空间再分配过程。草甸总体扩张主要来源于沼泽草甸与其他地类的转出；水体与沼泽的扩张主要来自沼泽草甸的转换；2010-2020 年间三类湿地均有回升，但未完全恢复至 1990 年水平。

 
图3 不同时期土地利用面积占比；a表示1990-2020四个时期不同土地利用类型的面积堆叠柱状图 ，b表示不同湿地类（water; swamp meadow; swamp）面积变化情况

驱动因子探测结果显示，单一因子（如DEM、风速、气温、GDP等）对湿地格局的解释力有限，但两两交互表现为非线性增强效应。例如，地形（DEM）与风速、气温的交互，以及气候与人类活动的交互，显著提升了对景观类型变化的解释力，显示地形与气候、人类因子之间存在显著协同驱动。这意味着在高寒湿地管理中，需要统筹考虑地形背景下的气候因子与人类扰动，实施分区、分类型的管护与恢复策略。

图4 不同时期地理探测器交互探测q值（数值越大表示解释力越强）；其中X1代表年均风速；X2代表年均湿度；X3代表年均温；X4代表年均最高温；X5代表年均最低温；X6代表生长季最高温；X7代表生长季最低温；X8代表年均降水量；X9生长季降水量；X10代表年均实际蒸散发；X11代表生长季实际蒸散发；X12代表GDP；X13代表放牧强度；X14代表DEM；X15代表坡度。

该研究得到国家自然科学基金（41801185）、四川师范大学西南土地资源评价与监测教育部重点实验室开放基金（TDSYS202312）、四川省自然科学基金（2023NSFSC0191、2023NSFSC1979）资助。

供稿：肖江涛

编辑：鲍乾   审核：王霞   终审：彭立