森林是陆地生态系统的重要组成部分。随着城市化的推进和气候变化加剧，全球森林受到的干扰愈加剧烈。世界各国出台了许多林业政策和法规，以增加森林面积，并关注恢复和改善受干扰的森林生态系统的结构与功能。森林恢复的评估需要使用具有生态学含义的指标体系，才能满足森林恢复从面积评价到质量评价的需求。目前，评估森林生态系统的功能是一项具有挑战性的工作。为了开发具有生态意义的综合评价指标并应用到森林管理中，中国科学院城市环境研究所建立了基于生态系统结构-功能-生境的混合评价方法。该方法基于归一化燃烧比（NBR）光谱指标，并结合当地森林资源调查数据、陆地卫星和激光雷达数据。该团队对Google Earth历史图像的视觉解译结果表明，混合方法的评估总精度为0.94，且混合模型的输出结果随着生物多样性指数的增加而增加。为了简化模型并进行时空序列的拓展应用，该团队进一步建立了基于树龄的随机森林模型（R2 = 0.78, RMSE = 0.14），随机森林模型得到的森林生态恢复指数在时间上的应用体现在可以方便地监测森林恢复速度，从而预测区域生态恢复时间，进而估算封山育林政策的实施周期；在空间上的应用体现在可以保证恢复缓慢的地区能够分配足够的恢复资源。该工作为森林管理者制定更有效的森林恢复计划提供了科学依据。相关研究成果以An Approach Integrating Multi-Source Data with LandTrendr Algorithm for Refining Forest Recovery Detection为题，发表在Remote sensing上。研究工作得到国家重点研究计划、国家自然科学基金、国家社会科学基金、福建省科技厅、中国科学院和厦门市的支持。论文链接图1. 混合方法技术路线图图2. 混合方法的森林恢复值分布。（a）和（b）分别为30m和300m分辨率像元下混合方法的恢复值大小和分布；（c）显示了恢复的三个阶段即初始、中期和已恢复森林。15幅图像的经纬度为中心点的位置。