EN中文

Journal of Geo-information Science >

2022 , Vol. 24 >Issue 3: 421 - 436

DOI: https://doi.org/10.12082/dqxxkx.2022.210311

Vegetation Data and Classification in Pan-Arctic Terrestrial Regions: Retrospective and Perspective

  • XUE Shouye , 1, 2 ,
  • XU Haiyan , 1, * ,
  • GAN Zipeng 1 ,
  • LIANG Bingyan 1 ,
  • CHONG Biying 1 ,
  • WANG Li 1 ,
  • ZHANG Bo 1 ,
  • LI Xiaoming 1 ,
  • LI Lisha 1 ,
  • MAO Nan 1 ,
  • LIU Guimin 1 ,
  • WU Xiaodong 2
Expand
  • 1. School of Environmental and Municipal Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 2. Cryosphere Research Station on the Qinghai-Tibet Plateau, State Key Laboratory of Cryospheric Science, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China
*XU Haiyan, E-mail:

Received date: 2021-06-03

  Request revised date: 2021-07-19

  Online published: 2022-05-25

Supported by

National Natural Science Foundation of China(41941015)

National Natural Science Foundation of China(32061143032)

West Light Foundation of the Chinese Academy of Sciences(2020)

Outstanding Graduate Students “The star of innovation”Foundation of Gansu Province, China(2021CXZX-623)

Copyright

Copyright reserved © 2022
Fold

Abstract

Pan-Arctic area belongs to the high latitudes, and the vegetation in Pan-Arctic mainly belongs to the temperature-limited ecosystem, and thus the vegetation is sensitive to global warming. A vegetation atlas with high accuracy is the scientific basis for the study of response of vegetation to climate change and its driving mechanisms. However, there is a large room for improvement of vegetation type classification in the Pan-Arctic regions. For a better knowledge of the current status, history, and future trends in the vegetation mapping, we comprehensively reviewed the data resources, approaches, and methods of vegetation type classification in the Pan-Arctic region. Overall, the field survey of vegetation began in the 1920s, and there have been some land cover type data at the regional scale. However, there are still many challenges for Pan-Arctic vegetation type mapping, which can be attributed to several reasons such as differences in field survey data, standards for the land cover type classification, and the heterogeneities in tundra ecosystem, and differences in mapping methods and difficulties of optimizing algorithm. In the future work, more attentions should be paid to standard classification rules, and standard dataset preparation and integration, which will benefit the development of new methods for vegetation type mapping in the Pan-Arctic area.

Key words： Pan-Arctic; vegetation types changes; vegetation types map; climate change; land cover types; vegetation survey; plant community; vegetation database

Cite this article

XUE Shouye , XU Haiyan , GAN Zipeng , LIANG Bingyan , CHONG Biying , WANG Li , ZHANG Bo , LI Xiaoming , LI Lisha , MAO Nan , LIU Guimin , WU Xiaodong . Vegetation Data and Classification in Pan-Arctic Terrestrial Regions: Retrospective and Perspective[J]. Journal of Geo-information Science, 2022 , 24(3) : 421 -436 . DOI: 10.12082/dqxxkx.2022.210311

1 引言

泛北极地区通常指具有和北极类似气候特征的北半球高纬度地区,包括具有多年冻土或稳定积雪范围的广大区域,主要为低温限制型生态系统。由于陆地生态系统的连续性,北极和非北极地区的界限并不明显,很多地区往往表现出类似的气候和植被类型分类特征,因此实际研究中往往将整个泛北极地区作为一个整体来研究。
自1980年以来,高纬度地区变暖速率大于全球平均速率。例如,北极圈内的气候变化速率是全球平均水平的两倍之多[1]。在泛北极地区,生长季气温的小幅变化就可以使有效积温成倍增加,气温增加可导致：① 局部的植被覆盖度变化[2];② 空间上物种分布的剧烈变化;③ 北极苔原与北方针叶林的界线变化[3,4]。有研究证明[5,6]北极苔原和部分北部针叶林对全球气候变化非常敏感,当环境变化对陆地生态系统产生扰动时,会使植被类型发生变化。气候变暖使泰加林带边界不断北移,入侵了苔原,并使苔原发生灌木化[3]。
在评估大空间尺度植被变化研究中,通常使用归一化植被指数[7]（NDVI）和叶面积指数[8]（LAI）等来表征植被生长。有研究表明[8,9],自1982年来,变暖促进了植被生长,使得大部分泛北极地区呈现明显的“绿化”趋势,使用植被指数能够很好地表征植被的绿度变化趋势,但是无法获得有关植被物种和地物特征的变化。因此,泛北极地区陆地植被类型的分类和制图工作就显得十分重要。掌握泛北极植被类型的组成结构及其对环境的响应对于认识生物多样性和植被的未来变化趋势必不可少[10,11,12,13,14]。现全球范围内有许多可用的植被类型信息[15,16],包括区域尺度上的植被调查和植被类型图[17]。针对北半球高纬度地区,Walker[18]和Raynolds[19]等先后开发出两版植被类型图,基于群落结构和植物区系对植被类型分布进行研究。Elvebakk[20]和Yurtsev[21]对泛北极植物区系进行了划分,二者主要差异体现在基于泛北极典型物种的分布和泛北极气候所规定的北部和南部界限不同。泛北极各国家或地区也参考当地植被群落和植物区系,使用现代遥感技术进行植被类型制图。在这些资料中,基于植被群落调查数据进行植被类型制图的结果是最为可信的,因此各地区正在整理当地植被调查数据,现已成立了多个植被数据库,然而,由于泛北极的很多地区位置偏远,野外实际调查资料较少[22],以及数据记录方法的差异,导致泛北极植被数据库组建还未彻底完成,因此依赖于泛北极地区植被调查数据的植被类型制图工作发展缓慢。
近年来,随着遥感手段的发展,泛北极地区的植被类型分类工作取得了一系列的进展,泛北极各地区研究者逐渐使用现代遥感技术和机器学习等算法进行植被类型制图工作,但已有结果多数是某个特定年份或者是某个区域的结果。再者,不同的研究之间,植被分类策略各不相同,这使得不同的结果整合极其困难。此外,目前的全球土地覆盖产品的空间分辨率和分类类别也都无法满足泛北极植被研究工作。为了促进泛北极地区植被制图的工作发展,本文通过对泛北极的植被类型分类工作进行总结,分析目前植被类型分类工作的认识水平和不足,分析未来发展方向,从而为推动泛北极地区的陆地植被类型分类研究提供参考。

2 泛北极地区植被类型分类的发展历史

2.1 北极与泛北极地区的边界修订

北极有不同的定义,具体可以根据不同的要素进行划分：① 太阳辐射：冬季至少有一天极夜现象,夏季至少有一天极昼现象的66°33′N以北地区; ② 温度：月平均气温低于10 ℃的北部高纬度地区[23];③ 林线：以北部针叶林与冻原（Tundra）之间数十公里宽的区域为北极的边界[24]。1951年, Polunin将北极划分为3个区域：高北极、中北极和低北极[25]。前苏联学者将最北端的极地沙漠（通常被称为“arctic”或“polar desert”）、冻土带北部的“北极苔原”、南部区域分布的“典型苔原（typical tundra）”（或称“泛北极苔原”）、“灌木丛（shrub and tussock）”三部分组合构成了北极地区[24]。北极边界划分一般参考北极植物区系,以北极气候和典型的北极植被为判断依据,在大陆上,南部边界与泰加林北部边界重合,北极北部以极地沙漠生物群落为界。后来1998年北极监测与评估计划[26]（Arctic Monitoring and Assessment Programme Working Group, AMAP）对北极做了边界划分,2004年北极人类发展报告[27]（Arctic Human Development Report, AHDR）也针对泛北极南部边界做了定义。至2017年,北极理事会[28]（Conservation of Arctic Flora and Fauna, CAFF）根据AMAP边界针对北极苔原和部分森林地区对泛北极边界做了修改,如图1所示。CAFF的边界修订后仍未包含广阔的北部针叶林。当代泛北极的北部边界逐渐延伸到了北极点,南部边界过渡到了北部高纬度地区的灌木和泰加林,南部边界逐渐模糊[29]。在一般研究中都是指包含北部针叶林的50°N以北的地区[30,31]。
图1 北极南部边界

注：来源于https://www.arcticcentre.org/EN/arcticregion/Maps/definitions.

Fig. 1 Arctic southern boundary

2.2 植被调查数据

植被类型分类是以当地植被群落结构为基础制定分类系统。植被调查数据对植被类型和土壤分类、物种多样性、野生动物栖息地以及土地覆盖变化的研究具有重要意义。由于泛北极地区分属于不同的国家和地区,各个地区的植被调查也开始于不同的时期。
俄罗斯西西伯利亚多年冻土带的植被调查最早在20世纪30年代开始,但直到20世纪下半叶泛北极地区植被调查数据才有陆续报道,比如维管束植物、苔藓植物的覆盖动态。由于多种原因,这些调查结果未被整理成为数据库文件[32]。
美国阿拉斯加地区植被调查始于20世纪50年代。当时的野外工作目的是勘探石油储备,顺便记录了植被资料。在1968年阿拉斯加普拉德霍湾发现石油后,便逐渐开始建设输油管道,这为阿拉斯加的苔原生态研究提供了便利。当时阿拉斯加大量的生态研究都集中在了公路沿线,数据存储于阿拉斯加地质植物中心[33]、阿拉斯加大学和费尔班克斯的数据库中。到20世纪60年代,阿拉斯加地区的植被调查资料纳入了1964—1974年执行的国际生物计划（International Biological Program,IBP）[34]。
在加拿大地区,Lambert 于 1968 年在其博士论文中描述了加拿大西部理查森和英国山脉低北极亚高山带的植被和土壤[35]。2006年,Vonlanthen 等[36]在加拿大又收集了52个地点的植被调查数据。
格陵兰岛植被调查工作开始较晚。1980 年代,根据格陵兰环境和绵羊养殖工作组的建议,人们在南格陵兰开展了多项植物学研究,收集了有关维管植物、苔藓、地衣、微节肢动物多样性和食物网结构、土壤养分以及土壤温度的数据[37,38]。当时的植被调查数据主要是服务于不同的生物应用研究,也未能组建成完整的植被数据库。
20世纪的植被调查数据主要是从生态学角度了解泛北极植被物种的时空变化,植被群落结构的物种组合考虑了当地植物区系和植物覆盖的生态特征,为植被的生物多样性评估提供了基础资料,比如20世纪50年代阿拉斯加植被调查和1968年加拿大植被调查、1980年代格陵兰岛的植被调查。直到20世纪80年代各地区逐渐使用植被调查数据进行植被类型和土地覆盖类型制图。但由于当时还未出现建立泛北极植被数据库以及进行泛北极植被类型制图的研究目标,各地区植被物种分类传统不同造就了区域的植被调查手段及数据记录方式的差异。欧洲地区包括格陵兰岛、冰岛采用Braun-Blanquet法（称为Br.-Bl.法）记录植被调查数据[39];美国以阿拉斯加为代表采用EcoVeg法记录数据[40];加拿大使用了生物地球气候生态系统的物种分类方法[41]。直到2020年,只有冰岛和斯瓦尔巴特群岛[42,43,44,45,46]、欧洲北部地区尤其是格陵兰岛[47,48,49,50,51,52]和北极-高山海拔带、俄罗斯小范围地区[53,54,55,56]、加拿大[57,58]、阿拉斯加[59,60,61]等地区统一使用了Br.-Bl.法进行物种分类和记录。即使泛北极地区间的植被调查数据记录和分类方法不一,但仍未当地植被类型制图奠定了基础。
可见,泛北极的植被调查分布零散,资料不统一。为了有效地整合数据资源,人们开始重视数据库建设和整理工作[62]。为开发北极植被类型分类、研究和模拟北极陆地生态系统变化,第一届北极植被档案（Arctic Vegetation Achieve, AVA）研讨会在1992年召开,该计划要求每个泛北极国家建立自己的植被档案,并定期更新[29]。
在2000年左右,美国国家航空航天局（NASA）支持俄罗斯亚马尔和吉丹半岛地区开发植被数据库AVA-YL。但该植被记录方法与AVA要求的Br.-Bl.法不兼容,目前只有少数数据集被纳入AVA[63],未纳入数据库的植被数据保存在不同研究者手中,并且管理权限不断变化,数据库管理仍有待改进。
2010—2011年,MacKenzie等[64]受国际极地基金的支持,开始为加拿大组建AVA项目,从82个已发表和未发表的出版物收集了约4800个北极样点记录。2013年又新增3500个样点记录。至2017年,有7450和样点被储存在VPRO（植被管理程序）中。
2013年在明斯特大学（ University of Münster）Daniels 和Bültmann领导下,格陵兰岛植被数据库AVA-GL项目启动,但直至2017年,格陵兰岛植被样点数据集的数据格式和表头标识依然杂乱,除Turboveg格式外,还有EXCEL等数据格式,这些数据要纳入AVA还需重新梳理数据库结构[65]。加拿大和格陵兰岛的AVA数据库信息来自于AVA系列研讨会,数据库暂未对外开放,无法从AVA会议纪要以外的渠道得知近几年数据库的整理工作进展。据国际北极科学委员会消息,原定于2020年的AVA研讨会推迟至2022年,下一届研讨会上MacKenzie和Daniëls等[71]有望带来关于加拿大和格陵兰岛数据库的最新消息。
目前AVA数据库大约有31 466个可用样点（图2）[66]。1992年以来,AVA数据库就在不断地补充植被样点数据。至今已为多个地区建成了植被数据库,AVA项目包括但不限于阿拉斯加的AVA-AK（the Alaska Arctic Vegetation Achieve, GIVD-ID: NA-US-014）、格陵兰岛AVA-GL（Vegetation Database of Greenland, GIVD-ID: NA-GL-001）、俄罗斯亚马尔地区AVA-YL（Arctic Vegetation Achieve of Yamal）、加拿大地区AVA-CA （Arctic Vegetation Achieve of Canada）等。表1中列举了AVA数据库中重要地区的植被调查数据库详细信息。数据库中所有植被物种都包含在泛北极物种名录（A Pan-Arctic Species List, PASL）中,其采样点包含了北极的22个植物区系[67]。AVA数据库中的部分数据（24个数据集,3026个样点）是在大型多学科研究项目中收集的,如在美国阿拉斯加州巴罗地区执行的苔原生物群落研究的国际生物项目[68],沿阿拉斯加北部生物气候梯度的模式化地面研究项目等[69,70]。
图2 北极植被档案馆AVA样点分布

注：来源于https://www.caff.is/flora-cfg/ava/vegetation-plot-data。

Fig. 2 AVA plot data distribution

表1 AVA数据库名单（部分）

Tab. 1 List of AVA (PART)

名称 GIVD-ID 样点区域 建立时间 注册时间 更新时间 样点数量/个
Wetland Vegetation Database of Baikal Siberia AS-RU-001 俄罗斯西伯利亚贝加尔湖 2002 2011-04-07 2015-09-23 2806
Database of Siberian Vegetation AS-RU-002 俄罗斯西伯利亚 1994 2012-03-14 2018-11-09 30 611
Database of the University of Münster- Biodiversity and Ecosystem Research Group's Vegetation Research in Western Siberia and Kazakhstan AS-RU-004 俄罗斯西西伯利亚 2002 2015-08-25 2015-09-23 440
Nenets Tundra AS-RU-005 俄罗斯亚马尔地区 2014 2017-04-06 2019-04-04 1240
Vegetation Database of Québec NA-CA-002 加拿大魁北克 1986 2010-10-22 2015-09-23 28 425
Vegetation Database of Greenland NA-GL-001 格陵兰岛 2013 2015-08-08 2016-01-23 664
the Alaska Arctic Vegetation Achieve NA-US-014 美国阿拉斯加 2013 2013/4/2 2018/11/9 3026

注：GIVD-ID：全球植被数据库索引。表中注册时间指注册GIVD数据库的时间。

格陵兰岛、俄罗斯等地区的数据库正在进行规范化处理并逐步纳入AVA数据库,预计到2022年北极所有国家和地区的AVA数据库会被整理为标准化的调查数据,目前只有AVA-AK等少部分数据库可免费获取。目前已有学者根据AVA-AK完成了阿拉斯加植被类型制图工作、植被敏感性分析及建立生态模型等研究工作,俄罗斯部分AVA数据也用于植被类型制图研究。
截止2017年,AVA-AK数据库包含24个数据集共3026个样点,其收集过程超过了60年[22],因而也有很多问题：① 抽样调查方法不同,使得来自不同地点的数据整合困难;② 收集的植被样点之间存在很明显的异质性;③ 植被分类方法存在差异;④ 仅以概要形式公布,不包含单个样地的样本数据; ⑤ 缺少重要的辅助信息,如地理坐标、植被照片、土壤性质、坡度、土壤湿度;⑥ 作者逝世导致部分关键数据丢失;⑦ 私营企业获取的数据具有版权保护。目前AVA-AK储存并管理着44个独立的区域性数据集包括植被调查数据和植被类型图数据,每个植被调查数据集都可使用Turboveg for Windows程序进行管理和读取[72]。现公布的AVA-AK大部分可用数据都是基于具体研究项目所采集的,难以跨站点比较采样方法[73]。部分较旧的植被调查是在全球定位系统出现之前进行的,没有准确定位。因此,无法对这些地区重新采样或者将这些资料与卫星数据联系起来,这导致在对阿拉斯加进行植被类型制图时无法充分使用数据库中的植被调查数据。尽管存在多种问题,AVA-AK中的数据库可用比例也在逐渐增大。因此,接下来国际植被制图的工作需要鼓励数据的开放获取,如俄罗斯亚马尔地区的AVA-YL、格陵兰岛的AVA-GL和加拿大的AVA-CA等数据,并号召其他地区参与AVA数据库组建工作。
除了AVA数据库以外,泛北极地区还有欧洲植被数据库EVA（Europe Vegetation Achieve）。EVA数据库是1991年在匈牙利埃格尔举行的国际植被​​科学协会研讨会上成立的,存储着欧洲和邻近地区的植被观测数据,现约有70个数据集包含超过120万植被样点,由IAVS（International Association for Vegetation Science）欧洲植被调查小组管理维护[74]。实际上,AVA数据库的组建是模仿EVA完成的。

2.3 植被类型制图方法的变化

从1940年以来,植物区系和生物气候带划分就是植被类型制图的前提,如2003年的CAVM（Circumpolar Arctic Vegetation Map）。泛北极植物区系分类结果需要对具有高度多样性的植物学调查结果进行有效概括,但研究者对泛北极分类经验匮乏以及各国不同的分类方法导致了如今分类结果的差异[67]。1971年开始,在植物区系组成和结构方面,区系的划分主要遵循以俄罗斯学者提出的方法[75,76],以北极地区为例,北极被分为亚极地组（Hypoarctic Group of Subzones）和北极组（Arctic Group）[77]。亚极地组以低矮灌木为主要特征;北极组以极地和北极的高寒植物、高北极物种混交分布。1994—1999年Yurtsev和Elvebakk[20,75]通过气候条件和地理环境对北极植被区系重新进行了划分。区系的划分主要依赖于维管束植物的分布,但也要考虑区系水平上的物种差异比如：共异种（Co-differential species）、负差异种（Negative differential species）和负共差异种（Negative Co-differential species）。
系统的植被调查数据能够更好地监测苔原植被类型的组成和结构,并用于生态系统变化研究[78]。随着遥感技术不断发展,植被类型分类也逐渐用到多学科融合的技术手段。从2000年开始,植被类型制图多倾向于遥感技术与深度学习融合[79],传统手段使用监督分类和非监督分类单一方法对于全球植被类型制图效果明显,比如决策树分类器常被使用到大尺度土地覆盖分类。
2019年发布的栅格版CAVM数据整合了北极各地区植被类型图并统一了分类类别,其中使用高分辨率辐射计（AVHRR）卫星和MODIS传感器的波段1（R,红光波段）,波段2（NIR,近红外波段）计算得出NDVI,计算公式：NDVI = (NIR - R)/(NIR + R)。2个卫星的R、NIR和NDVI,以及世界数字海岸线数据共7层数据作为无监督分类的输入数据,基于Yursev（1994）区系划分标准,使用ISO-Cluster空间聚类将北极植被类型分为18类。
对于泛北极苔原地区而言,使用单一的监督分类或者非监督分类方法结果较差。决策树与机器学习融合[80]、监督分类与非监督分类组合[81,82]、集成学习等方法更适用于泛北极地区。对决策树制定分类规则[83]使之应用到分辨苔原光谱的研究中更能体现出苔原的光谱异质程度[19]。多个决策树组成的随机森林算法训练速度快[84,85],可以处理不同类型的数据并取得了良好的分类结果[86]。
研究表明,对于难以分类的特征信息而言（比如光谱特征相似的苔原地区[23]）,监督分类的训练精度更高,但验证精度较低[87]。因此,通常先使用非监督分类对研究区进行预分类,之后对像元混合地区进行额外的图像处理,比如光谱相似的低生物量农田和草原相互混合,或者与苔原混合[86]。除此之外还有Biome、Holdridge、Box、Doly等植被模型的模拟结果也可用于植被类型制图。国际上使用广泛的全球动态植被模型DGVM[88]（Dynamic Global Vegetation Model）例如LPJ、IBIS、VECODE和TRIFFID也可以用于评价和预测植被类型分布。许多研究都利用植被-气候的经验关系或植被功能型（PFTs）-气候模型来模拟植被类型分布[89,90],但过少的PFTs分类无法代表所有植被类型,导致植被模型模拟结果在泛北极没有较好的代表性。植被模型使用的PFTs分类策略无法正确标识植被性状[91],使用植物物种来代替植物性状或许能提高预测生态系统结构和功能的能力[92,93]。

3 泛北极植被类型分类现状

目前国际上还缺乏完整的泛北极植被类型图。北极植被类型图只有受CAFF支持开发的CAVM（北极定义以CAFF制定的边界为标准）。因此,在部分泛北极植被类型研究中,通常利用全球土地覆盖产品作为本底资料[94]。常用的全球土地覆盖产品有GLASS-GLC（1982—2015年）、ESA CCI-LC（1992—2015年）、MCD12Q1（2001—2019年）等。区域尺度上的植被类型图中,除研究者开发的单个年份的植被类型图外,还有阿拉斯加的AATVM、北美地区的NLCD等植被类型图集。

3.1 泛北极植被类型分类系统

植被类型制图与土地利用/土地覆盖制图相似但不完全一致,土地利用/土地覆盖制图更关注土地的利用方式,尤其体现在农业和建筑用地的表述;植被类型制图更侧重植被组成及自然生境条件。在全球植被类型制图中,植被覆盖度和主干高度是划分植被类型的重要参考依据,如IGBP（International Geosphere-Biosphere Programme）、PFTs、UMD（University of Maryland）、LCCS（Land Cover Classification System）等。区域性植被类型制图必须考虑当地物种组成的特殊性,北极植被类型分类的制图工作大多以植物结构和物种组成、植被形状及综合环境3种标准进行划分（表2）。
表2 基于群落结构的植被类型分类系统

Tab. 2 Vegetation types classification system based on Community structure

基本形态单元 基本群落组成 二级分类 CAVM分类水平[19]/AATVMⅡ级分类水平[101]
植被 苔原 禾本科植物苔原 隐花植物,丛生草苔原 隐花植物苔原
矮灌木（dwarf-shrub）苔原 匍匐矮灌木苔原
半匍匐矮灌木苔原
直立灌木
低灌木（Low-shrub）苔原 低灌木苔原
苔藓植物苔原 苔藓植物苔原 苔藓植物苔原
湿地 草本科植物湿地 禾本科植物湿地 莎草植物湿地
灌木植物湿地 矮灌木植物湿地
低灌木植物湿地
苔藓植物湿地 苔藓植物湿地 苔藓植物湿地
非植被 裸地 裸地 有植被覆盖的裸地 隐花植物裸地
草本植物裸地
矮灌木裸地
植被覆盖度极小的基岩 酸性基岩
非酸性基岩
水体 水体 水体 海水
淡水
冰雪/冰川 冰雪/冰川 冰雪/冰川 冰雪/冰川
（1）植被结构和物种组成：以阿拉斯加为例,阿拉斯加植被类型分类系统（The Alaska vegetation Classification System）是阿拉斯加全州范围内最主要的分类系统,该分类系统初稿在1980年发表,具有4级分类系统。自1976年来,该分类系统在不断更新发展,旨在基于植被本身的特质,对现有植被类型进行分类。分类系统在1981年进行第一次修订,将苔原生物群落纳入灌木和草本植物分类中。同年12月进行二次修订并于次年5月发表[95],修订稿中第一级分类将水生植被归入草本类,类别减少至3个。至1992年分类系统基本不再变化,目前阿拉斯加植被类型分类系统使用了5个不同层级的方法（第5级分类为具体植被优势种描述）,通过定义植被物种和植被覆盖率对阿拉斯加不同地区植被结构和组成进行了划分[96]。一级分类系统包括：森林（后逐级细分为3类,9类,48类）、低矮树木（后逐级细分为4类,10类,45类）、草本植物（后逐级细分为4类,11类,51类）,共计二级分类单元共11类,3级分类单元共30个,4级分类单元共146个,五级优势种共888个[97]。
俄罗斯植被类型制图也以植被群落结构[98]为重要参考依据进行植被类型划分,比如将森林类划分为：松树、云杉、冷杉、落叶松、雪松、桦树、山杨,其他优势种及稀疏林地9类。Svetlana Chinenko[99]使用植被群落结构作为野外调查数据整理和植被类型制图的重要约束条件,在植被调查数据的整理入库时几乎就完成了植被类型分类系统的制定,比如俄罗斯泰米尔高原东南地区的苔原植被被分别描述为：仙女木属-莎草科地衣苔藓点状苔原（Dryas-sedge lichen-moss spotty tundras）、柳树-矮桦木棉花-仙女木-莎草苔藓苔原（Willow-dwarf birch cotton grass-Dryas-sedge moss tundras）、仙女木属-锦缔花属地衣苔藓苔原（Dryas-Cassiope lichen-moss tundras）等。这种分类方法在生态学和地理学上同样具有优势,但要求研究者定期对植被群落结构进行调查更新以应对植被物种的变化。
（2）植被性状：植被性状也是植被类型分类系统中的重要划分依据,与PFTs类似,加拿大植被类型制图工作中依据植被覆盖度水平作为丰度指标将植被类型分为草本优势植物、灌木优势植物（覆盖度>25%）、稀疏植物（覆盖度2%~10%）、湿地、非植被（覆盖度<2%） 5大类别[100]。
（3）综合环境因子：阿拉斯加苔原植被类型图AATVM（Alaska Arctic Tundra Vegetation Map）、北极植被类型图CAVM不仅考虑了植被群落中的优势物种,还着重体现了植物的外部性状、地理环境,诸如：匍匐、半匍匐,直立等分类单元的描述。
在植被类型制图工作中都会考虑当地已有的生物气候区和植物区系划分,这一点各地区研究人员达成了一致,但植被结构和物种组成通常都会存在空间异质性,为了泛北极地区植被类型图能有统一的地图分类单元,会按照植被性状分为苔原、湿地、裸地和冰雪覆盖区,形成基本分类单元,然后按照植物科学分类法（又称生物分类法）进行细分（二级分类）。阿拉斯加-育空地区的植被类型图倾向于依照地区和常见植被物种进行划分,比如阿拉斯加中北部高山矮灌丛及草甸、南阿拉斯加高山矮灌丛级草甸,阿留申高山矮灌从及草甸。

3.2 泛北极植被类型图

由于泛北极面积广阔且多以森林、灌木和苔原植被为主,在植被类型分类研究中鲜有将泛北极作为一个整体进行处理。目前除CAVM的研究对象是北极地区,其余都是区域尺度上的植被类型制图。因此,在泛北极的植被类型制图的工作中,需要以北极植被类型图CAVM为参考对象,泛北极区域植被类型图为基础资料,泰加林带为泛北极南部边界进行制图工作。由于北极与泛北极植被类型图相似,除森林以外都有相同或相似的植被物种和植被群落结构[21],在制图时只需要使用CAVM相同的分类系统,外加森林的单独分类即可。

3.3 北极整体植被类型图

2003年北极植被类型图CAVM发布了矢量版本。Elvebakk等[20]将北极生物气候区重新划分为A、B、C、D、E共5个区,并重新梳理了各区的优势物种。CAVM植被类型图使用AVHRR卫星数据和MODIS传感器的红波（R）、红外波段（NIR）、及计算得出的NDVI合成假色彩底图,结合土壤质地等数据生产了以CAFF边界为基准,分辨率约14 km,精度0.39,比例为1：750万的植被类型图[102]。
2019年Raynolds等[19]使用了AVHRR卫星和MODIS传感器的反射率、NDVI数据,海拔数据及气候数据,陆表数据和区域植被类型图与辅助数据,开发出了1 km栅格版CAVM数据,验证平均精度为70%。
矢量版本CAVM使用多个辅助数据进行了集成制图,为每个植被类型划分了矢量边界,相比于当代使用监督分类和非监督分类等算法生产的栅格版地图分类精度较低,尽管避免了椒盐效应,但混合像元的问题较为严重。栅格版CAVM相比原始的CAVM资料,改进后的1 km空间精度能够更加清楚地区分水体和山脉上的植被类型[19]。CAVM使用Br.-Bl.分类方法[103,104],制图时考虑了空间上的物种差异,地形地貌对植被生长的影响,将北极植被类型图规定为5大类15小类,是第一个基于北极植被区系,统一了地图分类单元的高分辨率北极整体植被图。不仅对于北极植被类型制图是开创性的研究成果,其在北极植被群落结构研究方面也成果显著,在泛北极植被类型变化研究,区域植被类型制图皆以CAVM分类单元为准则,尽量与CAVM的分类保持了一致。
通常北极苔原的空间异质性在1~100 m之间。使用原始的集成制图方法只能大致表示植被类型分布,使用MODIS和AVHRR等遥感数据生产的较大空间分辨率的植被类型图也难以体现不同植被群落在地域上的分布特征。使用Landsat卫星影像虽然极大地提高了空间分辨率,但是大量数据运算工作导致无法获得年份连续的可表征植被类型逐年动态变化的植被类型图集。
CAVM的出现为泛北极广阔的苔原地区提供了统一的植被群落结构描述,奠定了未来泛北极植被类型制图工作的基础。北极植被类型主要以苔原和灌木为主,泛北极则涵盖了北方针叶林。北方的泰加林是世界上最复杂、物种最丰富的生态系统之一,在调节地球生物化学平衡方面起着重要作用。由于北极边界限制,北方针叶林在植被类型制图时经常被忽视。为此,CFG（CAFF Flora Group）和IAVS（International Association for Vegetation Science）的下属工作团队CBVM（Circumboreal Vegetation Map groups）以泛北极植被类型制图为目标展开研究,计划使用植物数据库和整个北方生物群落的派生产品,基于统一的国际方法对泛北极植被类型进行分类和制图,以1：750万的比例制作植被类型图,并确保分类与CAVM兼容。2015年CBVM项目已绘制阿拉斯加北部、育空地区、不列颠哥伦比亚省西北部和西北地区西南部山区（称为阿拉斯加-育空地区）的生物气候带以及具有类似植物区系变化的植被类型图。

3.4 泛北极区域性植被类型图

CAVM图基于各区域植被类型图分类完全正确的假设,因此验证后的混淆矩阵精度的置信度有待商榷。除CAVM整合过的区域图外,泛北极的其他地区也在开发新的植被类型图。区域制图不乏有基于当地植被群落结构划分地图单元的制图工作,每个地区对本地植物区系的划分及物种分布的研究对以后北极植被类型制图有重要意义。
1963年,Spetzman[105]绘制了1:500万阿拉斯加植被类型图,共将植被类型分为9类,1972年 Viereck和Little[106]对此图的分类单元做了修改,使之应用更加广泛。这是阿拉斯加土地利用规划联合委员会在1973年绘制阿拉斯加植被类型图的基础。Viereck和Little虽然没有对阿拉斯加植被类型图直接进行重绘,但是奠定了之后CAVM统一整个北极植被类型制图单元的工作。二者的工作基础理念相同。2006年由CAVM衍生出了1：400万阿拉斯加北极苔原植被类型图AATVM[107]（Alaska Arctic Tundra Vegetation Map）。AATVM和CAVM制图都是基于1994年Yurtsev的北极生物气候区进一步对植被类型进行分类,北极阿拉斯加植物群落环境和生物因素共同确定了主要植被类型[23,108-109],温度和植被类型数据共同定义了生物气候分区。物种分布的变化由植物区系定义,基岩地质和表层地质用于确定植物群落生长基质的化学性质。相较于1963年的阿拉斯加植被类型图,AATVM和CAVM两者与Spetzman绘制所依赖的植被区系不同,绘图比例尺略有减小。但分类边界仍然是矢量多边形,空间分辨率较低（分辨率为15 km）,分类精度不可考证。目前阿拉斯加是唯一公布了源群落类型的地区[110]。
阿拉斯加-育空地区的1:50万植被类型图是在2015年为CBVM项目而开发的。相比之前的阿拉斯加植被类型图,制图比例尺减小,精度增加。测绘基于MODIS图像进行目视解译,使用综合数据,包括生物气候、自然地理、地质、冻土、扰动、植被生长、地理区域和已有植被类型分类。在植被类型和地理差异2个层次上绘制了植被类型分布图[111]。
至此,以往阿拉斯加植被类型图的绘制与是两版本的CAVM类似,无一例外都是基于当地植物区系进行的,由于所使用的植物区系不同,生物气候带划分的传统不一,导致了分类结果不一致。因为输入数据而造成的分类精度等差异无从考证,所有植被类型图都是集成制图得到的矢量多边形,无法完全描述植被斑块变化,分类精度相比现代的栅格图而言精度较低。
美国地质调查局USGS以30 m空间分辨率为阿拉斯加地区开发出3个土地覆盖产品[112]： NLCD2001、NLCD2011,NLCD2016,其总体分类精度分别为：0.90,0.88,0.88。图集基于安德森分类系统（The Anderson Classification System）进行地物划分,该数据库由10个机构组成的多分辨率土地特征联盟（MRLC）为主导,为满足各用户对土地覆盖变化数据需求而开发。数据已应用于野火的影响研究、生态系统健康监测等。NLCD系列地图是使用现代遥感手段基于像元进行分类,相比于上世纪基于植被类型结构的矢量多边形分类,制图精度有了极大地提高。
由此可见阿拉斯加植被类型制图工作开展较早,后期阿拉斯加和阿拉斯加-育空地区的植被类型制图以此为依据展开制图工作,为泛北极植被类型制图做出了贡献,与阿拉斯加植被类型图同时完成的还有生物地理分区图,为之后阿拉斯加植被类型制图提供了植物区系基础, CAVM在整合区域图时也考虑了此生物地理分区。
CBVM将阿拉斯加的土地覆盖产品[113]、加拿大土地覆盖产品及地形、气候、地质、火灾的遥感数据进行整合拼接,最终得到了阿拉斯加的气候分区及植被类型图。这项工作为CBVM的工作做出了贡献,它促进了从阿拉斯加西南部和加拿大西部的初步分类和原型制图工作扩展到其他地区的制图工作,但仍然属于初步制图工作。
对于加拿大西部,Oswald和Senyk[114]早在1977年就完成了阿拉斯加-育空地区的生态区制图,后来以此为基础在1995年完成了北美生态区制图。CCRS还与北美土地变化检测系统（NALCMS）合作,基于北美生态区划分,创建了加拿大、墨西哥和美国包括阿拉斯加整体的土地覆盖及土地利用类型变化产品[115]。
加拿大土地覆盖制图多由CCRS完成,CCRS在2005年[116]基于生态区划分,使用了标准化的分类策略（与美国国家植被类型分类 USNVC[117]相同）来定义和描述处于不同生态群组水平的天然和半天然植被类型,绘制了Circa系列30 m精度的加拿大土地覆盖图（Northern Land Cover of Canada - Circa 2000）,2017年CCRS [118]对Circa2000进行局部优化和改进生产了Circa2010,提高了空间异质性和制图准确性。二者相比之前北极的区域植被类型图,分类精度有所提升,但分类策略和其他地区植被类型图差异较大。
可以看出,达成较高空间分辨率和分类水平的资料无法满足较长的时间序列,高空间分辨率制图多使用Landsat陆地卫星,只能生产间隔较长的单个年份的土地覆盖产品。长时间序列植被类型制图使用高分辨率卫星将面临极大的数据处理难题。使用低空间分辨率的遥感影像可以满足长期连续的植被类型变化研究,但无法体现苔原植被的空间异质性。而且CCRS使用的USNVC分类策略是以植被覆盖度为丰度指标进行划分的,从地图分类单元上难以直观的看出植被群落结构的变化,将Circa系列的土地覆盖图与其他区域植被类型图的分类单元进行同质化的难度很高。
高精度的植被类型分类产品受很多因素影响[119,120,121],包括分类策略、预测变量、训练数据或决策树规则以及解译人员经验。现代植被类型分类方法大致可分为监督分类和非监督分类。非监督分类必须要进行光谱聚类,光谱聚类规则以及植被光谱的异质程度影响最终分类结果。
例如,Circa 2000[122]基于模糊K-means聚类算法将Landsat光谱聚类为200种,按照生物气候带、地质和地形合并为5个大类和15个小类,生成最终产品。这是较早使用非监督分类的范例。Rasim Latifovic 和Darren Pouliot [116]使用NOAA 11和14的遥感影像基于聚类方法对现有土地覆盖产品进行检测,并对这些变化进行分类,最终得到多年的加拿大植被类型地图。
光谱聚类首先对遥感影像进行非监督分类,一般分类类别为最终目标的数十倍,之后按照植被类型的光谱范围进行聚合。光谱聚合受以下因素影响：① 植被的光谱特征异质性：即光谱特征相似的植被也不一定是同种植被类型;② 分类方法： K-Means、HAC等聚类方法不同影响最终结果; ③ 非监督分类的类别：过多的类别会产生无用集 群[123],产生预期外的分类类别。
监督分类结果受目视解译精度和分类方法的适用性所影响。目视解译标注分类样点是基于专家系统对遥感影像的光谱特征进行分类,本质上目视解译所观察到的光谱特征与机器观察到的光谱特征相同,所以分类精度很高。但采用目视解译来进行植被类型制图和精度验证,无法保证较高的解译准确度,北极圈内的植被类型以草本植物、灌木和苔原植物为优势物种,目前植被类型分类产品大多通过遥感影像色彩合成结合目视解译来完成遥感解译工作,但仍无法避免会对植被类型产生误判[124],即用于训练的数据难免会包含噪点。一方面噪点会影响分类精度;另一方面使用噪点数据验证分类结果,最终的精度不可考证。人为影响和自然灾害也使遥感卫星数据产生了误差[125],且在部分年份和地区的模拟可信度不高[126]。
基于植被群落结构进行制图又依赖于植被的生态区、生物气候区和植物区系划分,分类样点必须满足以下几个条件：① 每个用于监督分类的样点必须生长有当地多个优势物种; ②样点必须具有代表性和异质性; ③样点数量必须满足分类要求,大致为分类器自由度的10倍左右。
泛北极大多数地区的主要植被类型可以根据多光谱卫星图像和其他变量进行预测,这些变量包括夏季温度状况、植物区系、基岩地质、土壤化学和水分条件[127]。尽管遥感数据的获取更加方便,但北极植被生长季短、高云量天数多、太阳入射角低以及苔原的光谱相似度高,造成了北极苔原研究的困难[78,128]。支持向量机[129]、随机森林[130]等众多机器学习方法被运用到了植被类型分类研究中,但是新的算法还是开发较少,尤其对遥感数据时间序列噪点的处理还缺乏有效的方法[131]。

4 展望

目前AVA数据库整合还未完成,缺乏完整的泛北极植被数据库。泛北极植被类型制图仍基于先前的土地覆盖产品为基础进行整合为主要制图手段,该方法假设所有被整合的区域图的分类都是正确的。泛北极各地区野外植被调查数据收集程度不一,植被类型制图分类策略存在差异,导致了北极植被类型制图工作难以推进。综合以上研究现状和认识水平,只有整合现有植被数据库,统一植物分类策略,改进植被类型分类算法才能明确全球气候变暖下泛北极陆地生态系统的变化。对此提出以下3点展望：
（1）加强植被调查工作,促进资源整合共享。经过近30年的资源整合,阿拉斯加北极植被调查数据已可在线上免费下载,除AVA之外,GBIF（Global biodiversity information, https://www.gbif.org/）也整合了全球动植物分布数据集,可为植被类型制图提供有效基础资料,数据库也上传了CAFF动植物数据库,但是这些数据不足以支撑更多未来北极陆地生态研究。俄罗斯森林清查数据、加拿大森林清查数据还未对外开放,这阻碍了未来北极植被调查数据的资源整合。随着植物区系分类的不断变化,泛北极的植物名录还需要定期更新。北极地处偏远,交通不便,日后的野外调查应注意合作,补充资料匮乏区的数据以生产高质量稳定的样点数据集。
在野外调查工作中,植被NPP、LAI、生物量、海拔、坡度、坡向、土壤类型、气象数据及土壤水分等数据对于植被类型变化研究也是十分珍贵的数据,在野外工作中应尽量测量和记录[22]。
（2）统一植物分类策略,整合分类研究结果。北极地区地广人稀,植被调查数据是植被类型制图重要的数据来源,为方便日后各个国家植被数据库资源整合,需要统一使用Br.-Bl.法对植被物种进行分类和记录[132,133]。
目前的分类策略仍倾向于更宽泛的分类特征,很少有基于特定植物特征的分类[134],例如植被类型、物候学、光合途径。在植被类型制图工作中应当使用更清晰的植物特征作为分类判断依据,尽量统一植物命名[22]。
（3）充分运用云平台等数据处理工具,切实提高植被类型图的空间分辨率和分类精度。随着遥感技术发展,众多陆表产品已可免费获取,由于空分辨率产品的处理工作量较大,可以考虑结合Google Earth Engine等云平台在线处理数据。若能实现,可将北极植被类型制图开发为可审查的在线地图,由研究人员上传当地植被类型分布状况,并将结果进行拼接,形成地区性空间分辨率不一致的在线可编辑云地图（如使用openforis,http://www.openforis.org/newwebsite/home.html）,为植被类型制图贡献基础数据。在遥感制图过程中,分类方法和输入变量决定着最终的植被类型图精度,除了常见的机器学习方法,应该积极开发新的分类算法以应用到遥感建模的工作中,提高植被模型精度和植被类型制图精度,促进未来植被模型的发展。

5 结论

泛北极植被类型图是北极植被类型变化研究的重要基础资料,也是泛北极植被类型研究的参考依据。目前泛北极地区植被分类的主要进展有：
（1）在泛北极地区的植被调查和结果整合方面,大规模的野外调查始于20世纪90年代。植被调查在不同的国家和地区开展,各个地区的资料差别很大。为了促进资料共享,国际上联合推进北极植被档案（AVA）和欧洲植被数据库（EVA）数据库建设,这些数据库中植被调查数据库正在组建和更新,至今已有美国阿拉斯加、加拿大、格陵兰岛、冰岛和俄罗斯的亚马尔等地区完成或接近完成AVA数据库组建;
（2）在植被分类的制图手段方面,早先多使用集成制图手段,而现转向监督分类与非监督分类、深度学习等多学科融合的现代方法完成制图工作。植被类型制图多依靠于植被调查数据与遥感影像结合;
（3）在获得的植被类型结果方面,大多数地区植被类型图的分类系统是根据植被群落结构进行划分,部分是依据植物性状、地形地貌等因素综合考量的。目前根据植物区系划分和AVA等植被调查数据已经开发出1 km北极植被类型图CAVM,但针对整个泛北极进行植被类型制图的工作还在进行中。
泛北极地区植被分类的存在的主要问题有：
（1）各地区的植被调查方法存在差异。尽管物种分类已经比较清楚,但是在野外的植被调查中,不同地区的调查的规范和记录方法不同,导致结果出现差异;
（2）植被类型分类系统存在差异。根据研究目的的需要,植被类型具有很多的级别,在具体的研究中,植被类型划分具有一定的主观性,这不仅导致精细级别的植被类型描述和分类差异不同,也为植被分类由细到粗的合并带来了归属级别的难题;
（3）植被分类的制图方法和技术还不成熟。目前遥感技术和机器学习的方法为植被类型分类的统一划分提供了新手段,但遥感数据本身有技术难题,例如苔原地区遥感影像光谱特征相似,机器学习的精度验证也依赖于多个采样点的实测数据等。
为了促进泛北极地区植被分类的研究工作发展,还需要泛北极地区不同的国家之间加强合作交流,在植被类型制图的目标方面达成共识。在实际的野外调查工作中,各个国家和地区间也需要统一植被调查记录方法和制图的分类系统,形成规范化和标准化的制图流程。此外,遥感资料的应用和机器学习等方法的进一步发展,也是有望在整个泛北极地区获得精度较高的不同分类级别的植被图的重要发展方向。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Blunden J, Arndt D S, Baringer M O. State of the Climate in 2010[J]. Bulletin of the American Meteorological Society, 2011, 92(6):S1-S236. DOI: 10.1175/1520-0477-92.6.s1

DOI

[2]
Comiso J C. A rapidly declining perennial sea ice cover in the Arctic[J]. Geophysical Research Letters, 2002, 29(20):1714. DOI: 10.1029/2002gl015650

[3]
MacDonald G M, Kremenetski K V, Beilman D W. Climate change and the northern Russian treeline zone[J]. Philos Trans R Soc Lond B Biol Sci, 2008, 363(1501):2285-2299. DOI: 10.1098/rstb.2007.2200

[4]
Marilyn D, Walker F J A. Circumpolar arctic vegetation[J]. Journal of Vegetation Science, 1994, 5:757-920. DOI: 10.1111/j.1654-1103.1994.tb00395.x

DOI

[5]
Seddon A W, Macias-Fauria M, Long P R, et al. Sensitivity of global terrestrial ecosystems to climate variability[J]. Nature, 2016, 531(7593):229-232. DOI: 10.1038/nature16986

DOI

[6]
Frost G V, Epstein H E. Tall shrub and tree expansion in Siberian tundra ecotones since the 1960s[J]. Glob Chang Biol, 2014, 20(4):1264-1277. DOI: 10.1111/gcb.12406

DOI

[7]
Bhatt U S, Walker D A, Raynolds M K, et al. Climate drivers of Arctic tundra variability and change using an indicators framework[J]. Environmental Research Letters, 2021, 16(5):055019. DOI: 10.1088/1748-9326/abe676

DOI

[8]
Xu X, Riley W J, Koven C D, et al. Earlier leaf-out warms air in the north[J]. Nature Climate Change, 2020, 10(4):370-375. DOI: 10.1038/s41558-020-0713-4

DOI

[9]
Myers-Smith I H, Kerby J T, Phoenix G K, et al. Complexity revealed in the greening of the Arctic[J]. Nature Climate Change, 2020, 10(2):106-117. DOI: 10.1038/s41558-019-0688-1

DOI

[10]
Goetz A G. Trends in Satellite-Observed Circumpolar Photosynthetic Activity from 1982 to 2003: The Influence of Seasonality, Cover Type, and Vegetation Density[J]. Earth Interactions 2006, 10(2006):(12):1-19. DOI: 10.1175/EI190.1

[11]
Bhatt U S, Walker D A, Raynolds M K, et al. Circumpolar Arctic Tundra Vegetation Change Is Linked to Sea Ice Decline[J]. Earth Interactions, 2010, 14(8):1-20. DOI: 10.1175/2010EI315.1

[12]
Elmendorf S C, Henry G H R, Hollister R D, et al. Plot-scale evidence of tundra vegetation change and links to recent summer warming[J]. Nature Climate Change, 2012, 2(6):453-457. DOI: 10.1038/nclimate1465

DOI

[13]
Elmendorf S C, Henry G H R, Hollister R D, et al. Experiment, monitoring, and gradient methods used to infer climate change effects on plant communities yield consistent patterns[J]. Proceedings of the National Academy of Sciences, 2015, 112(2):448. DOI: 10.1073/pnas.1410088112

DOI

[14]
Myers-Smith I H, Hallinger M, Blok D, et al. Methods for measuring arctic and alpine shrub growth: A review[J]. Earth-Science Reviews, 2015, 140:1-13. DOI: 10.1016/j.earscirev.2014.10.004

DOI

[15]
Team. C. Circumpolar Arctic Vegetation Map[M]. Conservation of Arctic Flora and Fauna (CAFF) Map, 2003.

[16]
Walker D A, Raynolds M K, Daniëls F J A, et al. The circumpolar Arctic vegetation map[J]. Journal of Vegetation Science, 2005, 16(3):267-282. DOI: 10.1111/j.1654-1103.2005.tb02365.x

DOI

[17]
Bohn U, Neuhäusl R, Gollub G, et al. Map of the natural vegetation of Europe 1: 2 500 000[J]. Map and Explanatory Text, 2003.

[18]
Walker D, Gould W, Maier H, et al. The Circumpolar Arctic Vegetation Map: AVHRR-derived base maps, environmental controls, and integrated mapping procedures[J]. International Journal of Remote Sensing, 2002, 23(21):4551-4570. DOI: 10.1080/01431160110113854

DOI

[19]
Raynolds M K, Walker D A, Balser A, et al. A raster version of the Circumpolar Arctic Vegetation Map (CAVM)[J]. Remote Sensing of Environment, 2019, 232. DOI: 10.1016/j.rse.2019.111297

[20]
Elvebakk A, Elven R, Razzhivin V Y. Delimitation, zonal and sectorial subdivision of the Arctic for the Panarctic Flora Project[J]. The species concept in the high north—a Panarctic Flora initiative, 1999:375-386.

[21]
Yurtsev B A. Floristic division of the Arctic[J]. Journal of Vegetation Science, 1994, 5(6):765-776. DOI: 10.2307/3236191

DOI

[22]
Walker D A, Daniëls F J A, Alsos I, et al. Circumpolar Arctic vegetation: A hierarchic review and roadmap toward an internationally consistent approach to survey, archive and classify tundra plot data[J]. Environmental Research Letters, 2016, 11(5). DOI: 10.1088/1748-9326/11/5/055005

[23]
Walker D A, Gould W A, Maier H A, et al. The circumpolar arctic vegetation map: AVHRR-derived base maps, environmental controls, and integrated mapping procedures[J]. International Journal of Remote Sensing, 2010, 23(21):4551-4570. DOI: 10.1080/01431160110113854

DOI

[24]
Elvebakk A. Bioclimatic delimitation and subdivision of the Arctic[J]. The Species Concept in the High North - A Panarctic Flora Initiative, 1999:81-112.

[25]
Polunin N. The real arctic: Suggestion for its delimitation, subdivision and characterization[J]. Journal of Ecology, 1951, 39:308-15. DOI: 10.2307/2257914

DOI

[26]
Murray J L, Gregor D, Loeng H. Physical/geographical characteristics of the artic[M]. AMAP Assessment Report: Artic Pollution Issues. Oslo, Norway: Arctic Environmental Assessment Programme (AMAP). 1998:9-24.

[27]
Einarsson N, Nymand Larsen J, Nilsson A, et al. Arctic human development report[M]. Stefansson Arctic Institute, 2004.

[28]
Barry T. Boundary for Conservation of Arctic Flora and Fauna (CAFF) working group of the Arctic Council[CM]. Borgir, Nordurslod, Akureyri, 600, Iceland: Conservation of Arctic Flora and Fauna (CAFF), 2017.

[29]
Walker M A, Daniëls F J A, van der Maarel E. Circumpolar arctic vegetation: Introduction and perspectives[J]. Journal of vegetation science, 1994, 5(6):757-64. DOI: 10.1111/j.1654-1103.1994.tb00395.x

DOI

[30]
Walker D A R, Martha K, Daniëls F J A, et al. The Circumpolar Arctic vegetation map[J]. Journal of Vegetation Science, 2005, 16:267-282. DOI: 10.1111/j.1654-1103.2005.tb02365.x

DOI

[31]
Bunn A G, Goetz S J. Trends in Satellite-Observed Circumpolar Photosynthetic Activity from 1982 to 2003: The Influence of Seasonality, Cover Type, and Vegetation Density[J]. Earth Interactions, 2006, 10(12):1-19. DOI: 10.1175/EI190.1

[32]
Ermokhina K. Yamal, Gydan peninsulas[M]. Akureyri, Iceland: CAFF Proceedings Report. Conservation of Arctic Flora and Fauna, 2019.

[33]
Hanson H C. Vegetation types in northwestern Alaska and comparisons with communities in other arctic regions[J]. Ecology, 1953, 34(1):111-140. DOI: 10.2307/1930313

DOI

[34]
Walker D A, Breen A L, Druckenmiller L A, et al. The Alaska Arctic Vegetation Archive (AVA-AK)[J]. Phytocoenologia, 2016, 46(2):221-229. DOI: 10.1127/phyto/2016/0128

DOI

[35]
Lambert J D H. The ecology and successional trends of tundra plant communities in the low arctic subalpine zone of the richardson and British Mountains of the Canadian western Arctic[D]. University of British Columbia, 1968.

[36]
Vonlanthen C, Raynolds M, Munger C, et al. Biocomplexity of Patterned Ground Isachsen Expedition, July 2005[J]. Data Report, Alaska Geobotany Center, University of Alaska Fairbanks, Fairbanks, AK, 2006.

[37]
Haraldsted m. Vegetations-overvagning-dgronlands faredistrikter (Vegetation studies in South Greenland Sheep grazing area)[J]. 2013: 28.

[38]
Anna M F, Starri Heiðmarsson, Ingibjörg S J, et al., Vegetation data from boreal tundra of the North Atlantic and North Pacific regions[M]. Krakow, Poland: Conservation of Arctic Flora and Fauna, 2013.

[39]
Braun-Blanquet J. Plant sociology. The study of plant communities[J]. Plant sociology The study of plant communities First ed, 1932.

[40]
Faber-Langendoen D, Keeler-Wolf T, Meidinger D, et al., EcoVeg: A new approach to vegetation description and classification[J]. Ecological Monographs, 2014, 84:533-61. DOI: 10.1890/13-2334.1

DOI

[41]
Pojar J, Klinka K, Meidinger D V. Biogeoclimatic ecosystem classification in British Columbia[J]. Forest Ecology and Management, 1987, 22(1):119-54. DOI: 10.1127/phyto/2017/0160

DOI

[42]
Hadač E. The vegetation of springs, lakes and “flags” of Reykjanes Peninsula[J]. SW Iceland (Plant communities of Reykjanes Peninsula, Part 3) 1971b, 6(Folia Geobotanica et Phytotaxonomica):29-41. DOI: 10.1007/bf02851837

[43]
Hadač E. Snow-land communities of Reykjanes Peninsula[J]. SW Iceland (Plant communities of Reykjanes Peninsula,Part 4) Folia Geobotanica et Phytotaxonomica, 1971a, 6:105-126. DOI: 10.1007/BF02851757

[44]
Hadač E. On the highest units in the system of plant communities[J]. Folia Geobotanica et Phytotaxonomica, 1967, 2:429-432. DOI: stable/4179471

DOI

[45]
Hadač E. The plant-communities of Sassen Quarter, Vestspitsbergen[J]. Studia Botanica Čechoslovaca, 1946, 7:1271-1264.

[46]
Hadač E. Die Gefässpflanzen des "Sassengebietes", West-Spitzbergen[J]. Norges Svalbard Og Ishavs-Undersøkelser, Skrifter, 1944, 87:1-71.

[47]
Böcher T W. Oceanic and continental vegetational complexes in Southwest Greenland[M]. CA Reitzel, 1954. DOI: 10.2307/2257170

[48]
Böcher T W. Phytogeography of middle west Greenland[M]. CA Reitzel, 1963.

[49]
Daniels F. Floristical variation of the Phvllodoco-Salicctum callicarpaeae in Greenland[J]. Colloques Phytosociologiques XXIII, Large area vegetation surveys, Bailleul, 1994:359-372.

[50]
Daniëls F J A. Vegetation of the angmagssalik district, southeast greenland. IV: shrub, dwarf shrub and terricolous lichens[M]. Commission for Scientific Research in Greenland, the University of California, 1982, 10(78):4.

[51]
Daniëls F J A. Vegetation of the Angmagssalik Districk Southeast Greenland. III. Epilithic macrolichen communities[J]. Mededelingen van het Botanisch Museum en Herbarium van de Rijksuniversiteit te Utrecht, 1975, 421(1):1-32. DOI: 10.1515/hacq-2016-0001.

[52]
Daniëls F J A, Elvebakk A, Matveyeva N V, et al., The Drabo corymbosae-Papaveretea dahliani- a new vegetation class of the High Arctic polar deserts[J]. Hacquetia, 2016, 15(1):5-13. DOI: 10.1515/hacq-2016-0001.

[53]
Matveyeva N. Vegetation of the southern part of Bolshevik Island (Severnaya Zemlya archipelago)[J]. Vegetation of Russia, 2006, 83-87. DOI: 10.31111/vegrus/2006.08.3

[54]
Matveyeva N. Association Dicranoweisio-Deschampsietum ass. nov. in cold desert belt of Puturana plateau (in Russian with English abstract): Vegetation of Russia[J]. Russ Geobot J, 2002, 3:32-41.

[55]
Matveyeva N. Zonation in plant cover of the Arctic[M]. Pensoft Publishers, 1998.

[56]
Matveyeva N V. Floristic classification and ecology of tundra vegetation of the Taymyr Peninsula, northern Siberia[J]. Journal of Vegetation Science, 1994, 5(6):813-28.DOI: 10.2307/3236196

[57]
Lambert J. The ecology and successional trends in the Low Arctic subalpine zone of the Richardson and British Mountains of the Canadian western arctic[D]. PhD dissertation, University of British Columbia, Vancouver,Canada, 1968. DOI: 10.14288/1.0104598

[58]
Barrett P. Phytogeocoenoses of a coastal lowland ecosystem, Devon Island, NWT Ph. D [D]. thesis, University of British Columbia, Vancouver, 1972. DOI: 10.14288/1.0101177

[59]
Komárková V, Webber P. Two low arctic vegetation maps near Atkasook, Alaska[J]. Arctic and Alpine Research, 1980, 12(4):447-472. DOI: 10.2307/1550494

[60]
Cooper D J. Arctic-alpine tundra vegetation of the Arrigetch Creek valley, Brooks Range, Alaska[J]. Phytocoenologia, 1986:467-555. DOI: 10.1127/phyto/14/1986/467

[61]
Breen A L, Druckenmiller L, Hennekens S M, et al, Progress toward an Alaska prototype for the Arctic Vegetation Archive: Workflow and data dictionary[J]. CAFF Designated Agencies, 2014, 7.

[62]
Walker D A, Breen A, Raynolds M, et al., Arctic Vegetation Archive (AVA) Workshop[M]. Akureyri, Iceland, 2013.

[63]
Ermokhina K. Yamal and Gydan vegetation datasets[M]. Conservation of Arctic Flora and Fauna, 2013.

[64]
William H M, Daniëls F J A, Henry G, et al., Overview of the AVA in Canada[M]. Arkhangelsk, Russia: Conservation of Arctic Flora and Fauna, 2019.

[65]
Daniëls F J A. Overview of the AVA in Greenland[M]. Arkhangelsk, Russia: Conservation of Arctic Flora and Fauna, 2019.

[66]
Walker D A, Schaepman-Strub G, Plekhanova E, et al., The arctic vegetation archive and arctic vegetation classification proceedings and abstracts from two Workshops[M]. Iceland: CAFF Proceedings Report. Conservation of Arctic Flora and Fauna, 2019b.

[67]
Elvebakk A, Elven R, Razzhivin V Y. Delimitation, zonal and sectorial subdivision of the Arctic for the Panarctic Flora Project[J]. The Species Concept in the High North-A Panarctic Flora Initiative 1999:375-386.

[68]
Webber P J. Spatial and temporal variation of the vegetation and its production, Barrow, Alaska[M]. Vegetation and production ecology of an Alaskan arctic tundra. Springer. 1978:37-112.

[69]
Epstein H, Walker D, Raynolds M K, et al. Phytomass patterns across a temperature gradient of the North American arctic tundra[J]. Journal of Geophysical Research, 2008, 113. DOI: 10.1029/2007JG000555

[70]
Kade A, Walker D A, Raynolds M K. Plant communities and soils in cryoturbated tundra along a bioclimate gradient in the Low Arctic, Alaska[J]. Phytocoenologia, 2005, 35(4):761-820. DOI: 10.1127/0340-269X/2005/0035-0761

[71]
Walker D A, Alsos I G, Bay C, et al. Rescuing Valuable Arctic Vegetation Data for Biodiversity Models, Ecosystem Models and a Panarctic Vegetation Classification[J]. Arctic: InfoNorth, 2013, 66:133-137. DOI: stable/23594622

[72]
Hennekens S M S, Joop H J. TURBOVEG, a comprehensive data base management system for vegetation data[J]. Journal of Vegetation Science, 2001, 12:589-91. DOI: 10.2307/3237010

[73]
Walker D, Breen A, Druckenmiller L, et al., The alaska arctic vegetation archive (ava-ak)[R]. Oak Ridge National Lab.(ORNL), Oak Ridge, TN (United States), 2016.

[74]
Chytrý M. The European Vegetation Archive (EVA), EuroVegChecklist, and possibilities[M]. CAFF Proceeding Series Report, 2019.

[75]
Yurtsev B A. Floristic division of the Arctic[J]. Journal of Vegetation Science, 1994, 5:765-76. DOI: 10.2307/3236191

[76]
Aleksandrova V. Principles of the zonal division of the vegetation of the Arctic[J]. Bot Zh(Leningr), 1971, 56:3-21.

[77]
Aleksandrova V D. The Arctic and Antarctic: their division into geobotanical areas[J]. The Arctic and Antarctic: Their Division into Geobotanical Areas, 1980.

[78]
Macander M, Frost G, Nelson P, et al., Regional Quantitative Cover Mapping of Tundra Plant Functional Types in Arctic Alaska[J]. Remote Sensing, 2017, 9(10):1024. DOI: 10.3390/rs9101024

[79]
Ma L, Liu Y, Zhang X, et al. Deep learning in remote sensing applications: A meta-analysis and review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 152:166-177. DOI: 10.1016/j.isprsjprs.2019.04.015

[80]
Chaudhuri D. Hybrid image classification technique for land-cover mapping in the Arctic Tundra, North Slope, Alaska, F, 2008[C].

[81]
Bartsch A, Widhalm B, Pointner G, et al. Landcover derived from Sentinel-1 and Sentinel-2 satellite data (2015-2018) for subarctic and arctic environments [DS]. 2019, DOI: 10.1594/PANGAEA.897916

[82]
Langford Z L, Kumar J, Hoffman F M, et al., Arctic Vegetation Mapping Using Unsupervised Training Datasets and Convolutional Neural Networks[J]. Remote Sensing, 2019, 11(1):69. DOI: 10.3390/rs11010069

[83]
Leo B J H, Richard A O, Charles J S. Classification and Regression Trees[M]. Boca Raton: Routledge, 1984.

[84]
Breiman L. Random Forests[J]. Machine Learning, 2001, 45(1):5-32. DOI: 10.1023/A:1010933404324

[85]
Belgiu M, Drăguţ L. Random forest in remote sensing: A review of applications and future directions[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 114:24-31. DOI: 10.1016/j.isprsjprs.2016.01.011

[86]
Latifovic R, Pouliot D, Olthof I. Circa 2010 Land Cover of Canada: Local Optimization Methodology and Product Development[J]. Remote Sensing, 2017, 9(11):1098. DOI: 10.3390/rs9111098

[87]
Jorgenson P E J. Comparison of three methods for mapping tundra with landsat digital data[J]. Remote Sensing, 1996, 62:163-169. DOI: 10.3390/rs10091450

[88]
Hickler T, Vohland K, Feehan J, et al. Projecting the future distribution of European potential natural vegetation zones with a generalized, tree species-based dynamic vegetation model[J]. Global Ecology and Biogeography, 2012, 21(1):50-63. DOI: 10.1111/j.1466-8238.2010.00613.x

[89]
Ni J, Sykes M T, Prentice I C, et al. Modelling the vegetation of China using the process based equilibrium terrestrial biosphere model BIOME3[J]. Global Ecology and biogeography, 2000, 9(6):463-79. DOI: 10.1046/j.1365-2699.2000.00206.x

[90]
Tao F, Zhang Z. Dynamic responses of terrestrial ecosystems structure and function to climate change in China[J]. Journal of Geophysical Research: Biogeosciences, 2010, 115(G3):1-20. DOI: 10.1029/2009JG001062

[91]
Harrison S P, Prentice I C, Barboni D, et al. Ecophysiological and bioclimatic foundations for a global plant functional classification[J]. Journal of Vegetation Science, 2010, 21(2):300-317. DOI: 10.1111/j.1654-1103.2009.01144.x

[92]
Lavorel S, Garnier E. Predicting changes in community composition and ecosystem functioning from plant traits: revisiting the Holy Grail[J]. Functional ecology, 2002, 16(5):545-556. DOI: 10.1046/j.1365-2435.2002.00664.x

[93]
Lavorel S, Grigulis K. How fundamental plant functional trait relationships scale up to trade offs and synergies in ecosystem services[J]. Journal of Ecology, 2012, 100(1):128-140. DOI: 10.1111/j.1365-2745.2011.01914.x

[94]
Xue S Y, Xu H Y, Mu C C, et al. Changes in different land cover areas and NDVI values in northern latitudes from 1982 to 2015[J]. Advances in Climate Change Research, 2021, 4(3):1-10. DOI: 10.1016/j.accre.2021.04.003

[95]
Viereck L, Dyrness C, Batten A. Revision of preliminary classification for vegetation of Alaska[J]. General Technical Report PNW-GTR-106 US Department of Agriculture, Forest Service, Pacific Northwest Forest and Range Experiment Station Portland, OR, 1982.

[96]
Viereck L A, Dyrness C, Batten A, et al. The Alaska vegetation classification[J]. Gen Tech Rep PNW-GTR-286 Portland, OR: US Department of Agriculture, Forest Service, Pacific Northwest Research Station 278 p, 1992, 286.

[97]
Viereck L A, Dyrness C T, Batten A R, et al., 1992 The Alaska vegetation classification Gen Tech Rep PNW-GTR-286 Portland, OR: US Department of Agriculture, Forest Service, Pacific Northwest Research Station 278 p.

[98]
Krestov P V. Forest Vegetation of Easternmost Russia (Russian Far East)[M]//KOLBEK J, ŠRŮTEK M, BOX E O. Forest Vegetation of Northeast Asia. Dordrecht; Springer Netherlands. 2003:93-180. DOI: 10.1007/978-94-017-0143-3_5

[99]
Chinenko S. Tundra plant communities of southeastern Taymyr (south tundra subzone)[M]. Akureyri, Iceland: CAFF Proceedings Report, 2019.

[100]
Schepaschenko D, McCallum I, Shvidenko A, et al., A new hybrid land cover dataset for Russia: a methodology for integrating statistics, remote sensing and in situ information[J]. Journal of Land Use Science, 2011, 6(4):245-259.DOI: 10.1080/1747423X.2010.511681

[101]
Raynolds M K, Cooper D J, Arctic Alaska Vegetation, Geobotanical, Physiographic Maps, 1993-2005[Z]. ORNL Distributed Active Archive Center, 2016.10.3334/ORNLDAAC/1353.

[102]
Walker D A, Martha K, Daniëls F J A, et al, The Circumpolar Arctic vegetation map[J]. ournal of Vegetation Science, 2005, 16:267-82. DOI: 10.1111/j.1654-1103.2005.tb02365.x

[103]
Braun-Blanquet J. Pflanzensoziologie: grundzüge der vegetationskunde[M]. Springer-Verlag, 2013.

[104]
Walker D A, Daniëls F J A, Matveyeva N V, et al, Circumpolar arctic vegetation classification[J]. Phytocoenologia, 2018, 48(2):181-201. DOI: 10.1127/phyto/2017/0192

[105]
Spetzman L. Terrain study of Alaska[J]. Part V: Vegetation, 1963.

[106]
Viereck L A, Little E L. Alaska trees and shrubs[M]. US Forest Service, 1972.

[107]
Raynolds W D. Alaska Arctic Tundra Vegetation Map. Scale 1:4,000,000[M]. Conservation of Arctic Flora and Fauna (CAFF) Map No 2, US Fish and Wildlife Service, Anchorage, Alaska, 2006, ISBN-13: 978-0-9767525-1-6; ISBN-10: 0-9767525-1-4.

[108]
Walker D A. Hierarchical subdivision of Arctic tundra based on vegetation response to climate, parent material and topography[J]. Global Change Biology 2000, 6:19-34. DOI: 10.1046/j.1365-2486.2000.06010.x

[109]
Walker D A. An integrated vegetation mapping approach for northern Alaska (1:4M scale)[J]. Journel of Rmote Sensing, 1999, 20:2895-920. DOI: 10.1080/014311699211534

[110]
Raynolds M K, Walker D A, Maier H A. Plant community-level mapping of arctic Alaska based on the circumpolar arctic vegetation map[J]. Phytocoenologia, 2005, 35(4):821. DOI: 10.1127/0340-269X/2005/0035-0821

[111]
Jorgensen T. Vegetation Classification and Mapping[M]. Akureyri, Iceland: CAFF Strategy Series Report. Conservation of Arctic Flora and Fauna, 2015.

[112]
Yang L, Jin S, Danielson P, et al. A new generation of the United States National Land Cover Database: Requirements, research priorities, design, and implementation strategies[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 146:108-123. DOI: 10.1016/j.isprsjprs.2018.09.006

[113]
Selkowitz D J, Stehman S V. Thematic accuracy of the National Land Cover Database (NLCD) 2001 land cover for Alaska[J]. Remote Sensing of Environment, 2011, 115(6):1401-1407. DOI: 10.1016/j.rse.2011.01.020

[114]
Oswald E T, Senyk J P. Ecoregions of Yukon Territory[M]. Environment Canada, Canadian Forestry Service, Pacific Forest Research Centre, Victoria, B C. Information Report BC-X-164, 1977. 115 p.

[115]
Latifovic R, Homer C, Ressl R, et al. North American Land Change Monitoring System[J]. Remote Sensing of Land Use and Land Cover: Principles and Applications, 2012:303-324. DOI: 10.1201/b11964-24

[116]
Latifovic R, Pouliot D. Multitemporal land cover mapping for Canada: methodology and products[J]. Canadian Journal of Remote Sensing, 2005, 31(5):347-363. DOI: 10.5589/m05-019

[117]
Federal Geographic Data Committee V S. United States National Vegetation Classification Database[DS]. 2019.

[118]
Latifovic R, Pouliot D, Olthof I. Circa 2010 Land cover of Canada: Local optimization methodology and product development[J]. Remote Sensing, 2017, 9(11):1098. DOI: 10.3390/rs9111098

[119]
Foody G M. Status of land cover classification accuracy assessment[J]. Remote Sensing of Environment 2002, 80:185-201. DOI: 10.1016/S0034-4257(01)00295-4

[120]
Cihlar J. Land cover mapping of large areas from satellites: Status and research priorities[J]. International Journal of Remote Sensing, 2010, 21(6-7):1093-1114. DOI: 10.1080/014311600210092

[121]
Gong P, Howarth P. An assessment of some factors influencing multispectral land-cover classification[J]. Photogrammetric Engineering and Remote Sensing, 1990, 56:597-603.

[122]
I. Olthof. Northern Land Cover of Canada-Circa 2000[M]. Ottawa-Ontario: Natural Resources Canada c2011: Natural Resources Canada., 2011.

[123]
Gjorgjioski V, Eroski S, White M. Clustering analysis of vegetation data, F, 2008 [C].

[124]
Gong P, Wang J, Yu L, et al. Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing, 2012, 34(7):2607-54. DOI: 10.1080/01431161.2012.748992

[125]
Vermote E, Saleous N E, Kaufman Y J, et al., Data preprocessing: Stratospheric aerosol perturbing effect on the remote sensing of vegetation: Correction method for the composite NDVI after the Pinatubo eruption[J]. Remote Sensing Reviews, 2009, 15(1-4):7-21. DOI: 10.1080/02757259709532328

[126]
Zhang W X, Smith B, Wania R, Torben Koenigk and Ralf D¨oscher. Tundra shrubification and tree-line advance amplify arctic climate warming: results from an individual-based dynamic vegetation model[J]. Environmental Research Letters, 2013, 8:034023. DOI: 10.1088/1748-9326/8/3/034023

[127]
Walker D A. Hierarchical subdivision of Arctic tundra based on vegetation response to climate, parent material and topography[J]. Global Change Biology, 2000, 6(S1):19-34. DOI: 10.1046/j.1365-2486.2000.06010.x

[128]
Stow D A, Hope A, McGuire D, et al. Remote sensing of vegetation and land-cover change in Arctic Tundra Ecosystems[J]. Remote Sensing of Environment, 2004, 89(3):281-308. DOI: 10.1016/j.rse.2003.10.018

[129]
Shi D, Yang X. Support Vector Machines for land cover mapping from remote sensor Imagery[M]//Li J, Yang X. Monitoring and Modeling of Global Changes: A Geomatics Perspective. Dordrecht; Springer Netherlands. 2015:265-79.

[130]
Macander M J, Frost G V, Nelson P R, et al. Regional quantitative cover mapping of tundra plant functional types in arctic Alaska[J]. Remote Sensing, 2017, 9(10):1024. DOI: 10.3390/rs9101024

[131]
Zhu Z, Woodcock C E. Continuous change detection and classification of land cover using all available Landsat data[J]. Remote Sensing of Environment, 2014, 144:152-71. DOI: 10.1016/j.rse.2014.01.011

[132]
Walker M A, Daniëls F J A, van der Maarel E. Circumpolar arctic vegetation: Introduction and perspectives[J]. Journal of Vegetation Science 1994a, 5:757-920. DOI: 10.1111/J.1654-1103.1994.TB00395.X

[133]
Walker D A. An International Arctic Vegetation Database: A foundation for panarctic biodiversity studies[J]. CAFF Strategy Series Report nr 5 Conservation of Arctic Flora and Fauna, Akureyri 2011, IS:25pp.

[134]
Sandra L C P, Sandra Díaz. Paul Leadley Refining plant functional classifications for Earth System Modelling[J]. Proposal for a joint IGBP-DIVERSITAS Fast-Track Initiative, 2006:1-4.

Options
Outlines

/

〈 〉