本研究探讨了景观斑块对濒危物种适宜性的研究，以增强对生态系统中种群结构、群落动态和功能过程的深入了解和指标。尽管保护区是生物多样性保护的基石，但在气候变化下，它们能否保持其相对于非保护区的保护优势仍存在争议。在本研究中，我们比较了津巴布韦的保护区和非保护区在维持“脆弱”南方地角鸮（SGH）适宜栖息地方面的空间和时间有效性。我们使用182个保护区、其周边缓冲区和非保护区的景观尺度分析，结合三种机器学习模型（最大熵：MaxEnt、随机森林和支持向量机）来模拟SGH栖息地适宜性。我们使用生物气候、植被季节性和地形变量作为预测因子，与SGH的“仅存在”观察结果进行比较，并将模型预测到2050年的未来气候情景（即代表性浓度路径：RCP2.6和RCP8.5）。我们使用真技能统计量（TSS）和曲线下面积（AUC）来评估模型框架的性能。我们的研究结果表明，津巴布韦的保护区网络对于SGH的保护至关重要，其中8%的适宜栖息地在2050年之前变得不适宜。更高的保护级别导致SGH的适宜栖息地水平更高，而基于东部的保护区的适宜性呈下降趋势，基于西部的保护区的适宜性可能会增加。因此，保护策略应考虑东部保护区范围的收缩和相关的向西迁移。建立的潜在适宜性增加（23％-31％）可能增加农业和保护之间的冲突。因此，我们建议扩大跨边界机构联盟和政策制定，与所有利益相关者实施全面的保护计划。我们的工作表明，将多源遥感数据结合起来预测濒危物种如SGH的栖息地适宜性对于生物保护和保护区有效性的关键指标非常重要。
森林在封存二氧化碳方面很重要，因此在气候变化中发挥着重要作用。然而，CO2循环受到干旱事件的影响，干旱事件改变了光合作用的速率，光合作用是植物将CO2转化为生物能量的主要生理作用。本研究应用递推量化分析（RQA）来描述光合作用相关指数的演变，以突出大西洋数十年振荡（AMO，2005年和2010年）和厄尔尼诺-南方振荡（ENSO，2015年）在亚马逊森林中产生的扰动变化。该分析是使用中分辨率成像光谱仪（MODIS）图像进行的，以构建2001-2008年期间的增强植被指数（EVI）、归一化差异水指数（NDWI）和地表温度（LST）的时间序列。结果没有显示AMO在整个研究区域产生的显著变化，而与极端ENSO事件相关的全球变暖阶段造成的破坏发生了，森林得以恢复。此外，还发现森林对ENSO事件的响应存在空间差异。这些发现表明，将RQA应用于植被指数的时间序列有助于评估森林生态系统对破坏性事件的反应。这种方法提供了有关森林在破坏性事件后恢复能力的信息，因此有助于估计这一特定生态系统的复原力。
CSIR remote sensing specialists studied satellite imagery of South Africa’s savanna system over the period 2001 to 2018 which showed that as the climate became drier, farms were abandoned, which in turn led to an increase in tree cover.
估计亚马逊雨林中生物量的当前空间变化是一项挑战，并且仍然是评估全球碳循环中存在重大不确定性的根源。精确估计一方面需要考虑局部干扰导致的森林结构的小尺度变化，另一方面需要通过遥感探测到的森林状况的大规模信息。在这项研究中，我们引入了一种将森林差距模型和郁闭度高度图联系起来的新方法，以推导亚马逊雨林的生物量分布。
A study funded by the Council for Scientific and Industrial Research (CSIR) and the Department of Science and Technology, using innovative remote sensing techniques, recently revealed that harmful cyanobacteria are widespread in South Africa's 50 largest dams.
