由无人机搭载的地面穿透雷达揭示了泥炭地根区的时空水分动态变化

《Science of Remote Sensing》：Drone-borne Ground-penetrating radar reveals spatiotemporal moisture dynamics in peatland root zones

泥炭地土壤湿度监测中无人机搭载探地雷达（GPR）结合全波反演技术的应用研究。在比利时Hautes Fagnes退化泥炭地，通过19次GPR测量生成5米分辨率湿度图，发现该方法能较好跟踪季节性湿度变化（整体相关系数0.71），但在饱和区精度较低。空间分析显示湿度聚类与植被类型、泥炭深度及地形指数显著相关，为恢复监测提供新工具。

　　这项研究探讨了无人机搭载的地面穿透雷达（GPR）结合全波反演技术在研究泥炭地水分状态方面的潜力。泥炭地作为重要的生态系统，提供了诸如碳储存和生物多样性支持等关键生态服务。然而，它们正因土地利用和气候变化而面临退化风险。泥炭地的水分状况是其生态系统功能的关键因素，因为它显著影响碳储存和分解过程。因此，准确表征、绘制和监测泥炭地水分状态对于其保护和恢复至关重要。本研究评估了无人机GPR在泥炭地水分研究中的潜力，并将其应用于比利时Hautes Fagnes地区一个曾因重新造林而退化的泥炭地。在为期半年的调查中，我们对4.5公顷的区域进行了GPR测量，生成了19张不同时间点的泥炭地根区水分图，分辨率为5米。研究结果表明，该方法能够跟踪研究区域的水分变化，整体时间相关性为0.71，与地面水分传感器的数据吻合良好，但在接近饱和区域中可靠性较低。空间相关性则较低（0.23），这是由于泥炭地水分的高微变异性以及使用克里金插值生成图时导致的空间不匹配，因为GPR测量并未直接在地面传感器上方进行。

研究中应用了统计聚类技术，对水分图进行了分析，以识别与特定地点特征（如泥炭厚度、植被类型、归一化差值水指数和地表温度）相一致的均匀水分类别。这一技术显示出在规划和监测泥炭地恢复工作方面的潜力，并为泥炭地水分研究提供了一种新的有价值的方法，以补充现有的卫星和无人机技术。

泥炭地水分状态的准确监测对于恢复工作至关重要，因为水分变化直接影响碳通量和生态系统功能。然而，传统的卫星和现场测量技术可能无法充分捕捉泥炭地水分的时空变化，特别是在高空间异质性区域。因此，本研究旨在评估无人机GPR在高分辨率泥炭地根区水分绘制和监测方面的潜力。尽管无人机GPR已被验证用于农业土壤，但在更具挑战性的泥炭地环境中尚未经过测试。这些环境的特殊性在于其高含水量、地表粗糙度和密集植被。研究的具体目标包括：（1）将无人机GPR方法应用于泥炭地；（2）评估其在监测泥炭地根区水分时间变化方面的潜力；（3）评估其识别小尺度和大尺度空间水分模式的能力；（4）讨论其在泥炭地恢复背景下的应用价值。

本研究的地点位于比利时Hautes Fagnes的33公顷范围内，是比利时最高点之一，海拔达到694米。该地区拥有丰富的水资源，并且在生态旅游方面具有重要意义。然而，许多泥炭地由于人类活动（如泥炭开采、排水和松树种植）而退化。这些退化现象在欧洲其他地区也十分常见。这些干扰改变了泥炭地的水文功能，导致原生植物群落逐渐被蓝莓等植物取代。为了保护这些重要的生态系统，1957年建立了Hautes Fagnes自然保护区。1993年启动了一项恢复计划，旨在通过多种措施（如刮除、堵塞沟渠、旋转耕作、去除表层土壤、筑坝蓄水以及移除入侵性树木）保护完整的泥炭地并恢复退化的泥炭地。尽管这些措施在实施区域取得了成功，但它们的实施成本高昂，且植被的重新殖民过程较为缓慢。

本研究在两个感兴趣的子区域进行了无人机GPR测量，这些区域因相对较低的植被高度（树木高度小于4米）和地形条件允许持续的无人机视觉接触而被选中。这两个子区域展示了不同的植被、地形和水分条件，是整个研究区域的代表性区域。测量从2023年5月到2024年9月，每月进行一次，夏季由于水分变化较大，增加到每月两次，总共进行了19次测量。这种测量方式使得我们能够捕捉到超过一个完整的气象年以及两个不同的夏季变化。由于研究区域存在孤立的树木，手动飞行被采用。飞行速度控制在1到3米每秒之间，飞行高度在2.5到7米之间，使用地形跟随模式。需要注意的是，较高的飞行高度会降低信噪比。这种设置在飞行路径上每20到40厘米产生一次雷达测量，相邻飞行线之间的距离大约为10米。最终的体积含水量（VWC）代表了大约4到5平方米的区域，这与使用的GPS精度相匹配。

在数据处理过程中，我们采用了全波反演方法，重点关注时间域的表面反射（Lambot等，2004b和2006）。全波反演方法在估计VWC方面比常见的表面反射方法显示出更好的准确性（Lambot等，2006）。我们使用了Lambot等（2004）的雷达方程来描述远场条件下的雷达测量，考虑了天线效应，包括雷达与介质的相互作用，以及在此研究中雷达与无人机的相互作用和三维波在平面多层介质中的传播。该方法的理论基础通过Lambot等（2006）和Lambot与Andre（2014）的验证得到了证实，并在使用四旋翼或无人机时显示出高精度的根区水分图（Minet等，2012；Wu等，2025）。逆问题的适定性由Lambot等（2004a）证明，而敏感性分析由Lambot等（2006）进行。与该方法相关的不确定性由Lambot等（2006）和Minet等（2012）报告。一般反演方案遵循Lambot等（2006）和Wu等（2019）描述的方法，并在数据处理方面进行了具体修改。一般GPR处理流程包括以下步骤：（1）GPR数据采集；（2）雷达与无人机校准；（3）全波反演以获取土壤介电常数；（4）将介电常数转换为体积含水量（VWC）；（5）空间插值（见图3）。

为了测量土壤水分的时空变化，我们使用了Teros12传感器（Meter Group，德国慕尼黑）。这些传感器基于电容/频域技术，其中电荷时间与基质水分成正比。它们安装在五个不同的地形位置，每个位置有两组传感器，间隔5米。在每个位置，一个传感器位于10厘米深度，另一个位于30厘米深度。为了与GPR数据进行比较，主要考虑了10厘米和30厘米深度的Teros12传感器读数的平均值，因为这些平均值最能代表影响GPR测量的0-35厘米土壤层。值得注意的是，只有四个位置（LS3和LS4的两个位置）位于GPR测量区域。所有Teros12传感器，除了位于LS2 30厘米深度的一个，都安装在泥炭层中。从泥炭中安装的Teros12传感器获取的原始测量值通过方程1转换为VWC，这是一种根据制造商建议开发的特定于该地点的校准方法。从矿物土壤中安装的Teros12传感器获取的原始测量值则通过方程2转换为VWC，这是制造商推荐的矿物土壤校准方法。这些传感器以10分钟的间隔监测VWC，从2023年5月到2024年9月。为了与GPR数据进行比较，Teros12的VWC在GPR测量当天的09:00到16:00之间进行平均，因为在此期间VWC保持稳定（平均幅度变化为0.2%），这在很大程度上归因于没有降雨。

为了更好地评估土壤水分的空间模式，我们使用了CS615探针（Campbell Scientific，美国洛根）。这种便携式水分反射计通过电磁波沿波导传播时介电常数的变化来获取水分信息。测量首先转换为介电常数，使用Kelleners等（2005）的方法，然后通过方程1转换为VWC。在13个不同的日期，收集了21到50个测量值，平均为32个。这些测量值分布在两个感兴趣的区域中，每个测量涉及测量土壤表层30厘米的VWC，并在1平方米区域内测量三到四个不同地点，然后取平均值。这些测量点的位置通过差分GPS记录，精度在0.1到2米之间，取决于网络条件。总共收集了411个测量值，从2023年8月至2024年9月。这些测量通常在GPR测量后1到5小时内进行，这段时间内没有降雨，减少了重要水分变化的可能性。值得注意的是，CS615测量并未直接在无人机飞行路径下方进行，而是通过克里金插值将探针和GPR数据对齐，引入了相应的不确定性，以及非差分GPS带来的定位误差。因此，产生的空间不匹配在米级范围内。

我们还对两种地面水分探针进行了比较，基于七次不同日期在四个位置（LS3A、LS3B、LS4A和LS4B）的数据。对于Teros12探针，使用了在CS615测量前后1小时窗口内的平均VWC。对于CS615，每个Teros12探针周围采集了三个VWC测量值。两种探针之间的相关性为0.56（p值<0.01），表明它们之间存在一定的相关性。CS615与Teros12在10厘米深度的测量更为相关，这与CS615的传感器长度一致。Teros12系统通常报告比CS615更高的VWC值。这些差异可能源于两种探针不同的工作原理、不同的测量体积和深度、高空间异质性以及可能的测量误差。这表明，在泥炭地，地面VWC传感器存在一定程度的变异性，不应被视为绝对参考。因此，本研究的目标是比较GPR和地面方法的总体时间和空间趋势，而不是期望它们之间完全一致。

为了评估无人机GPR在监测泥炭地水分方面的性能，我们对GPR和地面探针的VWC数据进行了比较。首先，将克里金插值后的GPR数据与Teros12数据进行时间比较，以评估GPR跟踪根区水分变化的能力。这种比较是可能的，因为Teros12传感器是永久安装的，并且连续记录了土壤水分随时间的变化。我们计算了两个数据集之间的Spearman相关系数、p值和RMSE，分别针对整个区域的总体水分变化（GPR和Teros12的平均值）以及局部区域的水分变化（在LS3和LS4地形位置，见图1）。Spearman相关系数被选用，因为VWC数据的分布并非正态分布。首先，我们使用了10厘米和30厘米深度的Teros12传感器读数的平均值，这对应于GPR的有效测量深度，随后进行了单独分析。对于局部比较，GPR导出的VWC在不同影响半径（从5到20米）上进行平均。

其次，我们将克里金插值后的GPR数据与CS615数据进行空间比较，以评估GPR在绘制根区水分空间变化方面的能力。这种比较是可能的，因为进行了多个离散的CS615测量，使得我们能够获得整个GPR测量区域内的分散信息。我们计算了两个数据集之间的Spearman相关系数、p值和RMSE。

此外，我们还对GPR导出的VWC进行了空间聚类分析，以识别不同时间点的水分区域。聚类区域的选择基于GPR至少50%时间测量的区域。输入数据包括所有19张由GPR测量生成的克里金插值VWC图。缺失值被其他日期在相同位置的平均VWC值替代。首先，我们将聚类数量优化为三个，因为超过三个聚类只会带来微小的组内平方和减少。其次，使用K-means算法（来自stats包的kmeans函数）进行聚类，该算法通过迭代将点分配给最近的质心并更新质心来分组数据。没有设置聚类中相邻像素的最小数量限制，这可以作为进一步研究的考虑因素。由于这种聚类基于19张图，它突出了大尺度、一致的水分模式，这些模式可能在单个水分图中无法观察到，捕捉了平均水分水平和水分变化幅度。

我们还对GPR导出的VWC与研究区域的其他特征进行了比较。首先，使用了0.45米分辨率的植被组成数据。这些数据由Li等（2024）提供，他们使用了基于多光谱和LiDAR图像的多种植被指数的随机森林模型，用于研究区域的12种主要植被类型的分类。通过Chi-square检验（来自stats包的chisq.test函数）评估了不同聚类之间的植被覆盖统计差异。其次，将聚类与Li等（2024）提供的泥炭深度数据进行比较，泥炭深度数据以5米分辨率汇总，以匹配聚类的分辨率。第三和第四，将聚类与坡度和地形湿润指数（TWI；Beven和Kirkby，1979）进行比较，这些数据由Li等（2024）在4.8米分辨率下提供。第五，将聚类与9个不同日期的平均NDWI进行比较，这些数据由Li等（2025）使用Matrice 300 RTK无人机和MicaSense RedEdge-M相机（MicaSense，美国西雅图）获取，汇总为5米分辨率。第六，将聚类与9个不同日期的平均地表温度进行比较，这些数据由Li等（2025）使用Matrice 300 RTK无人机和ThermalCapture相机（TeAx Technology，德国威尔恩斯多夫）获取，汇总为5米分辨率。对于泥炭深度、坡度、TWI、NDWI和地表温度，我们使用Kruskal-Wallis检验评估了三个聚类之间的统计差异，随后使用Bonferroni校正的Dunn后处理检验进行聚类之间的成对比较（来自stats包的kruskal.test和dunn.test函数）。

此外，我们还将连续的站点特征与GPR测量的平均VWC进行了比较。连续变量包括泥炭深度、坡度、TWI、平均地表温度和平均NDWI。我们计算了Spearman相关系数和相关的p值，以评估这些关系。

无人机GPR在监测泥炭地水分方面展现出较高的准确性，能够有效捕捉长时间段的水分变化，并且在不同夏季条件下显示出足够的灵敏度。整体时间Spearman相关系数为0.71，而局部分析显示出0.22（在饱和区域）和0.71（在非饱和区域）的相关性。这些值可以与卫星研究进行比较，卫星研究估计水表深度的变化，因为很少有研究直接使用卫星数据预测泥炭地的水分。然而，土壤水分和水表深度的变化密切相关，为泥炭地水分动态提供了总体的见解。整体相关性和非饱和区域的相关性处于文献中报道的卫星方法相关性的较高端。例如，使用光学指数的研究报告了NDVI的平均相关性为0.57，NDWI为0.77（Linkevi?ien?等，2023），而OPTRAM为0.6（Burdun等，2023）。卫星雷达方法的平均相关性范围为0.38到0.77（Asmu?等，2019；Bechtold等，2018；Lees等，2021）。这表明，无人机GPR是当前遥感泥炭地水分监测中最准确的方法之一。此外，与许多专注于水表动态的研究不同，我们的方法直接针对泥炭水分，这在恢复工作中尤为重要，因为水分变化更直接地影响植被和微生物活动（Kechavarzi等，2010；Price，1997）。

关于所呈现方法的局限性，光学和雷达卫星技术对密集植被的敏感性较高，这会降低其有效性。相比之下，我们的方法由于在此频率范围内的较长波长（2.4-2.9米）而对植被的敏感性较低。卫星方法的分辨率通常低于无人机GPR，但能覆盖更大的区域。此外，光学和雷达卫星方法在深层水表（>60厘米）情况下效果有限（根据Asmu?等，2019的报告）。尽管我们在研究中未评估非常深层的水表（传感器在局部尺度上记录的最大值为40厘米），但我们的方法直接测量水分含量，而不是水表深度，这可能使其在不同水表深度下具有更高的有效性。雷达卫星方法在浅层水表（<20厘米）情况下也效果不佳，因为水表深度的变化较小。这一局限性在我们的研究中也有所体现，因为我们的方法在LS3点表现出局限性。事实上，在湿润区域，土壤反射系数对介电常数（以及相关的VWC）的变化不太敏感，而信噪比增加，这限制了GPR检测小水分变化的能力。然而，在非饱和区域（LS4点），我们的技术展示了检测小时间水分变化的能力（低于5%的VWC变化），而其他研究尚未达到这一精度（Jacome等，2013）。因此，我们的方法是少数能够使用无人机传感器监测泥炭地水分动态的方法之一，可以作为卫星方法的补充（Ghazaryan等，2024）。然而，为了在不同泥炭地状态和水表深度条件下建立其鲁棒性，需要进一步的测试。

无人机GPR在绘制泥炭地水分空间变化方面也显示出潜力。通过将CS615探针的数据与GPR数据进行比较，我们发现Spearman相关系数在不同日期之间从-0.28到0.61波动，中位数为0.28。这种相关性的波动性表明，随着测量点数量的增加，数据之间的关系变得更加分散。总体Spearman相关系数为0.23（p值<0.001），RMSE为0.16，R2为0.05，这些数值较低。首先，值得注意的是，两种测量方法的微变异性都很高。对于CS615探针，每个1平方米内的3到4次测量的标准差范围从0到0.26（VWC），平均为0.06。对于GPR，克里金插值的标准差较高，范围从0.12到0.31（VWC），平均为0.25。值得注意的是，标准差随着VWC的增加而减少，这在湿润区域观察到的水分变化较少是合理的。这种非常高的微变异性在泥炭地是众所周知的，涉及植被（R?s?nen和Virtanen，2019）、微地形（Petrone等，2004）和水力特性（Wang等，2021），这些都与水分有关。因此，这种微变异性是解释获得有限相关性的主要原因。另一个原因是空间不匹配：两种测量并非在完全相同的位置进行，CS615测量被与克里金插值后的GPR数据进行比较。此外，两种方法的测量体积不同（CS615约为0.007立方米，GPR约为1.6立方米），导致GPR测量体积大约是CS615的225倍。尽管存在这些局限性，但通过使用GPR导出的图进行聚类分析，我们能够识别水分区域，并揭示与其它站点特征（如泥炭深度和植被类型）一致的大尺度空间模式。此外，平均GPR导出的VWC与平均NDWI（0.42）和平均地表温度（-0.48）之间存在显著的负相关。

本研究的聚类分析显示，无人机GPR能够有效支持泥炭地恢复计划。首先，泥炭地水分的聚类分析可以为泥炭地恢复规划提供有价值的信息。恢复工作通常旨在恢复高水位（Holden等，2004）。考虑到恢复措施的高成本（Andersen等，2017），细致的规划和适当的恢复地点选择至关重要。基于无人机GPR图的聚类可以识别需要更积极恢复措施的干燥区域，以及不需要干预的湿润区域。为此，聚类图的尺度应与管理尺度相匹配。特别是，应去除小于20米的小尺度类别，以实现景观尺度的分类。聚类数量应根据设想的恢复策略和选定的干预阈值进行调整。

这种方法在本研究区域中是成功的，因为生成的水分类别在空间上是均匀的（排除接近孤立像素后，范围从50米到300米），这简化了有针对性的行动。此外，这些水分类别在植被和泥炭深度方面存在差异，这些是泥炭地退化状态的指标。对于本研究区域，可以为三个水分类别制定不同的恢复策略。由于低水分类别位于斜坡上，它可能不是最适宜进行泥炭地发展的区域，因此在该区域实施重大恢复措施可能效果有限。然而，适度的措施仍可实施，例如移除针叶树残余物以防止其扩散，并通过可能的刮除产品堵塞沟渠以减少快速地表径流。在中间水分类别中，特别是在高密度的入侵性Molinia caerulea区域，可以实施有针对性的恢复措施。一种可能的策略是进行表层土壤去除（去除植被和已矿化的泥炭上层），以将水表抬高到地表，促进泥炭形成植被的出现和生长（Frankard，2004）。在这种情况下，泥炭深度图（见图9c）可以作为辅助资源，以避免在东南部的泥质区域实施这些恢复方法，因为那里的泥炭层过薄，效果有限。最后，高水分类别可能不需要额外的恢复，因为其高水表自然支持泥炭形成。

其次，使用无人机GPR监测根区水分动态可以支持评估泥炭地恢复干预措施后的水分变化。Andersen等（2017）强调了建立基准以评估恢复成功的重要性。他们建议建立系统性的长期监测方法，并开发新的方法和指标以研究植被、水文和温室气体通量的变化。在此背景下，无人机GPR方法可以支持恢复成功评估，因为连续的水分监测对于指导水文恢复至关重要。这种方法已经在超过一年的时间范围内成功监测了水分含量的整体变化，捕捉了VWC变化的范围，精度低于5%。此外，它在非饱和区域表现良好，这些区域是恢复工作的主要关注点。这种方法可以实现水分含量的总体监测（例如，评估恢复措施是否如预期那样增加了水分含量），以及更具体的水分动态追踪（例如，评估恢复措施对短期水分变化和特定时期干旱敏感性的影响）。在这种背景下，无人机GPR为研究和有针对性的泥炭地恢复策略提供了一种非侵入、快速、相对高分辨率的替代方法，补充了Isoaho等（2024）提出的卫星方法用于恢复后水分状态监测的潜力。

研究结果表明，无人机GPR在高异质性环境中对水分空间绘制和时间监测具有潜力。尽管该方法的精度仍可通过多种改进得到增强。这些改进包括确保更稳定的飞行路径，降低飞行高度，增加测量密度以获得更高的分辨率，使用差分GPS，调整比例差异和共定位方法，基于克里金插值的不确定性过滤数据，以及考虑入射角的变化。随着这些改进，这种方法可以提供更精确地捕捉复杂水分动态的能力，支持研究和有针对性的泥炭地恢复策略。进一步在其他泥炭地类型（包括未受干扰的参考站点）中测试这种方法，将有助于确认其在不同环境中的广泛适用性。此外，将这种方法与泥炭地研究中更常用的无人机或卫星传感器进行比较，可以提供关于它们相对有效性和潜在协同效应的宝贵见解。