利用高光谱EnMAP影像数据研究北方泥炭地树冠的生物物理特性

《Ecological Informatics》：Biophysical variables of tree canopies in northern peatlands from hyperspectral EnMAP imagery

本研究利用EnMAP高光谱卫星影像和全国范围ALS数据，在芬兰北部boreal和Arctic湿地中评估了树冠高度、冠层覆盖、有效叶面积指数和地上生物量。结果表明，排水湿地模型性能更优（rRMSE 27%-40%），但绝对误差较高。研究证实高光谱数据在湿地监测中的可行性，为碳评估和生物多样性研究提供scalable解决方案。

　　本研究聚焦于北半球泥炭地的树冠生物物理变量估算，探讨了高光谱卫星数据在这一特殊生态系统中的应用潜力。泥炭地作为重要的碳储存区域，其植被结构和生态系统健康状况对全球气候变化具有深远影响。然而，目前对泥炭地树冠动态的系统性研究仍较为有限，尤其是在大范围区域内的监测与评估。研究团队利用芬兰境内的泥炭地数据，结合高光谱EnMAP卫星影像和国家航空激光扫描（ALS）数据，建立了一种适用于大范围泥炭地树冠特征估算的方法。这一研究不仅验证了高光谱数据在泥炭地监测中的可行性，也为未来全球范围内的泥炭地生态系统研究提供了新的视角。

### 泥炭地的生态意义与研究挑战

泥炭地主要分布在北半球的寒带和温带地区，如芬兰的北方森林地带和北极区域。这类生态系统具有独特的土壤和植被特征，其水文条件决定了植被的组成与分布。泥炭地的树冠结构往往与矿质土壤上的森林存在显著差异，这使得传统基于矿质土壤森林的遥感方法难以直接应用于泥炭地。此外，泥炭地的水分条件具有高度的时空异质性，这种异质性进一步增加了遥感监测的复杂性。例如，土壤含水量和水位深度的变化可能影响地表反射率，从而对模型的准确性产生影响。因此，开发适用于泥炭地的遥感方法需要考虑这些生态系统的特殊性。

研究团队指出，尽管高光谱卫星数据在其他生态系统（如森林和草原）中已被广泛用于植被变量的估算，但在泥炭地中的应用仍处于探索阶段。特别是针对树冠覆盖、树高、地上生物量和有效叶面积指数等关键变量，缺乏系统的验证和模型优化。此外，泥炭地的树冠密度通常较低，与矿质土壤上的森林相比，其植被覆盖的动态范围更窄，这也可能影响模型的预测精度。为了解决这些问题，研究团队利用芬兰的全国性ALS数据作为参考，结合EnMAP卫星影像，构建了适用于不同排水状态下的树冠变量预测模型。

### 研究方法与数据处理

研究区域覆盖了芬兰从60°N到69°N的广泛地区，横跨约1000公里的纬度梯度，涵盖了从温带森林到北极苔原的多种泥炭地类型。研究团队获取了16幅EnMAP卫星影像，这些影像的分辨率达到了30米，共包含约1.78百万个有效像素。影像采集时间集中在2023年和2024年的生长季（6月至8月），以确保植被处于最佳观测状态。为了排除干扰因素，研究团队通过EnMAP质量层筛选出无云、无积云、无云影、无雾霾和无积雪的像素，并进一步剔除与道路、水域或宽水体相邻的区域，以提高数据的代表性。

在地面参考数据的生成过程中，研究团队使用了芬兰国家土地测量局提供的ALS数据，这些数据经过预处理，剔除了地表以下或空中的错误回波，并保留了脉冲密度为0.5个/平方米的地面数据。通过分析ALS数据，团队计算了四个关键的树冠生物物理变量：树高、树冠覆盖度、有效叶面积指数和地上生物量。这些变量作为模型的参考值，为EnMAP影像的变量预测提供了基础。在模型构建中，团队采用非线性支持向量回归（SVR）方法，并使用径向基函数（RBF）核进行建模。SVR方法在处理高光谱数据时表现出较强的灵活性和预测能力，尤其适用于结构复杂的森林环境。

为了减少空间自相关性并控制计算成本，团队在每个模型-数据组合中随机选取了25000个像素进行建模。在建模前，所有解释变量（即EnMAP的216个波段数据）均进行了标准化处理，以消除数据间的量纲差异。此外，有效叶面积指数（LAIeff）被对数变换，以提高模型的预测性能。模型评估采用了嵌套交叉验证方法，既优化了超参数，又确保了模型在未见数据上的泛化能力。最终，团队通过平均外循环交叉验证的结果，评估了模型的预测精度。

### 研究结果与讨论

研究结果表明，EnMAP卫星影像在估算泥炭地的树冠生物物理变量方面具有较高的可行性。在所有三个数据子集（即同时包含排水和未排水泥炭地的像素、仅排水泥炭地的像素、仅未排水泥炭地的像素）中，树高和树冠覆盖度的预测精度较高，而地上生物量和有效叶面积指数的预测误差相对较大。这种差异可能源于泥炭地树冠结构的复杂性以及生物物理变量的动态范围较小。例如，尽管地上生物量的观测最大值可达260吨/公顷，但其平均值仅为25吨/公顷，这种低均值和高变异性的组合导致模型的相对误差较高。

在排水状态不同的泥炭地区域中，模型的预测精度表现出明显的差异。排水泥炭地的树冠结构通常更为密集，这可能与其水分条件的改变有关。研究团队发现，排水泥炭地的变量预测相对误差（rRMSE）普遍低于未排水泥炭地，而未排水泥炭地的预测误差范围在58%至91%之间。尽管排水泥炭地的绝对误差（RMSE）略高，但其相对误差更小，表明模型在排水区域的预测更为准确。这种现象可能与排水后泥炭地的植被结构趋于稳定有关，而未排水泥炭地由于水分条件的不确定性，导致植被覆盖度和结构变化较大，从而增加了模型的预测难度。

研究团队还指出，目前缺乏针对泥炭地的专门化校准系数，这限制了模型在特定生态系统的适用性。因此，未来的研究应加强现场观测，获取针对泥炭地的地上生物量和有效叶面积指数的校准数据，以提高模型的预测精度。此外，团队建议在模型构建中考虑不同排水状态下的特定变量，例如使用单独校准的ALS指标来区分排水和未排水泥炭地。这不仅能提高模型的准确性，还能增强其在不同生态条件下的适用性。

### 未来展望与研究建议

本研究为泥炭地生态系统的大范围监测提供了新的方法，但也揭示了当前技术应用中的一些局限性。首先，高光谱数据在泥炭地中的应用仍需进一步优化，尤其是在如何处理复杂的地表反射率和植被结构方面。其次，模型的预测精度受排水状态的影响较大，这表明在进行泥炭地植被监测时，需要结合具体的水文条件进行分析。此外，研究团队建议在未来的遥感监测中，应考虑植被的季节性变化，因为植被的生长周期可能影响变量的观测结果。

为了提高模型的适用性，研究团队还提出了一些具体的改进方向。例如，可以利用合成孔径雷达（SAR）和光学卫星数据的互补性，结合不同时间点的观测数据，以更全面地评估生态系统结构的变化。此外，研究团队强调了全国性参考数据的重要性，如芬兰的全面ALS覆盖，这不仅支持了本研究的实施，也为其他北半球泥炭地的监测提供了可借鉴的范例。在全球范围内，许多泥炭地缺乏类似的高精度地面数据，因此，未来的研究应致力于建立统一的遥感监测框架，以提高对泥炭地生态系统的整体理解。

### 研究意义与应用前景

本研究的成果对于全球气候变化和生物多样性保护具有重要意义。泥炭地作为重要的碳汇，其植被结构和生态系统健康状况直接影响碳储存能力和生物多样性水平。通过高光谱卫星数据和地面参考数据的结合，研究团队展示了在大范围泥炭地进行树冠特征估算的可行性，为未来的碳动态和生物多样性评估提供了技术支持。此外，研究结果还表明，未来的全球高光谱遥感任务（如EnMAP、PRISMA、Landsat NEXT和CHIME）在泥炭地监测中具有巨大潜力，尤其是在高分辨率和广覆盖方面。

研究团队还指出，尽管目前的模型在排水泥炭地中的预测精度较高，但在未排水泥炭地中的应用仍面临挑战。这提示我们需要在模型构建中考虑不同排水状态下的生态差异，并探索更精细的变量预测方法。此外，模型的泛化能力也需要进一步验证，以确保其在不同地理区域和生态系统类型中的适用性。随着遥感技术的不断发展，未来有望通过更高分辨率的卫星影像和更全面的地面数据，进一步提高泥炭地植被监测的精度和效率。

总之，本研究不仅为泥炭地生态系统的大范围监测提供了新的方法，也为未来全球范围内的遥感应用奠定了基础。通过结合高光谱卫星数据和地面参考数据，研究团队展示了在复杂生态条件下进行植被变量估算的潜力，同时也指出了当前技术应用中的局限性和未来研究的方向。随着遥感技术的进步和数据获取能力的提升，泥炭地生态系统的监测和评估将变得更加精确和高效，为全球气候变化和生物多样性保护提供有力支持。