基于Sentinel-1/2影像的若尔盖退化沼泽优势植物群落制图及其对植被恢复的启示

针对若尔盖高原沼泽退化导致的生态功能衰退问题，研究人员利用Sentinel-1/2多时相影像和随机森林（RF）算法，首次实现了以薹草（Carex）、嵩草（Kobresia）和扁穗草（Blysmus）为主的退化沼泽植物群落高精度（OA=89.2%）制图。研究揭示了不同群落的水分需求差异与地形适应机制，为高寒湿地生态恢复提供了关键数据支撑与方法范式。

　　

论文解读

背景与挑战
若尔盖高原作为全球最大的高海拔泥炭沼泽湿地，其"蓄水池"和"碳汇"功能正面临人类排水与气候变暖的双重威胁。过去研究多关注沼泽面积变化，却忽视了一个关键科学问题：在"沼泽→沼泽草甸→草甸→沙地"的退化链条中，不同水分需求的植物群落如何响应环境变化？这种认知空白严重制约了精准生态修复策略的制定。

研究设计与方法
中国科学院东北地理与农业生态研究所团队创新性地融合Sentinel-1 SAR（合成孔径雷达）和Sentinel-2多光谱数据，通过Google Earth Engine（GEE）平台构建了植被结实期（7-9月）与枯萎期（10-次年3月）的中值合成影像。研究采用随机森林（RF）机器学习算法，结合111个特征参数（包括波段比值、红边指数等）和AW3D30地形数据，对若尔盖退化沼泽区的三大优势群落进行10米分辨率制图。通过独创的"决策规则重构"技术，解析了不同群落的识别机制。

关键技术

1. 双时相影像合成：通过物候窗口划分捕捉群落季节性特征
2. 多源特征工程：整合光学（Sentinel-2）、雷达（Sentinel-1 VV/VH极化）和地形（DEM）多维数据
3. 规则重构算法：基于遗传算法优化RF模型决策路径

主要发现
3.1 群落空间格局
研究首次量化了三大群落的分布面积：耐旱的嵩草（Kobresia）占比最高（231,968公顷），集中分布于3400-3650米海拔梯度；喜湿的薹草（Carex）呈斑块状聚集（96,103公顷）；过渡型的扁穗草（Blysmus）分布最分散（22,161公顷）。验证精度显示，薹草的制图精度（PA=92%）显著高于嵩草（79%），反映后者在干旱环境中的表型变异更大。

3.2 识别机制解析
决策规则显示：

• 薹草仅需结实期特征（如B5<0.289、CIg<1.361）即可识别，印证其稳定水生习性
• 嵩草和扁穗草需双时相特征，特别是枯萎期VH<-19.117dB和LSWI_w<-0.105等参数，揭示二者对季节性水文波动的敏感响应
• 地形约束分析发现扁穗草严格分布于3472米以下山前洼地，而嵩草可延伸至3650米陡坡

4.3 生态启示
研究提出分级修复策略：沙地优先引种耐旱嵩草，通过"种子丸衣"技术改良；沼泽草甸恢复需依据地形配置薹草（低洼区）和扁穗草（山前带）。该成果发表于《Ecological Indicators》，为高寒湿地"精准生态手术"提供了理论框架与技术路线。

科学价值
这项研究突破了传统湿地分类的粗放模式，首次实现植物群落级别的退化诊断。通过揭示水分-地形-物候的耦合机制，为预测气候变化下湿地植被演替提供了新范式。决策规则重构方法尤其适用于样本稀缺的高原环境，对全球高山湿地监测具有方法论意义。