基于Sentinel-1与Sentinel-2多源遥感数据的退化泥炭地水位深度建模及其碳汇潜力评估

本研究针对泥炭地复湿过程中水位深度(WTD)监测难题，创新性地结合Sentinel-1雷达后向散射强度与Sentinel-2光学指数，通过机器学习模型实现了退化裸泥炭地的全区域WTD预测。研究系统验证了雷达后向散射(σt 0 )与WTD的时空关联性，构建的梯度提升模型(R2 =0.78，RMSE=0.12m)显著优于随机森林算法。结果表明复湿措施虽能季节性提升水位，但年均WTD仍深于最佳碳汇阈值(-0.2m)，为欧洲退化泥炭地修复提供了首个多传感器监测方案。

　　

在全球气候变化背景下，泥炭地作为重要的碳汇生态系统，其5%-8%的陆地覆盖率却储存着全球三分之一的土壤碳。然而工业开采导致全球大量泥炭地退化，裸露的泥炭表面和排水系统使其从碳汇转变为温室气体(GHG)排放源。复湿(rewetting)作为关键修复手段，需要通过维持-0.2m以内的水位深度(WTD)来促进泥炭再生和碳封存，但传统 piezometer（测压计）监测方法耗时费力且仅能获取单点数据。如何实现大范围、高精度的WTD动态监测，成为泥炭地管理面临的核心科学难题。

爱尔兰的研究团队在《Science of Remote Sensing》发表的研究中，创新性地将Sentinel-1 C波段合成孔径雷达(SAR)与Sentinel-2多光谱数据相结合，选取Castlegar和Clooneeny两处工业开采后的退化泥炭地（分别布设45个和6个测压计），通过三年(2021-2023)的连续观测，建立了多传感器机器学习模型。研究首先系统分析了VV/VH极化雷达后向散射强度(σ_t
⁰
)与WTD的时空相关性，发现平坦裸泥炭区相关系数最高达0.78，但受季节和地形影响显著；进而对比随机森林与梯度提升算法，优选后者构建预测模型，引入短波红外(SWIR)指数、苔藓覆盖度等16个特征参数，最终实现0.12m的预测精度。

关键技术方法包括：1) 使用SNAP软件处理Sentinel-1 GRD数据，进行多时相Lee Sigma滤波去噪；2) 同步获取Sentinel-2 L2A级数据，计算NDVI（归一化植被指数）、STR（标准化温度指数）等光学指数；3) 结合气象站数据(降雨量>20mm/d或土壤温度<4°C时剔除)和地形参数(距堤坝距离、泥炭深度)；4) 采用k折交叉验证优化梯度提升模型超参数(学习率0.15，最大叶节点数12)。

研究结果揭示三个重要发现：

1. 雷达-水位关联机制：VH极化在下降轨道与WTD相关性最强(R=0.75)，但受季节影响呈现夏正冬负的波动特征。堤坝等复湿设施会破坏σ_t
   ⁰
   -WTD相关性，平坦裸泥炭区保持最佳监测条件。
2. 模型特征重要性：SWIR波段和TCW（缨帽变换湿度分量）贡献度最高(合计>40%)，而SAR数据贡献有限。包含气象和地形参数的完整模型R²
   达0.78，显著优于纯光学模型(R²
   =0.51)。
3. 水位时空动态：预测显示冬季WTD最浅(-0.1m)，夏季加深至-0.3m，仅冬季能达到理想碳汇水位(-0.05~-0.13m)。Castlegar通过堤坝建设使64%区域WTD提升，但年均值仍超出最佳阈值0.07m。

讨论部分指出，该研究首次在工业退化裸泥炭地验证了多传感器遥感监测的可行性，其0.4m的预测区间(90%置信水平)虽略高于芬兰植被型泥炭地研究(RMSE=0.06m)，但为缺乏植被覆盖的早期修复阶段提供了关键评估工具。值得注意的是，光学数据对模型精度贡献占主导，暗示未来可突破SAR数据获取限制，仅用高频次Sentinel-2观测实现动态监测。这项成果为欧盟"Peat for Carbon"等大型修复计划提供了可推广的技术框架，通过开源代码和普通计算机即可运行的轻量化设计，有望推动全球20亿亩退化泥炭地的科学管理。