基于成像光谱与高程数据的机器学习模型预测间歇性潮汐湿地土壤盐分动态

这篇研究创新性地结合成像光谱(VSWIR)与高程数据，通过随机森林回归模型(r=0.85)预测间歇性潮汐湿地根区土壤盐分(EC)。研究揭示了高程(重要性最高)与改良花青素反射指数(mARI)作为关键预测因子，为海岸带盐渍化监测提供了5米分辨率时空动态图谱，对海平面上升(SLR)背景下的湿地管理具有重要实践价值。

　　

海岸带盐渍化动态监测的创新方法

研究背景与意义

海岸带湿地作为重要的蓝碳生态系统，正面临海平面上升(SLR)、干旱和淡水输入变化导致的盐分格局改变。加利福尼亚州间歇性潮汐湿地(ITE)占全球同类生态系统的5%，其土壤盐分动态直接影响优势植物太平洋盐角草(Salicornia pacifica)的生存。传统监测方法难以捕捉湿地的高空间异质性，而本研究利用NASA的AVIRIS-NG传感器获取的5米分辨率可见光-短波红外(VSWIR)数据，结合1米精度数字高程模型(DEM)，建立了首个能同时反映时空变化的根区盐分预测模型。

研究方法与技术路线

研究选取加州圣巴巴拉县的Devereux Slough湿地作为实验区，在2022年旱季(2-5月)开展每周一次的航空-地面联合观测。通过采集0-15cm深度的土壤样品测量电导率(EC)，同步获取426个波段的机载高光谱数据和地面ASD FieldSpec 4光谱数据。创新性地将5种光谱指数(NDVI、mARI、VSSI、CRSI、SAVI)与高程变量输入随机森林算法，采用k折交叉验证优化模型。

关键发现与机理分析

1. 高程主导盐分格局：模型1仅用高程预测即达到r=0.92的高相关性，证实湿地盐分呈非线性垂直分异，低洼区EC(13.54 mS/cm)比高区(0.12 mS/cm)高112倍。

2. 光谱标记物的突破：改良花青素反射指数(mARI)成为第二重要变量，反映盐角草在盐胁迫下通过花青素积累的抗氧化机制，该发现首次被应用于盐分反演。

3. 时空动态捕捉：融合光谱的模型2(r=0.85)成功追踪到3月降水事件后COPR样地EC值下降23%，而NCOS样地因道路阻隔未受影响，凸显水文连通性的关键作用。

技术优势与局限

相比农业盐分监测研究，本模型在湿地复杂环境仍保持RMSE=1.63 mS/cm的精度。但存在三方面局限：

• 裸土区域预测偏差(低估约15%)

• 极端盐渍化(EC>16 mS/cm)样本不足

• 土壤氧化还原状态等次生变量未纳入

对遥感使命的启示

研究指出未来NASA表面生物学与地质学(SBG)卫星30米分辨率可能丢失8米尺度关键变异，建议优先采用无人机载高光谱系统。作者团队开发的VIPER Tools光谱库优化方法，为EnMAP等星载传感器数据应用提供预处理范式。

生态应用前景

该成果已用于绘制圣巴巴拉湿地盐分阈值图谱，支持三项海平面上升适应规划：

1. 预测盐角草群落向陆迁移路径

2. 评估潮汐通道疏浚对盐分扩散的影响

3. 优化湿地修复工程的高程设计

这项研究开创了"光谱-地形-机器学习"三位一体的湿地盐分监测框架，为全球90%退化的海岸带生态系统提供了可扩展的决策支持工具。随着2024年SHIFT二期计划的实施，团队将进一步验证模型在季风气候区的普适性。