基于植被物候和C波段SAR耦合的中国竹林分布与扩张强度制图研究

作者及机构
本研究由Saibo Li（中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室）、Shaoyang He（中国科学院大学资源与环境学院）、Tianxiang Yue（通讯作者，中国科学院地理科学与资源研究所）等11位作者合作完成，发表于International Journal of Applied Earth Observation and Geoinformation期刊2023年第121卷。

学术背景

研究领域与动机
本研究属于遥感生态学与森林碳循环交叉领域。竹林作为热带-亚热带地区重要的碳汇植被，其快速扩张对森林生态系统碳储量和生物多样性具有双重影响。然而，传统光学遥感（如Landsat、Sentinel-2）受云层覆盖和分辨率限制，导致竹林范围识别存在显著不确定性。研究团队旨在开发一种结合植被物候（vegetation phenology）和C波段合成孔径雷达（C-band SAR）的新算法，实现中国竹林的高精度制图。

科学问题
1. 竹林是否具有区别于其他植被的独特物候特征和SAR后向散射特性？
2. 融合Sentinel-1与Sentinel-2数据能否提升多云山地竹林的制图精度？

研究方法与流程

1. 研究区域与数据准备

研究区域
选取中国7个典型竹林分布区（M1-M7，各100×100 km），覆盖福建、江西、浙江和湖南等主要竹林资源省份（占全国竹林总面积的61.15%）。研究区以毛竹（Phyllostachys pubescens）为主（占全国竹林面积的72.96%）。

数据来源
- 遥感数据：2019-2021年Sentinel-1（VV/VH极化）和Sentinel-2（NDVI时间序列）影像，通过Google Earth Engine（GEE）平台处理。
- 辅助数据：SRTM DEM（30米分辨率重采样至10米）、ESA世界覆盖产品（10米分辨率森林掩膜）、国家林业清查（NFI）数据。
- 地面验证：基于800条野外轨迹记录的1,187张实地照片（竹林766张，乔木421张），提取36,158个10米分辨率ROI像素。

2. 关键技术流程

（1）Sentinel-1数据辐射校正

针对山地地形导致的叠掩（layover）和阴影（shadow）效应，采用基于角度的辐射校正算法：
- 利用SRTM DEM计算坡度（αs）和坡向（ϕs），结合SAR入射角（θi）和方位角（ϕi），通过公式γ0f = γ0·tan(90-θi)/tan(90-θi+αrange)消除地形引起的后向散射偏差（图10）。

（2）Sentinel-2物候特征提取

• 时序重建：采用谐波时间序列分析（HANTS）填补云干扰缺失数据，拟合NDVI曲线（图7）。
  
• 物候参数：提取生长季始期（SOS）、末期（EOS），并通过NDVI范围（NDVIrange）区分竹林（NDVIrange <0.3）与落叶林（NDVIrange ≥0.3）。竹林生长季较落叶林长约50天（5-11月 vs 4-9月）。
  

（3）竹林分类算法开发

1. 物候掩膜：通过NDVIrange阈值排除落叶植被。
   
2. SAR特征优化：使用遗传算法（GA）校准VV、VH、VV/VH比值和海拔的最佳阈值（图9），竹林后向散射值显著低于乔木（p<0.0001）。
   
3. 扩张强度计算：基于8邻域移动窗口统计竹林周边植被（乔木、草地等）的入侵程度（1-8级）。
   

主要结果

1. 制图精度验证

• 地面验证：总体精度（OA）达94.7%，Kappa系数0.89（表2）。各研究区Kappa为0.82-0.94，OA为91.1%-97.33%。
  
• NFI数据对比：竹林斑块面积与NFI数据呈显著线性相关（R²=0.96，p<0.001）（图12）。
  

2. 竹林分布与扩张特征

• 空间格局：竹林主要分布于山地乔木带边缘（图13），M4区面积最大（占森林面积的40%以上）。
  
• 扩张强度：67.23%的扩张区域强度级（图15），乔木受影响最严重（66.39%低强度扩张），其次是草地（78.85%）。
  

结论与价值

科学意义

1. 方法创新：首次耦合植被物候与C波段SAR特征，解决了多云山区竹林制图难题。
   
2. 生态发现：量化了竹林扩张对乔木等植被的入侵模式，为碳循环模型提供关键输入参数。
   

应用价值

• 政策支持：高精度竹林分布数据可指导地方政府制定竹产业链管理政策。
  
• 气候变化：竹林作为快速再生碳汇，其动态监测对全球变暖 mitigation 评估至关重要。
  

研究亮点

1. 多源数据融合：结合Sentinel-1（全天候）与Sentinel-2（高光谱）优势，提升观测频次至6天。
   
2. 算法创新：HANTS时序重建与GA参数优化的组合显著提高分类鲁棒性。
   
3. 10米分辨率：较既往MODIS（500米）或Landsat（30米）产品空间精度大幅提升。
   

局限性
- DEM 30米→10米插值可能引入噪声。
- ESA森林掩膜可能低估非森林区竹林分布。

（全文约2,200字）