利用Sentinel-1/2卫星的雷达和光学数据融合技术，在马来西亚吉隆坡雪兰莪地区（2020–2024年）进行高分辨率NDVI重建及基于景观特征的碳通量评估

《International Journal of Applied Earth Observation and Geoinformation》：Radar-optical fusion of Sentinel-1/2 for high-resolution NDVI reconstruction and landscape-driven carbon flux assessment in Kuala Selangor, Malaysia (2020–2024)

净生态系统生产力估算与景观格局耦合分析在热带多云地区

　　
该研究针对热带多雨地区碳通量监测的三大难题——持续云层覆盖导致的光学遥感数据缺失、复杂土地利用景观的异质性，以及现有模型在长期依赖性和生态可解释性上的不足，提出了一套创新性的解决方案。通过整合Sentinel-1合成孔径雷达（SAR）与Sentinel-2光学遥感数据，构建了CNN-BiLSTM-MHA架构的云抗性融合网络（CRFNet），实现了10米分辨率NDVI时间序列的高精度重建，进而驱动植被光能利用效率模型估算净生态系统生产力（NEP）。研究进一步结合景观格局分析，揭示了碳汇能力与土地利用/覆被结构之间的耦合机制。

### 一、技术框架创新与模型性能突破
在数据融合层面，研究突破性地引入SAR的物理特性与光学遥感的植被生物物理参数。Sentinel-1 VV/VH极化通道的回波特性与植被冠层结构及土壤湿度存在强相关性，这种物理基础为云遮蔽区域的NDVI重建提供了稳定辅助。研究团队创新性地构建了"雷达-光学双通道"输入框架，通过云掩膜筛选与时间窗口匹配技术，解决了多源数据时空对齐难题。预处理阶段采用三级质量筛选：首先基于Sentinel-2的SCL云分类层剔除云量＞80%的影像；其次通过CHIRPS降水数据过滤单日降水＞10毫米的影像；最后建立±7天的时间容差窗口，确保SAR与光学影像的相位匹配。

模型架构方面，CRFNet实现了三个关键技术创新：
1. **时空特征联合提取**：CNN层通过卷积核捕捉局部空间纹理特征（如植被冠层密度、土壤湿度梯度），Bi-LSTM网络则通过双向门控机制建模长达30天的长期气候记忆。在印度尼西亚婆罗洲热带雨林监测中，这种架构使模型能准确捕捉雨季与旱季的植被生长节律，较传统单侧LSTM模型提升12%的年际一致性。
2. **动态权重注意力机制**：MHA模块根据云污染程度自适应调整时间序列权重，在2020年极端云量（月均云量＞75%）环境下仍保持83%的R2精度。这种机制特别适用于热带季风区的突发性暴雨事件，如2023年9月某次连续降雨导致云量激增时，模型通过注意力机制自动强化雨前NDVI数据的引导作用。
3. **物理约束的损失函数设计**：采用云掩膜加权均方误差（MSE），对持续云污染区域赋予更高权重。实验显示，这种设计使模型在云量＞70%的影像重建精度仍保持在R2=0.75以上，较传统全局损失函数提升18%的边缘区域重建质量。

### 二、碳通量时空演化特征
基于重建的NDVI时序（2020-2024），研究揭示了三个关键碳动态规律：
1. **ENSO驱动型年际波动**：受厄尔尼诺-南方振荡影响，2020（拉尼娜）和2022年的NEP均值分别比2023（厄尔尼诺）低9.8%和7.4%。这种年际变化与海洋热含量指数（ONI）呈显著负相关（r=-0.73，p<0.01），验证了气候信号对碳通量的主导作用。
2. **空间异质性的结构表征**：景观格局分析显示，高碳汇区域（LPI＞40%）呈现典型的"核心-边缘"结构，最大斑块占比达38%-52%，边缘密度控制在15-25m/ha。这种紧凑的景观格局使森林和红树林在ENSO事件中表现出更强的稳定性，2022年拉尼娜年虽然NEP均值下降12%，但核心保护区的碳汇能力仍维持93%的基准水平。
3. **多尺度转换机制**：通过将250米分辨率的土壤有机碳数据（OpenLandMap）与10米NDVI结合，揭示了亚米级碳通量变化的驱动因素。研究发现，坡度＞15°的农田区域在雨季易形成碳汇漏洞，其NEP波动幅度可达±25gC/m2·month，显著高于平地农田（±12gC/m2·month）。

### 三、关键发现与生态启示
研究取得以下突破性成果：
1. **碳汇能力评估**：2020-2024年间，研究区年均NEP从68.9gC/m2·yr降至63.8gC/m2·yr，降幅7.4%。其中，2022年极端降雨导致NEP单年下降量达15.3gC/m2·yr，凸显水文条件对碳汇能力的敏感性。
2. **空间分异规律**：通过景观指数（NP、LPI、AREA_MN、ED）的地理加权回归分析，发现：
- **森林-红树林复合系统**：LPI＞45%的核心区域在ENSO事件中表现出"缓冲效应"，其NEP年际变异系数（CV）仅8.2%，而破碎化区域（LPI＜30%）CV达23.6%。
- **农业系统脆弱性**：油棕-甘蔗轮作区在旱季（2023年7月）出现12%的碳源化，对应NP指数从38.5激增至67.2，且边缘密度（ED）突破35m/ha阈值。
3. **结构-功能耦合机制**：景观指数与NEP的皮尔逊相关系数显示，LPI与NEP呈显著正相关（r=0.68，p<0.001），而ED每增加10m/ha，NEP下降0.38gC/m2·month（95%CI: 0.29-0.47）。这种结构敏感性在2022年洪灾期间尤为明显，此时ED均值达32.7m/ha，较灾前提升217%，对应NEP下降19.6%。

### 四、管理策略与实施路径
基于研究发现，提出三级管理策略：
1. **核心保护区建设**（LPI＞40%区域）：
- 建立动态监测网络，每季度更新最大斑块指数
- 实施潮汐调控工程，维持红树林泥炭层饱和度在60-75%
- 推广农林复合系统，将油棕种植密度控制在300株/ha以下

2. **破碎化区域修复**（NP＞50个/ha）：
- 建立最小连接单元（MLU）标准，确保景观斑块最小面积＞2ha
- 推广免耕-间作模式，将土壤有机碳年增量提高至0.8gC/m2·yr
- 实施"生态廊道倍增计划"，每平方公里至少保留5km生态连接廊道

3. **边缘效应缓解**（ED＞30m/ha区域）：
- 建设缓冲带，边缘100m范围内采用混交林种植（乔木:灌木=3:1）
- 推广智能灌溉系统，将土壤含水量波动控制在±5%以内
- 实施"边缘再生计划"，通过种植本土灌木（如九节木）将ED降低20%

### 五、方法学贡献与局限
本研究在方法学层面取得三重突破：
1. **多源数据融合范式**：构建了"物理特征+机器学习"的混合输入框架，在印度尼西亚苏门答腊测试中，较纯机器学习模型提升22%的碳通量解释力。
2. **动态验证体系**：开发了基于景观格局的间接验证方法，通过比较不同ENSO年份的NP指数与NEP变异率，验证了模型对气候信号响应的可靠性。
3. **跨尺度建模技术**：实现了10m-250m的多尺度数据融合，在坡度>15°区域，模型能准确捕捉0.5m高程变化引起的NEP波动。

主要局限包括：
- 辅助数据分辨率限制（如SOC数据250m）
- 未考虑生物地球化学循环的反馈机制
- 动态土地利用数据缺失（采用2019年静态数据）
未来研究可整合Sentinel-6的地表水观测数据，构建碳-水耦合模型，并接入动态土地覆盖数据库（如2020-2025年ESA全球覆盖更新数据），提升模型的时间动态分辨率。

### 六、政策建议与实施路线
基于研究成果，提出"三区两线"管理体系：
1. **核心保护区（20%）**：实施严格生态红线，限制开发强度在15%以下，重点保护LPI＞45%的森林和红树林区域。
2. **缓冲修复带（30%）**：在边缘ED＞30m/ha区域，通过种植适生灌木（如银合欢）将LPI提升至35%，同时配套建设排水系统降低土壤饱和度。
3. **生产调节区（50%）**：在NP＞50个/ha区域推行精准农业，采用LUE模型动态调整灌溉量（目标值±10%），并通过遥感监测实现耕作周期优化。

监测实施路线：
1. **基础数据层**：每月更新10m NDVI和NEP产品，采用CRFNet模型+LUE模型+景观指数的联合生产流程。
2. **动态预警系统**：当连续3个月LPI下降＞5%或ED上升＞10m/ha时触发碳汇风险预警。
3. **效果评估机制**：通过遥感反演的NEP数据与地面验证点（计划建立15个固定观测站）进行年度交叉验证。

该研究为热带地区碳汇监测提供了新的方法论，其构建的10m分辨率NEP数据库（覆盖2020-2024年）已应用于马来西亚国家碳预算评估，为《巴黎协定》目标下的碳中和路径规划提供了关键数据支撑。