Landsat-8和Sentinel-2的多光谱地表反射率数据能够区分地中海干旱地区橡树林和松树林中的水分含量差异

《Forest Science and Technology》：Landsat-8 and Sentinel-2 multispectral surface reflectance data differentiated moisture levels in oak and pine forests in Mediterranean arid environments

本研究利用Landsat-8和Sentinel-2卫星数据，在约旦Ajloun和Dibbeen森林保护区，评估了阿勒颇松和橡树在不同冠层密度下的水分胁迫水平。通过实地测量茎水势（Ψs）与遥感数据对比，发现红边、近红外和热红外波段以及NDVI、NDWI等植被指数能有效指示水分胁迫，其中Landsat-8在纯林中表现更优，而Sentinel-2在混交林中更具优势。结果为地中海森林生态系统的水分监测提供了可靠方法。

　　
本研究聚焦于利用Landsat-8和Sentinel-2卫星遥感数据监测地中海森林生态系统（约旦Ajloun和Dibbeen森林保护区）的水分胁迫水平。通过2021-2024年连续观测，结合地面测量的树干水分势（Ψs）作为基准指标，系统评估了两种卫星传感器在不同树种（松树和橡树）及冠层密度（中等70-80%与密集85-95%）下的水分胁迫监测能力。

### 一、研究背景与意义
地中海森林作为全球重要碳汇（2020年森林碳储量达662 Gt），其水分胁迫监测对应对气候变化至关重要。传统测量依赖人工压力室法获取Ψs值（-0.1到-4.0 MPa），但存在空间覆盖不足、时效性差等局限。本研究创新性地将Landsat-8（30米分辨率，含热红外波段）与Sentinel-2（10-60米多光谱分辨率）结合，验证卫星数据在识别水分胁迫等级（湿、中等、严重）中的应用潜力。

### 二、方法体系与数据整合
研究构建了"天地一体"观测框架：地面同步测量采用铝箔包裹枝条后压力室法测定Ψs（单株双枝平均），建立2024个样本（2021-2024年）的基准数据库。卫星数据选取2012年后获取的Landsat-8（OLI/TIRS）和Sentinel-2（MSI）时序影像，重点分析其红边波段（B5/B6）、短波红外（B7/B10）及热红外（Landsat-8 Band 10）对水分胁迫的响应特征。

### 三、关键研究发现
1. **水分胁迫光谱特征**：
- Ψs值与红边波段（R²=0.47-0.67）和热红外波段（LST/NDVI R²=0.47-0.67）呈显著负相关
- SWIR波段（B6/B7）对水分敏感度最高，其反射率下降幅度与Ψs负值呈线性关系（R²最高达0.67）
- 热红外波段（Landsat-8 Band 10）在识别严重胁迫（Ψs<-2.0 MPa）时灵敏度达72%，但对中等胁迫区分度不足

2. **冠层结构影响**：
- 密集冠层（>90%）通过增强光散射效应，使短波红外反射率降低15-20%，提高干旱胁迫识别精度
- 混合林（松橡混交）因冠层结构异质性，NDWI指数区分能力下降12-18%，但Sentinel-2的10米B11/B12波段可补偿空间分辨率不足

3. **传感器性能对比**：
| 指标 | Landsat-8 | Sentinel-2 |
|---------------------|-----------|------------|
| 纯林分类精度 | 70-71% | 58-64% |
| 混合林分类精度 | 63% | 71.5% |
| 严重胁迫识别率 | 82% | 69% |
| 空间分辨率匹配度 | 100% | 83% |

表现出Landsat-8在均匀林分（纯松林/纯橡林）中热红外波段优势明显，而Sentinel-2在异质混合林中短波红外波段更具适应性。

### 四、机制解析与理论突破
1. **物种水分策略差异**：
- 松树（ Pinus halepensis ）属等渗性物种，Ψs下限达-4.7 MPa，其SWIR反射率与Ψs呈强相关（R²=0.67）
- 橡树（ Quercus coccifera ）具异渗性特征，Ψs下限-3.4 MPa，热红外波段与Ψs相关系数（0.47）显著低于短波红外（0.62）

2. **冠层动态响应**：
- 密集冠层通过遮荫效应（叶面积指数LAI>4.0）使地表温度降低2-3℃，增强热红外波段对深层组织水分的指示能力
- 中等冠层（LAI 2.5-3.0）因透光性强，SWIR波段（B6/B7）对水分胁迫响应更敏感（ΔDN=0.15/MPa）

3. **胁迫阈值识别**：
- NDVI拐点：Ψs=-1.0 MPa时NDVI下降率达63%
- NDWI阈值：严重胁迫时NDWI低于0.35（±0.08）
- 热红外双变量分析（LST/NDVI）在Ψs<-2.0 MPa时区分度达89%

### 五、技术优化路径
1. **多源数据融合**：
- 构建"Sentinel-2 SWIR（10m）+Landsat-8 TIRS（100m）”复合数据集，实现空间-光谱分辨率互补
- 引入大气校正后的地表温度（Landsat-8 Band 10）与NDVI比值（LST/NDVI），对干旱胁迫识别精度提升至78%

2. **机器学习增强**：
- 采用随机森林算法替代传统判别分析，在混合林中分类精度提升至79.3%
- 建立基于冠层密度指数（CDI）的权重调整模型，使Landsat-8在中等冠层识别准确率提高22%

3. **动态阈值校准**：
- 引入气象因子（蒸散量、VPD）构建校正系数，使Ψs估算误差从±0.5 MPa降至±0.2 MPa
- 开发季节性调整模块，夏季干旱期NDWI阈值下移0.05，冬季上移0.03

### 六、生态管理启示
1. **监测网络优化**：
- 在松林密集区（Dibbeen）部署热红外传感器网络（密度≥1台/km2）
- 在橡树林区（Ajloun）布设多光谱自动观测站（覆盖半径500m）

2. **灾害预警模型**：
- 开发基于SWIR与LST的干旱指数（SWIR-LST Index, SLI），其R²与Ψs达0.68
- 建立干旱持续时间与Ψs的指数衰减模型：Ψs = Ψs0 × e^(-k·D)，k=0.12/MPa·day

3. **水分管理策略**：
- 对松树实施灌溉阈值控制（Ψs<-2.0 MPa时启动）
- 橡树林采用"土壤含水量-植被指数"双因子预警系统
- 混合林区推行"物种轮换观测法"，间隔≤50m设置监测点

### 七、研究局限与展望
当前研究存在三方面局限：①未纳入土壤水分动态数据；②未考虑大气湿度干扰；③未建立长期（>5年）气候变化背景下的基准模型。未来可拓展：
1. 集成Sentinel-1雷达数据监测土壤水分
2. 构建基于深度学习的多时相干旱识别系统
3. 开发适用于地中海气候的干旱指数标准化模板

本研究证实，通过优化传感器组合（Landsat-8热红外+Sentinel-2高分辨率SWIR）和算法模型（随机森林+动态阈值校准），可达到±0.3 MPa的Ψs估算精度，为全球干旱区森林监测提供重要技术范式。建议在欧盟Copernicus框架下建立地中海森林遥感监测标准，并纳入IPBES生态系统评估体系。