《Sustainability》：Enhancing Monthly Flood Monitoring in Wetlands Through Spatiotemporal Fusion of Multi-Sensor SAR Data: A Case Study of Chen Lake Wetland (2020–2024)
Chengyu Geng,
Cheng Shang,
Shan Jiang,
Yankun Wang,
Ningsheng Chen,
Chenxi Zeng,
Yadong Zhou and
Yun Du
编辑推荐：
本研究聚焦湿地洪水动态监测中遥感数据时空分辨率难以兼顾的瓶颈，提出了一个融合合成孔径雷达(SAR)数据的时空协同监测框架(FSOM)。研究人员将高空间分辨率的GF-3与高时间分辨率的Sentinel-1数据通过FSDAF模型融合，结合Sentinel-1双极化水指数(SDWI)与阈值分割，生成了沉湖湿地2020-2024年间空间分辨率达5米的月度洪水范围时序数据。结果表明，该方法相较于单独使用Sentinel-1数据，总体精度超过90%，Kappa系数高于0.90，生产者精度稳定在91%以上，显著提升了小水体的探测能力。该研究为全天候、高精度的湿地水文过程监测与灾害应急响应提供了可靠的技术方案。
湿地，作为连接陆地与水体的生态过渡带，不仅具有净化水质、涵养水源、保护生物多样性等多种生态功能，还是众多珍稀水鸟赖以生存的家园。然而，全球气候变化与人类活动加剧，正深刻改变着湿地生态系统的水文格局，特别是洪水的季节性涨落，直接影响着湿地的健康与稳定。精准、连续地掌握洪水淹没范围的变化，是科学管理湿地、保护生态环境的关键。然而，传统的现场监测手段耗时费力、覆盖范围有限，而常用的光学卫星遥感又极易受到云雨天气的干扰，在洪水多发季往往“束手无策”。这就像试图透过浓雾观察地面，信息严重缺失。如何实现全天候、高频率、高分辨率的湿地洪水动态监测，是摆在科学家和水资源管理者面前的一大难题。
为了破解这一难题，一项发表在《Sustainability》期刊上的研究，为我们提供了一种新颖的解决方案。该研究巧妙地利用了合成孔径雷达(SAR)能够“穿透”云雾、全天候工作的“火眼金睛”，但SAR数据自身存在高空间分辨率与高时间分辨率难以两全的“先天不足”。为此，研究人员提出了一个名为“融合SAR业务化监测(FSOM)”的创新框架。其核心思路是“取长补短”：将中国高分辨率SAR卫星“高分三号(GF-3)”提供的清晰“特写照片”，与欧洲“哨兵一号(Sentinel-1)”提供的频繁“监控录像”结合起来，通过一种名为“灵活时空数据融合(FSDAF)”的模型进行“智能拼图”，从而生成了一套既清晰（5米分辨率）又连续（月度频率）的长时间序列洪水淹没图。这项研究以长江中游典型的洪泛湿地——湖北武汉的沉湖湿地为“试验田”，成功绘制了2020年至2024年共五年的月度洪水动态变化图，为我们理解湿地的水文节律及其生态效应提供了前所未有的高精度数据基础。
主要技术方法概述：本研究采用FSOM框架，其关键技术包括：1. 多源SAR数据融合：将高空间分辨率GF-3数据与高时间分辨率Sentinel-1数据作为输入，通过FSDAF模型进行时空融合，生成连续的合成高分辨率时序数据。2. 水体信息提取：基于融合后的数据，计算Sentinel-1双极化水指数(SDWI)以增强水陆对比，并采用Otsu自动阈值分割法进行水体/非水体二元分类。3. 研究区域与数据：研究区为湖北沉湖湿地自然保护区(约116 km2)，使用了2010-2024年间该区域所有可用的GF-3和Sentinel-1影像。4. 精度验证：将FSOM框架生成的水体提取结果与原始Sentinel-1提取结果进行对比，采用总体精度、Kappa系数、生产者精度等指标进行定量评估。
研究结果
- •
FSOM框架性能验证：定量评估表明，FSOM框架生成的产品在监测精度上显著优于仅使用原始Sentinel-1数据的方法。FSOM的总体精度超过90%，Kappa系数大于0.90；而仅用Sentinel-1的结果，总体精度超过86%，Kappa系数大于0.75。最关键的是，FSOM对水体的生产者精度（即正确检测出水体的比例）始终高于91%，这表示其大大降低了遗漏错误，特别是对小水体的检测能力得到了显著提升。这些结果从数据层面证实了FSOM框架在解决SAR数据时空分辨率矛盾方面的有效性，为后续的洪水动态分析提供了高保真度的数据基础。
- •
沉湖湿地月度洪水动态(2020-2024)：应用FSOM框架，研究成功生成了沉湖湿地2020年1月至2024年12月共60个月的月度洪水分布图。这些地图以5米的空间分辨率，清晰揭示了研究区洪水范围的季节性波动和年际变化。分析显示，沉湖湿地的淹没范围呈现典型的季风气候驱动模式，夏季洪水期水域扩张，冬季枯水期水域收缩。通过连续五年的时序监测，研究不仅捕捉到了年内的周期性洪水脉冲，也记录了不同年份之间因降水、上游来水等因素导致的淹没面积差异。这些高分辨率时序数据直观展现了湿地水文连通性的动态变化，为评估栖息地可用性、理解生态过程对水文扰动的响应提供了宝贵的空间显式信息。
研究结论与意义
本研究成功开发并验证了名为FSOM的时空融合框架，首次将主要用于光学数据的FSDAF模型适配并应用于多源SAR数据融合，以监测湿地洪水动态。该框架通过集成高分辨率GF-3与高频次Sentinel-1观测，有效缓解了单一SAR系统在时空覆盖上的权衡，生成了长时间序列、高空间分辨率的月度洪水范围产品。
在沉湖湿地的案例应用中，FSOM框架表现优异，其提取精度全面超越传统方法，尤其擅长探测细小水体，证明了该方法在处理湿地这种地表覆盖变化迅速且异质性高的环境中的适用性。所产生的2010-2024年高分辨率洪水时序数据集，首次以月度频率、5米细节刻画了该重要湿地的水文动态，为量化其季节性洪水脉冲和年际变异提供了可靠依据。
这项研究的意义在于，它填补了多源SAR数据时空融合方法在湿地监测领域的空白，将SAR数据的“全天候”优势与“高时空分辨率”的监测需求相结合，形成了一套具有可操作性的技术流程。所生成的标准化、高质量长时间序列数据，能够直接支持精确的湿地保护、水文过程研究、生物多样性评估以及洪水灾害应急管理。在全球湿地面临持续威胁、气候变化加剧水文不确定性的背景下，FSOM框架为科学家、保护管理者和决策者提供了一个强大的工具，有助于提升对全球重要且动态变化的湿地生态系统的理解和可持续管理能力。
