《Sustainability》：Daylight Evaluation of Static and Kinetic Horizontal Shading Systems for Sustainable Visual Comfort: Experimental Illuminance Measurements and Calibrated Simulation
Marcin Brzezicki
编辑推荐：
本研究针对合成孔径雷达(SAR)监测湿地洪水时时空分辨率固有的权衡问题，开发并验证了Fusion SAR Operational Monitoring (FSOM)框架。该框架通过整合Flexible Spatiotemporal Data Fusion (FSDAF)模型、Sentinel-1双极化水体指数(SDWI)与自动阈值分类，成功融合了高空间分辨率的GF-3与高时间分辨率的Sentinel-1数据，应用于沉湖湿地2020-2024年的监测，生成了空间分辨率为5米的月度洪水图。验证表明，FSOM结果在总体精度(>90%)、Kappa系数(>0.90)及水体制图精度(>91%)上均显著优于原始Sentinel-1分类结果，显著提升了小水体的检测能力，为湿地精准保护与洪水灾害应急响应提供了可靠的数据基础。
地球上的湿地，犹如“地球之肾”，是陆地与水生生态系统之间至关重要的过渡带，它不仅为无数动植物提供了独特的栖息地，还承担着水质净化、防洪调蓄、补充地下水等一系列维系生态平衡的关键服务。然而，全球湿地正经历着面积缩减、生态退化的威胁，其提供可持续生态系统服务的能力受到挑战。对于像长江中下游沉湖这样的洪泛湿地，季节性洪水是其核心的水文过程，洪水动态直接影响着其生态结构与功能。精准、连续地监测洪水范围变化，是评估湿地水文扰动、维系其生态完整性与可持续功能的基础。
长期以来，遥感技术是监测地表水与洪水的利器。传统光学卫星数据（如Landsat、MODIS）虽然应用广泛，但常受云层干扰，且在探测冠层下或季节性水体时能力有限。合成孔径雷达（Synthetic Aperture Radar, SAR）传感器以其穿透云层、全天候工作的能力，成为湿地洪水监测的更优选择。然而，大多数SAR系统普遍存在一个根本性矛盾：高空间分辨率与高时间重访频率难以兼得。例如，我国的高分三号（GF-3）卫星可提供5米高分辨率影像，但重访周期长；而欧空局的哨兵一号（Sentinel-1）星座虽然重访频率高（可达数天），但其空间分辨率为10米。这种时空分辨率的权衡，限制了我们捕捉湿地快速淹没动态的能力，而这对于理解变化环境下的湿地可持续性至关重要。时空融合技术是缓解这一矛盾的有效策略，但现有的融合方法多针对光学影像设计，专门用于融合多源SAR数据以生成密集时间序列的框架仍显著缺乏。本研究正是为了填补这一方法论空白，旨在开发一个适用于SAR数据的时空融合框架，以实现湿地洪水动态的高频、高分辨率监测。
本研究提出并验证了一个名为FSOM（Fusion SAR Operational Monitoring）的改进SAR水体提取框架。该框架的核心是改造并扩展了原本为光学数据设计的灵活时空数据融合（Flexible Spatiotemporal Data Fusion, FSDAF）模型，使其适用于SAR数据融合。FSOM将高空间分辨率的GF-3数据与高时间分辨率的Sentinel-1数据相融合，以生成连续的高分辨率洪水范围时间序列。具体而言，该框架首先对所有SAR数据进行包括多视、斑点滤波、辐射定标和几何校正在内的标准化预处理。随后，预处理后的数据进入FSOM核心流程：利用FSDAF模型融合GF-3与Sentinel-1数据，生成高分辨率后向散射影像的合成时间序列；计算融合影像的哨兵一号双极化水体指数（Sentinel-1 Dual-Polarized Water Index, SDWI），以增强开阔水体与陆地表面的对比度；对每个SDWI影像应用自动阈值算法（如Otsu方法），生成二值化的水体/非水体掩膜。最后，利用独立参考数据验证提取水体的精度，并将验证后的月度水体掩膜用于分析沉湖湿地2020至2024年洪水范围的时空动态。
本研究的主要技术方法包括：1) 多源SAR数据融合：核心是改进的FSDAF模型，通过将SAR后向散射系数（σ0）从分贝(dB)尺度转换到线性功率尺度并进行归一化，以适应模型对线性数据的要求，再结合光谱解混和薄板样条插值来处理湿地中突然的土地覆盖变化（如洪水淹没）。2) SAR影像预处理与水体提取：对GF-3和Sentinel-1影像进行包括多视、Refined Lee滤波、辐射定标和地形校正等标准化处理。水体提取采用基于SDWI指数和自动Otsu阈值分割的方法，因其计算效率高，适合长期时序分析。3) 研究区域与数据：研究区为位于中国湖北省武汉市蔡甸区的沉湖湿地自然保护区（面积约116 km2），该区域是典型的洪泛平原湿地，受长江和汉江水文动态影响显著。使用的数据包括2019年至2024年所有可用的Sentinel-1 IW模式GRD产品（VV+VH极化，10米分辨率）以及同期满足质量要求的GF-3精细条带I模式SLC影像（HH+HV极化，5米分辨率，共8景）。
2.2.2. FSDAF 小节详述了模型的数学原理与SAR适配。FSDAF模型被选为FSOM框架的基石，因其能通过结合光谱解混和薄板样条插值器来明确处理突然的土地覆盖变化，这正符合湿地洪水淹没的动态特征。为了将原本为光学反射率数据设计的FSDAF适配于SAR后向散射系数（σ0），研究进行了关键的数据转换。SAR数据通常以对数分贝(dB)尺度存储（σ0dB= 10 log10(σ0linear)），但FSDAF的算法基于线性代数假设。因此，需要先将σ0值从dB尺度转换回线性功率尺度（σ0linear= 10(σ0dB/10)），然后进行最小-最大归一化至[0,1]区间，以满足FSDAF的输入要求并确保数值稳定性。同时，研究通过多视处理和FSDAF模型本身基于集合统计的特性，来应对SAR固有的斑点噪声问题。FSDAF的运行需要三幅输入影像：一对t0时刻的高分辨率GF-3影像和低分辨率Sentinel-1影像，以及一幅预测时刻t1的低分辨率Sentinel-1影像。其预测t1时刻高分辨率影像的核心公式整合了初始高分辨率影像与由低分辨率数据推算出的时空残差变化。
研究结果通过定量验证和应用分析证明了FSOM框架的有效性。精度验证表明，FSOM框架生成的产品性能显著优于使用原始Sentinel-1数据的水体分类结果。FSOM结果的总体精度超过90%，Kappa系数大于0.90；而原始Sentinel-1结果的总体精度超过86%，Kappa系数大于0.75。尤为关键的是，FSOM对水体的制图精度持续超过91%，表明漏分误差大幅减少，对小水体的检测能力显著提升。这些结果证实了FSOM框架在缓解时空分辨率权衡问题上的有效性。
将FSOM框架应用于沉湖湿地2020-2024年的月度洪水动态监测，成功生成了空间分辨率为5米的高分辨率时间序列洪水图。该应用展示了FSOM捕捉湿地季节性和年际水文变化的能力。通过对月度水体掩膜的分析，能够量化洪水范围在时间和空间上的波动，为理解沉湖湿地的水文情势及其生态影响提供了详细、连续的数据基础。研究强调，由此产生的高分辨率时间序列为评估水文连通性、栖息地可用性和生态系统服务提供了宝贵数据，可支持基于证据的湿地保护和适应性管理策略。
研究结论与讨论部分强调了本研究的贡献与意义。本研究成功开发并验证了FSOM框架，这是首个专门为多源SAR数据设计的时空融合框架，有效缓解了高空间覆盖与高时间重访频率之间的固有矛盾。通过整合GF-3和Sentinel-1观测数据，FSOM能够生成连续的高分辨率洪水范围时间序列。FSOM框架在沉湖湿地的应用表明，其在提升水体提取精度（特别是对小水体）和捕捉水文动态方面具有显著优势。这项研究的方法学进展为湿地洪水监测提供了更可靠、更高保真度的数据基础，直接支持湿地生态系统的精准保护和洪水灾害的应急响应。FSOM框架的实用性和可操作性，使其成为科学家和水资源管理者在全球最具动态和生态重要性的湿地生态系统中，增强监测能力的一个有力工具。最终，通过实现对洪水动态更详细、更频繁的监测，本研究有助于深化对气候变化和人为压力下湿地生态系统的理解与管理，从而支持相关的可持续发展目标。
