近年来，江苏省不断创新生态环境治理模式，推进生态安全缓冲区建设。生态安全缓冲区是指生态空间中具有消纳、降解和净化环境污染，抵御、缓解和降低生态影响的过渡地带。基于自然的韧性及科学的管理，具有涵养水源、净化水质、维护生物多样性、稳定生态功能、增加碳汇等综合性生态功能价值，主要包括生态净化、生态涵养、生态修复和生态保护4种类型。以往研究更多关注生态安全缓冲区净化水质的功能^[1-2]，通过监测进、出生态安全缓冲区水体的理化类指标(如总磷、总氮、氨氮、浊度等)来评估其运行成效，而对于缓冲区内最重要的生态要素——植被生长状况的监测评估较为欠缺。

及时掌握植被的生长变化趋势对于区域生态环境状况的评估具有重要意义^[3]。遥感技术具有快速、宏观和周期性等优点^[4]，有利于植被生长的时空变化监测，已成为无损获取植被参数的重要手段。Sentinel-2卫星是欧洲航天局(ESA)哥白尼计划中负责地球观测的系列卫星，目前包括Sentinel-2A(2015年6月发射)和Sentinel-2B(2017年3月发射)2颗卫星。多光谱成像仪(Multi Spectral Instrument，MSI)是Sentinel-2平台上搭载的主要传感器之一，涵盖从可见光、近红外到短波红外波段，其中特别设计了3个红边波段，为植被生物物理参数的高精度获取提供了有力支持。当前，国内外诸多学者基于Sentinel-2数据已实现了叶面积指数^[5-6]、叶绿素含量^[7-9]、覆盖度^[10-11]等植被参数的高精度反演。

苏州消夏湾生态安全缓冲区通过建设浅滩湿地、种植湿地植物等途径，对汇入消夏湾的水体进行净化和生态涵养，旨在使消夏湾出口排向太湖水流的氮、磷通量得以降低。现利用Sentinel-2 MSI数据提取消夏湾2021—2022年植被生物物理参数信息以监测评估其运行成效，探索并初步提出生态安全缓冲区植被生态环境监测评价技术方法，有助于更加科学、准确地评估缓冲区建设与运行成效，为后续生态环境管理决策提供重要支撑。

1 研究区概况与数据来源 1.1 研究区概况

消夏湾生态安全缓冲区位于苏州市吴中区金庭镇石公村[图 1(a)(b)]，属典型的北亚热带季风气候，受到太湖水体调节，气候温和湿润，雨量充沛，年平均降水量为1 088.5 mm，无霜期长，年平均气温为15.7 ℃。1月最冷，月平均气温为3.3 ℃；7月最热，月平均气温为28.6 ℃。

消夏湾生态安全缓冲区周边为乡村生态环境，消夏江自北向南流入太湖，水体受到东、西两侧农业、生活面源污染影响，东部污染来源主要为山林、茶果园施肥，以及村镇居民生活污水，西部污染来源主要为农田退水等农业面源带来的氮、磷，这些面源负荷以往未经过拦截，直接进入消夏湾，最后汇入太湖，对太湖富营养化等水生态问题造成不利影响。消夏湾生态安全缓冲区以“控源+生态净化”为核心，分3期建设实施，一期项目于2020年11月开工建设，2021年10月竣工并投入运行。该项目通过截留湿地的初步拦截、强化型垂直流湿地的强化处理以及浅滩湿地的净化补充这3道基于生态湿地技术的拦截处理体系，使水体与芦苇、美人蕉、再力花和鸢尾等水生植被充分接触，吸收和降解氮、磷等营养物质，旨在减轻该区域周边高坡地带带来的面源污染。

1.2 数据来源 1.2.1 卫星遥感数据

卫星遥感数据为Sentinel-2 L2A级产品冠层顶部反射率(Top of Canopy，TOC)数据，该数据可在欧洲航天局哥白尼数据开放中心(https://scihub.copernicus.eu)免费获取。Sentinel-2 MSI涵盖从可见光到短波红外区域共13个光谱波段，具体参数见表 1。

本研究联合使用Sentinel-2A和Sentinel-2B这2颗卫星数据，共选取2021年(1月8日、1月13日、1月18日、2月7日、3月14日、3月29日、5月3日、6月22日、7月12日、10月5日、11月24日、12月4日、12月19日、12月29日，共14景)和2022年(1月3日、2月27日、3月4日、3月9日、3月14日、3月24日、4月3日、5月3日、6月27日、7月7日、7月27日、8月11日、8月21日、10月10日、12月19日、12月24日，共16景)总计30景无云影像，用于监测消夏湾生态安全缓冲区植被生长动态。

1.2.2 气象数据

为了分析温度、降水等气象因子差异对消夏湾生态安全缓冲区植被生长的影响，更加直观、有效地评估缓冲区建设与运行成效，收集整理了太湖区域2021和2022年植被生长季(3—10月)的日最高气温和日平均降水量数据。气象数据来自江苏省气候中心(http://js.cma.gov.cn/)。

2 研究方法 2.1 植被生长状况评价指标

通过以下5种植被冠层生物物理参数反映消夏湾生态安全缓冲区植被状况。

(1) 植被吸收光合有效辐射比例(FAPAR) 是指在光合有效辐射波段(400~700 nm)植被冠层吸收利用的太阳光能，被定义为植被冠层绿色部分吸收的光合有效辐射占到达冠层顶部总光合有效辐射的比例。FAPAR能够表征植被冠层的能量吸收能力，是反映植被群落光合作用的重要依据，也是遥感估算植被总初级生产力的重要参数，其数值越高代表植被光合作用水平越高、生长状态越好。

(2) 植被覆盖度(FVC)是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比，主要表征植被水平结构状况。

(3) 叶面积指数(LAI)是指单位土地面积绿色叶片的单面面积总和，主要表征了植被的叶量以及垂直结构复杂性。FVC和LAI均是反映植被冠层结构的重要参数，是衡量地表植被覆盖状况的重要指标。叶绿素是植被光合作用重要的聚光色素，具有吸收和传递光能的作用，进而促进生物圈和大气圈的物质和能量交换。

(4) 植被冠层叶绿素含量(CCC)，即单位土地面积叶绿素含量，可反映植被群体健康和功能状况，具有广泛的生态和农业应用价值。

(5) 冠层含水量(CWC)能反映植被的生长及土壤环境状况，对于干旱监测和生态环境改善等具有指示意义。

2.2 基于SNAP软件的植被生物物理参数遥感反演

本研究利用耦合植被冠层辐射传输模型(PROSAIL)和人工神经网络的SNAP软件中的植被生物物理参数处理模块(Biophysical Processor)处理Sentinel-2 L2A级产品，反演获得植被冠层生物物理参数FAPAR、FVC、LAI、CCC和CWC(图 2)。

PROSAIL模型是叶片模型(PROSPECT)^[12]和冠层模型(SAIL)^[13-14]的组合^[15-16]。PROSPECT模型有5个主要输入参数：叶片结构参数(N)、叶片叶绿素含量(Cab)、干物质含量(Cdm)、含水量(Cw)和褐色素(Cbp)，输出参数是叶片光谱反射率和透过率。SAIL模型需要输入的参数有叶片反射率、透过率、叶面积指数(LAI)、平均叶倾角(ALA)、热点参数(Hot)、背景参数(Bs)、太阳天顶角、观测天顶角、相对方位角、散射光与入射光比值等。最后利用Sentinel-2传感器的光谱响应函数，将模拟的光谱反射率重采样成多光谱反射率，重采样公式见式(1)。

$ \rho_s(\lambda)=\frac{\int_{\lambda_{\min }}^{\lambda_{\max }} \rho\left(\lambda_i\right) \varphi\left(\lambda_i\right) \mathrm{d} \lambda}{\int_{\lambda_{\min }}^{\lambda_{\max }} \varphi\left(\lambda_i\right) \mathrm{d} \lambda} $

(1)

式中：ρ_s(λ)——重采样之后的反射率，无量纲；λ_min、λ_max——最小、最大波长值，nm；ρ(λ_i)——模拟光谱在波长λ_i处的反射率，无量纲；φ(λ_i)——Sentinel-2A或Sentinel-2B的光谱响应函数在波长λ_i处的值，无量纲。

该模块利用PROSAIL模型构建训练数据集，各输入参数的动态范围见表 2，共生成41 472条数据，其中2/3用于神经网络的训练，1/3用于模型验证和精度评估。

由于Sentinel-2A和Sentinel-2B传感器的光谱响应函数略有不同，该模块针对2颗卫星的传感器分别训练特定的神经网络，利用列文伯格-马夸尔特(Levenberg-Marquardt)优化算法调整突触权值和神经元偏置，使网络模拟的输出与训练数据集中模拟的冠层生物物理变量的对应值达到最佳一致。最终得到的神经网络参数配置到SNAP软件的Biophysical Processor模块中。该模块可生成20和10 m这2种空间分辨率的植被生物物理参数产品，20 m分辨率产品利用B3、B4、B5、B6、B7、B8a、B11和B12这8个波段生成，其中B3和B4波段需要重采样成20 m分辨率，充分利用了可见光、红边、近红外和短波红外的植被光谱反射信息。10 m分辨率产品则使用10 m分辨率的3个波段(B3、B4、B8)生成，但由于光谱信息有限，仅能估算LAI、FAPAR和FVC这3种植被参数。利用Biophysical Processor模块生成20 m分辨率植被生物物理产品，其神经网络由上述8个波段外加太阳天顶角余弦、观测天顶角余弦与相对方位角余弦共11个输入层和5个具有正切S型曲线(Sigmoid)传递函数隐式神经元参数组成。此算法从宏观区域上最大程度地精细计算出各像素植被特征与冠层顶部反射率之间的关系，通过模型自验证功能保证最优的遥感反演模拟精度。目前，该模块还实现了法国SPOT(Satellite Pou r l'Observation de la Terre)卫星搭载的植被传感器(VEGETATION)、ENVISAT搭载的中分辨率成像光谱仪(MERIS) 和Landsat-8搭载的陆地成像仪(OLI) 中植被生物物理参数的反演^[17]，已在国内外植被生物物理参数的反演研究中得到了广泛应用^[18-20]。

2.3 生态安全缓冲区植被生态环境指标提取与分析

生态安全缓冲区植被指标提取与分析流程见图 3。首先将Sentinel-2 10 m分辨率数据通过均值法重采样生成20 m分辨率，然后利用Biophysical Processor模块反演得到植被生物物理参数，而后基于消夏湾生态安全缓冲区边界矢量进行裁剪、掩膜和异常值处理。由于图像的均值和标准差能表征在相同标准下图像参数的平均状态和离散程度，本研究分别对生态安全缓冲区5种植被生物物理指标求取均值和标准差。此外，为进行生态安全缓冲区植被生长期对比监测，还利用3次样条法插值得到植被生长期生物物理参数时序变化趋势，试图从数值统计、时序变化和空间区位3个角度去评估消夏湾生态安全缓冲区植被生态状况。

3 结果与讨论 3.1 生态安全缓冲区运行前后的植被生物物理参数的变化

通过提取消夏湾生态安全缓冲区运行前(2021年)和运行后(2022年)5种植被生物物理参数，可反映该区域2021—2022年各植被生物物理指标空间分布特征和植被生长状态的变化，见图 4(a)—(e)和表 3。由图 4和表 3可见，2021年该区域FAPAR均值为0.35，2022年均值为0.38，较2021年略有提升。2021年该区域FVC均值为0.32，2022年均值为0.36，较2021年提升了约13%。2021年该区域LAI均值为0.91，2022年均值为1.01，较2021年提升了约11%，说明生态安全缓冲区建成后，该区域植被生长潜力增加。该区域CCC均值由2021年的35.41 μg/cm²提升至2022年的42.02 μg/cm²，提升了约20%。2022年该区域CWC均值较2021年略有提升，表明生态安全缓冲区建成后，植被冠层水分含量增加，鲜活度有所提升。

3.2 生态安全缓冲区气象特征及植被生物物理参数的时序变化

2021和2022年消夏湾生态安全缓冲区植被生长期(3—10月)平均最高气温和降水量见图 5(a)(b)。由图 5可见，2021年消夏湾生态安全缓冲区植被生长期平均最高气温为28.0 ℃，2022年则为28.9 ℃，除5，9和10月略低于2021年同期值，其余月份均高于2021年。2021年该区域植被生长期总降水量为1 189.9 mm，而2022年仅为787.3 mm，同比下降约34%，尤其在植被生长旺盛的7和8月，降水量显著低于2021年同期值。

2021和2022年消夏湾生态安全缓冲区植被生长期生物物理参数时序变化见图 6(a)—(e)。由图 6可见，在植被生长前期(3—5月)和旺盛期(8—9月)，2022年植被FAPAR、FVC、LAI、CCC和CWC这5种植被参数值均高于2021年同期值，尤其在生长旺盛期，LAI和CWC参数值相较于2021年提升更为显著。此外，在4月植被生长次旺盛期，植被参数值也有明显提升。2022年7—8月，消夏湾生态安全缓冲区持续长时间高温且晴热少雨，平均最高温度＞37 ℃，而降水量＜70 mm，水热条件均不利于植被生长。即使在这种极端天气下，消夏湾生态安全缓冲区的植被仍表现出了较好的韧性，植被生长状况良好，各参数指标优于2021年同期值。结果表明，生态安全缓冲区建成后，植被生态环境整体得到了改善，侧面反映出消夏湾生态安全缓冲区发挥了积极的作用。

4 结语

本研究利用Sentinel-2卫星遥感数据，基于植被辐射传输模型和机器学习相结合的手段反演FAPAR、FVC、LAI、CCC和CWC这5种植被生物物理参数，开展消夏湾生态安全缓冲区植被生态环境监测评估。结果表明，生态安全缓冲区建成后，植被生长状况良好，植被冠层结构发生了一定程度的改善，植被覆盖度有所提升，植被生物量有所增加，植被生态环境得到了改善。本研究主要利用植被生长期(春、夏、秋季)生物物理指标反映植被生长状况，未来可进一步探索利用能够反映植被成熟、衰老等生长过程的植被指标来监测植被的成熟度、老化度，以便及时对缓冲区植被进行监控、管理，更有利于提升生态安全缓冲区的运行成效。本研究可为陆域生态系统和重要生态空间(如生态保护红线、自然保护地、生态空间管控区、生态监测样地、农业面源污染等)提供基于植被生物物理特性的定量监测和评估方法的借鉴。