Een hybride empirische en semi-analytische inversiebenadering voor remote sensing-schatting van SPM in het Ebinur-meer, China

Waarom deze stoffige woestijnmeren belangrijk zijn

Het Ebinur-meer in het uiterste noordwesten van China is een ondiep, zout meer omringd door woestijn. Het water is gevuld met zwevende deeltjes slib en zout. Die deeltjes bepalen het leefgebied van pekelkreeftjes die worden geoogst als waardeerd «zacht goud», verstoppen irrigatiesystemen en, wanneer het meer droogvalt, kunnen ze als stof in de lucht terechtkomen en nabijgelegen dorpen belasten. Het is echter moeilijk om veranderingen in deze deeltjes over jaren te volgen in zo’n afgelegen gebied met weinig data. Deze studie laat zien hoe verschillende satellietsensoren en modelleerbenaderingen gecombineerd kunnen worden om gedurende meer dan een decennium betrouwbaar het gehalte aan zwevende deeltjes (SPM) in Ebinur-meer en een soortgelijk nabijgelegen meer te monitoren.

Wolken van deeltjes boven een krimpend meer

Het Ebinur-meer is een schoolboekvoorbeeld van hoe klimaat- en menselijke druk woestijnmeren hervormen. De neerslag is laag, de verdamping intens en sterke winden razen ongeveer twee maanden per jaar over het ondiepe water. Deze winden roeren de bodemsedimenten op, verhogen het SPM en blazen later opgedroogd meerbedmateriaal in enorme zout-stofstormen. Tegelijkertijd krimpt het meer in oppervlakte, waardoor meer blote sedimenten blootliggen. Dit bedreigt zowel de fragiele moerasecosystemen van het meer als de lokale economie die afhankelijk is van pekelkreeftjes, die geschikte waterhelderheid nodig hebben om te floreren. Beheerders hebben daarom langetermijnkaarten van SPM nodig die laten zien hoe de troebelheid over het meer en door de tijd verandert — iets wat alleen satellieten consequent kunnen leveren.

De kleur van het meer vanaf de ruimte aflezen

Satellieten zoals Landsat en Sentinel-2 fotograferen het Ebinur-meer regelmatig in zichtbaar en nabij-infrarood licht. De studie meette eerst hoe het ongewoon zoute, troebele water van Ebinur licht absorbeert over golflengten, waarbij de bijdragen van zwevende deeltjes en opgelost organisch materiaal werden gescheiden. De auteurs vonden dat rond 695 nanometer, in het diepe rode gebied, de absorptie van het meer bijna gelijk is aan die van puur water, en dat SPM een sterke signatuur creëert in aangrenzende rode banden. Deze bevinding helpt om semi-analytische modellen te verankeren die verbinden wat satellieten zien (gereflecteerd licht) met fysieke eigenschappen zoals de mate waarin deeltjes licht absorberen en verstrooien, wat op zijn beurt gerelateerd is aan de SPM-concentratie.

Fysisch inzicht en datagedreven modellen combineren

Het team vergeleek twee modelgroepen. Semi-analytische modellen, zoals het Quasi-Analytical Algorithm (QAA), gebruiken kennis van wateroptica om SPM af te leiden uit satellietreflectantie. Empirische modellen — waaronder eenvoudige exponentiële regressies en diverse machine-learningbenaderingen — leren een directe relatie tussen reflectantie en gemeten SPM bij veldstations. Met 227 watermonsters verzameld tussen 2011 en 2021 kalibreerden en testten ze deze modellen op Landsat 8- en Sentinel-2-beelden van het Ebinur-meer, en controleerden vervolgens hoe goed de modellen overgingen naar het Bosten-meer, een helderder meer met lagere SPM in dezelfde regio. Ze gebruikten ook een fusie-methode genaamd ESTARFM om Landsat- en MODIS-gegevens te combineren, zodat hiaten in de tijdreeks werden opgevuld terwijl de reflectantie in de rode band consistent bleef.

Het juiste gereedschap kiezen per sensor

De resultaten tonen aan dat geen enkel model in alle situaties het beste is. Voor de doorgaans hoge SPM-waarden van het Ebinur-meer presteerden semi-analytische modellen duidelijk beter dan de meeste empirische en machine-learningmodellen, en leverden stabiele kaarten die overeenkwamen met de ruimtelijke patronen zichtbaar in satellietbeelden en die goed overeenkwamen met metingen in het meer. De QAA-variant afgestemd op de rode band (ongeveer 655–665 nanometer) werkte vooral goed voor Landsat 8 en Sentinel-2, terwijl een zorgvuldig gekozen exponentiële regressie (EXPM) geschikter was voor oudere Landsat 5/7-sensoren en voor de gefuseerde beelden. Empirische modellen getraind op Ebinur-gegevens faalden grotendeels wanneer ze werden toegepast op het helderdere Bosten-meer en produceerden vaak onrealistische, blokkerige patronen waarbij veel naburige pixels identieke waarden kregen — bewijs dat modellen die alleen op zeer troebel water zijn getraind niet generaliseren naar lage-SPM-condities.

Van lokale casestudy naar bredere richtlijnen

Door te analyseren hoe het water van het Ebinur-meer met licht omgaat, metingen van verschillende satellieten te harmoniseren en fysische en datagedreven modellen systematisch te testen, stellen de auteurs een praktisch recept voor voor langetermijnmonitoring van SPM in barre, data-arme omgevingen. Gebruik waar mogelijk een fysica-geleide QAA-aanpak met moderne satellieten; val terug op goed presterende empirische modellen voor oudere of gefuseerde datasets; en vermijd het direct overzetten van machine-learningmodellen van zeer troebel naar helder water. Voor lokale gemeenschappen en milieu(managers) betekent dit betrouwbaardere kaarten van wanneer en waar meren vertroebeld raken, wat betere bescherming van aquatische habitats, efficiënter watergebruik en vroegere waarschuwingen voor stofstormrisico’s in droge regio’s wereldwijd ondersteunt.

Bronvermelding: Liu, C., Xu, X., Wu, Y. et al. A hybrid empirical and semi analytical inversion approach for remote sensing estimation of SPM in Ebinur Lake China. Sci Rep 16, 10273 (2026). https://doi.org/10.1038/s41598-026-40250-x

Trefwoorden: gesuspendeerd deeltje-materiaal, remote sensing, aride meren, Landsat Sentinel, waterkwaliteitsmonitoring