Lisa 5

JÄÄKSOODE VEEREŽIIMI TAASTAMISE KOMPLEKSUURINGU LÕPPARUANNE 1. PROJEKTI KESTUS Algus

(kuu/aasta): 24.04.2017 Lõpp:

(kuu/aasta) 01.09.2023

2. PROJEKTI TAOTLEJA (teadusasutus): Tartu Ülikool

Telefon: +372 7 375826

Aadress: Ülikooli 18, 50090 Tartu

Registrikood: 74001073

Panga rekvisiidid: SEB Pank AS, Tornimäe 2, 15010 TALLINN, arvelduskonto (IBAN): EE281010102000234007 , SWIFT/BIC: EEUHEE2X , käibemaksukohustuslase nr (VAT number): EE100030417 , tehingupartneri kood (TP kood): 605201 3. PROJEKTI JUHT: Ain Kull

(Ees- ja perekonnanimi) kaasprofessor, PhD (Amet, teaduskraad)

4. PROJEKTI PÕHITÄITJAD ARUANDEPERIOODI VÄLTEL Projekti põhitäitjad:

Ees- ja perekonnanimi Teaduskraad Ametikoht 1. Ain Kull PhD loodusgeograafia kaasprofessor 2. Valentina Sagris PhD geoinformaatika teadur 3. Edgar Karofeld PhD rakendusökoloogia kaasprofessor 4. Kai Vellak PhD taimeökoloogia kaasprofessor 5. Alar Läänelaid PhD maastikuökoloogia emeriitdotsent 6. Gert Veber PhD loodusgeograafia teadur 7. Marko Kohv PhD rakendusgeoloogia teadur 8. Mae Uri Dipl./BSc spetsialist (keemik) 9. Edgar Sepp MSc, doktorant geoinformaatika spetsialist 10. Martin Maddison PhD keskkonnatehnoloogia kaasprofessor 11. Ivika Ostonen-Märtin PhD juureökoloogia professor 12. Kristina Sohar PhD loodusgeograafia teadur 13. Iuliia Burdun PhD doktorant, kaitsnud PhD 2020 14. Tauri Tampuu PhD doktorant, kaitsnud PhD 2022 Projektiga seotud abitööjõud: 1. Kärt Erikson BSc/MSc magistrant (2023) / doktorant (2023 sept.) 2. Birgit Viru MSc/PhD doktorant, kaitsnud PhD 2020 5. PROJEKTI KULUD ARUANDEPERIOODIL 2023.a. 69267,18 eurot

Kokku

Töötasud (põhitäitjad +abitööjõud) 40702.70 Sotsiaalmaks 13408.58 Töötuskindlustusmaks 325.08 Ostetud teenused 4879.82 Lähetuskulud 4750.46 Materjalid, tarvikud, masinad, seadmed 5087.24 Muud kulud 113.30 Kokku 69267.18

Ostetud teenuste selgitus 4879.82 Mulla- ja veekeemia analüüsid biogeokeemia

laboris Lähetuskulude selgitus 4750.46 Kõik lähetused on seotud uurimisaladel

gaasi- ning veeproovide regulaarse kogumisega, drooniseire ja taimkatteseirega

Materjalide, tarvikute, masinate ja seadmete selgitus

5087.24 Fotosünteetiliselt aktiivse kiirguse mõõtmise andurid ja temperatuuriandurid. Soetati mõõteseadmetele patareisid ja akusid, seadmete hooldusmaterjale, mõõdulinte, teipe jmt. tarvikuid

Muude kulude selgitus 113.3 Kummikud, töökindad välitöödeks. Kulurida ei kajasta Tartu Ülikooli üldkulueraldist (20%) RMK-lt 2023.a. esitatud aruannete eest (arvestuslik summa 16328.22), mis kajastub eelarves pärast aruande heakskiitmist ja lepingutasu laekumist tartu Ülikoolile.

6. PROJEKTI TÄITMISE LÕPPARUANNE Rakendusuuringu „Ammendatud turbamaardlate vee-režiimi taastamise kompleksuuringu metoodika väljatöötamine ja uuringu läbiviimine“ eesmärgiks oli perioodil 2017 – 2023 luua jääksoode seisundi ja korrastamisjärgsete muutuste seiramise metoodika, rajada valimisse kuuluvas viies jääksoos seirealad ning viia läbi kogu perioodi hõlmav kompleksseire. Lõpparuandes antakse ülevaade projekti raames 2017.a. aprillist kuni 2023.a. septembrini Laiuse, Kõima, Maima, Kildemaa ja Ess-soo jääksoodes läbi viidud tegevustest ja esmastest tulemustest ning tuuakse välja peamised seire käigus tehtud tähelepanekud korrastamistööde edukust mõjutavatest teguritest. Koondaruandes käsitletud teemade detailsem analüüs (eeskätt metoodika osas) on esitatud aruande lõpus viidatud lisana esitatud artiklites ja lisamaterjalides. Seirealade rajamine, seire ja korrastamistööde ajajoon Eelneva ruumianalüüsi ning välitööde tulemuste põhjal valiti RMK poolt korrastatavate jääksoode hulgast seiratavateks aladeks Laiuse, Ess-soo, Maima, Kõima ja Kildemaa jääksood. Neist Maima ja Ess-soo moodustavad väga sarnase paari, kus on esindatud mahajäetud freesturbaväljad ja iseseisvalt taimestunud turbavõtuaugud ning nende vahel kuivemad metsastuvad tervikud ning Ess-soos ka freesturbavälja laiendamiseks eelkuivendusega kuid algse rabataimestiku eemaldamiseta ala. Selle paari puhul oli eesmärgiks korrastamistööde käigus võrrelda Lääne-Eesti ja Kagu-Eesti erinevusi (ilmastik, pealiskorraga seotud mõjutused turba- ning veeomadustele) järgnevate töötlustega aladel:

a) võrdlusalad (korrastamistööde käigus mõjutamata veerežiim ja taimestik); b) madalaveeline veekogu loodusliku taimestumisega; c) alad pinnaspaisudega stabiliseeritava veerežiimiga, kus taimestik areneb iseseisvalt; d) alad lausalise kraavide täitmisega stabiliseeritava veerežiimiga, kus taimestik areneb iseseisvalt; e) alad pinnaspaisudega stabiliseeritava veerežiimiga, kus turbasambla fragmentide siirdamisega

kiirendatakse taimestumist; f) alad lausalise kraavide täitmisega stabiliseeritava veerežiimiga, kus turbasambla fragmentide

siirdamisega kiirendatakse taimestumist. Laiuse jääksoo puhul oli kobraste tegevuse tulemusena lõunapoolses jääksoo osas kujunenud madalaveeline veekogu, põhjapoolses osas aga mahajäetud freesturbaväljal suhteliselt suure ida- läänesuunalise kõrgusgradiendiga vähe kuni mõõdukalt taimestunud ala. Korrastamistööde käigus säilitati loodusliku taimestumise teel soostuv veekogu, põhjapoolne freesturbaala jagati aga neljaks erineva veetasemega osaks, kus idapoolses osas on maapinna suhtes kõige sügavam veetase ning läänepoolses osas veetase maapinnale lähedane ning keskel võrdlusala. Kõikjal peale võrdlusala eemaldati puurinne ning veetase stabiliseeriti kraavidele rajatud pinnaspaisudega. Läänepoolsel ala rajati veetaseme tõstmise tõttu laienenud veepeegliga kraavidega alal ka raiejääkidest lainerahusti. Taimestiku puhul eeldati looduslikku arengut. Kildemaa jääksoo hõlmas nii mahajäetud freesturbavälja kui rabapoolses osas ka freesturbavälja laiendamiseks eelkuivendusega kuid algse rabataimestiku eemaldamiseta ala, mis on lausaliselt

puurindega kaetud (sarnane Ess-soo vastavale alale). Korrastamismeetmena oli kavandatud kraavide sulgemine pinnaspaisudega, tihedama puistu raadamine ning taimestiku iseseisev areng stabiliseeritud veerežiimi tingimustes. Kõima jääksoos oli korrastamisalal nii turbavõtuaukudega ala (sarnane Maimaja Ess-soo vastava tüübiga) kui ka eelkuivendusega ala (sarnane Kildemaa ja Ess-soo vastavale tüübile kuid oluliselt kõrgema veetasemega ning vähem metsastunud). Kõima uurimisala oli lausaliselt rabaliikidega taimestunud ja vajas korrastamistööde käigus vaid pinnaspaisudega kraavide sulgemist veetaseme taastamiseks ning tervikutel ja kraavide servades puurinde eemaldamist/harvendamist. 2017.a. suvel viidi seiratavates jääksoodes läbi turbalasundi sondeerimine, mille käigus hinnati turbalasundi tüseduse ruumilist varieeruvust ning määrati organoleptiliselt turba tüüp ning lagunemisaste (joonis 1). Jääklasundi omaduste ning taimestumise iseloomu järgi valiti igas jääksoos (v.a. Laiuse) kaks algseisu kõige paremini esindavat piirkonda võrdlusaladeks, kus kogu uuringu raames muudatusi ei tehta ja mille suhtes võrreldakse korrastatavate alade muutusi.

Joonis 1. Üldvaade võrdlusaladele Kõima (vasakul) ja Maima (paremal) jääksoos ning vastavalt kumbagi jääksoo võrdlusalade A ja B turbaprofiilidele. 2017.a. augustis rajati kõigil uuringualadel võrdlusalad (alad mis jäävad muutumatuks ka korrastamistööde käigus ehk referentsalad). Neile aladele installeeriti turbaveevaatluskaevud (Ess-soo 3 tk, Laiuse 2 tk, Maima 2 tk, Kõima 2 tk, Kildemaa 2 tk), veetaseme mõõtekaevud ning gaasivoogude mõõtmise püsivahendid. Samal kuul alustati igakuiste vee- ja gaasiproovide kogumist. Igakuiselt (Laiuse ja Ess-soo puhul ka kaks korda kuus) koguti võrdlusaladelt gaasiproovid (CO2, N2O, CH4), mõõdeti vaatluskaevudes ning kraavides veetase, portatiivsete seadmetega O2 sisaldus (mg/l) ning küllastatustase (O2%), pH, konduktiivsus (µS/cm), ORP (mV) ja koguti veeproovid laboratoorseteks analüüsideks. Laboratoorselt määrati igakuiselt vaatluskaevudest ning võrdlusaladega piirnevatest kraavidest kogutud veeproovidest üldsüsiniku ja üldlämmastiku, lahustunud üldsüsiniku, lahustunud orgaanilise süsiniku, lahustunud anorgaanilise süsiniku ning lahustunud üldlämmastiku sisaldus. 2018.a. suvel alustati taimkatte maapealse seire välitöid kõigis viies jääksoos (Kõima, Maima, Laiuse, Kildema ja Ess-soo), kus võrdlusaladel ja erineva planeeritava korrastamismeetodiga aladel märgistati 1x1 m püsiruudud (kokku 156), võeti nende nurgapostide koordinaadid (RTK, kasutati ka drooniseirel ankurpunktidena). Taimkatteseire püsiruudud fotografeeriti ja neil teostati taimkatte analüüs (üldkatvus, eri rinnete ja taimeliikide esinemine ja katvus). 2017-2020. a. osaleti jääksoode korrastamisprojektide koostamisel ja anti sisend projekteerijatele. 2019.a. suvel-sügisel korrastati Laiuse ja Kõima jääksood. 2020.a. rajati korrastatud Laiuse ja Kõima jääksoodes täiendavad püsiproovialad, installeeriti korrastatud aladele täiendavad piesomeetrid ning vaatluskaevud ja rajati täiendavad gaasivoogude mõõtmise alad (sh. täiendavad ujuvkambrid kraavidele ning veekogule). Neil aladel alustati igakuist seiret ning proovialadele rajatud ülevooludel veeseiret. 2020.a suvel-sügisel korrastati Maima jääksoo, oktoobris installeeriti korrastatud aladele täiendavad piesomeetrid ning vaatluskaevud ja rajati täiendavad gaasivoogude mõõtmise alad. 2021.a. suvel parandati Laiuse jääksoos eraldusvalli kõrge veetasemega ala ja kontrollala vahel ning korrigeeriti kahel alal (reguleerimatute) ülevoolude kõrgust. 2021.a. sügisel-talvel korrastati Ess-soo jääksoo ning alates 2021.a. novembrist alustati

korrastamisjärgset seiret värskelt rajatud ülevooludest. 2022.a. kevadel installeeriti Ess-soos korrastatud aladele täiendavad piesomeetrid, vaatluskaevud ja rajati täiendavad gaasivoogude mõõtmise alad ning alustati korralist igakuist seiret. 2023.a. augustis alustati Kildemaa jääksoo korrastamist. Uuringuperioodi ilmastiku ülevaade Ilmastik mõjutab oluliselt soode veerežiimi aastatevahelist muutlikkust ning seeläbi nii veega toitainete ärakannet, ökosüsteemi gaasivahetust kui ka taimestiku arengut. Looduslikus seisundis sood on suhteliselt suure puhverdamisvõimega, jääksood aga vähese puhverdamisvõimega ning eriti tundlikud on ilmastiku suhtes värskelt korrastatud alad. Kuna aastate lõikes on ilmastik olnud väga erinev, tuleb seda silmas pidada ka aastatevahelisi veetaseme, gaasivoo ning ärakande väärtusi võrreldes ning korrastamistööde üldise edukuse hindamisel. Kui korrastamiseelsel perioodil oli väga põuane vaid 2018 aasta (mis järgnes keskmisest vihmasemale 2017 lõpule), siis korrastamisjärgne periood oli oluliselt kuivem nii 2021, 2022 kui ka 2023 juulini. Uurimisperioodi iseloomustab pikaajalisest keskmisest kõrgem õhutemperatuur (joonis 2). Eriti soojad olid 2019 ja 2020 aastad, mil talvekuudel oli kuu keskmine temperatuur normist isegi kuni 6 kraadi soojem. Soojemad talvekuud tähendasid sagedasi sulaperioode ja kevadel väiksemat lumeveevaru, mistõttu soo veetase sõltus juba varakevadest alates peamiselt sademete hulgast ning päikesekiirguse intensiivsusest.

Joonis 2. Kuu keskmise õhutemperatuuri (joonisel heleroheliste tulpadena) erinevus ( ̊C) uurimisperioodil võrreldes pikaajalise keskmise kliimanormiga (joongraafik). Samblafragmentidega jääksoode korrastamine toimus 2020.a. (Maima) ja 2021.a. (Ess-soo), seetõttu on eriti oluline tähelepanu pöörata perioodi 2021-2023 ilmastikule. Talv algas suhteliselt varakult 2021.a. keskmisest külmema detsembriga kuid maapind külmus varase lumikatte (novembris) tõttu vaid osaliselt ja keskmisest soojem talve jätk (joonis 2) soodustas nii lume sulamist kui külmumata pinnasest gaasivoo eritumist. Korrastamisalade seisukohast oli aga kõige olulisem sulailmadega lumeveevaru kahanemine ja (pool)külmunud pinnasel tekkinud lombid, mis tuule tekitatud lainetusega uhtusid samblafargmentide katteks laotatud põhu vaaludesse. Talvistele keskmiselähedastele sajuhulkadele järgnes aga 2022.a. erakordselt kuiv märts (joonis 3) ning kogu järgneva aasta jooksul oli iga kuu sademete hulk ligi 40% väiksem pikaajalisest kuu sademete normist. Vaid kahel järgneval talvekuul oli sademeid keskmisest enam, kuid 2023.a. kevad algas taas väga tugeva põuaga kui sademeid langes kuude lõikes vaid 30-40 pikaajalisest normist.

Joonis 3. Kuu keskmise sademete summa (joonisel tumesiniste tulpadena) erinevus (%)uuringuperioodil võrreldes pikaajalise kuu keskmise sademete summaga (joongraafik; kuu sademete summa millimeetrites). Keskmisest kõrgem õhutemperatuur, erakordselt väike sademete hulk (132 mm normist vähem 2022.a.) ja keskmisest päikeselisem ilm (eriti 2023 aprillist juunini; joonis 4) tingis intensiivse evapotranspiratsiooni tõttu maist alates kiire veetaseme alanemise (auramine ületas sademete hulka juba märtsist) ja kuivastressi 2021.a. samblafragmentide laotamisega korrastatud uurimisaladel Ess-soo jääksoos, aga ka 2020.a. sarnaselt korrastatud Maima uurimisaladel.

Joonis 4. Kuu keskmine päikesepaiste kestuse summa (joonisel kollaste tulpadena) erinevus (%) uuringuperioodil võrreldes pikaajalise kuu keskmise päikesepaistega tundide summaga (joongraafik; kuu päikesepaistega tundide summa). Kuivale 2022. aastale järgnenud väga kuiv, päikeseline ja suhteliselt tuuline 2023.a. kevad tõi kaasa väga kiire veetaseme alanemise ning samblafragmentide kasvu pidurdumise või isegi kohati hukkumise. Maima jääksoos Ala 9 (kood P) kannatas 2020.a. suhteliselt hästi kasvama läinud turbasammal tugeva talvise külmakohrutuse all. Külmakohrutusest on Maimas iga talv olnud tugevalt mõjutatud ka võrdlusala 1 (Ala 6-2) ja Ala 8 (kood O). Ess-soos on külmakohrutuse mõju olnud väiksem, kõige enam on seal mõjutatud olnud ala 4 (kood F).

TULEMUSED Pinna- ja turbavesi Nii turbavees kui jääksoo kraavides on süsinik ja lämmastik valdavalt lahustunud vormis (vastavalt 92% ja 92% üldsüsinikust ja üldlämmastikust), lahustunud ja lahustumata vormid aga omavahel tugevalt korreleeritud. Lämmastiku ja süsinikusisaldus oli mõõtmisperioodil kõrgem turbavees, kraavides oli pindmise äravoolu ja sademetevee tõttu toimunud vähesel määral lahjendumine. Küll aga on nii kraavi- kui turbavees lahustunud süsiniku (DC) ja lahustunud lämmastiku (DN) suhe väga heaks turba mineraliseerumise indikaatoriks: DC/DN suhe on seda kõrgem ja regressioonvõrrandi seos tugevam, mida enam on ala häiritud (joonis 5).

Maima

y = 11.953Ln(x) + 27.244 R2 = 0.6754

10

20

30

40

50

60

70

0.0 1.0 2.0 3.0 4.0 5.0

Dissolved N (mg/l)

D is

so lv

ed C

(m g/

l)

Kildemaa

y = 19.46Ln(x) + 39.445 R2 = 0.7029

0

10

20

30

40

50

60

70

0.0 1.0 2.0 3.0 4.0 5.0 Dissolved N (mg/l)

D is

so lv

ed C

(m g/

l)

Joonis 5. Lahustunud süsiniku ja lahustunud üldlämmastiku vaheline seos Kildemaa ja Maima jääksoo näitel. Veekvaliteedi ruumilise autokorrelatsiooni hindamiseks koguti veeproovid nii tootmisväljakutevahelistest kraavidest, piirdekraavidest kui väljavooludest 2018 ja 2019 mais ning 2019 septembris. Veeproovide tulemused näitavad tugevat autokorrelatsiooni lahustunud süsiniku kontsentratsiooni (joonis 6) ja mõõdukat korrelatsiooni lahustunud üldlämmastiku (joonis 7) osas. Lahustunud süsinik on kõigi seirealade puhul orgaanilise süsinikuna. Vaid Maima jääksoos esines kevadel ning sügisel pikema vihmaperioodi järel anorgaanilist süsinikku (karbonaadina) Ala 5 (kood B) ja 6-1 (võrdlusala 2) seirekaevudes. Korrastamisjärgselt on 2021-2023 aastatel Ala 5 seirekaevus põhjaveeline toide suurenenud ning anorgaanilise süsiniku (DIC) ja lahustunud lämmastiku (DN) osakaal suurenenud. Eeldatavasti on see seotud pinnaspaisude jaoks liiga sügavalt ekskavaatoriga materjali võtmisel veepidemeks olnud hästilagunenud turbakihi rikkumisest.

Joonis 6. Lahustunud süsiniku (DC) kontsentratsioon (mg/l C) jääksoo kraavi- ja turbavees Ess-soo ning Kildemaa uurimisalade näitel.

Joonis 7. Lahustunud lämmastiku (DN) kontsentratsioon jääksoo kraavivees. Lahustunud lämmastiku sisaldus on väga madal (joonis 7) nii kraavides kui turbavees. Kui DC kontsentratsioon sõltus taimestumisest mõõdukalt ja olulisem oli kraavituse seisukord, siis toitainevaeses keskkonnas on lahustunud lämmastiku kontsentratsioon selgelt madalam taimestunud kraavides ning eriti madal piirkondades kus maapind on lausaliselt kaetud taimestikuga. Korrastamistööde mõju toitainete ja lahustunud süsiniku ärakandele on lühiajaline kui tööde käigus ei mõjutata põhjaveetoitelisust. Maima jääksoos suurenes lahustunud lämmastiku kontsentratsioon (joonis 8) kõige enam alal 5 (Maima B) ja 10 (Maima D). P ja E alal võib osaliselt kõrgemat DN fooni korrastamisjärgselt selgitada ka samblafragmentide laotamise järel laguneva orgaanilise ainega (kattepõhk ning surnud fragmendid).

Joonis 8. Lahustunud lämmastiku kontsentratsiooni muutus uuringuperioodi jooksul Maima jääksoos. Kuigi ka Laiuse jääksoo on toitainerikkam ja osaliselt põhjaveelise toitega, on seal korrastamisjärgsel ajal (pärast 2019 sügist) lahustunud lämmastiku sisaldus kerges langustrendis (joonis 9) ja selgitatav kiiresti areneva taimkattega ja vähese äravooluga. Kui vesi on pikema viibeajaga, siis tarbitakse lämmastikku nii taimestiku poolt kui sõltuvalt redokspotentsiaalist denitrifikatsiooni/nitrifikatsiooni protsessides. Võrdlusalal kus muutused on olnud väikesed, on ka DN püsinud stabiilsena.

Joonis 9. Lahustunud lämmastiku kontsentratsiooni muutus uuringuperioodi jooksul Maima jääksoos. Ess-soo ja Kildemaa uurimisaladel on DN sisaldus vees madal ja aastatevahelised erinevused statistiliselt ebaolulised. Küll aga on selgelt tuvastatav aastaajaline käik kõrgema kontsentratsiooniga suvekuudel, ning kuivematel aastatel (2018, 2022, 2023).

Joonis 10. Lahustunud lämmastiku kontsentratsiooni muutus uuringuperioodi jooksul Ess-soo ja Kildemaa jääksoos. Lahustunud orgaanilise süsiniku sisaldus on Maima jääksoos võrdlusalal 1 jäänud muutumatuks, võrdlusalal Maima 2 langes korrastamistööde käigus põhjaveelise toite lisandumisel väga madalale (joonis 11), aga teistel aladel on sarnane võrdlusalaga 1.

Joonis 10. Lahustunud orgaanilise süsiniku kontsentratsiooni muutus uuringuperioodi jooksul Maima jääksoos. Sarnase selge aastase käiguga kuid olulise trendita on DOC sisalduse käik ka teiste uurimisalade puhul (Laiuse, Ess-soo, Kildemaa, Kõima). Ess-soost võetud puursüdamiku 8-kuune laboratoorne inkubatsioonikatse näitab, et temperatuuri seos DOC-ga pole erinevalt CO2 voost lineaarne, aga 25 C ületav temperatuur suurendab oluliselt DOC teket turbas, olles samas sõltuvuses veetasemest/aereeritusest (Palviainen et al., 2023). Laiuse jääksoos tuleb esile korrastamistööde järgselt madalaveelise veekogu DOC sisalduse langus ja stabiliseerumine 60 mg/li tasandi lähedal.

Joonis 11. Lahustunud orgaanilise süsiniku kontsentratsiooni muutus uuringuperioodi jooksul Laiuse jääksoos.

Vaatamata suhteliselt kõrgemale kontsentratsioonile nii DN kui DOC osas, ei ole ärakanne korrastatud jääksoost suur kuna vee äravool korrastatud aladel on viimastel aastatel (ülevoolu rajamisest saati) olnud vaid lühikesel perioodil talviste sulade ajal ning kevadel lume sulamise järel, mil kontsentratsioonid on keskmisest madalamad. Laiuse jääksoo ülevoolude puhul on äravool vaid märtsis-aprillis, läänepoolses ülevoolus (madalaveelise veekogu ja Lehtmetsa raba vesi) kuni 4 kuud (märtsist juunini). Sarnane on äravoolu periood ka Maima ning Ess-soo puhul. Kõima edelapoolse kraavi äravoolu pole võimalik hinnata kuna vesi valgub ühtlaselt metsa alla. Kirdepoolses äravoolus liigub vesi novembrist maini. Täpse äravoolu koguse hindamine on takistatud kuna Ess-soos viis 30. augusti sadu ülevoolu kõrvalt pinnase ja mitmel sügiskuul puudus äravoolu mõõtmine, Laiuse läänepoolsel ülevoolul muutis kobras V-ülevoolu kuju ja suurust ning Maimal on suure veetaseme kõikumise tõttu olnud vaja vähemalt kaks korda aastas ülevoolu kõrgust reguleerida. Vooluhulga ja kontsentratsiooni järgi hinnates on süsiniku ärakanne DOC kujul jääksoodest vahemikus 62-87 kg/ha*aastas. Mullastik Korrastamistöödega seotud muutused mulla keemilistes omadustes on väga väikesed ja üldjuhul statistiliselt ebaolulised (joonis 12). Ainus oluline muutus on seotud Maima jääksoo mulla happesusega, kus ilmselt on põhjuseks vettpidava turbakihi häirimine ja selle tulemusena suurem põhjavee sissevool alale (eriti Ala 5 (B), aga ka 2 (L), 10 (D) ning 11 (E). Teiste parameetrite osas olulisi muutusi ei toimunud, aga pinnasetööde tõttu suurenes ruumiline varieeruvus. Samblafragmentide laotamisega alal tõusis pindmises kihis süsinikusisaldus keskmiselt ligi 1% võrra, kuid pole selge kas seda tingis täiendav orgaanilise aine lisandumine (sammal, põhk) või eelnevalt osaliselt mineraliseerunud pinnase koorimine.

Joonis 12. Mulla pH, üldfosfori ja üldlämmastiku sisalduse muutus korrastamistööde käigus. Maima jääksoos mulla pH muutuse ja põhjaveelise toitumuse suurenemise vahelist seost kinnitab ka lahustunud anorgaanilise lämmastiku (DN) sisalduse suurenemine poorivees ning kraavides (joonis 8). DN sisaldus on suurenenud samadel aladel (B, D, E) kus tõusis mulla pH sisaldus ning poorivee karbonaatiooni sisaldus, aga muutus ei avaldu võrdlusalal ega selle juures kraavi vees. Jääksoode mullaanalüüsi andmeid kasutati üleriigilise suuremõõtkavalise mulla fosforisisalduse kaardi koostamisel. Valminud kaart on GIS andmestikuna vabavaraliseks kasutamiseks ja metoodika osas detailsemalt kirjeldatud artiklis: Kull, Anne; Kikas, Tambet; Penu, Priit; Kull, Ain (2023). Modeling Topsoil Phosphorus—From Observation-Based Statistical Approach to Land-Use and Soil-Based High- Resolution Mapping. Agronomy, 13 (5), 1183. DOI: 10.3390/agronomy13051183. Biomassi lagunemiskatsed Jääksoodes viidi läbi standardiseeritud teekotikatse rohelise ning punase (rooibos) teega ning Laiuse ja Ess-soo jääksoodes korrastamisjärgselt maa-aluse ja maapealse biomassi lagunemiskatsed. Standardiseeritud teekottide (punane e. rooibos ja rohelise tee) katse esmased tulemused Laiuse jääksoos alustatud eksperimendist lubavad oodata selget seost nii veetasemega kui taimestikuga (joonis 13). Esimese aasta massikadu on Maima ja Kildemaa jääksoos punase tee puhul sarnane Laiuse jääksoos teekottide massikaoga, kuid erinevus rohelise ja punase tee vahel on väiksem. Kildemaa jääksoos on lagunemine mõnevõrra kiirem kui Maima uurimisaladel, eriti rohelise tee osas.

Joonis 13. Vasakul teekottide paigutuse skeem katsealadel, parempoolsel joonisel punase ja rohelise tee jääkmass 3 kuu, 6 kuu, 1 aasta, 1,5 aasta ja 2 aasta pärast Laiuse võrdlusalal (control), rabametsas (Raba), kuivenduse mõjuga rabametsa servas (Kuivendatud mets) ja pinnaspaisudega korrastatud keskmise veetasemega uurimisalal (Keskmine veetase; korrastamisprojektis Ala 2, uurimisala kood Laiuse E) ning alumisel joonisel jääkmass esimese aasta lõpuks Maima ning Kildemaa võrdlusaladel. Rohelise tee lämmastikusisaldus on kõrgem (3-5%) ja imiteerib peenjuurte lagunemist ning on happelises pinnases suhteliselt suure hajuvusega. Punane tee imiteerib rohkem okaste varist ning selle lagunemine on erineva taimestiku ning veerežiimiga aladel ühtlasem. See viitab ka voortevahelises Laiuse jääksoos (turba pH 2.5-3.5, mediaan 3.1) lagundavate mikroorganismide ühtlast aktiivsust erinevates kooslustes ja rohelise teega võrreldes suhteliselt madalamat leostumiskadu, eriti esimese 6 kuu jooksul. Tulemuste põhjalikum analüüs koos kõigi keskkonnategurite (temperatuur, veetase, mullakeemia, sademed jmt) toimub koostöös Iiri ning Rootsi teadlastega ja võrdluses nende sarnaste katsete andmetega. Sarnaselt 2021.a. varakevadel Laiuse jääksoos alustatud maa-aluse ja maapealse biomassi lagunemiskatsetega laiendati 2022.a. katset värskelt korrastatud Ess-soo alale. Lagunemiskatsesse lisati standardiseeritud teekotikatsele ka eraldi proovid männi ja sookase ning villpea, jõhvika ja mustika/sinika peenjuurte ning varisega. Lagunemiskatsed (vahetult maapinnal ning 5-10 cm sügavusel turbas) rajati kuivemal ja märjemal võrdlusalal, turbasambla fragmentide laotamisega alal, pinnaspaisudega tõstetud veetasemega alal ning suletud kuivenduskraavidega rabametsa alal (joonis 14). Katse on korduste arvu järgi planeeritud kolmeaastasena.

Joonis 14. Lagunemiskatse rajamine Ess-soos uurimisalal 2022. aastal. Vasakpoolsel joonisel proovide paigaldamine alale nr. 11 (kood C) pinnaspaisudega suletud kraavidega alal ning parempoolsel joonisel proovide paigaldamine suletud kuivenduskraavidega rabametsa alal. Kaugseire Arvestades jääksoode suurt pindala, raskesti ligipääsetavust, alasisest suurt heterogeensust ning korrastamistööde puhul ka võimalikku kiiret taimkatte arengu dünaamikat, on kaugseire potentsiaalselt hea vahend seisundi hindamiseks. Käesoleva uuringu raames hinnati nii optilise seire (droon ja satelliit) kui radarkaugseire (satelliit) rakendamise võimalusi. Drooniseire peamiseks eeliseks on väga hea lahutusvõime ja võimalus lennata vastavalt vajadusele ning ilmastikuoludele. RGB kaameraga droonid on praeguseks kujunenud laiatarbekaubaks ja pildi kvaliteet on väga hea. Peamised RGB kaameraga droonide kasutamisega seotud metoodilised küsimused puudutavad erinevate aastate lõikes homogeensete aegridade saavutamist, sest vaatamata päikesekiirgusandurite ja kalibreeritud peegeldusplaatide kasutamisele on drooniseireks liiga suurte (eriti Ess-soo ja Maima) alade puhul probleemiks suur kiirgusspektri ajaline varieeruvus. Lennuaja jooksul muutuvad valgusolud ja kiirgusspekter kahandab piltide põhjal automatiseeritud taimkatteklassifitseerimise edukust erinevate ülelendude vahel, aga ka isegi sama päeva lendude osas kui kiirgusintensiivsus jõuab pika lennuaja jooksul oluliselt muutuda. Paremate sensoritega (kiirgusspektri andurid nii üles kui allasuunatuna) droonid, kalibreeritud peegeldusplaadid, georefereeritud ankurpunktid jmt. muudab aga lendamise kalliks ja töömahukaks (sh. kameraalne järeltöötlus). Maima ning Kõima jääksoo korrastamise eelse drooniandmestiku põhjal hinnati erinevate masinõppe algoritmide rakendatavust ja nende maakatte klassifitseerimise täpsust. MarjanSadat Barekaty leidis oma magistritöös Maima jääksoo põhjal, et nii Random Forest (RF), Support Vector Machine (SVM) ja K-Nearest Neighbours (KNN) meetod annavad suhteliselt sarnase tulemuse RGB kaameraga drooniandmestiku puhul. Kõrgeim kaalutud keskmine F1-skoor saadi RF vaikemudeliga kombineerituna vegetatsiooniindeksitega (0,59), sellele järgnesid KNN (0,58) ja SVM (0,57) kombineerituna vegetatsiooniindeksite ja MinMaxScaleriga. Pildi suurem pikslitihedus ei parandanud klassifitseerimise tulemust. Klassifitseerimist raskendas oluliselt UAV ortofoto kõrgest ruumilisest lahutusest tingitud müra ja maakatteklasside mitte tasakaalus olev koosseis (erinevate liikide/koosluste ruumiline esinemine ebavõrdne, mis on aga looduses tavapärane olukord). Teistele uuringutele tuginedes saaks ilmselt klassifitseerimistulemusi parandada kasutades objektipõhist pildianalüüsi (OBIA), mis töötaks paremini puurinde ning mättaid moodustavate taimede puhul ning lisades kalibreeritud multispektraalsed andmed ning lisatunnused (nt. LIDAR andmed). Sarnaselt droonipiltide töötlemise ja sellelt taimkatte tuvastamise metoodikale on võimalik automatiseeritult tuvastada ka taimestumise osakaalu taimkatteruutude fotode alusel. Uuringu käigus arendati QGIS tarkvara baasil fototuvastussüsteemi, et kõrge lahutusega fotodelt (joonis 15 a ja b) RGB kanalites automatiseeritult eristada kasvama läinud turbasambla fragmentide pindalalist katvust. Selleks fotografeeriti standardselt kõrguselt 1x2 m raami jäävad ruudud (100 tk), neist 33 kasutati õpetusalana ja 67 ala automaattuvastuse alana ning neist omakorda 33 lisaks käsitsi klassifitseeritavate kontrollaladena (joonis 15 c).

Joonis 15. Kasvama läinud turbasambla fragmentide tuvastamiseks kasutatud fotod (a ja b), mis georefereeriti ja transformeeriti ortofotodeks. Käsitsi klassifitseeritud alad kasvavate turbasamblafragmentidega (15c) on kujutatud roostepruunide areaalidega. Näited hästi tuvastatavatest fragmentidest (15 d) ja raskesti tuvastatavatest fragmentidest (15 e). Automaatne klassifitseerimine osutus tõhusaks punaka, lillaka, roheka ja rohekaskollaka tooniga turbasammalde puhul (summaarne tuvastamistõhusus 78%; joonis 15d) kuid tõhusus jäi madalamaks kollakaspruuni tooniga sammalde puhul, kus tuvastamist segasid õlgedele ning lagunevatele taimejäänustele sarnased spektraalsed omadused (joonis 15e). Samuti oli raskusi üksikute väga väikeste hajusalt paiknevate või osaliselt õlgedega kaetud väikeste fragmentide tuvastamisega. Sarnaselt drooniandmestiku töötlemisele on ka tavafotode töötlemise puhul eelduseks pildistamine sarnastes valgusoludes, suur õpetusandmestik ja suhteliselt väike eristatavate klasside arv. Suurem klasside arv või Random Forest/Bagging algoritmide kasutamine tekitab rohkem segaklasse, mille sisu on raskesti tõlgendatav. Lisaks RGB kaamerale katsetati Laiuse testalal ka infrapunakaameraga (IR) drooniseiret, et ühest küljest parandada RGB kaameraga kombineeritult taimkatteklasside eristamise võimet ja teiseks hinnata taimestumise edukust maapinna temperatuuri alusel (suvine kõrge pinnatemperatuur on hüpoteesikohaselt taimestumisele oluline takistus) ning maapinna erineva soojenemise kaudu (kaks ülelendu IR kaameraga hommikul jahtunud maapinnaga ning pärastlõunal maksimaalselt soojenenud maapinnaga ajal) välja töötada maapinna niiskuse arvutamise metoodika. Paralleelselt IR droonilennule viidi läbi ka maapinnal kontaktmeetodil pinnatemperatuuri ja mullaniiskuse (m3/m3) mõõtmine (joonis 16). IR kaameraga testiti ka erineva lennukõrguse mõju 5 m kõrguse muuduga vahemikus 35-150 meetrit, sobivaimaks lennukõrguseks on taimkattestruktuuri määramiseks 70-80 m, maapinna temperatuuri kontrasti järgi niiskuse hindamiseks piisab ka 150 m lennukõrgusest.

a) b)

c) d) e)

Joonis 16. IR kaameraga mõõdetud maapinna temperatuur (23.aug.2018, kl. 15) ja samal ajal maapinnal kontaktmeetodil mõõdetud mullaniiskus (iga lilla ja kollane punkt tähistab mõõtepunkti). Jahutuseta laiatarbe infrapunakaamera droonidele osutus kogu uurimisala katva komposiitpildi koostamiseks ebatäpseks (vt. joonis 15 vasakpoolse kujutise lennusuunast sõltuvat triibulisust) ja mõjutab seeläbi lõpptulemust. Samas temperatuurikontrasti väärtused (pärastlõunasest temperatuuri komposiitpildist lahutatud hommikune temperatuuri komposiitpilt) korreleerusid mõõdetud mullaniiskuse väärtustega. Termokaameraga droon sobib suurepäraselt ka allikaliste kohtade või hilissügisest kevadeni lekkivate pinnaspaisude tuvastamiseks. Arvestades seda, et droonipildi alusel on väga keeruline (ja/või kulukas) koostada aastateülest homogeenset aegrida, on taimestikuseire puhul kõige tõhusam drooniseire kasutamine üldise taimestumise hindamiseks dominantliikide/koosluste alusel ning nende piiride pikemaajalise muutumise jälgimiseks. Lausalise kaardistamise aluseks võiks olla k-means meetodil loodud aluskaart (selle loomine ei eelda eelnevat ala seiret), mille klassidele antakse sisu georefereeritud väliuuringute abil. Eristatavate klasside arv sõltub kasutatud lähteandmestikust, jäädes Sentinel satelliidi optiliste kanalite ja indeksite kasutamisel enamasti 5-7 klassi vahemikku, drooniseire RGB andmete puhul 7-9 klassi ning multispektraalsete kanalite kasutamisel 10-12 klassi piiresse. K-means meetodil loodud dominantklasside arvu määramine on empiiriline, eeskätt ekspertteadmistel põhinev ning vajab reeglina 3-4 erineva versiooni loomist, mille puhul statistiliselt eristunud klassid sisustatakse georefereeritud välitööandmestiku alusel uurimisalal. Neist versioonidest valitakse lõpuks välitingimustes reaalselt tuvastatavate ja looduses eristuvate klasside alusel sobivaima klasside arvuga aluskaart. Seega on drooniseire kõige paremini kasutatav a) ala (visuaalse) eelhinnangu ja seirealade esindusliku paigutuse koostamiseks, b) väiksemate alade detailseks sagedaseks võrdlemiseks (nt. veepiiri või mingi taimestikuareaali aastaajaline dünaamika), c) termokaameraga vee liikumise ja allikaliste kohtade ning paisude lekete tuvastamine, d) sisend ajas dünaamilise ruumilise kasvuhoonegaaside mudeli jaoks taimestiku katvuse muutuse alusel (eeldab vähemalt 3-4 perioodi katmist igal aastal: varakevadine lumesulamine, kevaduvine tärkamine, suvine rohtse biomassi maksimum, sügisene samblarinde seisundi hindamise aeg). Küll aga eeldab selline detailsusaste drooniseire puhul suurt arvutusjõudlust, ajakulu ning arvestatavat rahalist ressurssi. Optiline satelliitseire tagab samaaegselt suure ala katvuse, kuid on väikse ruumilise lahutusega (piksel u. 5-30 m vahemikus) ja ei saa valida ilmastiku järgi sobivat ülelennu aega. Arvestades ülelendude sagedust ja meie laiuskraadil tavapärast pilvisust, on Sentinel-2 missiooni näitel kuu kohta keskmiselt kasutada 1-2 päeva kvaliteetset kujutist (valdavalt pilvevaba) huvipakkuvast alast. Sügisel ja talvel võib esineda kuid, mil kvaliteetset kujutist ei saadagi. Korrastamata jääksoode puhul on see piisav kuna muutused on üldjuhul väikesed (erandiks kevadeti üleujutatavad alad), aga korrastamisjärgseks seireks on see aastaajalise arengu dünaamika hindamiseks ebapiisav. Küll aga sobib selline sagedus pikaajaliseks (paljude aastate üleseks, st. enam kui 10-aastase perioodi muutuste) kindla fenofaasi või aastaaja alusel (madalsoo ja rohundirikka ala puhul kesksuvine, turbasammaldega aladel sügisene periood) hindamiseks. Ülelendude sagedus aga omakorda on seotud kaetava ala suurusega (piksli suurusega) – nii näiteks saab MODIS missiooni Terra ja AQUA satelliitide abil arvutada maapinna ööpäevase temperatuuri amplituudi, aga piksli suurus ulatub kilomeetrini ja huvipakkuva ala sisu kipub hägustuma kuna hõlmab nii freesturbaväljakuid, kraave kui servas ümbritsevat ala (joonis 17).

Jääksoo korrastamine 08-10.20219

Joonis 17. Päevane maapinna temperatuur (°C) Laiuse korrastamisalal (Laiuse 1) ja looduslikus seisundis rabametsas (Laiuse_natural) Terra satelliidi andmestiku alusel aastatel 2017-2021.

Samas on sel viisil aastane pidev temperatuurikäik uuritavalt alalt tagatud ja seda saab kasutada näiteks sisendina mullahingamise (Rsoil) või ökosüsteemi hingamise (Reco) modelleerimiseks nagu näidatud jääksoode näitel Burdun et al., 2021 poolt. Vaatamata madalale ruumilisele lahutusele on selline maapinna temperatuur sisendandmestikuna parem kui lähimas ilmajaamas mõõdetud õhutemperatuuri või maapinna temperatuuri vahetu kasutamine, kuna ilmajaam asub mineraalpinnasel, kus termiline režiim on soomuldadest erinev. Ökosüsteemihingamise modelleerimiseks nii vahetult mõõdetud kui kaugseire andmete alusel on sobilik järgmine valem (Riutta et al., 2007; Järveoja et al., 2016):

Metaanivoo hindamine satelliidi andmetel põhineva maapinna temperatuuri alusel ei anna häid tulemusi kuna metanogenees on seotud sügavama anaeroobse turbakihiga ning aereeritud tsooni temperatuur pigem soosib metaani oksüdeerimist/metanotroofide poolt tarbimist ja kahandab metaanivoogu ning selle seost sügavama kihi termiliste omadustega. Kui looduslikus soos metaanivoog ligikaudu järgib aastast temperatuurikäiku (mõningase ajalise nihkega), siis jääksoodes on seos nõrk ja olulisem on sademete hulk ning poorides vee küllastatu hapnikuga. Neid näitajaid paraku praeguste teadmiste kohaselt pinnakihist sügavamal kaugseire vahenditega piisava ruumilise lahutuse ning ajasammuga ei ole võimalik tuletada. Teataval määral võimaldab seda satelliitradarandmestik (SAR), kuid ka seal on avalikult kasutatava andmestiku lainepikkus sobiv vaid väga õhukese pinnakihi kirjeldamiseks.

Joonis 18. Mõõdetud ja satelliidi maapinnatemperatuuri andmete alusel modelleeritud Reco looduslikes soodes (Männikjärve, Linnusaare), kuivendusega jääksoode osas (Kõima 1, Kildemaa 2) ja jääksoo freesturbaväljadel (allikas: Burdun et al., 2021). Optilise kaugseire abil jääksoode korrastamistööde järgse arengu kirjeldamiseks on tavapärase nähtava valguse spektriosa (RGB) kõrval otstarbekas kasutada erinevate spektriosade alusel koostatud indekseid. Kuna jääksoode seisund, korrastamismeetodid (veekogu, metsastamine, rohttaimedega madalsoo-suunaline korrastamine, samblafragmentide laotamine, pinnaspaisude kasutamine isetaimestumisega jne.) on alade lõikes varieeruvad, on vajalik erinevaid indekseid kasutada. Madalaveeliste taimestuvate veekogude puhul annab parima tulemuse NRG indeks, taimestumata veekogu piiritlemiseks aga NDPI. Avavett ja väga niisket pinnast kajastavad paremini NRG ja NGR indeksid, kuid NGR puuduseks on see, et ei suuda edasi anda infot kuivema taimestumata turbaga piirkondade kohta (mis jääksoo korrastamise seisukohast on oluline määratleda). Rohundirikka taimestikuga jääksoo, metsastunud/metsastatud jääksoo kirjeldamiseks sobib hästi laialt kasutatav taimkatteindeks NDVI. Joonis 19 illustreerib 2020.a. korrastatud Maima jääksoo erineva taimestumismääraga (ja korrastamisviisiga) alade ning seda ümbritseva looduslähedase rabataimestikuga ala näitel erinevate indeksite võimekust seisundit kirjeldada.

Joonis 19. Sentinel-2 satelliidi andmete alusel arvutatud indeksid Maima korrastatud jääksoo näitel (21.09.2023). RGB (Red/Green/Blue) iseloomustab tavapilti nähtavas spektriosas, NRG (nIR/R/G) indeksit kus sinine spektriosa on asendatud lähisinfrapunaga, NDVI (normalized difference vegetation index) taimkatet kajastav indeks, NGR (nIR/G/R) sarnane NRG indeksiga niiskuse kirjeldamiseks, NDPI (Normalized Difference Pond Index; (mIR1- Green)/(mIR1+Green) ja NNR (nIR/nIR/Red).

Satelliidiseire andmete alusel kiire hinnangu andmiseks korrastamise edukuse kohta lühiajalise perioodi alusel (mõned aastad) on takistuseks väheste pilvevabade kaadrite esinemine. Atmosfääri läbipaistvus (eriti pilvisus, veeaur) mõjutab oluliselt kõigi optilise seire kanalite alusel arvutatud indeksite väärtust ja võib mõjutada arvutatud ajalisi trende. On üsna sage, et kogu kuu lõikes pole ühtegi hea lahutusega (piksel 10m või väiksem) pilti kogu uurimisala kohta ning erineva pilvisusega tehtud piltide alusel komposiitpilt lahendab probleemi vaid osaliselt. Joonis 20 iseloomustab Maima jääksoo näitel 2022 sügisest (kuiva pika põuase suvega aasta) ja 2023 sügiseni (kuiva kevadsuvega aasta) näitel ühe aasta jooksul RGB, NDVI ja NRG indeksite aastaajalist dünaamikat. Tähelepanu tuleks pöörata Ala 1 (kood M), 5 (B), 7 (N) kiirele taimestumisele valdavalt pilliroo, villpea ja tarnadega ning samblafragmentide laotamisega kuid kõrge veetaseme all kannatavate alade 3 (K) ja 4 (C) kokkuveoteeäärse tsooni muutustele ning normaaltingimustes sobiliku ala 9 (P) seisundi muutusele.

Joonis 20. Korrastatud Maima jääksoo seisundi muutus iga kuu parima kvaliteediga (pilvevabama) pildi alusel RGB (vasakpoolne veerg), NDVI (keskmine veerg) ja NRG (parempoolne veerg) näitel 2022 sügisest alates kuni 2023.a. sügiseni. NDVI mustja ja punakad toonid iseloomustavad rohelise taimestikuta (ja/või veega ning tehispinnasega alasid, tumeroheline lausaliselt taimestunud alasid).

Joonis 20. järg

Joonis 20. järg Joonis 20 illustreerib hästi kuidas 2023.a. väga kuiva suve järel kahanes juulini veega kaetud ala, aga septembris oli taastunud liiga kõrge veetase peaaegu kevadise seisuni (eriti ilmekas Ala 6-1, 4, 1, 7 ja 11 näitel, eriti NRG indeksiga väljendatuna). Seejuures pilvevabade piltide puudumise tõttu ei tule kaugseire andmetest välja, et muutus toimus lühikese aja jooksul just vahetult pärast augustikuise pildi tegemist ning järgmiste ülelendude ajal oli taevas lausalise pilvkattega.

Satelliidi radarandmestiku (SAR) puhul on eeliseks selle vähene sõltuvus ilmastikust või pilvisusest, kuid ülelendude sagedus on väike ja aluspinna koherentsuse muudu alusel pindalaline lahutusvõime tagasihoidlik (enamasti vajalik hektarile lähenev pindala, et sisulisi muutusi ajas eristada). Kõrgusmuudu kaudu niiskusrežiimi muutumise hindamine DInSAR (järjestikuste kujutiste faaside alusel arvutamise meetod) on soos võimalik (nn. soo hingamise mõõtmine) ja enamasti üsna täpne (mõõdetav millimeetrites), kuid probleemiks on ülelendude sagedus, sest erandlikel juhtudel võib kahe pildi vahelisel perioodil maapinna kõrguse muut sadude tõttu ületada faasi ulatust (Sentinel 1 C-band puhul u. 2.5 cm) ja sel juhul tegelik kõrgusmuut jääb teadmata arvu faaside võrra ekslikuks (Tampuu et al., 2023). SAR andmestikku on võimalik kasutada muutuste tuvastamiseks ka koherentsuse kaudu. Sel juhul on soodes vertikaalne-vertikaalne polarisatsioon muutuste kirjeldamiseks tõhusam kui vertikaalne- horisontaalne polarisatsiooni kasutamine, kuna viimasel on just jääksoodes suurem hajuvus (joonis 21).

Joonis 21. Sünteetilise apertuurradari (SAR) erinevate polarisatsioonide hajuvus (nii tõusva kui laskuva suhtelise orbiidi RON alusel 6-päevase sammuga andmestiku põhjal lumevabal perioodil) loodusliku lageraba, jääksoo ning kasutuses oleva freesturbavälja võrdluses (Tampuu et al., 2020). Maima jääksoo uurimisperioodi hõlmav koherentsuse muutuses endisel freesturbaväljal ja turbavõtuaukudega alal võrreldes loodusliku taustaalaga tuleb väga selgelt esile järsk muutus freesturbaväljal alates 2020 a. lõpust (joonis 22), mil veetase järsult freesturbaväljakutel tõusis ning seejärel kajastuvad 2022.a. kuiv suvine-sügisene ning 2023 kuiv suvine periood kasvava koherentsusena (veega kaetud ala kahaneb). Looduslik ning turbavõtuaukudega ala reageerivad 2022 põuale aga vastandsuunalisena (kuiva turbasambla niiskus ja vastavalt elektrijuhtivus kahaneb).

Joonis 22. SAR kahe suhtelise orbiidi (RON 58 ja 80) alusel vertikaalne-vertikaalne polarisatsiooniga jääksoo korrastamisega seotud muudatuste tuvastamine Maima jääksoos endisel freesturbaväljal (Maima_frees), turbaaukude piirkonnas (serv) ning raba looduslikul taustaalal (looduslik).

Ka Ess-soo uurimisalal on täheldatavad sarnased muutused SAR andmestiku alusel (joonised 23, 24).

Joonis 23. Ess-soo SAR pilt suhteliselt orbiidilt RON 160 kevadel kõrgema veetasemega perioodil 1. märtsil 2022. Sinakad toonid iseloomustavad madalat koherentsust (puurinne, vaba veepind) ning kollakad ja punakad toonid suuremat koherentsust. Mustad piirjooned tähistavad Ess-soo erinevaid korrastamisalasid, millest on välja jäetud eraldavad pinnaspaisud, kokkuveotee ning kraavid ja üleminekulised tsoonid.

Joonis 22. SAR andmete alusel vertikaalne-vertikaalne polarisatsiooniga jääksoo korrastamisega seotud muudatuste tuvastamine Maima ja Ess-soo jääksoos. Ülemine joonis iseloomustab 2020.a lõpus järsu veetaseme tõusu tõttu suurt muutust Maima jääksoos, kuid 2021.a. sügisel Ess-soos sarnast õleujutust ei esinenud ning muutus koherentsuses on tagasihoidlikum. Alumine joonis iseloomustab korrastatud alase väga sarnast sünkroonsust maapinna niiskuse muutuses põua tõttu 2022 ja 2023.a., kuid toob ka välja erineva suhtelise orbiidi (RON) valiku olulisuse niiskuse kirjeldamise seisukohast.

Veetaseme dünaamika Veetaset, kasvuhoonegaaside voogu ning Maimas ja eriti Ess-soos värskelt korrastatud aladel samblafragmentide kasvama minekut (ka laiemalt alade taimestumist) mõjutas väga tugevalt 2022.a. ja 2023.a. ilmastik. Kui Maima jääksoos tõusis pärast korrastamist 2020.a. lõpus ja 2021.a. veetase sammalde kasvuks ebasoodsalt kõrgeks, siis Ess-soo korrastamisele järgnes kaks väga kuiva suve. Talv algas suhteliselt varakult 2021.a. keskmisest külmema detsembriga kuid maapind külmus varase lumikatte (novembris) tõttu vaid osaliselt ja keskmisest soojem talve jätk (joonis 3) soodustas nii lume sulamist kui külmumata pinnasest gaasivoo eritumist. Korrastamisalade seisukohast oli aga kõige olulisem sulailmadega lumeveevaru kahanemine ja (pool)külmunud pinnasel tekkinud lombid, mis tuule tekitatud lainetusega uhtusid samblafargmentide katteks laotatud põhu ning osaliselt ka samblafragmendid vaaludesse. Talvistele keskmiselähedastele sajuhulkadele järgnes aga 2022.a. erakordselt kuiv märts (joonis 3) ning kogu järgneva aasta jooksul oli iga kuu sademete hulk ligi 40% väiksem pikaajalisest kuu sademete normist. 2023.a. kevadsuvi osutus aga veelgi kuivemaks ja veetase alanes taas väga kiiresti, langedes Maima jääksoo võrdlusalal ning samblafragmentide laotamisega pinnaspaisudega alal 9 (kood P) ligi 60 cm sügavusele maapinna suhtes. Juulis alanud sademed küll tõstsid veetaset, aga optimaalse tasemeni (-20 cm) jõudis see alles septembris (joonis 23).

Joonis 23. Kuu keskmise veetaseme dünaamika Maima jääksoo korrastatud aladel ning võrdlusalal. Alade tähises „sph“ näitab turbasamblafragmentide laotamist, „Pais“ ala korrastamist ainult pinnaspaisude rajamisega, „Täis“ lausaliselt pinnasega täidetud kraave. Halli varjutusega ala indikeerib eelistatud veetaseme vahemikku korrastatud alal (veetase maapinna suhtes vahemikus 0...-20 cm). Laiuse jääksool on Lehtmetsa raba näol suur tagamaa madalaveelisel veekogul ning mõningane põhjavee toide, mis koostoimes Lehtmetsa peakraavil toimetavate kobrastega tagasid suhteliselt hea veetaseme stabiilsuse kogu korrastatud ala ulatuses (v.a. kõige kõrgema maapinnaga väike eraldatud idapoolne nurk) ja veetase oli kogu aasta ulatuses vahemikus 0...-40 cm (joonis 24). Sellest tulenevalt algas 2022 aastal ja jätkus 2023.a. jõudsalt ülepinnaline taimestumine Laiuse kesksel korrastamisalal (kood Laiuse E) ning läänepoolsel alal (Laiuse W), kuid jäi puudulikuks kõige kuivemal väikesel idapoolsel alal. Samuti laienes keskmiselt 4.4 meetri võrra veekogu suunas taimestunud vöönd madalaveelise veekogu põhja-, edela- ja lõunaservas, mis on madalamad ja laugema kaldaga. Kõima jääksoos on küll veetase tänu suurele looduslikule puhverdavale tagamaale ning juba algselt lausalisele samblakattele optimaalse lähedal, aga nii 2021. kui 2022.a. on veetase ilmastikust tingituna augustiks langenud madalamale kui eelnevatel aastatel. Seevastu Kõima turbavõtuaukude veetase on oluliselt tõusnud (eriti gradiendiga korrastamisala edelaosa suunas) ja turbavõtuaukude vahelised tervikud on muutunud niiskemaks, veetase kõrgem (Kõima S tervik; joonis 24) kui võrdlusalal ja kvalitatiivselt on märgatav ala lääne- ning edelaosas tervikute servades turbasambla laienemist aukudest tervikule, kanarbiku ja samblike hääbumist ning nokkheina ja villpea lisandumist.

Joonis 24. Kuu keskmise veetaseme dünaamika Kõima ja Lause jääksoo korrastatud aladel ning võrdlusalal. Kasvuhoonegaaside voog Korrastamise käigus saavutatud kõrge veetase on kahandanud turba lagunemise kiirust ja süsihappegaasi lendumist korrastatud aladelt nii Kõima, Laiuse, Ess-soo kui Maima jääksoos. Peamine mõju on Maima ja Ess-soo alal saavutatud turba lagunemise aeglustumise kaudu, Laiuse jääksoos aga ka kiiresti arenema hakanud taimestiku tõttu (peamiselt karusammal, jõhvikas, pilliroog, lääneoas ka turbasammal). Juba algselt lausalise taimkattega Kõima jääksoos gaasivoo osas statistiliselt olulisi muutusi ei ole, pigem on muutused selgitatavad aastate vahelisest ilmastiku erinevusest. Kõima jääksoo puhul on turbavõtuaukudes kõrgema veetaseme tõttu edelapoolses osas lopsakalt arenemas älvestele iseloomulikud turbasambla liigid ning kohati laieneb turbasammal ka madalamatele terviku osadele. Enamasti on tervikud siiski aeglase taimestumisega ja gaasivoogu mõjutab enam turba niiskusrežiimi muutus. Maima jääksoo kontrollala nr. 2 on aastaringselt lausaliselt 30-50 cm paksuse veekihiga kaetud ja jäetud antud analüüsist välja kuna ei vasta enam kontrollala kriteeriumitele. Kontrollala nr. 1 on samuti korrastamistööde järel märjemaks muutunud (eriti kevadel ja sügisel), mistõttu ka põuasel 2022 ja 2023.a. suvel oli seal veetase sarnane uuringuperioodi algusega, aga 2023.a. ei avaldunud see mõju veel taimestiku arengus väljaspool kraavi servasid ning ala 8 (O) piirdevalliga külgnevat peenart, kus on intensiivne jõhvika areaali laienemine. Kogu endise freesturbavälja ulatuses on domineeriv mullahingamine, autotroofne hingamine ja taimede fotosüntees on aastase voo mõttes enamasti tagasihoidlik. Erandi moodustavad pillirooga kattuvad alad (Ala 1 (M), 5 (B), 7 (N) ja turbasamblaga endised turbavõtuaugud (ala 12 (G)), kus keskpäevane ökosüsteemi CO2 sidumine (NEE, Net Ecosystem Exchange) võib ulatuda pilliroo puhul -192 mg CO2-C m2 h-1 ja turbasamblal -77 mg CO2-C m2 h-1. Enamasti jääb siiski aeglase taimestumise, laotatud põhu ja surnud samblafragmentide tõttu NEE isegi suvekuudel Maimas emissiooni poolele. Kui 2021.a. oli samblafragmentidega korrastatud aladel süsihappegaasi emissioon ligi poole väiksem kui kontrollalal ning lausalise kraavide täitmisega alal omakorda väiksem kui pinnaspaisudega suletud kraavidega alal, siis 2022.a. sellist erinevust ei esinenud ja vaid suuremalt jaolt veega üleujutatuks jäänud alad (C ja K) olid teistest väiksema emissiooniga, kuid 2023.a. oli ka neil aladel voog ülejäänuga sarnasemaks muutunud. Sellest tulenevalt on ökosüsteemi hingamine (Reco) jätkuvalt hea indikaator süsihappegaasi emissiooni väljendamiseks (joonis 25), mis toob kombineeritult välja nii mullahingamise kui taimestiku arengu mõju. Ökosüsteemi hingamine jäi vaatamata kahele järjestikusele soojale kuivale suvele valdavalt samale tasemele kui eelnevatel aastatel. 2021.a. veega kaetud aladel aga 2022 ja 2023.a. põuastel suvedel vesi soojenes kiiresti ja veetase alanes, jättes maapinna kohati mudaga kaetuks ja suurendades süsihappegaasi voogu. Erandlik on joonisel ala B (paisudega suletud kraavid, veega osaliselt üleujutatud), kus 2022.a. suvine Reco CO2-C piik on seotud intensiivse pilliroo kasvuga ning taime hingamine kombineerub sooja mudaja pinnase emissiooniga. Lisaks mõjutas üleujutatud alade voogu ka surnud kanarbiku jmt. lagunemine. 2023.a. taimestumise tõttu päevane NEE suurenes sel alal ligi 20 mg CO2-C m2 h-1 võrra ja surnud taimede lagunemine on aeglustunud.

Joonis 25. Ökosüsteemi hingamine (Reco) Maima jääksoos. Märge „veega“ iseloomustab korrastamise järgselt üleujutatud ala, „norm“ tähistab normaalse veerežiimiga ala, kus veetase jäi valdavalt maapinnast sügavamale. Aasta CO2 bilanss oli 2022.a. sambla fragmentidega korrastatud üleujutatud aladel emiteeriv (0.46 t/ha C), kraavidel pinnaspaisudega korrastatud aladel 0.86 t/ha C ning koos fragmentide laotamisega aladel 0.75 t/ha C. Turbaaukudes aga toimus tänu ohtrale päikesekiirgusele ning optimaalse lähedasele veetasemele (kohev sammal liigub sünkroonselt veetaseme muutusega, veetase 0...-15 cm) sidumine NEE -1.04 t/ga C. 2023.a. kuni augustini samblafragmentidega korrastatud aladel päevane NEE suurenes sidumise suunas ligi 10 mg CO2-C m2 h-1 võrra, aga enamikul suvekuudel jäi endiselt emiteerivaks isegi päevasel fotosünteesi toimumise ajal väga hõreda taimestiku tõttu. Kõima jääksoos on võrdlusala emiteeriv (1.9 t/ha C), turbaaukude vaheline tervik emiteerib 2.6 t/ha C, samas kui turbaaugu emissioon on 1.1 t/ha C ning kuiva suve tõttu oli ka looduslähedases seisus rabaosa emiteeriv (0.6 t/ha C) ning 2023.a. suvekuudel emissioon kasvas 2022.a. võrreldes veelgi. Laiuse jääksoos algas 2022.a. suve teises pooles ja jätkus kogu 2023.a. kiire taimkatte levik varasemalt palja turbaga alal. Kasvuala laiendasid kõige jõudsamalt karusammal ja jõhvikas, kraavides pilliroog, tarnad ning valge vesiroos. Läänepoolses osas kus turbaaukudele rajati lainetõkked, laienes kiiresti pilliroo ning hundinuiaga kaetud ala, tervikutel ja madalamates niiskemates lohkudes turbasammal. Kiire taimkatte muutuse tõttu allus mõõtmisandmestik modelleerimisele gaasimõõtmisrõngaste lõikes erinevalt (R2 0.43-0.95). Laiuse 1 (võrdlusala) on läbi kõigi aastate olnud CO2 emiteerija, Laiuse idapoolne (Laiuse E) korrastamisala oli 2021.a. emiteeriv, kuid 2022.a. saavutas sidumise jõhvikaga kaetud alal ning pillirooga taimestunud alal. Kõige märjemal alal (Laiuse W) on 2022.a. süsinikuneutraalsed või siduvad kõik taimestunud alad (joonis 26). Kraavide ning Laiuse madalaveelise veekogu süsinikubilanss on positiivne, keskmine emissioon 0.42 t/ha C. Seisva veega kraavides võib küll suve alguses vetika vohamise tõttu mõnel kuul süsihappegaasi sidumine olla intensiivne, aga suve teises pooles algab tekkinud biomassi lagunemine ja eritub nii süsihappegaasi kui metaani. 2023.a. suurenes päevane NEE sidumine kõigis korrastatud jääksoo osades 10-30 mg CO2-C m2 h-1 võrra võrreldes 2022.a., kõige enam pillirooga taimestunud pinnaspaisuga suletud kraavil.

Joonis 26. CO2 bilanss korrastatud Laiuse jääksoos. Laiuse 1 on võrdlusala, Laiuse E keskne korrastamisala võrdlusalast idas ning Laiuse W kontrollalast läänes paiknev maapinnalähedase veetasemega korrastamisala. Kõrge maapinna temperatuur ning suhteliselt kõrge veetase soodustavad metaani teket. 2022.a. olid pika põua tingimustes Maima jääksoos metaani tekkeks äärmiselt soodsad tingimused. Kuigi veega kaetud korrastatud aladel oli suvel keskmiselt kõrgem metaani emissioon, oli ka nii pinnaspaisude kui täidetud kraavidega korrastatud alasid, kus metaani voog oli suur. Samas pinnaspaisudega ala 10 (D) ja võrdlusala olid endiselt väga madala metaani emissiooniga, aga eelneval 2021.a. suvel oli just ala 10 kõrge vooga kui seal veetase lühiajaliselt väga kiiresti muutus. 2023.a. jäi eelnevate aastatega võrreldes metaanivoog oluliselt väiksemaks oli korrastamismeetodist sõltumatult sarnane.

Joonis 27. Kuu keskmine süsiniku kadu metaanina lendumise kaudu Maima kontrollalal (2017-2023) ja korrastamisjärgselt nii kontrollalal kui korrastatud aladel.

Naerugaasi voog oli 2022.a. sarnaselt eelnevatele aastatele toitainevaestes tingimustes kõigis uuritavates jääksoodes ebaoluliselt väike (joonis 28). Suhteliselt pika kuiva perioodi ja hoovihmadest tingitud veetaseme kiirete kõikumiste tulemusel suurenes N2O voog korrastamise järgselt Maimal juba 2021.a. ning veelgi selgemalt 2022.a., aga ka need vood on väga väikesed. Ainsaks erandiks oli september kui pärast pikka põuaperioodi ja sügavale langenud veetaseme juures algasid intensiivsed sajuhood, mis kiirelt täitsid pinnaspoore ning soodustasid lühiajalist naerugaasi heidet. Sarnane põuajärgne järsk naerugaasi voo lendumine septembris leidis aset ka teistel uurimisaladel. 2023.a. kiire kevadine veetaseme alanemine ja püsimine stabiilsena kuni augustis ohtrate sademete tõttu veetase taas kiirelt tõusis ja stabiliseerus, jäi naerugaasi voog väga madalaks. Teistest aladest eristub juba teist põuast aastat järjest Maima võrdlusala 1, kus korrastamise järgselt on veetase muutunud kõikuvamaks (kevadel ja sügisel naaberalade tõttu veetase kraavides tõuseb) ning see on kaasa toonud võrdlusalal naerugaasi suurema emissiooni, mis absoluutväärtuselt on siiski ebaoluline.

Joonis 28. Naerugaasi emissioon Maima jääksoost perioodil 2017-2023. Märgalade gaasivood on ajaliselt ja ruumiliselt suure varieeruvusega, seetõttu on ennatlik paari korrastamisjärgse aasta ning ühe või kahe ala tulemuste põhjal teha järeldusi korrastamismeetmete tõhususe osas. Maima jääksoos on samblafragmentide abil taimestumise kiirendamine valdavalt ebaõnnestunud liiga kõrge ning kõikuva veetaseme tõttu, aga samas on kõikidel samblafragmentide laotamisega aladel vähemalt mingil määral hajusalt kasvama läinud samblaid ning lisandunud on teisi raba liike. Aladel kuhu samblafragmente ei laotatud ei ole ka sõltumata veetasemest või paiknemisest looduslikuma taimestikuga rabaosa suhtes turbasamblaid iseseisvalt alale ilmunud. Kaks põuast suve on Maimal taimestumist oluliselt kiirendanud, eriti aladel 1 (M), 2 (L), 5 (B) ning 7 (N). Turbavõtuaukude juures on korrastamise mõju vähemärgatav, ilmselt põuaste suvede tõttu, sest kevadel on turbaaukudes veetase tervikute tasapinnani, kuid suveks taandub oluliselt. Sama tähelepanek kehtib ka Ess-soo kohta, kus taimestiku taastumise aeg on olnud oluliselt lühem, aga Ess-soos on just turbavõtuaukude ja metsas eelkuivenduskraavide sulgemisega alal veetase püsinud hästi ka suvedel ning turbasammalde laienemine olnud kiire (sh. ekskavaatori tekitatud aukudes ja pinnaspaisude külgedel niisemates lohkudes). Seevastu Laiuse jääksoos on kõigil korrastatud väljakutel ilmunud vähemalt mõnes piirkonnas ka iseseisvalt turbasamblaid, kohati on turbasammalde areaali laienemine alates 2022.a. suve lõpust muutunud kiireks. Detailne ülevaade taimkatte muutustest seiratavate jääksoode püsiseireruutudes on esitatud aruande II osas „RMK taimestiku seire KOONDARUANNE.pdf“.

Tähelepanekuid ja soovitusi korrastamisalade põhjal Alade jagamine väiksemateks hüdroloogilisteks üksusteks on ennast õigustanud, vähendades nii veelgi ulatuslikumaid üleujutusi või ulatuslikumaid liiga kuivi alasid. Iga eraldusvalli sees tuleb väljaku madalama osa juures tekitada ülevool, ülevoolude puhul tuleks kasutada reguleeritava kõrgusega ülevoolu lahendusi (joonis 29). Need on lihtsad, kuid võimaldavad vähemalt esimestel taimestumise seisukohast kriitilisel aastatel ilmastiku, projekteerimis- või ehitusvigade tõttu tekkinud veetaseme probleeme leevendada.

Joonis 29. Pinnasvall jääksoode eraldajana (vasakul) ning lihtne kuid tõhus reguleeritav ülevool veetaseme reguleerimiseks. Selliseid ülevoole tuleks kasutada iga hüdroloogiliselt eraldatud jääksoo eraldusvalli juures. Pinnaspaisudega suletavate kraavide puhul tuleks rajada igale kraavile pinnaspais iga 30 cm kõrgusmuudu kohta, aga vähemalt 3 pinnaspaisu. See võimaldab hüdroloogiliselt eraldatud üksustes juhtida väljaku madalamas piirkonnas lumesulamise vee serpentiinina läbi ala nii, et pinnaspaisudega kraavid oleks üle ühe ühendatud erineval pool kesksest pinnaspaisude reast (joonis 30). Antud lahendus on väga hästi toiminud Ess-soo põhjapoolsel alal (Alad 5, 7, 11, kood J ja H, C), soodustades vee pikemat säilitamist korrastatud alal, kuid kahandades suuremat üleujutust.

Joonis 30. Serpentiinina ühendatud kraavid Ess-soos.

Laiuse jääksoo Laiuse jääksoo oli esimene mis sai uuringualadest korrastatud 2019.a oktoobriks ning seega on korrastamisjärgseid muutusi saanud jälgida peaaegu 4 aastat. Esimesel kahel aastal oli taimestiku kujunemine aeglane ja kohati mõjutas liiga kõrge veetase, aga samas soodustas see veelindude saabumist uurimisalale, kes levitavad ka taimede seemneid ja eoseid, aga ka väetavad ala. Väetamise efekt on tugev kevadel, mil laudteed on lausaliselt väljaheidetega kaetud ning paigal seismist nõudvate välitööde korral on kasuks vihmavarju või kapuutsiga kummimantli kasutamine sõltumata ilmast. Mõju avaldub selgelt ka madalaveelise veekogu kõrgendatud DN sisalduses, mis tõuseb ka sügisese rändeperioodi ajal, kuid sügisvihmade lahjendava toime tõttu pole sama tuntav kui kevadel. Alates 2022.a. algas kiire taimestiku areng, mis jätkus jõudsalt 2023.a. 2023.a. algas ka madalaveelise veekogu kallastel taimestiku laienemine veekogu suunas. Jääksoo lääneosas laiematele kraavidele rajatud lainerahusti (joonis 31) on oma eesmärki täitnud suurepäraselt ja soodustanud kiiret taimestiku laienemist kraavides. Laienenud on peamiselt pilliroog ja hundinui, aga ka tarnad ja kohati turbasamblad.

Joonis 31. Laiuse jääksoo korrastamisalad. Taimkatte arengut Laiuse jääksoos enne korrastamist, vahetult pärast korrastamist ja uuringu lõpuaastal 2023 septembrikuiste satelliidipiltide alusel iseloomustab joonis 32. Võrreldes algseisuga on oluliselt paremini taimestunud ala loodepoolne osa, madalaveelise veekogu kallastele on kujunenud kuni mõnekümne meetri laiune sootaimedega taimestunud kaldavöönd-õõtsik, vaatamata puurinde eemaldamisele on kirdepoolne osa on NDVI indeksi väärtuse järgi taimestunud juba paremini kui kontrollala, aga kui kontrollala indeksit mõjutab eeskätt puurinne ja villpea, siis loodepoolses osas on domineerivad sootaimed (tarnad, pilliroog, rabakarusammal, jõhvikas jmt). Jõhvika areaal laieneb aastas keskmiselt 40-50 cm võrra peenarde keskosast ääreala suunas ja moodustab kohati lausalise katte.

Joonis 32. Taimkatte muutused Laiuse jääksoos enne korrastamist (2018), korrastanmise ajal (2019) ja uuringuperioodi lõpus (2023) Sentinel-2 satellidipildi alusel NRG ja NDVI indeksitena väljendatuna. Kõima jääksoo Kõima jääksoo korrastati 2019.a. lõpuks. Ala oli juba eelnevalt peaaegu lausaliselt taimestunud ja vaid üksikutes kohtades turbavõtu aukude vahelistel tervikutel oli taimestumata laike. Korrastamistööde käigus eemaldati suuremad puud evapotranspiratsiooni kahandamiseks, pinnaspaisudega suleti kraavid ja väljavool turbavõtu aukudest. Tänu eelnevalt olemasolevale rabataimestikule taastus kogu alal korrastamise käigus paljandunud pinnas kiiresti. Madalamad alad kattusid nii nokkheina kui turbasammaldega (joonis 33), kõrgemad pinnaspaisud peamiselt kanarbiku, karusambla ja villpeaga (joonis 34).

Joonis 33. Pinnaspaisude rajamiseks turba võtmise auk (vasakul) ja endine kirdepoolne kogujakraav (Kõima-N väljavool) on turbasammalde,villpea ning nokkheinaga kattumas.

Joonis 34. Kõrgemad pinnaspaisud kattuvad villpea, kanarbiku, karusambla ja murakaga, madalamad servad ja turba võtmisel tekkinud lohud nokkheinaväljaga.

Joonis 35. Pinnaspaisude tõttu seisva veega kraavid ning turbavõtuaugud täituvad turbasammaldega, tervikutel märjemates piirkondades kanarbik hääbub.

Joonis 36. Edelapoolses osas kus veetase on kõrgem ja püsivalt maapinnale lähedal ka põuastel suvedel (maapinna kalle tagab vee pealevoolu) on ka suuremad pinnaspaisud peaaegu täielikult taimestunud.

Joonis 37. Edelaoas lausaliselt täidetud kogujakraav ning vee liikumist tõkestavad massiivsed pinnaspaisud hoiavad turbavõtuaukudes veetaset kõrgena ka kesksuvel ning tagavad soodsad tingimused kiireks taimestumiseks. Turbasammaldega kaetud areaal on nelja aastaga jõudsalt laienenud.

Joonis 38. Edelapoolne väljavool on aastaringselt kuiv, soost valguv vesi on leidnud endale tee metsa alla, kuhu valgub ühtlaselt laial alal. Maima jääksoo Maima jääksoo korrastamine toimus 2020.a. sügisel ja oli uurimisaladest esimene kus kasutati kõiki erinevaid korrastamisvõtteid (madalaveeline veekogu, pinnaspaisud kraavidel, kraavide lausaline täitmine, pinnaspaisud kraavidel ja turbasambla fragmentide laotamine, kraavide lausaline täitmine ja turbasambla fragmentide laotamine, turbavõtuaukude väljavoolude sulgemine). Kavandatud tegevused osaliselt ebaõnnestusid ebaõige veetaseme tõttu, kuid soovitust kõrgem veetase ei takista soostumist. Turbasammalde areng ja levik on alal liiga kõrge või muutliku veetaseme tõttu piiratud, pilliroo, tarnade, villpea ja nokkheina, üksikutes piirkondades ka jõhvika laienemine on viimase aastaga kiirenenud.

Taimestumist kiirendas kõige enam 2022 ja 2023.a. põuased suved, mis tagas taimede arenguks soodsama veetaseme. 2021.a. lõpus väga edukalt laienenud nokkheina areaali alal 2 (L) ja 10 (D) hävitas peaaegu täielikult sügisrände eel 100-200-pealine sookurgede parv, mis rebis taimed lausaliselt juurtega välja. Uurimisalal on kohatud merikotkast (sageli Ala 4 rabapoolsel küljel kõrgema männi ladvas), kuni 20 luigest koosnevat parve, koovitajaid, põtra, hunti ja pruunkaru. Uurimisala projekteerimisel/korrastamisel tehtud suurim eksimus oli liigse vee äravoolu planeerimine läbi olemasoleva osaliselt täidetud kogujakraavi. Kõrge veetaseme korral täidetud kraavis mudajas mass kerkib koos veetasemega ja takistab vee äravoolu, suvel alaneva veetaseme korral aga alaneb ka mudajas mass äravoolukraavis ja pigem soodustab kiiremat veetaseme alanemist turbaväljal. Maima eksimust võeti arvesse Ess-soos, kus kogujakraav täideti või sulgeti pinnaspaisudega ja liigvee äravooluks kujundati eraldi voolunõva serpentiinina läbi turbaväljade.

Joonis 39. Madalaveelise märgala (Ala 1, kood M) veetase jäi planeeritust madalamaks kuna soovitud veetaseme korral oleks kõik rabapoolsed väljakud veelgi sügavamalt üleujutatud olnud. Taimestumise seisukohast on veetase alal soodne ja pilliroo, hundinuia ning tarnade jõudne levik algas 2022.a. ja 2023.a. sügiseks on taimestumine peaaegu lausaline.

Joonis 40. Kraavide lausalise täitmisega ja samblafragmentide laotamisega alal (ala 3, K) on veetase liiga kõrge, valdava osa aastast on ala veega kaetud ja taimestunud on peamiselt täidetud kraavide kohad, kus maapind kerkib koos veetasemega. Siiski leidub hajusalt ka üksikuid elusaid turbasamblaid.

Joonis 41. Ebasoodsalt kõrge veetaseme puhul toimub taimestumine kiiremini just täidetud kraavide kohal kuna seal maapind kerkib koos veetasemega. Taimestikus domineerivad villpead, hundinui, tarnad, nokkhein ja mätaste vahel üksikuid turbasamblaid, mis on fragmentide laotamisest säilinud. Veega kaetud ala on luikede kasutuses.

Joonis 42. Pinnaspaisudega suletud kraavidega turbasambla fragmentide laotamise alal on taimestumine võimalik vaid soodsa niiskusrežiimiga vööndis. Liiga sügava veega alal toimub aeglane taimestumine pilliroo ning hundinuiaga. Sobivates tingimustes on turbasambla katvus hea ja sammal elujõuline.

Joonis 43. Pinnaspaisudega suletud kraavidega alal 5 (B) toimub looduslik taimestumine kõrge veetaseme tingimustes ja levivad madalsoole iseloomulikud liigid. Taimestumise kiirust toetab sel alal lahustunud lämmastikuga rikastunud põhjavee väljakiildumine.

Joonis 44. Kraavide lausalise täitmisega ja samblafragmentide laotamisega alal (ala 11, E) on veetase liiga kõrge, valdava osa aastast on ala veega kaetud. See ala vajas korrastamisel pinnase suuremamahulist tasandamist ja seetõttu pole pindmine turbakiht tihedalt alumiste kihtidega seotud ning liigub koos veetasemega kaasa. Taimestunud on peamiselt täidetud kraavide kohad, kus maapind kerkib kergemini koos veetasemega, aga taimestumine on ulatuslikum kui sarnaselt töödeldud alal 3 (K).

Joonis 44. Lausaliselt täidetud kraavidega alal (10, D) toimub iseeneslik taimestumine ebaühtlaselt. Kanarbik ja sinikas hääbuvad, villpea, nokkhein, tarnad ja jõhvikas laiendavad areaali. Vaatamata sobivatele niisketele laikudele ala sees ja külgnemisele samblafragmentide laotamise alaga, pole iseseisvalt turbasamblaid ilmunud.

Joonis 45. Pinnaspaisudega suletud kraavidega turbasambla laotamisega alal (9, P) oli esimesel aastal sammalde elulevus väga hea, kuid järgneval talvel kannatas kõrge lumesulavee uhtumise ja tugeva külmakohrutuse all. 2022/2023 kohrutuse kahju kordus. Siiski on kogu ala samblafragmentidega hajusalt

kaetud, püsivad koloniseerimistuumakesed tekkinud ning alal on esindatud paljud tüüpilised rabaliigid. Taimestumine on küll oodatust aeglasem, aga püsiv. Sel alal on niiskemal perioodil sambalaga paremini kattunud gaasirüngastes mõõdetud päevasel ajal ökosüsteemi hingamist ületavaid CO2 sidumise väärtusi.

Joonis 46. Võrdlusala on kõige kehvemini taimestunud. Alustaimestikus domineerivad üksikud hajusalt paiknevad villpeamättad, kraavi kallastel ka jõhvikas, samblikud. Kased ja männid kannatavad mineraliseerumise ning tuuleerosiooni tõttu paljanduvate juurte käes. Kuigi korrastamise käigus võrdlusala veetase tõusis, ei ole see veel oluliselt mõjutanud taimestumist.

Joonis 47. Pinnaspaisudega suletud kraavidega ja turbasambla fragmentide laotamisega ala (7, N), mis oli korrastamise eelselt tugevalt pilliroo ja noorte mändidega kaetud, on esimesest aastast saati olnud kõikuva veetasemega, aga juba esimesel sügisel risoomidest võrsunud varred takistasid lainetusel laotatud samblafragmente ja kattepõhku ära uhtuda ning pilliroo vahel esineb ohtralt turbasammalt, huulheina, kanarbikku. Esimeste aastate tulemus on paljulubav ja samblad elujõulised, kuid ebaselge on kas pikemas perspektiivis hakkab pilliroog turbasammalt varjutama või suudab sammal moodustada tugeva ühtlase katte.

Ess-soo Ess-soo ala korrastati 2021. a. sügisel ja selle käigus tehti võrreldes Maima alaga projektis mitmeid muudatusi. Eeldatavad veetasemed modelleriti iga ala lõikes, äravooluteed planeeriti serpentiinina väljakute keskosa kaudu, kohati säilitati üleujutuste vältimiseks avatud kogujakraavi lõike ning looduslikuma rabaosa ja freesturbavälja vahele rajati kogujakraavile veekogu. Korrastamistööde käigus tehti jooksvalt täiendusi vastavalt nivelleerimise tulemustele, lisati pinnaspaise kraavidele ning rajati madala pinnasvalliga eraldatud terrasseeritud väljak. Kuigi korrastamisest on seireperioodi lõpuks möödunud alla 2 aasta ja mõlemad korrastamisjärgsed suved on olnud äärmiselt põuased ning ebasoodsad turbasambla fragmentide siirdamisega korrastamiseks, on üldtulemused siiski lootustandvad ja metoodilises mõttes võib Ess-soo korrastamist edukaks näiteks pidada.

Joonis 48. Kuigi lausaliselt täidetud kraavidega turbasambla fragmentide laotamise ala nr. 2 (N) on arvestatava pikisuunalise nõlvakaldega ja külgnev avatud äravoolukraaviga, on see põuased suved kõige edukamalt üle elanud ja elujõulisi samblafragmente esineb lausaliselt. Sarnaselt samasugusele korrastamismeetodile Maima jääksoos, on ka siin kiiremini taimestunud just täidetud kraaviga osa. Samas domineerib täidetud kraavi osas villpea, turbasammalt leidub hajusalt kõikjal ning kuivemal osal on enam kanarbikku. Kohati esineb ka nokkheina laike.

Joonis 49. Pinnaspaisudega kraavid hoiavad ka arvestatava nõlvakalde korral edukalt veetaset üleval. Samblafragmentide laotamine sel alal (1, L) pole enamasti sama edukas kui kraavide lausalise täitmisega naaberalal (2, N), kuid sobiva niiskusega piirkonnas on kujunenud ulatuslik lausalise turbasambla katvusega ala. Taimestumine toimub edukamalt ka kraavide kallastel, aga traavidevahelistel väljakutel on taimestik hõre ning elusaid turbasamblaid vähem kui naaberalal. Kas samblafragmendid on säilitanud kahe põuase suve järel elujõu, selgub järgnevatel aastatel.

Joonis 50. Kõikidel aladel kuhu samblafragmente on laotatud, on hajusalt elujõulisi turbasablaga laigukesi ning seisva veega kraavilõikudes sageli ka vohavat turbasammalt (ala 9, E).

Joonis 51. Kuigi pealtnäha mõõdab eddy covariance mast nukralt tühja välja (ala 10, D) CO2 ja CH4 voogu, on siiski kogu alal hajusalt elujõulisi turbasambla laigukesi ja soodsamate aastate saabumisel võib sambla katvus kiiresti laieneda. Sarnaselt Maima jääksoos üleujutatud mudasele väljale (ala 11, E) on ka siin esimese 2 aasta taimestumine väga tagasihoidlik, aga tüüpiliselt toimub taimestumine alguses kiiremini just täidetud kraavide kohal. Pioneerliigiks villpea, kuivematel aladel kanarbik, hajusalt elus turbasamblaid, nokkheina, huulheina.

Joonis 52. Looduslikult kujunenud sootaimestiku säilitamine korrastamise ajal kiirendab veetaseme tõstmisel maapinna kattumist taimedega. Alal 11 (B) on pinnaspaisude abil veetaseme tõstmisel ja stabiliseerimisel jõhvikas laiendanud kaetavat areaali 60-70 cm võrra aastas, kraavides hõljuval mudal laiutavad villpead ning servas laiendavad kasvuala nokkheinad.

Joonis 53. Avatuks jäävatel kraavilõikudel haost või põhupallidest tõkete tekitamine/säilitamine on kasulik nii heljumi kahandamiseks kui kraavi kinnikasvaise kiirendamise seisukohast. Kogujakraav K-17 on tõketevahelisel lõigul täitumas turbasammalde, ubalehtede, soovõhkade, villpeade ja tarnadega.

Joonis 54. Kuigi pinnaspaisud kraavidel ja terrasseerimine madala eraldusvalliga hoiavad veetaset võrdväärselt teiste korrastatud väljakutega, on alal 4 (F) turbasammalde kasvama minek oluliselt kehvem. Üheks põhjuseks oli külmunud kängardes fragmentide laotamine pärast tugevat öökülma külmunud maapinnale, teiseks põhjuseks oli sel alal erandlikult esinev külmakohrutus 2022/2023 talvel ning kolmandaks põhjuseks 2022.a. 30. augustil esinenud erakordselt intensiivne sadu (Korelas mõõdeti 24 h jooksul 84 mm sademeid), mis tulvaveega uhtus ära Ess-soo uurimisala peamise ülevoolu mulde (P3) ning uhtus peenarde kõrgematesse osadesse nii samblafragmendid kui kattepõhu.

Joonis 55. Näide meandreeruvast paisudega suletud kraave ühendavast vooluteest (vasakul) ning liiga kõrget veetaset vältivast voolunõvast (paremal).

Joonis 56. Kogujakraavi võib sulgeda laiade turbaga täidetud lõikudega, kus sulgev lävend on kaetud taimede juurtega tihedalt läbikasvanud mätastega. Selline veekogu aitab hoida freesturbavälja otstele iseloomulikku kõrgemat serva niiskemana ja tagab kiirema taimestumise ning väiksema erosiooni, mis muidu kannaks turvast madalamal paiknevatele laotatud samblafragmentidele. KOKKUVÕTE Korrastamata jääksood olid olulised CO2 allikad. Enne korrastamist oli CO2 emissioon sõltuvalt aasta ilmastikust ja alast 4.7 (3.2 – 8.3) CO2-C t/ha*a. Metaani emissioon oli tagasihoidlik 0.09 t CH4-C t/ha*a. Toitainevaese rabaturbaga jääksoode naerugaasi emissioon oli samuti väike (0.0003 N2O-N t/ha*a) ja korrastamisejärgsel oluliselt ei muutunud. CO2 voog korrastamisjärgselt kahanes ja Laiuse jääksoos neli aastat pärast korrastamist jõudis aastabilansina süsinikuneutraalsuseni. Teistel korrastatud aladel oli aasta bilanss CO2 osas jätkuvalt emiteeriv 0.4-1.9 CO2-C t/ha*a. Kuigi gaasivood on suuremad suvekuudel (v.a. naerugaas, mil puudub selge aastaajaline käik), võivad külmumata pinnasega talvekuud oluliselt mõjutada gaasivoo aastast bilanssi. Süsihappegaasi sidumist mõjutab kõige enam fotosünteetiliselt aktiivne kiirgus (PAR), temperatuur (õhu ja pindmise 10 cm mullatemperatuur). Viimastel aastatel Eestis enam Keskkonnaagentuuri hallatavates ilmajaamades PAR ei mõõdeta ja ainsad teadaolevad pidevad PAR mõõtmised toimuvad hetkel RMK jääksoodes paiknevates mõõtekohtades. Ilma PAR pideva aegreata ei ole ökosüsteemi puhasgaasivahetuse (Net Ecosystem Exchange, NEE) usaldusväärne modelleerimine võimalik. Korrastamisjärgse seire periood vastavalt 4, 3, 2 ja 0 aastat on ebapiisav, et teha järeldusi meetodite tõhususe, taimestumise kiiruse või kasvuhoonegaaside voo kahanemise kohta. Esimestel aastatel mõjutab kasvuhoonegaase samblafragmentidega korrastataval alal põhu ja surnud fragmentide lagunemine. Äärmiselt suur määramatus on seotud ilmastikuga. Taimestumine kiirenes alates kolmandast korrastamisjärgsest aastast, kuid selgusetu on kui suurt rolli selle juures mängisid viimased kaks põuase suvega aastat. Kõikidel aladel kus rakendati turbasamblafragmentide laotamist, on vähemalt hajusalt elusaid turbasambla kogumeid ja vähestel aladel moodustavad ka väiksemaid lausalise katvusega alasid. Meetodi edukust kahandas projekteerimisviga veetaseme osas Maima jääksoos ning vahetult korrastamisele järgnenud 2 väga põuast suve Ess-soos. Aladel kus turbasambla fragmente ei laotatud, iseseisvalt turbasamblaid kasvama hakanud ei ole. Samuti on sambla fragmentide laotamisega aladel

rohkem rabale iseloomulikke liike. Esimeste aastate tulemused näitavad, et samblafragmentide laotamise teel korrastatavate jääksoode puhul taimestuvad nii üleujutatavate kui põuast mõjutatud aladel kiiremine lausaliselt täidetud kraavidega alad, aga pikemas ajaskaalas ei pruugi see kehtida. Ka pinnaspaisudega kraavide kallastel laieneb taimestik. Kriitiline on siiski sobilik veetaseme vahemik ja suvine niiskuse olemasolu, see sõltub aga nii võimalikust külgnevast tagamaast kui konkreetsete aastate ilmastikust. Drooniseire on väga tõhus abivahend korrastatava alaseisundi eelnevaks kaardistamiseks, seirealade optimaalseks valikuks, allikaliste alade tuvastamiseks, pinnaspaisude lekete avastamiseks ning ligikaudseks pinnase niiskuse määramiseks. Taimkatte kaardistamiseks on võimalik kasutada k-means klasterdamisel põhinevat lähenemist koos välitööde käigus klassidele sisu andmisega või suure õpetusandmestiku olemasolul masinõppe meetodil (random forest, bagging jmt). Pikaajalise homogeense aegrea saavutamine taimkatte dünaamika kaardistamiseks on väga kallis (tehniliselt ning tööjõukulult), aeganõudev ja keeruline, mida omakorda mõjutab tehnoloogia kiire areng ning sensorite muutus. Satelliidiseire on jääksoode korrastamise tulemuslikkuse jälgimiseks asjakohane, kuid kasutegur on suurem pika seireperioodi puhul. Lühikese perioodi puhul jääb muutuste suhtes väga tundliku jääksoo dünaamika oluliselt kiiremaks (nt. veetasemete muutus ja üleujutatavate alade ulatus) kui pilvevabade piltide saamine satelliitidelt. Samuti eeldab selline seire suuremate seireruutude rakendamist maapealses seires, et andmestik oleks võrreldav piksli suurusega. Paljude klassikaliste indeksite kasutamise muudab keeruliseks ka jääksoodele sagedane olukord, kus taimede vahelt paistab vesi, mitte maapind. See raskendab ka muidu pilvedest vähem mõjutaud radari andmestiku kasutamist. Dendrokronoloogia abil on võimalik näha turbaväljade rajamisega kaasnevaid mõjusid, raskustega luua kronoloogiaid jääksoos kasvavate puude osas (puud erivanuselised ja seega muutuva nooruskasvuga ning samaaegselt kiire keskkonnatingimuste muutusega), aga veetaseme tõstmise avaldumise tuvastamiseks ei ole 3-4 aastat piisav. Männid jätavad ebasoodsates tingimustes aastarõngaid vahele ja seega nii lühikesed perioodid ei allu kronoloogia loomisele. Lahustunud orgaanilise süsiniku ja lämmastiku kontsentratsioonid korrastamisjärgselt küll kuni kaheks aastaks tõusid, kuid selgusetu on seos ilmastiku (kuumad põuased suved) ja korrastamistööde osakaalu osas. Ärakanne on aga tagasihoidlik kuna vee äravoolu esineb uuritud aladel 2-4 kuud aastas ja needki madalama kontsentratsiooniga hilissügisel ja varakevadel. Vooluhulga ja kontsentratsiooni järgi hinnates on süsiniku ärakanne DOC kujul jääksoodest vahemikus 62-87 kg/ha*aastas. Lagunemiskatse esmased tulemused näitavad, et peamine massikadu toimub väga kiiresti esimese aasta jooksul ning selles mängib omakorda suurimat rolli esimeste kuude jooksul leostumiskadu. Veetase ja taimestik mõjutavad lagunemist oluliselt. Erinevate taimsete materjalide (varis, peenjuured, erinevad liigid) lagunemiskatsete tulemused selguvad kolme aasta pärast.

7. PROJEKTIGA HAAKUVAD TEADUSTEEMAD, GRANDID, DOKTORI- JA MAGISTRITÖÖD, JÄRELDOKTORITE UURIMISTEEMAD, LEPINGUD: Teavitustegevus: Lühiartikkel projekti eesmärkidest Eesti Loodus 8/2017, lk. 5. http://www.eestiloodus.ee/arhiiv/Eesti_Loodus08_2017.pdf ja Rahvusvahelise Märgalade Kaitse Grupi kuukirjas IMCG Bulletin, June, 2017 pp. 13-14 http://www.imcg.net/media/2017/imcg_bulletin_1706.pdf. 04.10.2017 TÜ geograafia osakonna seminar projekti eesmärgi ja hetkeseisu tutvustamiseks ning võimalike täiendavate huviliste (omafinantseeringu korras) kaasamine ülikooli teistest uurimisgruppidest. 18.-19.oktoober 2017 Toilas Keskkonnaministeeriumi turbaümarlaual projekti eesmärgi ja hetkeseisu tutvustamine. Suuline ettekanne: A. Kull & G. Veber, Abandoned peat extraction sites – will future be wetter and better? 10.-12.10.2018 Tartu, 18th Baltic Peat Producers Forum. Jääksoode korrastamisega seonduvat on laiema üldsuse teavitamiseks käsitletud populaarteaduslikus väljaandes "Samblasõber" nr 23, 2020, lk 10-15: https://sisu.ut.ee/sites/default/files/samblasober/files/samblasober_23_0.pdf Esinemine ERR Aktuaalne Kaamera, Osoon ja Vikerraadios intervjuudega.

Magistritööd ja doktoritööd Ott Toomsalu, 2019. Jääksoodes toimuvate muutuste analüüsimine LiDAR andmetel. Magistritöö. Kaitsutud Tartu Ülikooli geograafia osakonnas. https://dspace.ut.ee/handle/10062/65031 MarjanSadat Barekaty, 2021. Compare the performance of applying Machine Learning concepts to landcover classification models using very high-resolution UAV data. Magistritöö. Kaitsutud Tartu Ülikooli geograafia osakonnas. https://dspace.ut.ee/handle/10062/72820 Kärt Erikson, 2022. Veerežiimi häiringute ja ilmastiku mõju hariliku männi (Pinus sylvestris L.) radiaalsele juurdekasvule Lehtmetsa soo näitel. Magistritöö. Kaitsutud Tartu Ülikooli geograafia osakonnas. https://dspace.ut.ee/handle/10062/82873 Tauri Tampuu doktoritöö: Application of spaceborne SAR polarometry and interferometry for landscape ecological studies in bogs (Tartu Ülikool, kaitstud 2022.a. augustis). Artiklid Birgit Viru, Gert Veber, Jaak Jaagus, Ain Kull, Martin Maddison, Mart Muhel, Alar Teemusk, and Ülo Mander, 2017. Winter nitrous oxide and methane emissions from drained peatlands. Geophysical Research Abstracts, Vol. 21, EGU2019-15964. The abstract identification number EGU2019-15964. https://meetingorganizer.copernicus.org/EGU2019/EGU2019-15964.pdf?pdf Tampuu, Tauri; Praks, Jaan; Uiboupin, Rivo; Kull, Ain (2020). Long Term Interferometric Temporal Coherence and DInSAR Phase in Northern Peatlands. Remote Sensing, 12 (10), ARTN 1566. DOI: 10.3390/rs12101566 Tampuu, T.; Praks, J.; Kull, A. (2020). Insar Coherence for Monitoring Water Table Fluctuations in Northern Peatlands. International Geoscience and Remote Sensing Symposium (IGARSS). IGARSS, 4738−4741. DOI: 10.1109/IGARSS39084.2020.9323709 Burdun, Iuliia; Kull, Ain; Maddison, Martin; Veber, Gert; Karasov, Oleksandr; Sagris, Valentina; Mander, Ülo (2021). Remotely Sensed Land Surface Temperature Can Be Used to Estimate Ecosystem Respiration in Intact and Disturbed Northern Peatlands. Journal of Geophysical Research Biogeosciences, 126 (11), e2021JG006411. DOI: 10.1029/2021JG006411 T. Tampuu, J. Praks, A. Kull, R. Uiboupin, T. Tamm, K. Voormansik (2021).Detecting peat extraction related activity with multi-temporal Sentinel-1 InSAR coherence time series. International Journal of Applied Earth Observation and Geoinformation,Vol. 98,102309, https://doi.org/10.1016/j.jag.2021.102309 Tampuu, Tauri; De Zan, Francesco; Shau, Robert; Praks, Jaan; Kohv, Marko; Kull, Ain (2022). Can Bog Breathing be Measured by Synthetic Aperture Radar Interferometry. 2022-July, 16−19. DOI: 10.1109/IGARSS46834.2022.9883421. Kull, Anne; Kikas, Tambet; Penu, Priit; Kull, Ain (2023). Modeling Topsoil Phosphorus—From Observation-Based Statistical Approach to Land-Use and Soil-Based High-Resolution Mapping. Agronomy, 13 (5), 1183. DOI: 10.3390/agronomy13051183 Palviainen, M., Könönen, M., Peltomaa, E., Pumpanen, J., Ojala, A., Hasselquist, E., Laudon, H., Ostonen, I., Renou-Wilson, F., Kull, A., Veber, G., Mosquera, V., and Laurén, A.: Processes affecting lateral carbon fluxes from drained forested peatlands, EGU General Assembly 2023, Vienna, Austria, 24–28 Apr 2023, EGU23-6367, https://doi.org/10.5194/egusphere-egu23-6367, 2023. Tampuu, T.; Praks, J.; De Zan, F.; Kohv, M.; Kull, A. (2023). Relationship between ground levelling measurements and radar satellite interferometric estimates of bog breathing in ombrotrophic northern bogs. Mires and Peat, 29, 1−28. DOI: 10.19189/MaP.2022.OMB.Sc.1999815

8. Projekti juht (nimi): Ain Kull

Allkiri: allkirjastatud digitaalselt

Kuupäev: allkirjastatud digitaalselt

9. Taotleja allkirjaõigusliku esindaja kinnitus aruande õigsuse kohta (nimi, amet): Ain Kull, kaasprofessor

Allkiri: allkirjastatud digitaalselt

Kuupäev: allkirjastatud digitaalselt

NB! Aruanne esitada elektrooniliselt aadressil [email protected]

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

1

Relationship between ground levelling measurements and radar satellite

interferometric estimates of bog breathing in ombrotrophic northern bogs

Tauri Tampuu1, Jaan Praks2, Francesco De Zan3, Marko Kohv 1, Ain Kull1

1 Institute of Ecology and Earth Sciences, University of Tartu, Estonia

2.School of Electrical Engineering, Aalto University, Finland 3 Remote Sensing Technology Institute, German Aerospace Centre DLR, Germany

_______________________________________________________________________________________

SUMMARY

Understanding the seasonal oscillation of peatland surface height initiated by changes in water table level

(known as ‘bog breathing’) is key to improving spatial models of the water balance of bogs and their

greenhouse gas exchanges with the atmosphere. Bog breathing has been studied locally via point-based

measurements by telmatologists as well as over wider areas by the remote sensing community, in the latter

case often without or with limited ground-truth validation. We aim to bring the two disciplines together by

assessing the feasibility of validating Synthetic Aperture Radar (SAR) data from the Sentinel-1 satellite with

in situ ground levelling data from nanotopes with different drainage status in two hemiboreal raised bogs. We

demonstrate the continuous measurement of bog breathing using automatic ultrasonic levelling devices which

shows that, during one growing season, bog breathing amounted to 11.6–14.7 cm in hollows, 6.9–7.5 cm in

hummocks and 9.5–11.6 cm in haplotelmic nanotopes. Accounting for such relatively large vertical surface

deformations remotely using the SAR Differential Interferometry (DInSAR) technique is prone to estimation

errors owing to the so-called estimation ambiguity that occurs when deformation exceeds half the wavelength

of the radar signal (2.77 cm for Sentinel-1). We approach the ambiguity problem by estimating deformation

between consecutive SAR acquisitions (time separation 6 or 12 days) only. Remote and in situ measurements

of bog breathing correlate moderately to very strongly (rs = 0.82–0.93 in hummocks) even though, from time

to time, all nanotopes except hummocks show surface deformations in just a single day that exceed the

ambiguity threshold. This indicates that DInSAR surface deformation estimates contain useful information

despite under-estimating larger changes, and DInSAR has high potential for the assessment of bog breathing.

Our findings imply that DInSAR estimates in peatlands without ground validation should be interpreted with

caution. To take full advantage of the plentiful data from Sentinel-1, the introduction of contextual information

(e.g. temperature, precipitation and/or evapotranspiration data) could guide ambiguity resolution, as we

demonstrate up to moderate correlation (rs = 0.59 in a hollow) between precipitation and bog surface height.

KEY WORDS: bog drainage, InSAR, peatland, Sentinel-1, surface deformation

_______________________________________________________________________________________

INTRODUCTION

Northern peatlands are significant pools of stored

carbon (Leifeld & Menichetti 2018, Nichols & Peteet

2019), but peatlands can switch from being net sinks

of greenhouse gases (GHG) to emitters (Blodau

2002) depending on the water regime, which is

vulnerable to both climate change and direct human

disturbance (Gorham 1991, Ojanen et al. 2010, Yu

2012, Webster et al. 2018). The porous sponge-like

nature of peat, which allows it to adsorb and release

water and trap gases, causes the peatland surface to

fall and rise following the dynamics of the water table

(WT) (Roulet 1991, Kellner & Halldin 2002, Dise

2009). GHG exchange is largely determined by peat

moisture content, which is closely related to WT

(Heikurainen et al. 1964); as well as by temperature,

vegetation and nutrient status, all being in turn

affected by WT. Therefore, understanding the

seasonal oscillation of peatland surface height and

volume, often referred to as ‘bog breathing’ (Roulet

1991, Kellner & Halldin 2002), is key to improving

spatial models of greenhouse gas (GHG) exchange

(CO2, N2O, CH4) with the atmosphere (Fritz 2006,

Dise 2009). Despite being a well-known

phenomenon (Strack et al. 2006) and significant for

climate change (Blodau 2002, Dise 2009, Howie &

Hebda 2018), bog breathing has not been

exhaustively studied and understood (Fritz 2006,

Fritz et al. 2008, Morton & Heinemeyer 2019). Nor

has the spatiotemporal variability of bog surface

deformations been documented definitively (Fritz

2006, Bradley et al. 2022, Marshall et al. 2022).

Assessment of bog breathing over vast and remote

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

2

peatland areas is feasible with the satellite Synthetic

Aperture Radar (SAR) and differential

interferometry technique (Differential InSAR or

DInSAR) (Lees et al. 2018, Morton & Heinemeyer

2019). DInSAR has become a proven tool for

globally quantifying surface displacements at

millimetre level in many domains (Ferretti et al.

2001, Ferretti et al. 2007, Crosetto et al. 2016,

Osmanoğlu el al. 2016, Biggs & Wright 2020). Thus,

the availability of SAR data potentially opens a new

era in the study of bog breathing by finally enabling

the estimation of temporal (including seasonal) bog

surface movements with sufficient spatial resolution

over wide areas, in contrast to the few point

measurements that were previously available from

accessible study sites only.

SAR measures the amplitude and phase of the

backscatter of the transmitted electromagnetic signal

(Ferretti et al. 2007). In DInSAR, SAR phase images

from the same orbital position (zero-baseline) at

different times are combined (Bamler & Hartl 1998).

When two phase images are combined in DInSAR,

the resultant phase difference or phase change image

known as interferogram indicates the change in the

targets during the time interval between two SAR

acquisitions (Ferretti et al. 2007). Assuming that the

dielectric properties of a target remain stable, the

interferometric phase (DInSAR phase, i.e. phase

change) becomes a sensitive measure of the surface

elevation change (vertical deformation) (Bamler &

Hartl 1998, Ferretti et al. 2007). In DInSAR, an

elevation change smaller than half of the radar

wavelength can be translated to a phase change inside

a 360 degree or 2π radian circle, called the phase

cycle, and can be measured precisely. Unfortunately,

if the elevation change is larger than half of the

wavelength, the phase jumps from 2π radian to 0 and

repeats the cycle. This happens after every half-

wavelength and, thus, possibly many times. Such

periodicity brings 2π ambiguity to the relationship

between the elevation change and the phase change.

Therefore, in an interferogram, the real surface

deformation is ambiguously wrapped in 2π phase

cycles. The amount of height change that leads to a

2π change in the sensor’s line of sight (LOS) phase

change (Rosen et al. 2000) is referred as the LOS

ambiguity threshold in this paper. Whenever the

surface deformation is larger than the LOS ambiguity

threshold, phase unwrapping, i.e. addition of the

correct number of phase cycles to the phase change,

is needed to resolve the phase ambiguity and

reconstruct the true elevation change (Ferretti et al.

2007). The unwrapping issue is central to obtaining

accurate deformation estimates. The key to the

correct ambiguity resolution is a visible fringe pattern

in the interferogram. A fringe occurs when the phase

jumps from +1π radian to −1π radian or vice versa,

often referred to as a phase jump. Assuming that the

true phase gradient is continuous because the surface

of a natural terrain is elastic, a phase jump visible in

the interferogram is not caused by an abrupt shift of

a part of the observed surface (Bamler & Hartl 1998,

Ferretti et al. 2007). For further explanation of the

theory of DInSAR in the context of studying northern

bogs, refer to Tampuu (2022).

Despite having revolutionised measurement of the

Earth’s surface deformation globally (Biggs &

Wright 2020), DInSAR has seen limited application

over peat. This is because the majority of DInSAR

methods are suitable primarily for non-vegetated

surfaces where DInSAR coherence, which describes

local phase stability (Ferretti et al. 2007), is high

(Alshammari et al. 2018). Therefore, DInSAR studies

in northern peatlands have been concerned mainly

with long-term peatland subsidence using advanced

DInSAR techniques, referred to collectively as

InSAR time series analysis, which can mitigate the

coherence issue (Zhou 2013, Cigna & Sowter 2017,

Alshammari et al. 2018, Fiaschi et al. 2019).

A limited number of publications have only

recently dealt with bog breathing. To the best of our

knowledge, the inclusive list contains Alshammari et

al. (2020), Tampuu et al. (2020), Tampuu et al.

(2021a), Bradley et al. (2022), Marshall et al. (2022)

and Tampuu et al. (2022). Among these, only

Marshall et al. (2022), Tampuu et al. (2021a) and

Tampuu et al. (2022) possessed ground levelling

measurements to compare with the surface oscillation

derived using DInSAR. The last two describe our

own preliminary research, and use the same ground

validation data as this study but larger windows in

coherence estimation and phase filtering. In the

current article we have reduced the estimation

windows as a trade-off between minimising

averaging-out of the useful signal and increased noise.

The absence of ground levelling data for validation

has been characteristic for the entire field of peatland

DInSAR (Cigna & Sowter 2017, Alshammari et al.

2018). Another issue, outwith the scope of this study,

is the representativeness of point measurements for

spatially much larger footprints, such as a SAR pixel,

in bogs with high nanotope-level heterogeneity

(Alekseychik et al. 2021, Marshall et al. 2022).

The estimates of bog breathing sensed with

DInSAR by Alshammari et al. (2020), Tampuu et al.

(2020) and Bradley et al. (2022) and not validated

with in situ levelling were internally consistent and

related to peatland ecohydrology, but were

considerably smaller in magnitude than the known

possible amplitude of bog breathing (Glaser et al.

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

3

2004, Fritz 2006, Howie & Hebda 2018). Alhough

Zhou (2013), Alshammari et al. (2018) and Tampuu

et al. (2020) anticipated the risk of unwrapping errors

in bogs, research has only recently provided some

evidence, based on ground data, for the unreliability

of C-band (Conventional band; wavelength ~5.6 cm)

DInSAR time series analysis in peatlands. Marshall

et al. (2022) demonstrated under-estimation during a

drought period and in more dynamic areas of blanket

bog, while Heuff & Hanssen (2020) and Conroy et al.

(2022) showed that erroneously resolved phase

ambiguities made estimates for grasslands on peat

unreliable, and Umarhadi et al. (2021) showed the

peat subsidence rate based on C-band time series was

underestimated compared to results based on L-band

(Long band; ~24 cm) and on surface deformations

modelled from the WT in tropical peatlands.

Phase unwrapping in natural landscapes can be

very complicated and, when incorrectly solved, leads

to wrong deformation estimates (Alshammari et al.

2018). To avoid the ambiguity issue, Marshall et al.

(2022) recommended using interferometry in less

dynamic parts of the peatland. To tackle the

ambiguity issue, Conroy et al. (2022) proposed the

introduction of contextual information, i.e.

temperature and precipitation, to guide unwrapping.

The estimation of elevation changes smaller than

the LOS ambiguity threshold is intrinsically least

error-prone (Conroy et al. 2022). Reducing the

temporal baseline (i.e. time interval) between the

image pairs constituting an interferogram is the

simplest way to reduce the magnitude of change

(Alshammari et al. 2018, Conroy et al. 2022).

Tampuu et al. (2020) and Tampuu et al. (2021b) have

shown that coherence is preserved in open raised

bogs over short to medium time intervals (i.e. days to

months), indicating that applying conventional short

temporal baseline DInSAR (using only radar

acquisitions whose time separation is short, i.e. days)

is possible in open bogs and can produce reliable

deformation results. Until now, ground

measurements have only been compared with

deformation estimates from InSAR time series

analysis (Alshammari et al. 2018, Marshall et al.

2022). The conventional DInSAR approach has been

largely ignored and, to the best of our knowledge,

used only by Tampuu et al. (2021a) and Tampuu et

al. (2022). However, limiting the analysis to only the

shortest baselines may capture surface movements

that are beyond the scope of advanced DInSAR.

Bog breathing has been studied locally via point-

based measurements by telmatologists, as well as

over wider areas by the remote sensing community,

in the latter case often without or with limited

ground-truth validation. We aim to bring the two

disciplines together by assessing the feasibility of

using Sentinel-1 C-band SAR data validated with

time series of in situ ground levelling data from raised

bog nanotopes with different drainage status. The

objectives of this study are:

1. to assess the accuracy of Sentinel-1 conventional

short temporal baseline DInSAR in estimating bog

breathing by comparing the results with

automatically measured continuous in situ ground

levelling measurements from different nanotopes

in two raised bogs in Estonia over the growing

season of 2016;

2. to discuss implications for the applicability of

DInSAR to monitoring bog breathing; and

3. to publish the in-situ ground levelling data from

different nanotopes along a gradient of decreasing

drainage influence.

Continuous records of in situ bog breathing are rare

in any case, and particularly rare if they address the

gradient of drainage influence. Only the shortest

available time intervals (6 or 12 days) are used for

estimating DInSAR surface deformation, to minimise

the need for phase unwrapping, and we hypothesise

that this can allow accurate assessment of the

magnitude of bog breathing because the magnitude of

surface deformations will be small enough to remain

within the convenient range for C-band radar.

MATERIALS

Study area

This study is concerned with two medium-sized

ombrotrophic mires (bogs) in Estonia (Figure 1).

Umbusi Bog (58.57 °N, 26.18 °E) and Laukasoo Bog

(58.43 °N, 27.00 °E), located 50 km apart, are

characteristic of hemiboreal (northern temperate)

raised bogs. Both bogs have a deep peat layer and a

pool system in the central part of the bog. The peat

thickness at our study transects is ~ 8 m in Umbusi

and ~ 5 m in Laukasoo. At each site, the Sphagnum-

dominated open bog is a ridge-hollow-hummock

ecotope while the central part is a ridge-pool ecotope

dominated by Pinus sylvestris trees up to 5 m tall. The

growing season in Estonia usually lasts from early

May to the end of October. Precipitation (annual

norm 672 mm) is unevenly distributed with a

minimum in winter–spring and a maximum in

summer–autumn. The bog water table (WT) is

highest during snowmelt in April, lowers rapidly in

May and June due to high subsurface discharge and

evapotranspiration, and usually reaches a minimum

level in July or August. In autumn, the peat pore

water recharges due to decreasing evapotranspiration

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

4

Figure 1. Plan views of the transects on Umbusi Bog (left) and Laukasoo Bog (right) in relation to the milled

peat extraction areas. At each site a transect of plots with automatically and manually measured bog water

table (WT) and automatic surface levelling measurements follows the gradient of decreasing drainage

influence from the drainage ditch to the interior of the open natural bog. Each transect is prolonged towards

the reference plots as two virtual transects crossing peat extraction fields. The letters “U” for Umbusi and “L”

for Laukasoo, together with the plot identifiers, denote measurement plots. The levelling device recording both

a hollow and a hummock nanotope at Plot U6 is shown in the inset image for Umbusi Bog. The location of

Tooma Meteorological Station is shown in the inset map.

and increased precipitation, and a rise of the WT

follows. The bog surface freezes and snow cover

establishes in December, and the snow persists until

April (Estonian Environment Agency 2023).

In both bogs, the natural bog area is truncated by

an active milled peat extraction area with a system of

double-ditch drainage. The border between the peat

extraction field and natural bog is formed by the main

drainage ditch which cuts through the entire peat

layer. Running parallel to that main drain, at

15–20 m in the direction of the centre of the bog,

there is a secondary drainage ditch (~ 0.5 m deep)

which penetrates the acrotelm. The margins of the

bog sections that are affected by drainage are wooded

(Pinus sylvestris).

Measurement transects along the gradient of

drainage influence

A transect of automatic surface levelling and WT

measurements has been established along the

gradient of decreasing drainage influence in both

Umbusi Bog and Laukasoo Bog (Figure 1). Both

transects, consisting of seven measurement plots

(plots 1–7), stretch from the main drainage ditch into

the intact portion of the natural bog. The transects

were initially established to measure bog WT

manually in WT sampling wells, at monthly

intervals. Automatic WT measurement and surface

levelling devices were installed later, at some of the

plots. The naming convention employed for the

measurement plots follows a spatial logic: uppercase

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

5

letter denotes the bog (U for Umbusi Bog, L for

Laukasoo Bog); the plot identifier (integer) denotes

the position of the plot in relation to the gradient of

decreasing drainage influence (plots numbered 1–7,

with 1 closest to and 7 farthest from the drainage

ditch). The levelling measurements at Plots U6 and

L6 are recorded in both a hollow and a hummock

nanotope, with the distance between the measuring

devices being 2 m and distinguished by the respective

subscripts “hol” and “hum”. The transects used in

this study are part of a wider study focusing on the

effects of drainage on bogs and transitional mires.

Detailed descriptions of the layout of transects and

other studied factors are provided by Paal et al.

(2016).

In this article we are concerned only with the six

measurement plots (U2, U4, U6 in Umbusi Bog and

L2, L4, L6 in Laukasoo Bog) for which surface

levelling data are available over the 2016 growing

season (15 Apr to 31 Oct). Automatic WT data from

the selected (levelling) plots are also considered if

available. If automatic WT data are not available

from the same plot, the manually measured WT data

are used to decide whether automatic WT

measurements from a neighbouring plot can be used

to represent the WT at the levelling plot.

The haplotelmic plots U2 and L2 (characterised

by no acrotelm and compacted peat) are located

around 15 m from the main drain and are severely

affected by drainage. Plots U4 (lawn nanotope) and

L4 (hollow nanotope) experience a significant

influence of drainage, being located ~ 50 m and ~ 40

m from the main drain in Umbusi Bog and Laukasoo

Bog, respectively. Plots U6 and L6 are located in

ridge-hollow-hummock microtopes within zones

which are intact in terms of most factors but

experience a weak influence of drainage according to

some of our metrics. This assessment is based on 107

indicators (characteristics of vegetation, nutrients,

water regime, water chemistry, nanotope structure,

landscape metrics, etc.). All of the indicators are

given in a report in Estonian (Kull 2016) and some of

them (for transitional mires) have been published in

English (Paal et al. 2016). As a simplification in this

study we consider Plots U6 and L6 to be natural sites,

lying 200 m and 75 m from the main drains in

Umbusi Bog and Laukasoo Bog, respectively.

Automatic and manual water table measurements

The automatic WT measurements were obtained

using automatic piezometers (Geotech AB, Göteborg,

Sweden) and values are recorded as daily averages for

2012–2018. In the case of Umbusi Bog, automatic WT

measurements are available from Plots U2, U4, U5and

U7 except that data for the period 26 May–25 June

2016 are missing. With regard to Laukasoo Bog, the

automatic WT data are from Plots L1, L2, L3 and L7.

The piezometers were installed in the stable peat

layer at 1.3 m depth (from the surface at the time of

installation) and measure the pressure of the water

column. The barometrically compensated WT level

relative to the peatland surface was modelled from

the water and air pressures. The WT data calculated

from piezometer readings were validated using

manual WT measurements in sampling wells located

near the piezometers. The sampling wells were

anchored in the stable peat layer 1.3 m below the mire

surface at the time of installation. WT in the sampling

wells was recorded relative to the peatland surface at

monthly (or bi-monthly) intervals year-round in

2012–2016.

Automatic surface levelling measurements

From the plots numbered 2, 4 and 6 in both bogs (U2,

U4, U6 in Umbusi Bog and L2, L4, L6 in Laukasoo

Bog), we have time series of automatic ground

levelling measurements over the growing season of

2016. For this we built devices that measure the time

an ultrasound wave takes to travel along the path

sensor–ground–sensor and convert this time into the

distance between the sensor and the ground

(resolution 0.25 mm, repeatability ± 0.2 % / ± 1 mm).

Each device was attached to a T-shaped metal bar that

penetrated through the peat layer and was anchored

in the underlying stable mineral ground. At Plots U6

and L6, one device recorded the surface elevation in

a hollow (U6hol and L6hol) and another was placed in

a hummock (U6hum and L6hum), with the distance

between the two devices being 2 m. At Plots U2, L2,

U4 and L4, only one device was used. Since only

daily average data were available for L2, all of the

hourly levelling data were aggregated to daily data.

The time series end when the levelling devices were

removed after the formation of snow cover, which

prevents the signal from reaching the ground.

Additionally, fog and intense rain may occasionally

cause inaccuracies in the measurements.

Meteorological data

Precipitation data (2012–2018) were provided by the

Estonian Environment Agency as daily totals from

Tooma Meteorological Station (Estonian Environment

Agency 2021), which is located 35 km north of

Umbusi Bog and 65 km northwest of Laukasoo Bog

(Figure 1 inset) and considered to be representative

of both locations. The growing season (15 Apr to 31

Oct) of 2016, which is in the focus of this study, was

climatologically close to normal except that May and

September were drier than normal with 16 mm vs.

42 mm and 28 mm vs. 64 mm of rainfall, respectively.

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

6

SAR data

The SAR data were collected by the radar satellite

mission Sentinel-1 (S1), consisting of a constellation

of two identical satellites, S1A and S1B. The images

we used cover the period 01 Jul to 29 Oct 2016,

which is limited by the availability of S1 summer

acquisitions between periods when S1 operated in

Extended Wide (EW) swath mode for sea-ice

monitoring and ground levelling data in autumn. We

used 14 S1A and S1B ascending orbit (relative orbit

number 160) vertical-vertical (VV) polarisation

Interferometric Wide (IW) swath mode Single Look

Complex (SLC) images. As S1B started operation in

April 2016 and the first image over our study areas is

dated 29 Sep 2016, we could use three S1B

acquisitions in our stack. The acquisition time is

around 15.56 UTC, corresponding roughly to 19.00

EEST, the local time of our study area. The local

incidence angle in the sub-swath IW2 is 38.41° over

Umbusi Bog and 40.96° over Laukasoo Bog. The

pixel spacing in IW2 approximates to 4 m × 14 m

(range (rg) × azimuth (az)) on the ground and the

spatial resolution is 3.1 m × 22.7 m (rg × az) (CLS

2016). Thus, the S1 data are much coarser than a

single nanotope on the bog and the backscattering

response is formed at the level of the microtope,

which consists of a pattern of nanotopes (Lindsay

2010). The interferometric baselines (the distance

between the image acquisitions) vary roughly from

-5 to 140 metres.

METHODS

Correlating in situ measurements of bog

breathing and DInSAR deformation estimates

The aim of the DInSAR analysis was to correlate the

measured seasonal vertical surface deformation on

the open natural bog with Sentinel-1 DInSAR

deformation estimates. The deformation estimates

were calculated using the conventional short

temporal baseline (6 or 12 days) DInSAR method to

take into account possible large magnitudes of bog

breathing. The DInSAR deformation estimates were

compared to ground levelling measurements from

different nanotopes along the drainage gradient in the

raised bog.

In Umbusi Bog, 13 interferograms for Plot U4 and

11 interferograms for Plots U6hol and U6hum were

used in the analysis. In Laukasoo Bog, 11

interferograms for Plots L4 and L6hum and 13

interferograms for plot L6hol were used. Plots U2 and

L2 were excluded from the DInSAR analysis because

they were located a mere 15 m from the drain and were

thus potentially susceptible to pixel contamination by

the drainage ditch and the peat extraction field. Also,

significant tree cover and shrubs resulting from the

direct effects of drainage could potentially cause

decorrelation of the DInSAR phase. Conventionally,

coherence (γ) thresholds have been set to extract

more reliable pixels (Berardino et al. 2002, Jiang &

Lohman 2021). However, despite its common use

there is no prescribed value for such a threshold, as

the coherence bias depends upon the resolution

(sensor-dependent) and the applied coherence

estimation window size (Morishita & Hanssen 2015).

Here we use a threshold of γ = 0.4 to ensure more

reliable phase estimates in concordance with previous

research (Weydahl 2001, Mohammadimanesh et al.

2018, Braun & Veci 2020).

DInSAR processing

The interferograms, which contain unprocessed

interferometric phase and coherence estimates, were

computed using SARPROZ software (Perissin 2021).

For the interferometric coherence estimation

(weighted by the amplitude; calculated before

filtering) and Modified Goldstein phase filtering

(Goldstein & Werner 1998), a window of ten pixels

in range and three in azimuth direction was used,

approximating to a 40 m square footprint on the

ground. The 40 m length for the footprint was chosen

to best address the trade-off between the coherence

estimation bias towards higher values and the loss of

spatial resolution (Touzi et al. 1999). Flattening and

topographic phase removal were applied. No multi-

looking was applied in order to preserve the original

pixel’s spatial resolution, as natural bog displays high

nanotope and microtope level heterogeneity with

hummocks, ridges and hollows occurring at a spatial

scale of 0.5–10 m.

Formation of DInSAR deformation transects for

further analysis

For the interferograms, only the pixels corresponding

to the measurement transects were selected for

analysis, and the pixels located over the ground

levelling measurement plots were correlated with the

ground levelling measurements. To calibrate the

DInSAR phase measurements, a known stable

reference point is needed. In the absence of ground

calibration data, locations from the stable mineral soil

or compacted haplotelmic organic soil were used as

stable reference points where zero displacement in

any direction (vertical or horizontal) is assumed

(following the example by Liu et al. 2010). To study

the influence of the coherence of the chosen reference

point on the final result, we used multiple reference

points for both bogs. In Umbusi Bog the independent

reference points used were a cluster of small

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

7

buildings and an extension to the causeway, while in

Laukasoo Bog a larger building, a junction and a

causeway were used (Figure 1).

This simplified approach of assuming zero

displacement at a stable reference point in all the

images allowed us to also neglect the atmosphere

induced errors in the phase, as the atmosphere should

stay relatively constant over a few kilometres

(Webley et al. 2004, Foster et al. 2006, Bekaert et al.

2015). The maximum distance from any point in the

transect to the stable reference point was 560 m in

Umbusi and 960 m in Laukasoo. The DInSAR line of

sight (LOS) deformation (i.e. altitude change)

measurements were projected into the vertical

direction (uLOS) using local incidence angles,

assuming no horizontal motion in the peat (following

the work by Hoyt et al. 2020). Regarding minimal

temporal baselines and corresponding negligible

crustal motions (Lidberg et al. 2010), we were not

concerned with horizontal ground motion (Fuhrmann

& Garthwaite 2019). All calculations were carried

out in the SAR coordinates.

We extended each ground levelling transect

virtually over the peat extraction fields to create

continuous phase value paths (assuming a

deformation gradient along the elevation change

profile) from two reference points to the

measurement points (Figure 1). The phase difference

between the points along a transect was treated as a

difference in the deformation between imaging dates,

assuming the reference point was stable. To avoid

phase ambiguity, the whole phase dynamics between

a reference point and measurement points were fitted

into a single phase cycle (2π radians, which

corresponds to half of the wavelength of the sensor,

being ~2.77 cm for Sentinel-1). This was done by

adding a constant to the complex phase value, which

does not affect the calculated phase difference. In this

way, the linear relationship between the assumed

deformation gradient and the phase could be

maintained and assured with a visual interpretation of

the DInSAR deformation profile along the virtual

transect without the need for phase unwrapping as

long as the profile did not indicate a phase jump. If

the transect-and-phase-rotation based approach had

not been implemented, the phase at the reference

point would have been set to zero and, consequently,

the unambiguous change would have been confined

to being found in ±1π (a quarter of the radar

wavelength) (Novellino et al. 2017, Esch et al. 2019).

The Umbusi virtual transects 1 and 2 and

Laukasoo transect 2 crossed active peat extraction

fields whereas Laukasoo transect 1 extended over an

abandoned peat milling field. Laukasoo reference

point 3 was not connected to the measurement points

via a transect because there was intervening forest

which caused decorrelation in the radar signal. For

Laukasoo reference point 3 the phase rotation from

the nearest transect, i.e. Laukasoo transect 1, was used.

Data analysis

All the data were analysed in Python programming

language version 3.6 (Python Software Foundation

2021). The hourly ground levelling data were cleaned

of outliers using the Tukey’s fence method with a

multiplier of 1.5 (Tukey 1977) in a discrete 3-day

window, and presented as daily median (except for

Plot L2 where only daily averages were available).

As the data were not normally distributed according

to the Shapiro-Wilk test for normality (Shapiro &

Wilk 1965), the Spearman’s rank-order correlation

(Spearman 1904) was applied to estimate the

correlation between the levelling, DInSAR and WT

data. Reporting of the strength of correlation follows

the convention: negligible (0.0–0.3), weak (0.3–0.5),

moderate (0.5–0.7), strong (0.7–0.9), very strong

(0.9–1.0). The threshold of statistical significance is

p-value < 0.05.

To enable comparison of the calculated DInSAR

uLOS deformation estimates between two consecutive

SAR acquisitions with the in situ surface levelling

measurements, we calculated the ground-measured

vertical deformation of the peatland surface between

the dates corresponding to each interferometric pair.

The time separation was either 6 or 12 days

depending on the interferometric pair. Additionally,

to better understand how large and rapid the short-

term peatland surface deformations caused by bog

breathing can be, we calculated the vertical surface

deformation for every possible 1-day and 6-day

period from the levelling measurements. The

overlapping measurement period for all of the

levelling devices was 25 Apr to 07 Oct 2016.

RESULTS

Bog breathing

The range of bog breathing at our study plots during

the growing season (15 Apr to 31 Oct) of 2016 is

shown in Table 1, where the surface elevation is

given relative to the maximum surface height during

the measurement period. The largest surface

deformations were recorded in natural hollow

nanotopes, at Plot L6hol on Laukasoo Bog (median

surface level -4.3 cm, minimum level -14.7 cm) and

at Plot U6hol on Umbusi Bog (median -5.7 cm,

minimum -12.6 cm). The haplotelmic plots U2 and

L2 also displayed large surface fluctuations (median

surface level -5.4 cm, minimum -9.5 cm at U2;

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

8

Table 1. The magnitude of bog breathing and water table (WT) changes in Umbusi Bog and Laukasoo Bog

during the growing season (15 Apr–31 Oct) of 2016 and the growing seasons in 2012–2018. The daily median

for the period is given with the range of changes in parentheses. Bog breathing is given relative to the maximum

surface height recorded during the period, and WT is shown relative to the peatland surface. The letters “U”

and “L” (together with the plot identifier) denote measurement plots along the drainage gradient in Umbusi

Bog and Laukasoo Bog, and levelling measurements for hollow and hummock nanotopes at Plots U6 and L6

are denoted by the subscripts “hol” and “hum”, respectively. The WT values from Plots U5, L3 and L7 are

applied, respectively, to Plots U6, L4 and L6, where WT was not measured.

Plot Bog breathing 2016 WT 2016 WT 2012–2018

median (range) in cm median (range) in cm median (range) in cm

U2 -5.4 (-9.5 to 0.0) -53.1 (-68.3 to -38.6) -74.6 (-114.2 to -38.6)

U4 -5.7 (-10.8 to 0.0) -26.9 (-41.7 to -13.4) -35.4 (-63.0 to -6.0)

U5 -29.0 (-36.9 to -22.4) -33.5 (-57.7 to -13.7)

U6hol -5.7 (-12.6 to 0.0) U5 U5

U6hum -3.3 (-7.5 to 0.0) U5 U5

L2 -3.9 (-8.0 to 0.0) -29.2 (-45.6 to -22.8) -40.3 (-84.3 to -12.7)

L3 -21.8 (-27.5 to -16.0) -24.9 (-48.6 to -9.0)

L4 -3.3 (-11.6 to 0.0) L3 L3

L6hol -4.3 (-14.7 to 0.0) L7 L7

L6hum -2.2 (-6.9 to 0.0) L7 L7

L7 -14.2 (-18.2 to -6.7) -16.1 (-39.5 to 2.0)

median -3.9 cm, minimum -8.0 cm at L2). The

smallest surface fluctuations were recorded in natural

hummock nanotopes, at L6hum (median -2.2 cm,

minimum -6.9 cm) and U6hum (median -3.3 cm,

minimum -7.5 cm). In other words, bog breathing

larger in range than the Sentinel-1 sensor’s LOS

ambiguity threshold (~ 2.77 cm) was recorded in all

observed nanotopes of both bogs indifferently of the

nanotope’s disturbance status.

The largest short-term deformations were

recorded at Plot L4 in Laukasoo. Here the change in

surface level during a single day exceeded ~2.77 cm

on 28 occasions (Table 2), with subsidence occurring

on 13 of these occasions (range -3.2 to -7.8 cm,

median -5.0 cm) and surface rise occurring on 15

occasions (range 3.0 to 6.6 cm, median 4.1 cm); and

during 6-day periods there were 58 instances of

changes larger than the ambiguity threshold. Only the

natural hummock plots U6hum and L6hum exhibited

surface fluctuations that were consistently less than

the Sentinel-1 sensor’s LOS ambiguity threshold of

~ 2.77 cm.

Water table fluctuations

The WT (relative to the peatland surface at the time

of measurement) recorded by the automatic

piezometers was highest and changed least at Plot L7

(Table 1). At the natural bog plot L7, the median WT

during the 2016 growing season was -14.2 cm, range

-18.2 to -6.7 cm. The long-term (2012–2018) median

growing season WT at Plot L7 was -16.1 cm,

range -39.5 to 2.0 cm. The WT was lowest and

fluctuated over the greatest range at the haplotelmic

plot U2 (median level -53.1, range -68.3 to -38.6 in

2016; median level -74.6, range -114.2 to -38.6 in

2012–2018).

Correlation between water table and bog breathing

To study the connection between WT and bog surface

height we correlated the automatic piezometer

readings with the levelling measurements. As we had

levelling measurements but no automatic WT

measurements from Plots U6, L4 and L6, we used the

manual (2012–2016) WT readings from the sampling

wells (average values shown in Table 3) to judge

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

9

Table 2. Occasions when bog breathing exceeded the Sentinel-1 sensor’s line of sight ambiguity threshold

(~ 2.77 cm) in Umbusi Bog and Laukasoo Bog in any given 1-day and 6-day period during 2016 (the

overlapping measurement period for the levelling devices was 25 Apr to 07 Oct). The total count (N) of such

occasions is given, with subsidence (-) distinguished from rise (+). The data presented are medians of bog

surface change with the range in parentheses. The letters “U” and “L” (together with the plot identifier) denote

measurement plots along the drainage gradient in Umbusi Bog and Laukasoo Bog, and levelling measurements

from the hollow and hummock nanotopes at Plots U6 and L6 are denoted by the subscripts “hol” and “hum”,

respectively.

Plot Nanotope 1-day period 6-day period

N N- Subsidence (cm) N+ Rise (cm) N N- Subsidence (cm) N+ Rise (cm)

U2 haplotelmic 1 1 -2.9 7 1 -3.0 6 3.3

(3.0 to 5.0)

L2 haplotelmic 6 3 -4.1

(-4.8 to -3.0) 3

4.3

(2.9 to 5.1) 10 2 (-3.9 to -3.7) 8

3.2

(3.1 to 4.7)

U4 lawn 0 4 4 3.3

(3.0 to 3.6)

L4 hollow 28 13 -5.0

(-7.8 to -3.2) 15

4.1

(3.0 to 6.6) 58 30

-4.7

(-8.6 to -3.0) 28

4.3

(3.0 to 8.4)

U6hol hollow 0 7 7 3.5

(3.0 to 4.1)

L6hol hollow 4 1 -3.0 3 3.2

(3.0 to 3.5) 19 1 -3.2 18

3.6

(3.0 to 5.9)

L6hum hummock 0 0

L6hum hummock 0 0

Table 3. Weighted averages of monthly (2012–2016) manual water table (WT) measurements in the sampling

wells at Umbusi Bog and Laukasoo Bog. WT is recorded relative to the peatland surface. Distance from the

main drainage ditch is shown. The letters “U” and “L” (together with the plot identifier) denote measurement

plots along the drainage gradient in Umbusi Bog and Laukasoo Bog, respectively.

Plot U1 U2 U3 U4 U5 U6 U7

Umbusi Bog Distance (m) 10 16 26 51 101 201 365

Average WT (cm) -77.2 -64.2 -42.9 -26.8 -11.8 -12.2 -2.9

Plot L1 L2 L3 L4 L5 L6 L7

Laukasoo Bog Distance (m) 3 13 28 38 50 75 125

Average WT (cm) -114.9 -26.5 -7.0 -16.6 -5.6 -0.4 -7.5

which of the piezometers could best represent the WT

at each of these three plots. Guided by this exercise,

we applied the piezometer data from Plot U5 to Plot

U6, that from L3 to L4, and that from L7 to L6 in

further analysis (Table 1).

Figure 2 shows the dynamics of surface height in

adjacent (2 m apart) natural hollow and hummock

nanotopes in relation to WT measured by the

corresponding piezometers in Umbusi Bog (Plots

U6hol, U6hum and U5) and Laukasoo Bog (Plots L6hol,

L6hum and L7). The dynamics for haplotelmic and

drainage affected plots are shown in Figure A1 in the

Appendix. In general, the relationship between WT

and bog breathing can be expected to differ between

natural areas with intact acrotelm and haplotelmic

parts of the bog. In bog with an acrotelm, the bulk

density of the surface layer is low, leading to smooth

surface movements that correlate directly with WT

changes. In haplotelmic parts, bulk density is higher,

rewetting takes longer and fast reactions to WT

changes are rare, but seasonal surface height changes

can be of similar magnitude to those in natural bog.

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

10

Figure 2. The daily median of peatland surface height and the daily average of water table depth (WT) for

Plot U6 in Umbusi Bog and Plot L6 in Laukasoo Bog where levelling data are available, along with daily

precipitation during the growing season (15 Apr–31 Oct) in 2016. The levelling data are relative to the

maximum surface height during the period. Levelling measurements from hollow and hummock nanotopes

are denoted by the subscripts “hol” and “hum”, respectively. The WT data are relative to the peatland surface

at the time of measurement. The WT measurements from Plot U5 are used to represent WT at U6 in Umbusi

and the WT measurements from Plot L7 are used to represent WT at L6 in Laukasoo.

The correlation between surface height and WT

(Table 4) in Umbusi Bog was strong at Plots U4 and

U6hol and moderate at Plots U6hum and U2. The

correlations were weaker overall in Laukasoo Bog,

being strong at Plot L2 (haplotelmic), moderate at

Plots L6hol and L6hum, and weak at Plot L4. All

correlations were statistically significant at both sites.

The intra-seasonal dynamics of WT and surface

height are detailed in Figure A2.

Correlation between precipitation, water table

and bog breathing

The correlation between the surface height, WT and

cumulative precipitation of the preceding time

periods during the growing season in 2016 is shown

in Table 4. Both surface height and WT correlated

most strongly to the cumulative precipitation of the

preceding 12 days. The correlation with 12-day

precipitation was statistically significant at all

measurement plots. In Laukasoo the correlation

between surface level and 12-day precipitation was

moderate at Plot L6hol and weak at Plot L6hum,

whereas in Umbusi this correlation was weak at U6hol

and negligible at L6hum. The correlation between WT

and 12-day precipitation was moderate at Plot U4 in

Umbusi Bog and at Plots L2 and L3 in Laukasoo Bog.

The correlations of WT with precipitation sums for

less than nine preceding days were variable, ranging

from negligible to moderate. In general, precipitation

showed stronger explanatory power over WT than

over surface height. Also, the explanatory power was

stronger for hollows than for hummocks (Table 4).

Over the long term (growing seasons 2012–2018),

the correlation of WT with the precipitation sum of

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

11

Table 4. Correlations between the daily median of automatically measured bog surface level, water table (WT)

in the corresponding wells and the cumulative daily precipitation sum (Pr.) of the preceding 1, 6, 9, 12, 15 and

18 days during the growing season (15 Apr–31 Oct) of 2016. WT is relative to the peatland surface. 118 days

have been correlated. The letters “U” and “L” (together with the plot identifier) denote measurement plots

along the drainage gradient in Umbusi Bog and Laukasoo Bog, and levelling data from hollow and hummock

nanotopes at Plots U6 and L6 are distinguished by the subscripts “hol” and “hum”, respectively. Significance

thresholds: * p < 0.05 and ** p < 0.001.

Umbusi Bog Laukasoo Bog Cumulative precipitation

Levelling WT Levelling WT

U2 U4 U6hol U6hum U2 U4 U5 L2 L4 L6hol L6hum L2 L3 L7 Pr.1 Pr.6 Pr.9 Pr.12 Pr.15 Pr.18

U m

b u

si B

o g

L ev

el li

n g

U2 1.00

U4 0.93** 1.00

U6hol 0.67** 0.81** 1.00

U6hum 0.64** 0.80** 0.98** 1.00

W T

U2 0.60** 0.68** 0.83** 0.79** 1.00

U4 0.83** 0.82** 0.78** 0.69** 0.77** 1.00

U5 0.80** 0.82** 0.77** 0.68** 0.79** 0.89** 1.00

L au

k as

o o

B o

g

L ev

el li

n g

L2 0.47** 0.60** 0.58** 0.55** 0.55** 0.54** 0.61** 1.00

L4 0.09 0.10 0.26* 0.18 0.23* 0.27* 0.37** 0.18* 1.00

L6hol 0.45** 0.56** 0.83** 0.75** 0.79** 0.73** 0.70** 0.59** 0.38** 1.00

L6hum 0.55** 0.71** 0.96** 0.94** 0.82** 0.71** 0.70** 0.63** 0.28* 0.89** 1.00

W T

L2 0.68** 0.75** 0.81** 0.73** 0.85** 0.84** 0.88** 0.71** 0.33** 0.87** 0.83** 1.00

L3 0.68** 0.67** 0.58** 0.49** 0.58** 0.75** 0.86** 0.62** 0.38** 0.68** 0.58** 0.85** 1.00

L7 0.78** 0.79** 0.61** 0.57** 0.52** 0.70** 0.82** 0.61** 0.26* 0.53** 0.56** 0.76** 0.89** 1.00

C u

m u

la ti

v e

p re

ci p

it at

io n

Pr.1 -0.04 -0.11 0.06 -0.05 0.11 0.21* 0.12 0.01 0.19* 0.31** 0.06 0.15 0.22* 0.03 1.00

Pr.6 0.13 0.05 0.24* 0.12 0.37** 0.45** 0.37** 0.08 0.27* 0.55** 0.29* 0.47** 0.46** 0.20* 0.61** 1.00

Pr.9 0.29* 0.19* 0.32** 0.19* 0.46** 0.61** 0.54** 0.18 0.30** 0.59** 0.36** 0.58** 0.57** 0.31** 0.51** 0.90** 1.00

Pr.12 0.36** 0.24* 0.34** 0.20* 0.50** 0.65** 0.62** 0.23* 0.31** 0.56** 0.36** 0.62** 0.61** 0.37** 0.43** 0.78** 0.91** 1.00

Pr.15 0.36** 0.22* 0.31** 0.18 0.48** 0.62** 0.60** 0.24* 0.33** 0.48** 0.31** 0.59** 0.57** 0.34** 0.41** 0.69** 0.81** 0.92** 1.00

Pr.18 0.34** 0.23* 0.28* 0.16 0.45** 0.59** 0.60** 0.24* 0.28* 0.43** 0.27* 0.57** 0.55** 0.34** 0.39** 0.68** 0.76** 0.86** 0.94** 1.00

the preceding 18-day period was weak but

statistically significant; and stronger than the

correlation between WT and the precipitation sum of

less than nine preceding days, which ranged from

negligible to weak (Table 5). This is consistent with

existing knowledge about WT and surface changes in

peatlands. The difference in peat bulk density

between hollows and ridges or hummocks, as well as

between diplotelmic (with acrotelm) and haplotelmic

parts of the bog, is the main factor facilitating a fast

surface uplift response to rainfall in hollows and the

diplotelmic parts of bogs. The main role in WT and

surface level lowering is played by

evapotranspiration combined with subsurface flow,

but this is a slower process and more uniform across

different vegetation complexes except for hollows

where, due to the low bulk density, WT and surface

height are strongly correlated.

Temporal behaviour of interferometric coherence

We had 13 consecutive interferograms (seven with

12-day and six with 6-day temporal baseline) over the

study period. Umbusi reference 1 (buildings) showed

minimum coherence (γmin) 0.79 and maximum

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

12

Table 5. Correlations between the daily median of automatically measured peatland water table depth below

surface (WT) and the cumulative daily precipitation sum (Pr.) of the preceding period of 1, 6, 9, 12, 15 and 18

days during the growing seasons (15 Apr–31 Oct) of the years 2012–2018. WT was measured relative to the

peatland surface. 1041 days have been correlated. The letters “U” and “L” (together with the plot identifier)

denote measurement plots along the drainage gradient in Umbusi Bog and Laukasoo Bog. Significance

thresholds: * p < 0.05 and ** p < 0.001.

Umbusi Bog Laukasoo Bog Cumulative precipitation

U2 U4 U5 L2 L3 L7 Pr.1 Pr.6 Pr.9 Pr.12 Pr.15 Pr.18

U m

b u

si

b o

g

U2 1.00

U4 0.75** 1.00

U5 0.79** 0.94** 1.00

L au

k as

o o

b o

g

L2 0.76** 0.78** 0.89** 1.00

L3 0.61** 0.84** 0.89** 0.91** 1.00

L7 0.66** 0.75** 0.85** 0.89** 0.88** 1.00

C u

m u

la ti

v e

p re

ci p

it at

io n

Pr.1 0.02 0.10* 0.09* 0.07* 0.09* 0.06 1.00

Pr.6 0.08* 0.23** 0.23** 0.20** 0.25** 0.13** 0.52** 1.00

Pr.9 0.14** 0.30** 0.30** 0.26** 0.31** 0.16** 0.45** 0.88** 1.00

Pr.12 0.20** 0.35** 0.36** 0.31** 0.35** 0.20** 0.37** 0.77** 0.91** 1.00

Pr.15 0.26** 0.38** 0.40** 0.35** 0.38** 0.23** 0.31** 0.66** 0.81** 0.93** 1.00

Pr.18 0.31** 0.40** 0.43** 0.38** 0.40** 0.25** 0.27** 0.59** 0.73** 0.85** 0.94** 1.00

coherence (γmax) 0.97 (if the image pair of 23–29 Oct,

which may be affected by snowfall, was excluded),

whereas Umbusi reference 2 (road extension) had γmin

0.24 and γmax 0.63. Plot U4 had γmin 0.29, γmax 0.75

and Plot U6 had γmin 0.18, γmax 0.85. At Laukasoo

reference 1 (junction) γmin was 0.26, γmax 0.83 and at

reference 2 (causeway) γmin was 0.19 and γmax was

0.76, whereas reference 3 (building) had γmin 0.86 and

γmax 0.98. Plot L4 had γmin 0.16, γmax 0.82, and Plot L6

had γmin 0.46, γmax 0.91.

In Umbusi, the number of image pairs that

retained minimum reliable coherence (γ > 0.4) at U4,

U6 and reference 2 (road extension) was 10 (out of

13), and at reference 1 (buildings) it was 12. In

Laukasoo, the number of image pairs that attained

γ > 0.4 was 11 at L4 but 13 at L6 and reference 3

(building). At Laukasoo references 1 (junction) and 2

(causeway), nine image pairs had γ > 0.4. In both

Umbusi and Laukasoo (Figure 3 and Figure 4), the

image pair of 13–25 Jul showed low coherence and

moderately large bog surface subsidence, coinciding

with a transition from a rainy period to a dry one. In

the image pair of 11–23 Sep, coherence was reduced

in all Umbusi plots after a dry period roughly three

weeks long and a relatively large drop in surface

elevation. Introduction of the 6-day temporal

baseline starting with the image pair of 23–29 Sep

coincided with higher γ values at all plots (except 23–

29 Oct in Umbusi Bog).

Correlation between bog breathing and DInSAR

measurements

There were considerable differences in the behaviour

of DInSAR phase and coherence between the open

bog, peat extraction areas and reference plots as

illustrated by Figures 5, 6, A3 and A4. The radar

often recorded a distinctive phase change (i.e.

deformation) over the peat extraction fields along

Umbusi transect 1 (illustrated by Figure 5c), which

was referenced to the buildings, even though milled

peat fields are characterised by compacted peat,

effective drainage and relative stability. This phase

change was often present even in image pairs of

relatively good coherence, where it could not be

caused solely by phase decorrelation (for further

discussion, see Tampuu et al. 2021a). However, the

phenomenon was not present in many of the autumn

images (as illustrated by Figure 6).

The correlation between the uLOS deformation

estimated using the DInSAR technique and the

vertical peatland surface deformations measured in

situ is shown in Figure 7, where we have referenced

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

13

Figure 3. DInSAR line of sight deformation projected to vertical direction (uLOS) (i.e. altitude change)

compared to vertical surface deformation measured in situ by levelling (shown with standard deviation)

between consecutive SAR acquisition dates at Plots U4 and U6 in Umbusi Bog. Levelling measurements from

hollow and hummock nanotopes at U6 are denoted by the subscripts “hol” and “hum”, respectively. Daily

precipitation sum corresponds to the date of the second image of each pair. Coherence threshold γ > 0.4 set for

the pixel corresponding to the levelling plot indicates whether the quality of the phase measurement can be

trusted.

Plots U4, U6hol and U6hum to the buildings 560 m

away (Umbusi reference 1). It must be remembered

that the resolution of S1 (satellite) data is relatively

coarse and one pixel is much larger than a single

nanotope. Therefore, the backscattering response is

formed at microtope level and it is not known which

nanotopes dominate in the response. The Spearman’s

correlation coefficients (rs) between DInSAR

estimates and surface levelling measurements

corresponding to the period covered by an

interferogram were moderate (rs 0.53; p-value 0.061)

at U4, strong (rs 0.85; p-value < 0.001) at U6hol and

very strong (rs 0. 93; p-value < 0.001) at U6hum

(Figure 7a1–a3). We were not able to reliably detect

deformations close to or more than the uLOS

ambiguity threshold. None of the interferograms

displayed a fringe pattern, which occurs when the

deformation phase jumps from +1π radian to -1π

radian or vice versa, when the levelling data

confirmed deformations larger than the LOS

ambiguity threshold (illustrated by Figure 5b). The

transects in Figure 5c are noisy but clearly do not

display any phase jumps. Addition or subtraction of

a phase cycle (correctly resolved ambiguity) could

have improved our results (Figure 7). When

referenced to the road extension (Umbusi

reference 2), Plots U4, U6hol and U6hum displayed

statistically insignificant negligible to weak

correlation. Referencing the plots to the mean value

of the active peat milling field along transect 1

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

14

Figure 4. DInSAR line of sight deformation projected to vertical direction (uLOS) (i.e. altitude change)

compared to vertical surface deformation measured in situ by levelling (shown with standard deviation)

between consecutive SAR acquisition dates at Plots L4 and L6 in Laukasoo Bog. Note the wider span of the

y-axis for L4. Levelling measurements from hollow and hummock nanotopes at L6 are denoted by the

subscripts “hol” and “hum”, respectively. Daily precipitation sum corresponds to the date of the second image

of each pair. Coherence threshold γ > 0.4 set for the pixel corresponding to the levelling plot indicates whether

the quality of the phase measurement can be trusted.

resulted in statistically insignificant negligible and

weak correlations at U4 and U6hol, respectively, and

a near to significant moderate correlation (rs 0.58;

p-value 0.063) at U6hum. Umbusi plots referenced to

the mean value of the active peat milling field along

transect 2 gave negligible correlations at U4 and

U6hol and a weak correlation at U6hum, although all of

the correlations were not statistically significant.

When Laukasoo levelling plots were referenced to

the building slightly less than one kilometre away

(Laukasoo reference 3), the correlation between the

DInSAR results and surface levelling measurements

corresponding to the period covered by an

interferogram was statistically insignificant and weak

to moderate for L4 and L6hol. At Plot L6hum, the

correlation was statistically significant and strong

(rs 0.82; p-value 0.002) (Figure 7b1–b3). The plots in

Laukasoo Bog, when referenced to the junction

(Laukasoo reference 1) or to the causeway (Laukasoo

reference 2), displayed negligible negative or positive

and mainly statistically insignificant correlations.

When referenced to the mean value of the abandoned

peat milling field along transect 1, Plots L4, L6hol and

L6hum displayed statistically insignificant weak

correlation coefficients. Referencing the levelling

plots to the mean value for the active peat milling

field along transect 2 gave statistically insignificant

negligible or weak negative correlations.

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

15

Figure 5. Umbusi Bog: InSAR coherence γ (a) and phase (b) images and radar line of sight deformation along

the virtual transects (c) in radar coordinates for the image pair of 06–18 Aug 2016. Stable reference points

used in DInSAR processing and the plots (U4 and U6; ground levelling data available) used in validation of

DInSAR deformation estimates are indicated. The geographic coordinates of the scene are shown in Figure 1.

(a)

(b)

(c)

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

16

Figure 6. Umbusi Bog: InSAR coherence γ (a) and phase (b) images and radar line of sight deformation along

the virtual transects (c) in radar coordinates for the image pair of 29 Sep–05 Oct 2016. Stable reference points

used in DInSAR processing and the plots (U4 and U6; ground levelling data available) used in validation of

DInSAR deformation estimates are indicated. The geographic coordinates of the scene are shown in Figure 1.

(a)

(b)

(c)

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

17

Figure 7. Correlations (rs) between the vertical surface deformation measured in situ by levelling (x-axis,

shown with standard deviation) and DInSAR line of sight deformation projected to vertical dimension (uLOS)

at (a1–a3) Umbusi plots U4, U6hol (hollow) and U6hum (hummock) and (b1–b3) Laukasuo plots L4, L6hol

(hollow) and L6hum (hummock). A white X on black background marks a data point of DInSAR coherence

γ > 0.4 (indicating unreliable phase estimate). Red points represent uLOS values if a phase cycle is

added/subtracted in the cases where the in-situ value is close to the Sentinel-1 uLOS ambiguity threshold. Notice

the wider span of the x-axis in (b1).

(a1) (b1)

(a3)

(a2) (b2)

(b3)

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

18

The amplitude of bog breathing in the observation

periods of 6–12 days differ among nanotopes but

usually lie in the range of the uLOS ambiguity

threshold (3.54 cm in Umbusi and 3.67 cm in

Laukasoo). Only the natural hummock nanotope

displayed surface deformations between the radar

acquisition dates that were consistently less than the

uLOS ambiguity threshold (Figures 3–4 and Figure 7).

DISCUSSION

Bog breathing and its spatiotemporal variability

We studied bog breathing along the gradient of

decreasing drainage influence in two raised bogs

continuously, using automatic levelling devices

exploiting the travel time of ultrasound between the

sensor and the ground. Automated systems have been

recommended for monitoring bog breathing

(Marshall et al. 2022). In other peatland

environments, the use of extensometers (Van Asselen

et al. 2020, Conroy et al. 2022) and cameras (Evans

et al. 2021) has recently been demonstrated. We used

the transect-based approach to gauge not only how

bog breathing proceeds through time, but also how it

develops along the drainage gradient. We also

studied the behaviour of different nanotopes along

the transect; most significantly, we compared the

dynamics of a natural hollow and a hummock just

two metres apart. The variability of bog breathing in

blanket bogs in the UK was recently studied by

Marshall et al. (2022) who showed the interior parts

of blanket bogs being the most dynamic and

undergoing large surface deformation in extreme

drought conditions. Additionally, we have presented

a preliminary analysis of how the mechanisms

underlying bog breathing (in this study precipitation

and WT in regard to nanotopes) (Roulet 1991,

Kellner & Halldin 2002, Morton & Heinemeyer

2019) are correlated to the recorded surface motion.

We measured the range of bog breathing in two

raised bogs as 11.6–14.7 cm at natural and disturbed

hollow nanotopes and 6.9–7.5 cm at natural

hummock nanotopes during the growing season of

2016. The haplotelmic nanotopes oscillated in the

range 9.5–11.6 cm. Our levelling measurements

agree with preceding in situ research by others. A

literature review by Fritz (2006) found that bog

breathing amounts to 2.6–11 cm in natural bogs (11

plots from 9 studies) and 0.7–13 cm in disturbed

peatlands (14 plots in 12 studies). Howie & Hebda

(2018) recorded a multiyear average surface

oscillation of 11.7 cm at plots in natural raised bog,

whereas disturbed plots had a mean of 9.1 cm.

Marshall et al. (2022) measured an inter-seasonal

range of 3–12 cm in the interior part of a low-lying

blanket bog.

We recorded the largest surface elevation changes

over a 1-day period in a disturbed hollow nanotope:

up to 6.6 cm of uplift and up to 7.8 cm of subsidence.

The short-term vertical surface changes in hummocks

were modest and below the Sentinel-1 LOS

ambiguity threshold (2.77 cm) in any given 6-day

period. Glaser et al. (2004) observed oscillations at a

raised bog plot that exceeded 20 cm over a period of

four hours. The time needed for the peat matrix to

equilibrate with the changed WT may range from

hours to days (Fritz et al. 2008).

Bog breathing is generally smallest, and rapid

surface movements are rare, when the peat has

become uniformly saturated with rainwater. The

surface elevation changes in different nanotopes are

most uniform for periods of very dry or fully water-

saturated peat conditions. Regarding fully saturated

peat, when pores are filled with rainwater up to the

surface, any excess rainwater simply flows away

across the peat surface and through the acrotelm

(Holden et al. 2004). The surface fluctuations are

caused by relatively uniform changes in WT and the

magnitudes of change in hollows and hummocks

harmonise (illustrated by U6hol and U6hum in late

September and October; Figure 3). Regarding dry

peat, the rainwater pours freely through the pores of

the upper peat layers without being trapped there and

the surface fluctuations depend solely on the uniform

expansion or shrinkage of the lower-lying layers

(Evans et al. 1999). The amplitude of bog breathing

is largest during periods when the peat is nearly

saturated with water. The water-filled pore space is a

poor conductor of water, therefore the surface

fluctuations become determined by the amount of

rainfall and where the rainwater accumulates on the

peat surface (Kellner & Halldin 2002). Consequently,

the disparity in the magnitude of bog breathing in

hollows and hummocks is considerable (illustrated

by L6hol and L6hum in autumn; Figure 4). Accordingly,

hollows and hummocks fluctuated at different

magnitudes during most of the summer (Plot U6 in

Figure 3, Plot L6 in Figure 4).

Perspectives for DInSAR in northern raised bogs

Our results show that DInSAR uLOS deformation

estimates correlate moderately to strongly with bog

breathing measured in situ. The highest correlations

were recorded in natural hummock nanotopes, which

are especially suitable for applying DInSAR because

their surface fluctuations in any given 6-day period

were always below the LOS ambiguity threshold.

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

19

Thus, despite under-estimating the larger surface

height changes, the bog breathing estimates from

conventional DInSAR contain a useful deformation

signal. However, it was only when buildings were

used as stable reference points for the DInSAR phase

measurements that the correlation between remotely

estimated and in situ measured surface deformation

values became strong and statistically significant.

Using causeways as reference points gave only a

statistically insignificant weak correlation. This

indicates that further complications can be expected

when using C-band conventional DInSAR in

peatlands which are located in remote areas.

A useful deformation signal is also contained in

advanced DInSAR time series, as demonstrated by

Tampuu et al. (2022) using the method of Ansari et

al. (2018). This is in accordance with Marshall et al.

(2022) who showed, using an advanced DInSAR

time series approach by Cigna & Sowter (2017), that

despite under-estimation of the magnitude of

oscillation, the timing of peaks and valleys in the time

series and the direction of change were mostly

correct. Even without precise bog breathing

magnitudes, that information could allow a wide

scale assessment of the status of peatlands, as

demonstrated recently (Alshammari et al. 2020,

Bradley et al. 2022, Islam et al. 2022).

Our approach to overcoming the ambiguity issue

and deriving precise magnitudes of peatland surface

elevation changes was twofold. First, limiting the

time interval between radar images to the minimum

available, and thereby reducing the magnitude of

surface displacement that had to be sensed

(Alshammari et al. 2018), aimed to eliminate the

need for unwrapping. Secondly, establishing the

virtual transect stretching from stable ground to the

levelling plots helped us to predict the dominant

direction of elevation change along the transect,

which we presumed could guide phase ambiguity

resolution when unwrapping was needed. However,

none of the interferograms displayed fringes

(recognisable phase jumps) when the levelling data

confirmed deformations larger than the LOS

ambiguity threshold, and we were not able to reliably

estimate such deformations.

On one hand, the loss of DInSAR coherence at the

bog margins, caused by the tree cover, makes a phase

jump in a marginal bog area invisible to C-band

(Tampuu et al. 2020). On the other hand, even the

haplotelmic plots only 15 m from the drainage ditch

experienced bog breathing of up to 9.5 cm and rapid

surface displacements that exceeded the LOS

ambiguity threshold in just a single day. Thus,

Sentinel-1 pixels with spatial resolution around 3 m

× 22 m in IW mode (CLS 2016) may be too large to

capture the deformation gradient. The maximum

detectable deformation gradient is one fringe per

pixel (Massonnet & Feigl 1998, Rosen et al. 2000),

being affected also by DInSAR coherence and the

number of looks (Jiang et al. 2011). We used a phase

filtering window with a ~ 40 m footprint on the

ground. Alshammari et al. (2018) and Marshall et al.

(2022) used multilooked pixels with a side of ~ 80 m

and an advanced DInSAR method, which allows

estimates to be retrieved also in wooded peatland

areas (Alshammari et al. 2018). Future research

could consider working with unfiltered

unmultilooked pixels to preserve the maximum

spatial resolution and avoid the possibility of

averaging over the deformation gradient occurring

across such a limited spatial extent.

To tackle the ambiguity issue, future research

should consider the introduction of contextual

information, e.g. temperature, precipitation and

evapotranspiration (Roulet 1991, Lhosmot et al.

2021) to guide unwrapping, following the work by

Heuff & Hanssen (2020) and Conroy et al. (2022) on

peatland grasslands. This could make C-band

DinSAR reliable also in estimating larger changes, as

we have demonstrated up to moderate statistically

significant relationships between precipitation, WT

and bog surface height. Alternatively, Zhou et al.

(2010) and Zhou (2013) have recommended using

longer wavelength radar, which would mitigate the

unwrapping problem by allowing the surface

displacement to fit into one phase cycle (Hoyt et al.

2020) and also by increasing penetration through the

forest cover (Wei & Sandwell 2010, Hoyt et al. 2020,

Umarhadi et al. 2021) at bog margins. The imminent

L-band (wavelength 24 cm) missions NISAR (NASA

2021) and ROSE-L (Davidson & Furnell 2021) could

make this possible.

Importance of the availability of levelling

measurements to verify DInSAR deformation

estimates

The magnitudes of bog breathing recorded by us and

reported in the literature indicate the possibility that

the rather modest DInSAR bog surface deformation

estimates that have not been validated with ground

levelling data could be underestimates (Zhou et al.

2010, Zhou 2013, Cigna et al. 2014, Cigna & Sowter

2017, Fiaschi et al. 2019, Alshammari et al. 2020,

Tampuu et al. 2020, Bradley et al. 2022). The

underestimation, shown in our comparison with

ground levelling data, has been previously confirmed

by Alshammari et al. (2018), and by Marshall et al.

(2022) under drought conditions in the most intact

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

20

parts of a blanket bog. We have shown that

underestimation can occur in any microtope within a

raised bog under normal climatic conditions.

C-band DInSAR studies in permafrost regions are

also characterised by a lack of in situ ground

validation data (Iwahana et al. 2021), posing a similar

question of reliability. For example, the foundational

DInSAR study by Liu et al. (2010) measured

subsidence of 1–4 cm in tundra during the thawing

season, whereas Iwahana et al. (2021) reported

average seasonal thaw settlements of 5.8–14.3 cm

based on in situ measurements. De la Barreda-Bautista

et al. (2022) measured maximum subsidence of

25 cm in permafrost peatlands using digital elevation

models (DEMs) derived from multispectral and true

colour RGB imagery captured from Unmanned

Aerial Vehicles (UAVs), whereas the maximum

subsidence detected by DInSAR was 1.5 cm.

We highlight that the ability of DInSAR to

accurately estimate bog breathing is limited, and we

were not able to detect estimation errors by

inspection of the DInSAR data alone. The errors were

found only by comparison with ground-based

validation data. As it is uncertain whether, when and

where peatland surface height changes can be

presumed to remain within a convenient range for C-

band observations, we emphasise the need for caution

when interpreting DInSAR bog breathing estimates

without ground validation. The uncertainty regarding

conditions under which sufficiently small surface

height changes can be presumed has also been

demonstrated in blanket bogs by Marshall et al.

(2022). Also, the proportion of hummocks and ridges

versus hollows within microtopes, and consequently

within SAR pixels, varies between different parts of

a bog and between bogs, complicating the process of

relating SAR data to ground-based data.

An aspect not covered in this study is what exactly

governs C-band radar backscatter in peatlands, which

goes beyond merely estimating the proportion of

nanotopes in an image pixel or averaging window

(Morrison 2013). We found that DInSAR estimates

correlated better to ground-based measurements on

hummocks than in hollows if both were found in an

image pixel. However, it is not known how that

reflects the possible predominance of signal from

hummocks in backscatter, the areal dominance of

hummocks in a particular pixel, or the struggle of

DInSAR to measure larger changes (Marshall et al.

2022). The question of how faithfully in situ point

measurements can represent surface deformations

across the much larger areas of SAR pixels is a

concern (Alshammari et al. 2018, Alshammari et al.

2020) that is yet to be resolved (Marshall et al. 2022).

ACKNOWLEDGEMENTS

This study formed part of a PhD project supported by

the European Union from the European Regional

Development Fund. The research was funded by

Estonian Environmental Investment Centre grants

SLOOM12006 and SLOOM14103, Estonian State

Forest Management Centre grant LLTOM17250, and

national scholarship program Kristjan Jaak which is

funded and managed by the Archimedes Foundation

in collaboration with the Ministry of Education and

Research (Estonia). The authors thank Karsten

Kretschmer (DLR) for helping with Python, Philip

Conroy for giving a native speaker’s touch to the

manuscript, and the SarProz team for their excellent

software and extremely flexible student licensing.

AUTHOR CONTRIBUTIONS

Conceptualisation and general design of the field

studies: AK; DInSAR methodology: TT, JP; field

data and data curation: AK, MK, TT; formal analysis:

TT, AK, JP; resources and supervision of the

research: AK, JP, FDZ; writing - preparation of first

draft: TT; writing - review and editing: JP, AK, FDZ;

funding acquisition: AK.

REFERENCES

Alekseychik, P., Korrensalo, A., Mammarella, I.,

Launiainen, S., Tuittila, E.S., Korpela, I. Vesala,

T. (2021) Carbon balance of a Finnish bog:

temporal variability and limiting factors based on

6 years of eddy-covariance data. Biogeosciences,

18(16), 4681–4704.

Alshammari, L., Large, D.J., Boyd, D.S., Sowter, A.,

Anderson, R., Andersen, R., Marsh, S. (2018)

Long-term peatland condition assessment via

surface motion monitoring using the ISBAS

DInSAR technique over the Flow Country,

Scotland. Remote Sensing, 10(7), 1103, 24 pp.

Alshammari, L., Boyd, D.S., Sowter, A., Marshall,

C., Andersen, R., Gilbert, P., Marsh, S. Large,

D.J. (2020) Use of surface motion characteristics

determined by InSAR to assess peatland

condition. Journal of Geophysical Research:

Biogeosciences, 125(1): e2018JG004953, 15 pp.

Ansari, H., De Zan, F., Bamler, R. (2018) Efficient

phase estimation for interferogram stacks. IEEE

Transactions on Geoscience and Remote Sensing,

56(7), 4109–4125.

Bamler, R., Hartl, P. (1998) Synthetic aperture radar

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

21

interferometry. Inverse Problems, 14(4), R1–R54.

Bekaert, D.P.S., Walters, R.J., Wright, T.J., Hooper,

A.J., Parker, D.J. (2015) Statistical comparison of

InSAR tropospheric correction techniques.

Remote Sensing of Environment, 170, 40–47.

Berardino, P., Fornaro, G., Lanari, R., Sansosti, E.

(2002) A new algorithm for surface deformation

monitoring based on small baseline differential

SAR interferograms. IEEE Transactions on

Geoscience and Remote Sensing, 40(11), 2375–

2383.

Biggs, J., Wright, T.J. (2020) How satellite InSAR

has grown from opportunistic science to routine

monitoring over the last decade. Nature

Communications, 11(1), 3863, 4 pp.

Blodau, C. (2002) Carbon cycling in peatlands – A

review of processes and controls. Environmental

Reviews, 10(2), 111–134.

Bradley, A.V., Andersen, R., Marshall, C., Sowter,

A., Large, D.J. (2022) Identification of typical

ecohydrological behaviours using InSAR allows

landscape-scale mapping of peatland condition.

Earth Surface Dynamics Discussions, 10(2), 261–

2771.

Braun, A., Veci, L. (2020) TOPS Interferometry

Tutorial. Sentinel-1 Toolbox, ESA / Skywatch

Space Applications Inc., New York. Online at:

http://step.esa.int/docs/tutorials/S1TBX%20TOP

SAR%20Interferometry%20with%20Sentinel-

1%20Tutorial_v2.pdf, accessed 01 Oct 2020.

Cigna, F., Sowter, A. (2017) The relationship

between intermittent coherence and precision of

ISBAS InSAR ground motion velocities: ERS-1/2

case studies in the UK. Remote Sensing of

Environment, 202, 177–198.

Cigna, F., Sowter, A., Jordan, C.J., Rawlins, B.G.

(2014) Intermittent Small Baseline Subset

(ISBAS) monitoring of land covers unfavourable

for conventional C-band InSAR: proof-of-

concept for peatland environments in North

Wales, UK. In: SAR Image Analysis, Modeling,

and Techniques XIV, SPIE Proceedings Volume

9243, International Society for Optics and

Photonics, 924305.

CLS (2016) Sentinel-1 Product Definition, Issue 2.7,

S1-RS-MDA-52-7440. Collecte Localisation

Satellites (CLS), European Space Agency (ESA).

Online at: https://dragon3.esa.int/web/sentinel/

user-guides/sentinel-1-sar/document-library/-

/asset_publisher/1dO7RF5fJMbd/content/sentine

l-1-product-definition, accessed 08 Nov 2021.

Conroy, P., van Diepen, S.A.N, van Asselen, S.,

Erkens, G., van Leijen, F.J., Hanssen, R.F. (2022)

Probabilistic estimation of InSAR displacement

phase guided by contextual information and

artificial intelligence. IEEE Transactions on

Geoscience and Remote Sensing, 60, 5234611,

11 pp.

Crosetto, M., Monserrat, O., Cuevas-González, M.,

Devanthéry, N., Crippa, B. (2016) Persistent

scatterer interferometry: A review. ISPRS Journal

of Photogrammetry and Remote Sensing, 115, 78–

89.

Davidson, M.W.J., Furnell, R. (2021) ROSE-L:

Copernicus L-Band SAR Mission. In: IGARSS

2021, 2021 IEEE International Geoscience and

Remote Sensing Symposium, IEEE, 872–873.

De la Barreda-Bautista, B., Boyd, D.S., Ledger, M.,

Siewert, M.B., Chandler, C., Bradley, A.V., Gee,

D., Large, D.J., Olofsson, J., Sowter, A.,

Sjogersten, S. (2022) Towards a monitoring

approach for understanding permafrost

degradation and linked subsidence in arctic

peatlands. Remote Sensing, 14(3), 444, 19 pp.

Dise, N.B. (2009) Peatland response to global

change. Science, 326(5954), 810–811.

Esch, C., Köhler, J., Gutjahr, K., Schuh, W.D. (2019)

On the analysis of the phase unwrapping process

in a D-InSAR stack with special focus on the

estimation of a motion model. Remote Sensing,

11(19), 2295, 20 pp.

Estonian Environment Agency (2021) Weather,

Observation data: daily data. Online at:

http://www.ilmateenistus.ee/ilm/ilmavaatlused/v

aatlusandmed/oopaevaandmed/?lang=en,

accessed 14 Sep 2021.

Estonian Environment Agency (2023) Climate:

Climate normals: Temperature, Precipitation etc.

Online at: https://www.ilmateenistus.ee/kliima/

kliimanormid/ohutemperatuur/?lang=en,

accessed 29 Apr 2023.

Evans, C.D., Callaghan, N., Jaya, A., Grinham, A.,

Sjogersten, S., Page, S.E., Harrison, M.E., Kusin,

K., Kho, L.K., Ledger, M., Evers, S., Mitchell Z.,

Williamson J., Radbourne A.D., Jovani-Sancho,

A.J. (2021) A novel low-cost, high-resolution

camera system for measuring peat subsidence and

water table dynamics. Frontiers in Environmental

Science, 9, 630752, 18 pp.

Evans, M.G., Burt, T.P., Holden, J., Adamson, J.K.

(1999) Runoff generation and water table

fluctuations in blanket peat: evidence from UK

data spanning the dry summer of 1995. Journal of

Hydrology, 221(3–4), 141–160.

Ferretti, A., Prati, C., Rocca, F. (2001) Permanent

scatterers in SAR interferometry. IEEE

Transactions on Geoscience and Remote Sensing,

39(1), 8–20.

Ferretti, A., Monti-Guarnieri, A., Prati, C., Rocca, F.,

Massonnet, D. (2007) InSAR Principles:

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

22

Guidelines for SAR Interferometry Processing

and Interpretation. Fletcher, K. (ed.), ESA

Publications, Noordwijk, The Netherlands, 48 pp.

Fiaschi, S., Holohan, E.P., Sheehy, M., Floris, M.

(2019) PS-InSAR analysis of Sentinel-1 data for

detecting ground motion in temperate oceanic

climate zones: a case study in the Republic of

Ireland. Remote Sensing, 11(3), 348, 30 pp.

Foster, J., Brooks, B., Cherubini, T., Shacat, C.,

Businger, S., Werner, C.L. (2006) Mitigating

atmospheric noise for InSAR using a high

resolution weather model. Geophysical Research

Letters, 33(16), L16304, 5 pp.

Fritz, C. (2006) Surface Oscillation in Peatlands:

How Variable and Important Is It? Master’s

Thesis, University of Waikato, Hamilton, New

Zealand, 119 pp.

Fritz, C., Campbell, D.I., Schipper, L.A. (2008)

Oscillating peat surface levels in a restiad

peatland, New Zealand—magnitude and

spatiotemporal variability. Hydrological

Processes, 22(17), 3264–3274.

Fuhrmann, T., Garthwaite, M.C. (2019) Resolving

three-dimensional surface motion with InSAR:

Constraints from multi-geometry data fusion.

Remote Sensing, 11(3), 241, 21 pp.

Glaser, P.H., Chanton, J.P., Morin, P., Rosenberry,

D.O., Siegel, D.I., Ruud, O., Chasar, L.I., Reeve,

A.S. (2004) Surface deformations as indicators of

deep ebullition fluxes in a large northern peatland.

Global Biogeochemical Cycles, 18(1), GB1003,

15 pp.

Goldstein, R.M., Werner, C.L. (1998) Radar

interferogram filtering for geophysical

applications. Geophysical Research Letters,

25(21), 4035–4038.

Gorham, E. (1991) Northern peatlands: role in the

carbon cycle and probable responses to climatic

warming. Ecological Applications, 1(2), 182–195.

Heikurainen, L., Päivänen, J., Seppälä, K. (1964)

Ground water table and water content in peat soil.

Acta Forestalia Fennica, 77, 1–18.

Heuff, F.M., Hanssen, R.F. (2020) InSAR phase

reduction using the Remove-Compute-Restore

method. In: IGARSS 2020, 2020 IEEE

International Geoscience and Remote Sensing

Symposium, IEEE, 786–789.

Holden, J., Chapman, P.J., Labadz, J.C. (2004)

Artificial drainage of peatlands: hydrological and

hydrochemical process and wetland restoration.

Progress in Physical Geography, 28(1), 95–123.

Howie, S.A., Hebda, R.J. (2018) Bog surface

oscillation (mire breathing): A useful measure in

raised bog restoration. Hydrological Processes,

32(11), 1518–1530.

Hoyt, A.M., Chaussard, E., Seppalainen, S.S.,

Harvey, C.F. (2020) Widespread subsidence and

carbon emissions across Southeast Asian

peatlands. Nature Geoscience, 13(6), 435–440.

Islam, M.T., Bradley, A.V., Sowter, A., Andersen,

R., Marshall, C., Long, M., Bourke, M.C.,

Connolly, J., Large, D.J. (2022) Potential use of

APSIS-InSAR measures of the range of vertical

surface motion to improve hazard assessment of

peat landslides. Mires and Peat, 28, 21, 19 pp.

Iwahana, G., Busey, R.C., Saito, K. (2021) Seasonal

and interannual ground-surface displacement in

intact and disturbed tundra along the Dalton

Highway on the North Slope, Alaska. Land, 10(1),

22, 18 pp.

Jiang, J., Lohman, R.B. (2021) Coherence-guided

InSAR deformation analysis in the presence of

ongoing land surface changes in the Imperial

Valley, California. Remote Sensing of

Environment, 253, 112160, 19 pp.

Jiang, M., Li, Z.W., Ding, X.L., Zhu, J.J., Feng, G.C.

(2011) Modeling minimum and maximum

detectable deformation gradients of

interferometric SAR measurements. International

Journal of Applied Earth Observation and

Geoinformation, 13(5), 766–777.

Kellner, E., Halldin, S. (2002) Water budget and

surface‐layer water storage in a Sphagnum bog in

central Sweden. Hydrological Processes, 16(1),

87–103.

Kull, A. (2016) Soode ökoloogilise funktsionaalsuse

tagamiseks vajalike puhvertsoonide

määratlemine pikaajaliste häiringute leviku

piiramiseks või leevendamiseks, II etapp

(Defining the Buffer Zones Necessary to Ensure

the Ecological Functionality of Peatlands to Limit

or Mitigate the Spread of Long-term

Disturbances, Stage II). Report of the Targeted

Financing Agreement 8286 SFL nr 3-2_15/835-

14/2014 aruanne, 183 pp. (in Estonian). Online at:

https://ainkull.wixsite.com/sood/aruanne,

accessed 29 Apr 2023.

Lees, K.J., Quaife, T., Artz, R.R.E., Khomik, M.,

Clark, J.M. (2018) Potential for using remote

sensing to estimate carbon fluxes across northern

peatlands–A review. Science of the Total

Environment, 615, 857–874.

Leifeld, J., Menichetti, L. (2018) The

underappreciated potential of peatlands in global

climate change mitigation strategies. Nature

Communications, 9(1), 1071, 7 pp.

Lhosmot, A., Collin, L., Magnon, G., Steinmann, M.,

Bertrand, C., Stefani, V., Toussaint, M.L.,

Bertrand, G. (2021) Restoration and

meteorological variability highlight nested water

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

23

supplies in middle altitude/latitude peatlands:

Towards a hydrological conceptual model of the

Frasne peatland, Jura Mountains, France.

Ecohydrology, 14(6), e2315, 16 pp.

Lidberg, M., Johansson, J.M., Scherneck, H.G.,

Milne, G.A. (2010) Recent results based on

continuous GPS observations of the GIA process

in Fennoscandia from BIFROST. Journal of

Geodynamics, 50(1), 8–18.

Lindsay, R. (2010). Peatbogs and Carbon: a Critical

Synthesis to Inform Policy Development in

Oceanic Peat Bog Conservation and Restoration

in the Context of Climate Change. Environmental

Research Group, University of East London,

London, UK, 315 pp.

Liu, L., Zhang, T., Wahr, J. (2010) InSAR

measurements of surface deformation over

permafrost on the North Slope of Alaska. Journal

of Geophysical Research: Earth Surface, 115,

F03023, 14 pp.

Marshall, C., Sterk, H.P., Gilbert, P.J., Andersen, R.,

Bradley, A.V., Sowter, A., Marsh, S., Large, D.J.

(2022) Multiscale variability and the comparison

of ground and satellite radar based measures of

peatland surface motion for peatland monitoring.

Remote Sensing, 14(2), 336, 22 pp.

Massonnet, D., Feigl, K.L. (1998) Radar

interferometry and its application to changes in

the Earth's surface. Reviews of Geophysics, 36(4),

441–500.

Mohammadimanesh, F., Salehi, B., Mahdianpari, M.,

Brisco, B., Motagh, M. (2018) Multi-temporal,

multi-frequency, and multi-polarization

coherence and SAR backscatter analysis of

wetlands. ISPRS Journal of Photogrammetry and

Remote Sensing, 142, 78–93.

Morishita, Y., Hanssen, R.F. (2015) Deformation

parameter estimation in low coherence areas using

a multisatellite InSAR approach. IEEE

Transactions on Geoscience and Remote Sensing,

53(8), 4275–4283.

Morrison, K. (2013) Mapping subsurface

archaeology with SAR. Archaeological

Prospection, 20(2), 149–160.

Morton, P.A., Heinemeyer, A. (2019) Bog breathing:

the extent of peat shrinkage and expansion on

blanket bogs in relation to water table, heather

management and dominant vegetation and its

implications for carbon stock assessments.

Wetlands Ecology and Management, 27(4), 467–

482.

NASA (2021) Quick Facts. NASA-ISRO SAR

Mission (NISAR) website, NASA Jet Propulsion

Laboratory (JPL), Pasadena CA, USA. Online at:

https://nisar.jpl.nasa.gov/mission/quick-facts/,

accessed 09 Nov 2021.

Nichols, J.E., Peteet, D.M. (2019) Rapid expansion

of northern peatlands and doubled estimate of

carbon storage. Nature Geoscience, 12(11), 917–

921.

Novellino, A., Cigna, F., Brahmi, M., Sowter, A.,

Bateson, L., Marsh, S. (2017) Assessing the

feasibility of a national InSAR ground

deformation map of Great Britain with Sentinel-1.

Geosciences, 7(2), 19, 14 pp.

Ojanen, P., Minkkinen, K., Alm, J., Penttilä, T.

(2010) Soil–atmosphere CO2, CH4 and N2O fluxes

in boreal forestry-drained peatlands. Forest

Ecology and Management, 260(3), 411–421.

Osmanoğlu, B., Sunar, F., Wdowinski, S., Cabral-

Cano, E. (2016) Time series analysis of InSAR

data: Methods and trends. ISPRS Journal of

Photogrammetry and Remote Sensing, 115, 90–

102.

Paal, J., Jürjendal, I., Suija, A., Kull, A. (2016)

Impact of drainage on vegetation of transitional

mires in Estonia. Mires and Peat, 18, 02, 19 pp.

Perissin, D. (2021) SARPROZ©: The SAR

PROcessing tool by periZ. Online at:

https://www.sarproz.com/, accessed 14 Sep 2021.

Python Software Foundation (2021) Python website.

Online at: https://www.python.org/, accessed

15 Sep 2021.

Rosen, P.A., Hensley, S., Joughin, I.R., Li, F.K.,

Madsen, S.N., Rodriguez, E., Goldstein, R.M.

(2000) Synthetic aperture radar interferometry.

Proceedings of the IEEE, 88(3), 333–382.

Roulet, N.T. (1991) Surface level and water table

fluctuations in a subarctic fen. Arctic and Alpine

Research, 23(3), 303–310.

Shapiro, S.S., Wilk, M.B. (1965) An analysis of

variance test for normality (complete samples).

Biometrika, 52(3/4), 591–611.

Spearman, C. (1904) The proof and measurement of

association between two things. American

Journal of Psychology, 15(1), 72–101.

Strack, M., Kellner, E., Waddington, J.M. (2006)

Effect of entrapped gas on peatland surface level

fluctuations. Hydrological Processes, 20(17),

3611–3622.

Tampuu, T. (2022) Synthetic Aperture Radar

Interferometry as a Tool for Monitoring the

Dynamics of Peatland Surface. PhD thesis,

University of Tartu, Tartu, Estonia, 166 pp.

Tampuu, T., Praks, J., Uiboupin, R., Kull, A. (2020)

Long term interferometric temporal coherence

and DInSAR phase in Northern Peatlands. Remote

Sensing, 12(10), 1566, 22 pp.

Tampuu, T., Praks, J., De Zan, F., Kohv, M., Kull, A.

(2021a) Towards assessment of bog breathing

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

24

with Sentinel-1 Differential InSAR. In: IPC2021:

16th International Peatland Congress, Oral

Presentations, Publicon PCO, Tartu, Estonia,

472–478. Online at: IPC 2021 proceedings_oral

presentations_f.pdf (publicon.ee), accessed 12

May 2023.

Tampuu, T., Praks, J., Kull, A., Uiboupin, R., Tamm,

T., Voormansik, K. (2021b) Detecting peat

extraction related activity with multi-temporal

Sentinel-1 InSAR coherence time series.

International Journal of Applied Earth

Observation and Geoinformation, 98, 102309,

11 pp.

Tampuu, T., De Zan, F., Shau, R., Praks, J., Kohv,

M., Kull, A. (2022) Can bog breathing be

measured by synthetic aperture radar

interferometry. In: IGARSS 2022, IEEE

International Geoscience and Remote Sensing

Symposium, IEEE, 16–19.

Touzi, R., Lopes, A., Bruniquel, J., Vachon, P.W.

(1999) Coherence estimation for SAR imagery.

IEEE Transactions on Geoscience and Remote

Sensing, 37(1), 135–149.

Tukey, J.W. (1977) Exploratory Data Analysis.

Addison-Wesley Publishing Company, Reading

MA, USA, 688 pp.

Umarhadi, D.A., Avtar, R., Widyatmanti, W.,

Johnson, B.A., Yunus, A.P., Khedher, K.M.,

Singh, G. (2021) Use of multifrequency (C‐band

and L‐band) SAR data to monitor peat subsidence

based on time‐series SBAS InSAR technique.

Land Degradation & Development, 32(16), 4779–

4794.

Van Asselen, S., Erkens, G., de Graaf, F. (2020)

Monitoring shallow subsidence in cultivated

peatlands. Proceedings of the International

Association of Hydrological Sciences, 382, 189–

194.

Webley, P.W., Wadge, G., James, I.N. (2004)

Determining radio wave delay by non-hydrostatic

atmospheric modelling of water vapour over

mountains. Physics and Chemistry of the Earth,

Parts A/B/C, 29(2–3), 139–148.

Webster, K.L., Bhatti, J.S., Thompson, D.K., Nelson,

S.A., Shaw, C.H., Bona, K.A., Hayne, S.L., Kurz,

W.A. (2018) Spatially-integrated estimates of net

ecosystem exchange and methane fluxes from

Canadian peatlands. Carbon Balance and

Management, 13(1), 16, 21 pp.

Wei, M., Sandwell, D.T. (2010) Decorrelation of L-

band and C-band interferometry over vegetated

areas in California. IEEE Transactions on

Geoscience and Remote Sensing, 48(7), 2942–

2952.

Weydahl, D.J. (2001) Analysis of ERS tandem SAR

coherence from glaciers, valleys, and fjord ice on

Svalbard. IEEE Transactions on Geoscience and

Remote Sensing, 39(9), 2029–2039.

Yu, Z.C. (2012) Northern peatland carbon stocks and

dynamics: a review. Biogeosciences, 9(10), 4071–

4085.

Zhou, Z. (2013) Chapter 4: Mapping the eroding

extent and severity of peatland surface over the

Monadhliath Mountains, Scotland. In: The

Applications of InSAR Time Series Analysis for

Monitoring Long-term Surface Change in

Peatlands. PhD thesis, University of Glasgow,

UK, 231 pp.

Zhou, Z., Waldron, S., Li, Z. (2010) Integration of

PS-InSAR and GPS for monitoring seasonal and

long-term peatland surface fluctuations. In:

Remote Sensing and the Carbon Cycle,

Proceedings of the Remote Sensing and

Photogrammetry Society Conference, Burlington

House, London, UK (Volume 1), 4 pp.

Submitted 09 Jun 2022, final revision 06 Aug 2023

Editor: Olivia Bragg

_______________________________________________________________________________________

Author for correspondence:

Dr Tauri Tampuu, Department of Geography, Institute of Ecology and Earth Sciences, University of Tartu and

KappaZeta Ltd., Tartu, Estonia. Email: [email protected]

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

25

Appendix

Figure A1. Daily medians of peatland surface height and daily averages of peatland water table (WT) for plots

in Umbusi Bog and Laukasoo Bog where levelling data are available, along with daily precipitation totals,

during the growing season 15 Apr–31 Oct 2016. Plots U2 (a) and L2 (b) are haplotelmic; U4 (c) and L4 (d)

are a lawn nanotope in Umbusi and and a hollow nanotope in Laukasoo, respectively, that are significantly

affected by drainage. The levelling data are shown relative to the maximum surface height of the period, and

the WT data relative to the peatland surface at the time of measurement. The WT record from Plot L3 in

Laukasoo Bog is used to represent the WT at L4.

(a)

(b)

(c)

(d)

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

26

Figure A2. Correlations (rs; p-value < 0.001) between the daily median peatland surface height and daily

average of peatland water table (WT) during the growing season 15 Apr–31 Oct 2016. The number of days

correlated is 123. The levelling data are shown relative to the maximum surface height of the period and WT

is relative to the peatland surface at the time of the measurement. The letters “U” and “L” (together with the

plot identifier) denote measurement plots along the drainage gradient in Umbusi Bog and Laukasoo Bog, and

levelling measurements from hollow and hummock nanotopes are denoted by the subscripts “hol” and “hum”,

respectively. WT data from Plots U5, L3 and L7 are used to represent the WT at U6, L4 and L7, respectively.

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

27

Figure A3. Laukasoo Bog: InSAR coherence γ (a) and phase (b) images and radar line of sight deformation

along the virtual transects (c) in radar coordinates for the image pair 18–30 Aug 2016. Stable reference points

used in DInSAR processing and the plots (L4 and L6; ground levelling data available) used in validation of

DInSAR deformation estimates are indicated. The geographic coordinates of the scene are shown in Figure 1.

(a)

(b)

(c)

T. Tampuu et al. RELATING GROUND BASED AND SATELLITE ESTIMATES OF BOG BREATHING

Mires and Peat, Volume 29 (2023), Article 17, 28 pp., http://www.mires-and-peat.net/, ISSN 1819-754X International Mire Conservation Group and International Peatland Society, DOI: 10.19189/MaP.2022.OMB.Sc.1999815

28

Figure A4. Laukasoo Bog: InSAR coherence γ (a) and phase (b) images and radar line of sight deformation

along the virtual transects (c) in radar coordinates for the image pair 30 Aug–11 Sept 2016. Stable reference

points used in DInSAR processing and the plots (L4 and L6; ground levelling data available) used in validation

of DInSAR deformation estimates are indicated. The geographic coordinates of the scene are shown in

Figure 1.

(a)

(b)

(c)