東北地理所在森林地上生物量遙感估算中取得進(jìn)展
森林生物量作為評(píng)估森林碳匯能力和研究全球碳循環(huán)過程的關(guān)鍵參數(shù)，其精確估算對(duì)于全球氣候變化研究具有重要意義。然而，現(xiàn)有遙感反演方法受地面實(shí)測(cè)數(shù)據(jù)不足及森林結(jié)構(gòu)空間異質(zhì)性高等限制，生物量估算結(jié)果存在顯著不確定性。在此背景下，突破有限樣本條件下的建模瓶頸，發(fā)展融合多源遙感數(shù)據(jù)與林分結(jié)構(gòu)參數(shù)的新型估算模型，將成為提升區(qū)域尺度生物量估算精度的關(guān)鍵，不僅有助于降低碳儲(chǔ)量評(píng)估的不確定性，更能為全球氣候變化應(yīng)對(duì)策略的制定和森林資源可持續(xù)管理提供科學(xué)依據(jù)。
東北地理所地理景觀遙感學(xué)科組研究人員集成應(yīng)用主被動(dòng)遙感影像（ICESat-2 LiDAR、ALOS-2 PALSAR、Sentinel-1和Sentinel-2）和環(huán)境數(shù)據(jù)（氣候、地形、土壤和干擾數(shù)據(jù)），結(jié)合實(shí)測(cè)生物量和優(yōu)勢(shì)樹種調(diào)查數(shù)據(jù)，提出了從地面樣點(diǎn)到激光雷達(dá)光斑的樣本擴(kuò)充策略，研發(fā)了協(xié)同森林三維結(jié)構(gòu)特征、高精度樹種類型以及環(huán)境異質(zhì)性參數(shù)的升尺度樹種分層生物量遙感估算模型。以中國北方森林作為研究區(qū)，與傳統(tǒng)模型、升尺度模型（僅考慮樣本擴(kuò)充策略）和樹種分層模型（僅考慮樹種分層策略）進(jìn)行對(duì)比，驗(yàn)證了升尺度樹種分層模型的有效性。結(jié)果表明：升尺度樹種分層模型的森林生物量估算精度（R2=0.82，rRMSE=24.8%）顯著優(yōu)于傳統(tǒng)模型、升尺度模型和樹種分層模型（R2：0.65-0.75，rRMSE：26.98-32.03%）。該模型通過整合森林垂直結(jié)構(gòu)信息和增加樣本量改善了生物量估算結(jié)果，降低了對(duì)實(shí)測(cè)樣本的依賴；通過降低樹種間水平和垂直結(jié)構(gòu)的異質(zhì)性干擾，并適配樹種與環(huán)境交互的局部特征，提升了生物量估算精度。本研究基于開放數(shù)據(jù)集、算法和平臺(tái)的升尺度樹種分層生物量估算框架，為區(qū)域乃至全球尺度生物量精準(zhǔn)估算提供了有效途徑。
圖1?基于升尺度樹種分層模型的森林生物量估算流程圖
相關(guān)研究成果發(fā)表在國際期刊《Geo-spatial Information Science》和《Scientific Reports》上，中國科學(xué)院東北地理所劉盼博士為第一作者、任春穎研究員為通訊作者。研究得到國家自然科學(xué)基金(No.42171367)和科技基礎(chǔ)資源調(diào)查計(jì)劃(No.2022FY101902)等項(xiàng)目共同資助。
論文信息如下：
Liu,P.,C. Ren,Z. Wang,M. Jia 2025.Improving aboveground biomass estimation by integrating ICESat-2 LiDAR sampling and tree species stratification strategies using multi-source datasets,Geo-spatial Information Science. DOI: 10.1080/10095020.2025.2516609.
Liu,P.,C. Ren,X. Yang,Z. Wang,M. Jia,C. Zhao,W. Yu,H. Ren. 2024. Combining Sentinel-2 and diverse environmental data largely improved aboveground biomass estimation in China’s Boreal Forests.Scientific Reports 14 (1):27528. DOI:10.1038/s41598- 024-78615-9 .
附件下載：
吉公網(wǎng)安備22017302000214號(hào)
