L波段植被光学厚度对地上生物量预测能力的综合评估：方法局限性与改进路径

《International Journal of Applied Earth Observation and Geoinformation》：How accurately does L band vegetation optical depth predict aboveground biomass?

本文针对L-VOD预测AGB存在的标准化方法缺失和时空假设有效性等关键问题，系统评估了现有拟合方法的性能，发现结合树盖度可显著提升中低生物量区域预测精度，但稠密雨林区仍存在较大不确定性。研究揭示了空间与时间敏感性差异，为遥感反演碳循环动态提供了重要方法论参考。

　　

随着全球气候变化加剧，准确估算陆地生态系统碳储量成为应对气候挑战的核心任务。地上生物量（AGB）作为重要的碳库，其动态监测一直受限于传统地面测量的空间覆盖不足。L波段植被光学厚度（L-VOD）因其对植被水分含量的敏感性，被视为大尺度AGB遥感监测的有力工具，已被应用于热带森林碳通量评估和北方森林退化研究。然而，当前研究存在两大瓶颈：一是从L-VOD到AGB的反演缺乏标准化方程，不同研究使用的经验模型（如反正切函数、逻辑函数和幂函数）存在显著差异；二是普遍依赖"空间替代时间"假设，即用空间关系推断时间变化，该假设在L-VOD应用中的有效性从未被系统验证。

为解决这些问题，由中国科学院青藏高原研究所张媛领衔的国际团队，在《International Journal of Applied Earth Observation and Geoinformation》发表研究，对SMOS-IC V2 L-VOD数据集与五套AGB参考数据（Saatchi2015、Xu2021、Yu2023、CCI和GEDI）进行系统性评估。研究首次综合比较了三种主流拟合方程的性能，引入多元自适应回归样条（MARS）和非参数机器学习方法，并创新性地整合树盖度、植被指数等辅助变量以提升预测精度。

关键技术方法包括：利用2011–2020年SMOS-IC L-VOD数据，结合五套全球AGB参考数据集；采用参数方程拟合、MARS分段回归和随机森林模型；通过SHAP值解析变量贡献度；计算空间与时间敏感性（5°移动窗口线性回归斜率）；使用TMF热带森林扰动数据验证树盖度动态的影响。

3.1 不同拟合方法的性能

研究发现所有参数方程对AGB空间变异的解释方差为69%–77%，且在L-VOD < 1.1时曲线高度一致。但当L-VOD > 1（主要对应稠密雨林）时，所有方法均出现预测失效，相关系数降至0.3以下。非参数MARS模型未显著提升性能，表明单一L-VOD数据已接近其反演极限。

3.2 AGB参考数据的不确定性

在L-VOD > 1.1的高生物量区，不同AGB参考数据集间相关性急剧下降（如Saatchi2015与Yu2023的R趋近于0）。亚马逊、中非和东南亚雨林区的AGB标准差超过20 MgC ha^?1，远超模型残差，揭示参考数据本身的不确定性是当前主要限制因素。

3.3 空间与时间敏感性差异

空间敏感性（120–170 MgC ha^?1/L-VOD）显著高于时间敏感性（Yu2023为0–30 MgC ha^?1/L-VOD）。加入树盖度后，模型的空间敏感性更接近参考数据，尤其在L-VOD为0.6–1.0的中等生物量区改善明显。

3.4 年际AGB变化

在热带区域，Xu2021显示2015年后AGB上升，而Yu2023指示下降，凸显参考数据的分歧。L-VOD单独拟合预测2015–2020年AGB增长0.3–3 MgC ha^?1，但加入树盖度变化后，热带地区呈现下降趋势，表明树盖度动态对结果影响显著。

4.1 拟合方法选择

幂函数（公式3）在高L-VOD区可能高估AGB，不推荐用于稠密雨林。树盖度通过改变L-VOD贡献度（SHAP值分析）提升预测能力，尤其在异质性较强的中低生物量区。

4.2 不确定性来源

稠密森林的AGB参考数据外推误差、遥感信号饱和（L-VOD和光学波段）及尺度不匹配共同导致高L-VOD区反演失败。需增加实地观测和改进物理模型以突破瓶颈。

4.3 时空假设的局限性

时空敏感性差异可能源于：机器学习构建的AGB参考数据集时空表征能力不足；植被组织含水量年际波动（如干旱胁迫）影响L-VOD信号；冠层截留水等气象因素未被完全剔除。

该研究为L-VOD的生态应用划定了可信边界：尽管结合树盖度可优化AGB空间制图，但时空敏感性的本质差异要求对基于空间关系的年际变化解读保持审慎。未来需通过多源数据融合（激光雷达、原位观测）和物理机制模型，共同攻克稠密森林碳储量监测的难题。