融合多源遥感数据精准评估城市绿色基础设施碳汇能力

为解决城市绿色基础设施(UGI)碳储量评估精度不足的问题，研究人员通过融合无人机多视角光谱影像与激光雷达(LiDAR)数据，结合地面实测验证，构建了高精度碳储量估算模型。研究结果显示融合数据的R2达0.86，RMSE为28.88 kg C，显著优于单一数据源。该研究为城市生态系统碳汇功能优化提供了科学依据。

　　

随着城市化进程加速，城市植被覆盖减少、生态功能退化等问题日益突出，城市绿色基础设施(UGI)作为重要的碳汇载体，其精准评估面临巨大挑战。传统卫星遥感易受大气条件干扰，合成孔径雷达(SAR)存在信号饱和问题，而单一激光雷达(LiDAR)数据又可能因点云密度不均导致细节缺失。如何突破多源数据融合的技术瓶颈，实现UGI小尺度碳储量的高精度估算，成为当前城市生态研究的关键课题。

武汉的研究团队在《International Journal of Applied Earth Observation and Geoinformation》发表研究，创新性地将无人机搭载的AA1400激光雷达系统与PIE-C305五镜头倾斜相机获取的多源数据融合，通过傅里叶变换频域融合技术，构建了空间分辨率达1.5 cm的冠层高度模型(CHM)。研究选取武汉青山南岸渠公园6种典型树种共83个样点，采用分水岭算法提取单木高度，结合异速生长方程和树种特异性碳转化率，实现了UGI碳储量的精准估算。

关键技术包括：1) 采用IPTD滤波算法分类LiDAR点云生成数字地形模型(DTM)；2) 基于Smart3D软件的多视角影像三维重建技术获取密集点云；3) 傅里叶变换融合LiDAR与光谱影像的冠层高度特征；4) 结合2 m高度阈值的分水岭算法提取单木参数；5) 应用R²和RMSE等指标进行精度验证。

研究结果部分：
4.1 冠层高度模型空间分布
融合数据有效弥补了LiDAR高估和光谱数据低估的缺陷，生成的CHM最大高度值介于两者之间(22.11 m)，更真实反映植被垂直结构。

4.2 单木高度提取精度
融合数据的树高提取R²达0.75(RMSE 1.76 m)，显著优于单一LiDAR(R²=0.66)或光谱数据(R²=0.60)。Wilcoxon检验证实不同方法存在显著差异(p<0.05)。

4.3 碳储量估算比较
融合数据将整体RMSE降至28.44 kg C，偏差仅-2.41 kg C。其中樟树(Camphora officinarum)估算最准确(RMSE 29.42 kg C)，柏木(Cupressus funebris)存在11.78 kg C高估。

4.4 碳储量空间异质性
空间插值显示樟树密集区碳储量最高(101.13 kg C)，而短冠层的木兰(Yulania denudata)和竹类(Bambusoideae)区域较低。碳密度达7.45 kg/m²，占武汉市UGI总碳储量的5.75%。

讨论部分指出，城市树木的碎片化分布和人为干扰增加了估算不确定性，但融合方法将树高提取误差控制在1.76 m内，碳储量估算精度(R²=0.86)优于前人研究。研究证实樟树和柏木是核心碳汇树种，而近熟林阶段的生长状态使该区域碳储量(60.40 kg C/株)介于武汉城市森林(57.72 kg C)与九峰山国家森林公园(73.39 kg C)之间。该成果为制定"双碳"目标下的城市绿化策略提供了关键技术支撑，未来需进一步开发自动化测量技术并纳入人类活动影响因素。