结合异速生长方程与机器学习方法提升国家森林资源清查中树高估测可靠性研究

《Forest Ecology and Management》：Combining allometric equations and machine learning approaches for more reliable tree height estimation

本研究针对传统异速生长方程在树高估测中存在的系统偏差问题，开发了一种物种特异性的混合工作流，通过随机森林（RF）机器学习算法对异速生长估计值进行偏差校正。该研究基于韩国国家森林资源清查（NFI）的141,669株树木数据，结果显示混合方法使RMSE平均降低9.1%，R2提升10.5%，显著提高了森林生物量和碳储量评估的准确性，为大规模森林监测提供了更可靠的技术支撑。

　　

森林生态系统作为地球生物圈的关键组成部分，在气候调节、碳固存、生物多样性保护以及资源供给方面扮演着不可替代的角色。精确量化森林结构与功能，对于实现可持续经营、开展生态学研究以及制定气候变化减缓策略至关重要。其中，单木树高（Tree Height）作为核心结构参数，直接影响着木材材积、地上生物量（Aboveground Biomass）、碳储量（Carbon Stock）以及森林生产力的估算精度。

然而，在茂密、高大或结构复杂的林分中，由于视线受阻、测量耗时且存在安全风险，直接测量树高面临巨大挑战。因此，像国家森林资源清查（National Forest Inventory, NFI）这样的大尺度森林调查，常常依赖于间接方法来估计大部分样本树木的树高。最常用的方法是利用异速生长方程（Allometric Equations），这些方程基于胸径（Diameter at Breast Height, DBH）等易于测量的属性来统计性地预测树高。尽管这些模型通常针对特定物种和区域开发，但它们本质上简化了复杂的生物学过程。树高生长受到遗传、年龄、立地质量、种内竞争以及环境胁迫等多种因素的共同影响，标准异速生长模型往往难以充分捕捉这种复杂性，从而导致系统性的估计误差或偏差（Bias）。这种树高估计误差会非线性地放大到林分乃至国家尺度的生物量和碳储量估算中，成为碳储量不确定性的主要来源之一。

近年来，机器学习（Machine Learning, ML）技术因其在处理复杂生态关系和大数据集模式识别方面的强大能力而崭露头角。随机森林（Random Forest, RF）、支持向量机（Support Vector Machine, SVM）和人工神经网络（Artificial Neural Network, ANN）等算法能够处理非线性关系、高阶交互作用以及大量的预测变量，可以捕捉传统回归模型可能忽略的对树高的影响。一些研究已尝试应用ML直接预测树高或相关属性，并报告了相对于传统方法的性能提升。然而，将ML专门用于校正现有异速生长估计值的偏差，则提供了一种更有前景的策略，它既能利用已有成熟框架的优势，又能通过引入额外信息来提高其准确性。

尽管基于机器学习的树高研究取得了进展，但仍存在三个关键空白。首先，尚未有研究将此类模型应用于全国范围的概率抽样NFI网格。其次，尚未针对韩国所有主要树种全面开发物种特异性的校正函数。第三，尚无研究展示与韩国林业厅（Korea Forest Service, KFS）业务需求相匹配的工作流程，该厅计划在即将到来的第6次NFI周期中采纳此类校正方法。

为了应对这些挑战，并提升韩国NFI数据的可靠性，由Juhan Park、Go Eun Park和Jung-Hwa Chun组成的研究团队在《Forest Ecology and Management》上发表了他们的研究成果。他们提出并验证了一种创新的混合方法，将标准的异速生长估计与基于机器学习的偏差校正模型相结合，旨在显著降低韩国NFI中树木高度估计的误差。

本研究主要依托韩国第5次国家森林资源清查（NFI，2006-2010年）的数据。该清查采用系统抽样设计，在韩国森林区域建立4 km × 4 km网格的永久样地。每个样地集群通常包含4个圆形子样地，总面积约0.8公顷。研究最终使用了来自全国3825个清查样地的数据，并经过严格的数据清洗和筛选后，确定了141,669株代表50个主要树种的个体树木用于分析。研究采用的核心技术方法是随机森林（RF）算法。具体流程包括：首先，获取每株树木的实测树高（H_mea）和基于标准NFI异速生长方程估计的树高（H_{est_Allo}），并计算其差值作为偏差（Bias）。然后，利用包含树木水平（如DBH）、林分水平（如林分密度SD、平均胸径DBH_m、胸径标准差DBH_sd、断面积BA、物种丰富度SR、物种多样性H_sp、结构多样性H_st）和立地水平（如海拔、坡度、距道路距离、坡向转换变量）的多种预测变量，为每个物种单独训练一个RF模型来预测该偏差。模型采用5折交叉验证（5-fold Cross-Validation）进行稳健的性能评估，并使用优化后的超参数（ntree = 1500, mtry = 5, nodesize = 10）。最终，将RF模型预测出的偏差从异速生长估计值中减去，得到校正后的树高估计值（H_{est_Allo+ML}）。

3.1. 改进的树高估计精度和精密度

混合方法在大多数分析的50个树种中，相较于基线异速生长方法，在准确性（以更低的均方根误差RMSE表示）和精密度（以更高的决定系数R2表示）方面均表现出显著提升。例如，对于韩国最主要的针叶树种赤松（Pinus densiflora），应用ML偏差校正后，R2从0.72提升至0.87，RMSE从1.92米降低至1.32米。对于最主要的阔叶树种蒙古栎（Quercus mongolica），R2从0.70提升至0.85，RMSE从1.71米显著降低至1.23米。对于初始异速生长拟合较差的茶条槭（Acer ginnala），改善尤为明显，R2从0.38提升至0.52，RMSE从1.97米降低至1.39米。这种改进使得校正后的树高分布更接近实测树高的分布，有效减少了系统误差和随机误差。

3.2. 偏差校正的重要变量

RF模型识别出多个立地和林分水平变量是异速生长树高估计偏差的重要预测因子，但其相对重要性在不同物种间存在显著差异。例如，对于赤松，最重要的五个预测因子是海拔、距道路距离、DBH、结构多样性和物种丰富度。而对于蒙古栎，最重要的预测因子是海拔、林分平均DBH和距道路距离，其次是单木DBH。对于茶条槭，坡度是最重要的预测因子，其次是林分物种多样性、物种丰富度、结构多样性和DBH标准差。这种物种特异性的排序突显了影响高径关系并导致其偏离平均异速生长模型的因素，会因物种的生态特性及其对环境梯度和林分结构的响应而异。

该研究成功证明，将基于机器学习的偏差校正步骤与传统的异速生长树高估计相结合，能够显著增强大尺度NFI框架内树高数据的可靠性。混合方法 consistently 产生了比单独使用标准异速生长方法更准确和精确的树高估计。观察到的改进凸显了随机森林算法在捕捉影响偏离平均高径异速生长关系的复杂、非线性关系和多个预测变量间交互作用方面的优势。不同物种间偏差驱动因素的物种特异性模式，强调了开发定制化偏差校正模型的价值，而非依赖单一的通用模型。

提高单木树高估计的准确性具有重要的下游影响。首先，它直接增强了NFI衍生的林分材积、地上生物量和碳储量估算的可靠性，因为树高是大多数材积方程和生物量异速生长模型中的关键输入变量。在树木水平减少偏差有助于防止其在林分和景观尺度上的传播和潜在放大。其次，混合方法提供的高精度和高精密度确保了森林结构更真实的表征，这对于生态建模、栖息地评估和理解林分动态至关重要。准确的树高数据对于校准激光雷达（LiDAR）或合成孔径雷达（InSAR）等遥感技术也至关重要，这些技术用于大尺度森林制图与监测。

当然，该研究也存在一些局限性。ML模型的性能取决于NFI数据的质量和代表性，特别是用于训练的带有实测树高的树木子集。潜在的树高测量误差可能对模型训练和预测准确性产生不利影响。此外，本研究开发的模型特定于韩国第5次NFI时期（2006-2010年）和50个目标物种。树木生长模式或环境条件随时间的变化可能需要重新校准模型以保持其长期准确性。本研究使用了随机森林，但其他ML算法（如梯度提升机或人工神经网络）可能提供相当或更优的性能。预测变量集限于NFI数据集中可用的变量，纳入高分辨率气候数据或土壤信息等额外数据源可能会提高偏差预测的准确性。

综上所述，这项研究有效地展示了一种混合方法——将机器学习与传统异速生长方程相结合——为减少韩国NFI中树高估计的偏差和提高整体准确性提供了一种稳健且实用的方法。该混合方法在50个不同树种中 consistently 优于基线异速生长方法，产生了更低的RMSE和更高的R2值。分析表明，树高估计偏差受到立地条件和林分结构特征组合的影响，这些因素的相对重要性在不同物种间差异显著。通过生成更可靠的树高数据，该方法可以显著提高后续森林资源评估的准确性，包括木材材积、森林生物量和碳储量的估算。由于该工作流程依赖于物种特异性异速生长和标准化的NFI变量，任何拥有≥250个树高测量子样本、DBH、坡度、海拔和道路距离数据的NFI都可以复制此工作流程，并且可转移至具有类似数据结构的其他国家森林清查。实施此类先进的统计技术有潜力加强国家森林监测系统，并为韩国以及其他面临类似森林清查挑战的地区提供基于证据的可持续森林管理支持。