加拿大基于国家遥感数据的地上生物量产量曲线

《Forestry: An International Journal of Forest Research》：National remote sensing-derived aboveground biomass yield curves for Canada

本研究利用遥感时间序列数据开发加拿大森林的林分生长曲线（RSYC），涵盖27种树种及通用、针叶林、阔叶林模型。评估显示RSYC在黑云杉和Jack Pine等针叶树种上显著降低RMSE（分别减少55.89%至34.69%和112.79%至35.41%），较现有国家模型更精准且适用于各类管理状态的森林。

　　

摘要

准确且最新的地上生物量（AGB）估计值是森林清查的重要成果，对碳核算至关重要。为了获得当前的估计值并预测未来趋势，通常会使用生长模拟器或产量曲线。通过遥感技术获取大范围区域的地上生物量估计值时间序列，可以利用单一、一致的数据来源和方法，为更广泛的树种、年龄等级和地区（包括非商业性和未管理的森林）生成具有代表性的地上生物量产量曲线。本研究展示了如何利用遥感产量曲线（RSYC）来扩展加拿大森林生态系统的地上生物量建模。为了确保全国范围内的覆盖性同时保持区域代表性，研究人员为27个特定树种制定了150×150公里的网格尺度产量曲线，并另外开发了三种多树种模型（通用模型、针叶树模型和阔叶树模型）。与独立样地数据的对比显示，在多树种模型中，针叶树模型的相对偏差（2.06%）和均方根误差（RMSE，单位：吨/公顷）最低；而特定树种的模型表现则有所不同。与现有的国家级特定树种产量曲线相比，RSYC模型总体上具有更低的偏差和RMSE，尤其是对于黑云杉和杰克松等关键树种，其误差显著降低（例如黑云杉的RMSE从55.89%降至34.69%，杰克松的RMSE从112.79%降至35.41%），这表明这些模型在国家级应用中具有更高的准确性和一致性。遥感时间序列数据使得能够为加拿大开发出一套基于全国统一数据来源和方法的特定树种和通用产量曲线——无论森林的管理、所有权或保护状况如何。