美国西南部地区的地表森林生物量：基于MISR和GEDI数据以及NASA碳监测系统数据的评估

《Remote Sensing of Environment》：Forest aboveground biomass in the southwestern U.S. from MISR and GEDI: Assessment with NASA Carbon Monitoring System data

多角度成像技术（MISR）通过分析672 nm波段的光散射特性，结合BRDF模型，成功生成了2000-2021年美国西南部地区250 m分辨率的森林地上生物量（AGB）系列地图。研究显示，MISR AGB估算与地面激光雷达（ALS）及GEDI L4B产品（v2.0和v2.1）的验证数据高度一致，R2值均超过0.7，RMSE在37-60 Mg/ha之间。MISR在年际连续性和大范围覆盖方面具有显著优势，但存在地形遮蔽和超密林冠导致的精度下降问题。对比分析表明，GEDI的误差受坡度影响更明显，而MISR的误差分布更均匀。该方法为长期森林碳动态监测提供了可靠工具，尤其适用于气候变化和人类活动驱动的生态系统研究。

　　森林地上生物量（AGB）密度的年度全覆盖地图是碳循环建模、生态系统管理、生物多样性评估、火灾燃料估算以及评估野火对大气中颗粒物和碳气体排放影响的重要工具。目前，研究者主要采用三种遥感技术来生成这类地图：激光雷达（lidar）、合成孔径雷达（radar）以及结合机器学习的近天顶多光谱成像。然而，这些技术在时空覆盖范围上存在局限性，尤其是激光雷达和雷达数据，虽然在精度方面表现出色，但获取数据的频率和范围受到限制。因此，研究者正在探索新的方法，以克服这些限制并提供更全面的AGB数据。

NASA的多角度成像光谱辐射计（MISR）是一种多角度遥感技术，其数据覆盖时间从2000年延续到2021年，具有全球范围的覆盖能力。MISR的数据对森林AGB的变化具有高度敏感性，这使得它成为一种有效的工具，用于研究从2000年开始的森林AGB变化轨迹。MISR通过其多角度反射率因子（BRF）模型，能够捕捉森林冠层的三维结构，从而在长时间序列中提供相对稳定的AGB估算。与NASA碳监测系统（CMS）的航空激光雷达调查数据相比，MISR和GEDI v.2（v.2.1）的估算结果表现出高度的一致性，其决定系数（R2）约为0.7，均方根误差（RMSE）约为60 Mg/ha。在特定的CMS Sonoma县改进数据集上，MISR和GEDI v.2（v.2.1）的R2分别为0.88和0.88（0.91），RMSE分别为58、40（37）Mg/ha，表明其估算精度与GEDI的1 km网格化AGB产品相当。

然而，MISR和GEDI在估算过程中也存在一些局限性，例如地形阴影对估算结果的影响、在高密度森林中对AGB的高估，以及在某些情况下由于光谱反射率的变化而产生的误差。尽管如此，MISR的250 m网格化地图能够提供更精细的空间分辨率，且覆盖范围广泛，从2000年到2021年，覆盖了美国西南部地区。这为研究该区域长期的森林AGB变化提供了重要的数据支持，尤其是在面对加速的环境变化和人类活动影响时，MISR的数据能够为未来的研究提供有价值的背景信息。

在研究中，通过使用NASA的CMS航空激光雷达调查数据作为验证数据，评估了MISR和GEDI生成的AGB地图的精度。结果表明，MISR和GEDI的估算结果在多个数据集上均表现出良好的一致性。例如，在Sonoma县改进数据集上，MISR和GEDI v.2（v.2.1）的R2分别为0.88和0.91，RMSE分别为40和37 Mg/ha。尽管MISR的估算结果在某些情况下略显低估，但其整体精度仍然令人满意，且能够提供长期的数据记录，这对理解森林AGB的动态变化具有重要意义。

多角度遥感技术的一个重要优势在于其能够捕捉森林冠层结构的细节，从而提供比近天顶光谱成像更精确的AGB估算。MISR的多角度反射率因子（BRF）数据能够反映不同视角下的森林冠层状况，这在一定程度上弥补了近天顶光谱数据对冠层结构不敏感的缺陷。此外，MISR的长期数据记录使得研究人员能够追踪森林AGB在不同年份的变化，特别是在气候变化和人类活动导致的环境变化加速的背景下。这种数据记录为未来的研究提供了宝贵的基础，尤其是在计划中的新任务，如NASA和ISRO的NISAR任务、ESA的Biomass任务、NASA的GEDI第二阶段任务以及ESA的ROSE-L任务中，MISR的数据可能为这些任务提供重要的参考和验证。

在验证过程中，研究者还发现MISR和GEDI的估算结果在某些情况下受到地形因素的影响。例如，当森林区域受到强烈阴影覆盖时，MISR的估算结果可能被低估，而GEDI则对地形坡度变化较为敏感。通过分析MISR和GEDI在不同地形条件下的表现，研究者能够更好地理解这些技术在不同环境中的适用性，并为未来的改进提供依据。此外，研究者还考虑了火灾对估算结果的影响，但发现火灾并不是导致MISR和GEDI估算结果差异的主要原因，这表明MISR和GEDI在估算森林AGB时具有一定的鲁棒性。

MISR和GEDI的估算方法在一定程度上依赖于特定的模型和数据处理技术。例如，MISR的估算结果基于对不同视角下的反射率因子进行建模，并结合已有的AGB数据进行校准。GEDI的估算方法则采用了混合模型，以提高估算的准确性和覆盖范围。这些方法虽然在某些情况下表现出色，但在其他区域或条件下可能需要进一步优化。研究者还指出，由于MISR的数据记录时间较长，其估算结果能够反映森林AGB在不同时间段的变化趋势，这对于研究长期的生态变化具有重要意义。

此外，研究者还探讨了多角度遥感技术在其他领域的潜在应用。例如，NASA的PACE任务中搭载的HARP2传感器可能能够利用类似的多角度反射率因子模型，从而提高对森林AGB的估算精度。这种跨传感器的数据融合方法为未来的遥感研究提供了新的思路，同时也为不同遥感技术之间的协同工作奠定了基础。通过结合多种数据源，研究者能够更全面地了解森林AGB的变化，并为全球范围内的森林监测和管理提供支持。

总体而言，MISR和GEDI的AGB估算方法在多个方面表现出色，尤其是在长期数据记录和高精度估算方面。然而，它们在某些特定条件下仍存在局限性，如地形阴影和高密度森林的影响。未来的研究需要进一步优化这些方法，以提高其在不同环境中的适用性，并探索更多的数据融合方式，以增强估算的准确性和可靠性。随着遥感技术的不断发展，多角度成像和激光雷达等技术的结合将为森林AGB的监测和研究提供更加全面和精确的数据支持。