通过多源遥感技术估算热带红树林恢复区的林冠高度和地上生物量

《Ecological Informatics》：Estimating canopy height and aboveground biomass in tropical mangrove restoration areas through multisource remote sensing

红树林恢复区森林结构参数（冠层高度、地上生物量）通过多源遥感数据融合与随机森林模型评估，结合UAV-LiDAR地面实测数据优化，验证了SAOCOM-1 L波段SAR干涉测量与Sentinel-2光学数据的协同效应，模型R2达0.58（冠层高度）和0.55（地上生物量），RMSE分别为2.3m和56.4Mg ha?1。通过空间交叉验证和跨区域验证，证实多源遥感融合模型在异质红树林恢复区具有较高普适性，为碳汇监测与生态评估提供新方法。

　　近年来，随着对“蓝色碳生态系统”概念的重视，红树林的恢复活动在过去的几十年中得到了迅速扩展。这一概念强调了红树林、海草床和盐沼等生态系统在碳固存和碳储存密度方面的高效性，从而激发了人们对通过红树林恢复来缓解气候变化的兴趣。本研究旨在通过多源遥感数据，评估红树林恢复区域的森林结构，以提供一种有效的方法来监测红树林恢复项目的进展。为了实现这一目标，研究结合了C波段合成孔径雷达（SAR）哨兵1号、L波段SAR哨兵1号以及光学多光谱哨兵2号数据，提取了极化和干涉特征，以及光谱波段和指数，以构建红树林森林结构的估计模型。

在研究方法上，我们采用了多种遥感技术来获取数据。在印尼巴厘省的两个红树林区域，Budeng-Perancak和Tahura Ngurah Rai，我们分别使用了无人机激光雷达（UAV-LiDAR）和实地调查方法。通过UAV-LiDAR收集的数据，我们生成了15米空间分辨率的参考数据集，用于估算冠层高度和地上生物量。这些数据集通过回归模型与实地观测数据进行关联，从而提高了模型的准确性。此外，我们还利用了随机森林算法和空间交叉验证来评估模型的性能，发现结合三种数据源的模型在冠层高度和地上生物量的估算中显著优于单一或双源模型。

研究结果表明，SAOCOM-1的干涉相干性和Copernicus数字高程模型（DEM）的高程数据在模型中具有最重要的作用，其次是哨兵2号和SAR极化变量。最终模型的性能评估显示，冠层高度的R2值为0.58，均方根误差（RMSE）为2.3米；而地上生物量的R2值为0.55，RMSE为56.4 Mg/ha。模型在未训练的区域中也表现出良好的适用性，尤其是在红树林恢复区域，其估算结果优于未恢复的红树林。这一发现为红树林恢复项目的监测和评估提供了重要的参考。

在方法上，我们首先在Budeng-Perancak地区进行了实地调查，收集了117个10米半径的圆形样地数据。这些样地用于获取冠层高度和地上生物量的真实值，同时也作为模型开发的训练数据。通过UAV-LiDAR扫描，我们获得了高精度的冠层高度数据，并利用线性回归方法建立了与哨兵2号数据的关联。这种结合不仅提高了模型的准确性，还扩大了训练和测试数据的覆盖范围，为后续的模型构建提供了更丰富的数据支持。

此外，我们还对哨兵1号和哨兵2号的遥感变量进行了预处理，包括SAR极化和干涉特征、光谱波段和指数。通过这些变量，我们构建了多个模型，包括单一源模型和多源模型。研究发现，结合所有三种数据源的模型在估算红树林冠层高度和地上生物量方面表现最佳。通过特征选择过程，我们减少了变量间的多重共线性，提高了模型的可解释性和预测能力。最终模型的性能评估显示，其在冠层高度和地上生物量的估算中表现出较高的准确性，误差率较低。

研究还探讨了不同遥感源在估算森林结构中的作用。L波段SAR SAOCOM-1因其较强的穿透能力，在估算冠层高度和地上生物量方面表现出色。相比之下，C波段SAR哨兵1号的穿透能力较弱，导致其在估算高生物量区域时出现信号饱和问题。而哨兵2号的高光谱分辨率和丰富的光谱指数使其在植被识别和地上生物量估算方面不可或缺。此外，我们还分析了不同遥感变量之间的相关性，发现一些变量如哨兵2号的SWIR-1和SWIR-2波段，以及红树林特定的光谱指数，对模型的预测能力有显著贡献。

研究中也指出了模型的一些局限性。首先，由于UAV-LiDAR数据仅在Budeng-Perancak地区可用，这限制了模型在其他红树林恢复区域的适用性。其次，模型在Tahura Ngurah Rai地区的适用性评估显示，尽管模型整体表现尚可，但在某些情况下，如高海拔区域，模型的预测误差较大。这可能与红树林的物种组成、森林结构复杂性以及环境条件的差异有关。此外，随着红树林恢复进程的推进，森林结构的复杂性增加，可能导致模型预测的准确性下降。

未来的研究方向包括利用更先进的遥感技术，如NASA的GEDI任务中的空间激光雷达数据，作为UAV-LiDAR或哨兵数据的替代或补充。此外，研究还可以探索更高空间分辨率的光学卫星数据，如PlanetScope，以进一步提高模型的精度。同时，随着新卫星任务的开展，如NASA-ISRO合成孔径雷达（NISAR）和L波段SAR SAOCOM-1，未来的研究将能够更全面地评估红树林的森林结构变化。这些多源遥感数据的结合将为红树林恢复项目的监测和评估提供更加全面和可靠的方法，从而更好地支持蓝色碳相关的参数监测和报告。