基于多源遥感数据耦合的辽宁省森林地上碳储量估算与不确定性分析

本研究针对大尺度森林地上碳储量(AGC)精确制图需求，提出融合无人机(UAV)高分辨率影像与星载激光雷达(GEDI/ICESat-2)的多尺度研究框架。通过构建"地面-UAV-卫星"三级样本扩展体系，结合生成对抗网络(GANs)和随机森林(RF)算法，实现辽宁省森林AGC储量101.35±37.31 Tg的精确估算，较AGBCY2021等公开产品显著提升精度(RMSE 19.86%)，为区域碳循环研究提供创新技术路径。

　　

在全球变暖加剧的背景下，森林作为陆地生态系统最大的碳库，其碳储量精确估算对实现碳中和目标至关重要。然而传统森林资源调查方法存在空间覆盖稀疏、耗时费力等局限，而卫星遥感直接匹配像元又面临分辨率不足导致的显著误差。如何突破多尺度数据融合的技术瓶颈，建立高精度的碳储量估算体系，成为当前生态遥感领域亟待解决的科学问题。

针对这一挑战，河北省地质矿产勘查开发局等机构的研究人员以中国东北工业重镇辽宁省为研究区，创新性地构建了"个体-样地-区域"三级联动的森林地上碳储量(AGC)估算框架。这项发表在《Ecological Indicators》的研究，通过耦合多源遥感数据与机器学习算法，不仅实现了区域尺度碳储量的高精度制图，更建立了可推广的技术范式。

研究团队采用三大关键技术方法：首先利用无人机(UAV)高分辨率影像进行单木尺度样本扩展，通过人工解译树冠结合CHM(冠层高度模型)提取树高，建立DBH-冠面积回归模型；其次基于GEDI和ICESat-2星载激光雷达数据，采用生成对抗网络(GANs)增强样本后构建随机森林(RF)模型，确定12.5m为最佳光斑半径；最后整合Sentinel-2多光谱、Sentinel-1雷达等数据，通过堆叠集成学习算法实现30m分辨率碳储量制图。研究覆盖辽宁省29个无人机航测样区，包含37个地面验证样地。

研究结果部分：

1. 无人机样本扩展验证
   通过建立5种优势树种(樟子松、油松等)的DBH-冠面积回归模型(R²
   0.72-0.83)，实现单木参数提取，树高和冠面积提取的RMSE(%)分别为24.87%和35.69%。

2. 星载激光雷达样地尺度建模
   确定GEDI和ICESat-2最佳光斑半径分别为12.5m和8.75m，经GANs扩样后构建的RF模型精度达R²
   0.729-0.779，其中ICESat-2因包含地形坡度特征表现更优。

3. 区域尺度碳储量制图
   集成学习模型在四种林型中表现最佳(平均R²
   0.803)，其中落叶阔叶林和针叶林的RMSE(%)分别降至8.91%和9.26%。特征重要性分析显示Sentinel-2的B5波段(红边波段)和海拔因子最具预测力。

4. 碳储量时空动态
   辽宁省2022年森林AGC储量为101.35 Tg(不确定性±37.31 Tg)，显著优于AGBCY2021等公开产品。2011-2024年监测显示碳密度年均增长1.65 Mg C/ha，其中抚顺等辽东山区增量最显著。

讨论部分指出，该研究创新性地解决了星载激光雷达地理定位误差(ICESat-2水平误差<6.5m)导致的像元匹配难题，通过面积加权法提取多像元均值特征。相比传统"地面-卫星"直接匹配方法，采用UAV作为中介数据可使野外样地数量减少37%。研究还量化了误差传递过程，发现UAV单木参数提取误差(29.67%)是最大不确定性来源。

这项研究的重要意义在于建立了可复制的多尺度碳储量估算框架，首次证实GEDI与ICESat-2数据融合能提升建模精度7.5%。所生产的30m分辨率碳储量地图，不仅可为辽宁省碳汇交易提供基准数据，其技术路线更适用于全球森林动态监测。未来结合深度学习算法优化单木识别，有望进一步降低不确定性至20%以下。研究成果为《巴黎协定》框架下的国家自主贡献(NDC)报告提供了方法论创新和实证案例。