机器学习在量化滨海蓝碳储量研究中的应用进展

　　 摘要:

科学量化滨海蓝碳生态系统(红树林、盐沼和海草床)碳汇能力是制定基于自然解决方案缓解全球气候变化措施的基础和前提。近年来多源遥感数据与机器学习技术的结合应用领域日益广泛,然而缺乏对滨海蓝碳量化方法和技术体系的比较与系统评述。梳理了近五年多源遥感数据结合机器学习在蓝碳储量量化研究中的应用现状,在归纳总结量化蓝碳的分类与预测路径基础上,分析了不同遥感数据和机器学习算法的适用性,聚焦分类与预测路径的模型表现及量化指标。结果表明,分类与预测途径难以完全替代彼此,分类路径适用于缺乏足够碳储量数据情形下快速量化蓝碳实现空间化,而预测路径适用于精确量化碳储量的连续变量值,在未来需发展"先分类、再预测"整合路径以提高结果精度与研究效率;提出考虑气候变化、人类活动干预以及自然生态系统动态等多重因素,发展蓝碳时空动态监测体系,以支持滨海生态系统的可持续管理,为实现可持续发展目标提供科学支撑。