基于Sentinel-1/2卫星影像的黑松与欧洲赤松林分参数遥感估测研究——以土耳其卡斯塔莫努地区为例

来自土耳其的研究人员针对森林资源调查需求，创新性地融合Sentinel-1（后向散射、极化比、纹理）和Sentinel-2（反射率、植被指数、纹理）多源遥感数据，构建了黑松与欧洲赤松林分的直径、株数、断面积、蓄积量和密度等参数的估测模型。研究通过146个黑松样地和96个欧洲赤松样地的实地验证，发现Sentinel-2像素总和对黑松林分密度(Rd2=0.397)和欧洲赤松林分密度(Rd2=0.432)的预测效果最佳，为森林资源遥感监测提供了重要技术参考。

　　

这项开创性研究利用"太空之眼"Sentinel-1（携带合成孔径雷达SAR）和Sentinel-2（多光谱成像仪）这对卫星搭档，在土耳其卡斯塔莫努地区的针叶林开展了一场"森林CT扫描"。科研团队巧妙地将雷达后向散射特征（backscattering）与光学植被指数（NDVI等）进行组合，就像给森林装上双模态成像系统——雷达穿透云层捕捉三维结构信息，光学传感器则记录精细的光谱特征。

通过对242个标准样地（黑松146个，欧洲赤松96个）的实地测量数据与卫星像素值（pixel-based）进行"数字配对"，研究揭示了有趣的现象：对于黑松林，Sentinel-2像素总和在预测林分直径（R_d²=0.170）时表现突出，而Sentinel-1的极化比（polarization ratio）则对株数估算（R_d²=0.396）贡献显著。欧洲赤松林更"偏爱"光学数据，其林分密度预测精度高达R_d²=0.432，这或许与其冠层结构对光谱的敏感响应有关。

该研究如同为林业工作者配备"卫星计算尺"，证明即使在中分辨率（10-20米）尺度下，多源遥感协同反演能有效突破传统森林调查的成本壁垒。特别是对断面积（basal area）和蓄积量（volume）的估算突破，为全球碳汇监测提供了可推广的技术范式。