基于GEDI与墨西哥国家森林资源清查数据的地上森林生物量空间分布格局及驱动因素研究

本研究通过整合GEDI（Global Ecosystem Dynamics Investigation）星载激光雷达与墨西哥国家森林资源清查（NFI）数据，构建了地上生物量密度（AGBD）估算模型，显著提升了GEDI L4A产品在墨西哥的精度（误差降低32.7-34.2%）。研究发现地形坡度（<10%）和森林结构复杂性是影响AGBD估算精度的关键因素，最终绘制了全国1公里分辨率AGBD地图（总碳储量1.88 Gt），为气候变化研究和森林管理政策制定提供了重要数据支撑。

　　

准确评估森林地上生物量密度（AGBD）对于理解植被在气候变化缓解中的作用至关重要。墨西哥作为生态多样性丰富的国家，其森林资源监测面临巨大挑战。Global Ecosystem Dynamics Investigation（GEDI）星载激光雷达为解决这一难题提供了新机遇，但其全球模型在局部地区的适用性仍需验证。

研究方法

研究团队整合了2015-2020年墨西哥国家森林资源清查（NFI）的1570个1公顷样地数据与2019-2020年GEDI L2A（相对高度指标）和L2B（冠层覆盖度）数据。通过普通最小二乘回归，建立了五种主要植被类型的AGBD估算模型，其中针叶林和热带森林模型表现最佳（%RMSE分别为46.7和47.3）。

关键发现

地形坡度与森林结构复杂性被证实是影响GEDI精度的主要因素。在坡度<10%且结构简单的森林中，模型解释度最高（D²达68.8）。针叶林因其结构均匀性展现出最佳估算性能（D²=53.7），而热带森林得益于77.9%分布在中低坡度区域，也表现出色。

全国尺度应用

通过整合2019-2023年GEDI数据，研究团队绘制了1公里分辨率的全国AGBD地图。结果显示墨西哥森林总碳储量为1.88 Gt，与FAO官方数据高度吻合。相较于GEDI L4B产品（碳储量2.51 Gt），本研究结果更接近地面实测值，尤其在针叶林和热带森林中差异最小。

创新价值

该研究首次在生态复杂的墨西哥全境实现了GEDI数据的本地化校准，创新性地结合了冠层高度（Rh70、Rh98）和冠层覆盖指标（Pai），使AGBD估算误差显著降低。研究成果为发展中国家开展大尺度森林碳监测提供了可复制的技术框架。

实践意义

全国AGBD地图的绘制不仅支持了墨西哥的气候变化减缓政策制定，也为REDD+等国际机制提供了可靠数据支撑。研究指出的地形和结构因素影响规律，为未来星载激光雷达任务的设计和数据应用提供了重要参考。