在空间尺度和不同森林扰动情景下，本地训练得到的森林地上生物量异速生长函数是否具有普遍性？

《Ecological Modelling》：Are locally trained allometric functions of forest aboveground biomass universal across spatial scales and forest disturbance scenarios?

大尺度地上生物量（AGB）估算的尺度依赖性与森林干扰影响分析。基于FORMIND模型，研究不同空间分辨率（20-200m）和干扰场景（自然、火灾、 logging）下森林高度（FH）与AGB的参数关系，发现α和β随尺度变化显著，应用非匹配尺度参数会导致误差增加，尤其是高分辨率到低分辨率转换时。强调本地化参数调整和森林状态信息的重要性。

　　森林生态系统中的生物量估算一直是科学研究的重要议题，尤其在应对全球气候变化和碳循环研究方面。森林生物量（Aboveground Biomass, AGB）作为衡量森林碳储存的重要指标，其精确估算对理解森林碳汇能力、制定生态管理和政策具有重要意义。然而，当前AGB估算方法仍面临诸多挑战，尤其是在大规模、多尺度和多时序分析方面。由于森林结构的复杂性，特别是热带森林中树种多样性、树木数量以及冠层遮挡等因素，传统的AGB估算方法在实际应用中存在较大的不确定性。因此，如何利用高分辨率遥感数据（如森林高度）进行AGB估算，成为研究的关键。

近年来，随着遥感技术的发展，特别是波形激光雷达（LiDAR）和合成孔径雷达（SAR）干涉测量技术的成熟，森林高度（Forest Height, FH）已成为AGB估算的重要变量。这些技术能够提供大范围、高精度的森林高度数据，从而为AGB估算提供新的可能性。然而，森林高度数据的尺度依赖性问题仍然显著，即在不同空间分辨率下，AGB估算结果可能产生较大偏差。因此，如何处理这些尺度差异，并确保估算模型在不同条件下具有良好的适用性，成为当前研究的热点。

本研究通过使用高分辨率的个体森林间隙模型（Individual-Based Forest Gap Model, IBGM）FORMIND，模拟了热带低地森林在不同空间尺度下的森林高度和AGB分布情况。FORMIND模型能够模拟树木生长、死亡、竞争和再生等过程，同时支持自然和人为干扰情景的模拟，为研究森林结构与AGB估算之间的关系提供了重要的数据基础。研究中，通过将模型输出的数据转换为不同空间分辨率的栅格数据，分析了不同尺度下AGB估算的精度和误差来源。此外，研究还探讨了不同干扰情景（如火灾和采伐）对AGB估算结果的影响，并评估了使用不同尺度参数对估算结果的干扰。

研究结果表明，使用不同尺度的森林高度参数进行AGB估算时，会产生显著的误差。这种误差随着空间尺度的增大而变得更加明显，尤其是在自然和火灾干扰情景下。相比之下，采伐情景下的误差相对较小，这可能与采伐对森林结构的影响较为均匀有关。此外，当使用自然情景下的参数估算火灾和采伐情景下的AGB时，会出现显著的低估现象，表明森林干扰状态对AGB估算具有重要影响。因此，为了提高AGB估算的准确性，有必要在模型中考虑森林干扰状态，并在不同尺度下进行参数调整。

在研究方法上，本研究采用了多种森林高度计算方法，包括H100（选取每个1公顷区域内的100棵最高树木的平均高度）、Lorey高度（基于基面积加权的平均树高）以及平均树高（所有树木高度的平均值）。通过比较这些方法在不同空间尺度下的表现，研究发现H100和Lorey方法在自然情景下表现较好，而平均方法则在采伐情景下更为稳健。这表明，不同的森林高度计算方法适用于不同的森林类型和干扰情景，因此在实际应用中，需要根据具体情况进行选择。

本研究还强调了局部森林结构数据的重要性。由于大规模AGB估算依赖于遥感数据，而遥感数据往往缺乏足够的细节来反映局部森林结构的复杂性，因此，有必要结合局部数据（如实地调查数据）进行模型校准和参数调整。这种结合不仅能够提高估算精度，还能减少因尺度差异带来的误差。然而，获取和处理这些局部数据的成本较高，且在大规模森林监测中面临诸多挑战。因此，未来的研究需要探索更高效的数据处理方法，以实现大范围AGB估算的高精度和高适用性。

此外，研究还指出了现有AGB估算模型的局限性。尽管FORMIND模型在模拟森林结构和动态方面表现出色，但其基于植物功能型（Plant Functional Types, PFT）的简化方法可能无法充分反映森林中复杂的植物特性。这种简化虽然有助于模型的运行效率，但在应对全球变化等复杂情景时，可能导致对生态系统响应的预测偏差。因此，未来的研究应关注开发基于植物特性（如光合能力、木材密度和叶片更新速率）的模型，以提高对森林动态的模拟精度。

总体而言，本研究为森林生物量估算提供了重要的理论支持和技术路径。通过分析不同空间尺度和干扰情景下AGB估算的精度和误差来源，研究揭示了森林高度参数的尺度依赖性及其对AGB估算的影响。同时，研究也强调了结合局部数据和遥感数据的重要性，以及未来模型开发的方向。随着欧洲空间局（ESA）BIOMASS任务的推进，其提供的高分辨率森林高度数据将为大规模AGB估算提供新的可能性。然而，如何在不同尺度和干扰情景下优化模型参数，仍然是需要进一步研究的重要课题。