基于GEDI的森林生物量估算与多传感器融合的不确定性感知碳监测

《Remote Sensing Applications: Society and Environment》：GEDI-based forest biomass estimation and multi-sensor fusion for uncertainty-aware carbon monitoring

　　

摘要

准确的、空间显式的森林地上生物量密度（AGBD）估算是碳核算、生物多样性保护、气候减缓以及可信的测量、报告与核查（MRV）的基础。NASA的全球生态系统动力学调查（GEDI）通过提供来自空间的全波形激光雷达观测数据，改善了生物量监测，这些数据揭示了森林垂直结构，包括与林冠高度和AGBD相关的相对高度指标及其他波形衍生特征。本文综述系统性地梳理了基于GEDI的生物量估算最新进展，重点讨论经验法与半经验法异速生长、机器学习、混合推断以及与光学影像、合成孔径雷达（SAR）、环境预测变量和ICESat-2的多传感器融合。证据表明，GEDI作为结构锚点最为有效，而非独立的制图工具：光学数据改善空间连续性，SAR提供不受云影响的林冠结构敏感性，ICESat-2将采样扩展至高纬度及开放林冠生态系统，而层次化或基于模型的框架则支持具有不确定性感知的推断。然而，所报告的精度强烈依赖于验证设计、目标变量、生物群落、地形及本地标定，而可转移性则受到生物群落特异性异速生长、波形非唯一性、物候、地形效应、地理位置不确定性及标定数据不均等制约。最稳健的路径是结合生物群落感知分层、针对性重新标定、迁移学习、不确定性诊断以及新兴L波段和P波段雷达观测的混合全球–区域框架。此类方法可将稀疏的GEDI采样拓展为空间连续且时间动态的森林碳监测，服务于MRV、REDD+、生态恢复、生物多样性保护及碳市场问责。

引言

森林是主要的陆地碳库，对气候调节、生物多样性保护及土地管理政策至关重要。因此，地上生物量（AGB）和地上生物量密度（AGBD）不仅是生态变量，也是国家温室气体清单编制、REDD+实施、自愿碳市场及保护区规划的核算单位。森林碳库研究和碳市场评估进一步表明，可靠的生物量估算对于土地管理评估和可信的碳信用核算必不可少（Mendoza-Ponce & Galicia, 2010；Nonini & Fiala, 2021）。近期研究将森林碳储量与林分结构、物种丰富度及降水梯度联系起来，并表明保护高生物量森林可以避免大量碳排放，同时保留未来的碳封存潜力（Duncanson等, 2023；Zeng等, 2024）。因此，稳健的生物量估算既为科学理解所需，也为操作决策所需。

在GEDI之前，大面积生物量产品受限于大多数卫星观测的间接性。Landsat、MODIS和Sentinel-2等光学传感器提供连续的光谱信息，但它们从反射率和植被指数推断生物量，这些指数在茂密林冠中会饱和，并受云覆盖、光照差异和物候影响。C波段和L波段SAR传感器提供穿透云层的结构代理指标，但后向散射在中等至高生物量时会饱和，并对土壤水分、地表粗糙度和地形敏感。机载激光雷达提供高度精确的三维结构信息，但其覆盖范围空间碎片化、成本高昂且时间不一致。ICESat-1 GLAS提供了早期的全球激光雷达采样，但其足迹大小、间距和任务设计限制了在非均质森林中的直接生物量制图（Duncanson等, 2020；Hakkenberg等, 2023a；Silva等, 2021）。

GEDI通过从国际空间站提供密集的全波形激光雷达采样，显著改善了这一状况。其约25米的足迹、完整的垂直波形以及在约北纬51.6°至南纬51.6°之间的全球采样，使得可以推导出林冠高度、相对高度指标以及带形式化不确定性估计的足迹级AGBD（Dubayah等, 2022；Kellner等, 2023）。因此，GEDI解决了茂密森林中的重要饱和问题，并为区域至全球生物量模型提供了一致的结构标定骨架。从概念上讲，这代表着从主要依赖间接光谱和后向散射代理的卫星生物量估算，转向利用森林垂直结构的直接观测来标定和约束空间连续的生物量预测框架。然而，GEDI仍然是采样任务而非全幅制图工具：它无法覆盖国际空间站倾角范围之外的高纬度北方森林，且其测量受地形、大气条件、光束灵敏度、地理位置不确定性和物候状态影响。这些局限性意味着基于GEDI的生物量估算不仅依赖波形指标，还取决于验证设计、不确定性传播以及与连续光学、SAR和环境协变量的融合。

近期综述已综合了利用光学、微波、激光雷达和多传感器遥感方法估算森林地上生物量的研究，强调了方法论发展、不确定性来源以及生物量反演的普遍挑战（Tian等, 2023；Khan等, 2024；Ullah等, 2025）。最近，Sandamali和Narine（2026）综述了利用ICESat、ICESat-2和GEDI等空间激光雷达进行森林生物量估算的方法学趋势，包括多源融合及机器学习和深度学习的方法。这些综述提供了重要的宏观或方法导向的视角；然而，它们未在同一框架内联合评估GEDI波形指标和产品级别、生物量建模策略、多传感器融合、验证设计、不确定性传播、跨生物群落可转移性以及运营碳监测需求。因此，本综述采用以GEDI为中心的观点，整合这些方法学和运营维度，以评估迈向空间连续、可转移且具有不确定性感知的森林碳监测的路径。

进行此类综合的必要性尤为紧迫，因为基于GEDI的生物量研究正日益超越足迹级反演和实验性或模拟传感器融合研究，转向多任务集成监测。早期研究展示了结合GEDI与互补观测的潜力，包括模拟的GEDI–ICESat-2–NISAR配置（Duncanson等, 2020；Silva等, 2021）。当前的观测格局日益包含具有运营相关性的GEDI和ICESat-2观测（Neuenschwander等, 2024）、NISAR L波段观测（Kristenson等, 2026），以及ESA Biomass P波段观测（欧洲航天局, 2026）。同时，不确定性量化、空间独立验证、跨生物群落可转移性、迁移学习以及干扰、退化、再生和碳储量变化的动态估算，对运营应用变得越来越重要（Jia等, 2024；Saarela等, 2025；Weber等, 2025；Francini等, 2022；Milenkovi?等, 2022）。近期GEDI应用越来越多地将波形观测与森林清查数据、机载激光雷达参考、光学和SAR预测变量以及环境变量相结合，以支持区域标定、验证和连续生物量制图（Fareed等, 2025；Nazir等, 2025；Wang等, 2026；Subedi和Zurqani, 2025）。这些发展凸显了综合评估的必要性，不仅要评估预测精度，还要评估方法学可靠性、不确定性、可转移性以及适用于运营森林碳监测的适宜性。

本综述回答四个主要问题：（1）哪些GEDI波形指标和产品级别对森林AGBD估算最具信息量；（2）经验法、机器学习和混合方法在精度、可解释性和可转移性上有何差异；（3）与光学、SAR、环境及ICESat-2观测的融合如何改善全幅生物量制图和不确定性表征；（4）对于跨越多样化森林生态系统的运营碳监测，哪些方法学选择最为重要。本综述具有批判性：所报告的性能统计在验证设计、目标变量、空间尺度、生物量范围及森林背景方面进行解释，而非直接作为可比的排名。通过整合GEDI产品、建模方法、传感器融合、验证框架、不确定性评估以及新兴多任务机会，本综述为评估GEDI支持的森林碳监测提供了运营聚焦的框架，从而补充了先前的综合研究。

章节片段

综述方法与范围

本文采用结构化叙述性综述方法，而非正式的综述或荟萃分析。相关文献通过Web of Science核心合集、Scopus、Google Scholar和ScienceDirect的检索识别，辅以同行评审期刊文章、会议论文集、GEDI算法理论基础文件、NASA/ORNL DAAC数据产品文档以及来自NASA、ESA和其他相关航天机构的任务状态信息。

仪器设计与数据产品

森林生物量估算已从基于地面的异速生长测量发展到日益空间显式的遥感方法，每次技术转变都改善了结构信息、空间覆盖或监测能力。早期生物量评估主要依赖地面清查和将树木直径、高度、木材密度及其他结构属性与生物量联系起来的异速生长方程，为后续遥感提供了生物学基础。

经验法与半经验法异速生长

经验法和半经验法模型仍然是基于GEDI的生物量反演基础。它们通过高度–生物量缩放关系，将波形衍生的森林结构（最常见的是林冠高度或相对高度（RH）指标）转化为AGBD。简化公式可表示为，其中H代表林冠高度指标，系数a和b随森林类型、木材密度、林分架构和标定数据而变化（Vieilledent等, 2012；Duncanson等, 2022；

多传感器融合用于连续生物量制图

遥感中的多传感器融合可在分析工作流程的不同阶段实施，传统分类将融合分为数据或像素级、特征级和决策级融合（Pohl和Van Genderen, 1998；Ghassemian, 2016）。在基于GEDI的生物量制图中，特征级融合尤为常见，即将GEDI衍生的结构或生物量信息与来自光学、SAR、地形、气候及其他地球观测数据的预测变量相结合。

不确定性、验证与可转移性

投稿级的GEDI生物量综述必须将不确定性作为核心议题而非最终补充说明，因为基于GEDI的生物量估算受测量、模型、采样和推断误差影响（Patterson等, 2019；Duncanson等, 2022；Kellner等, 2023）。不确定性在每个阶段都会产生，包括地面测量、异速生长转换、波形处理、地理位置、地形校正、模型拟合、空间推断和验证。

从稀疏足迹到动态生物量图

静态生物量图仍然有价值，但政策需求日益动态化：决策者需要了解生物量在哪里正在流失、哪里正在恢复、生态恢复是否增加了碳储量，以及碳信用基线是否可信。GEDI提供垂直结构和生物量数量级，Landsat/Sentinel时间序列提供干扰编年史，雷达任务提供无云的连续时间信息（Francini等, 2022；Liang等, 2023；Silva等

未来研究方向

早期研究展示了结合模拟的GEDI、ICESat-2和NISAR观测进行区域生物量估算的潜力（Duncanson等, 2020；Silva等, 2021）。在NISAR于2025年发射及其L波段观测数据随后发布（Kristenson等, 2026），以及ESA Biomass于2025年发射及其P波段观测数据随后发布（欧洲航天局, 2026）之后，这一概念已变得在运营上可测试。近期同行评审的

结论

GEDI通过提供全球分布的垂直结构全波形激光雷达测量和带不确定性的足迹级AGBD，变革了森林生物量遥感。上层和中层林冠RH指标仍然是生物量的稳健预测变量，经验法或半经验法异速生长仍然有价值，因为它是可解释的且与形式化推断兼容。然而，GEDI本身无法解决全幅生物量问题：其稀疏采样、纬度限制、地形敏感性

声明

在准备本工作期间，作者利用ChatGPT进行语言改进和增强手稿的流畅性。使用该工具后，作者根据需要审阅和编辑了内容，并对最终发表版本承担全部责任。

人类/动物研究声明

本研究为综述文章，完全基于已发表文献、公开数据集和任务文档。作者未进行任何涉及人类受试者或动物的实验、观测或干预。因此，本研究不需要伦理批准和知情同意。

CRediT作者贡献声明

Lai Zhongping：撰写–审阅与编辑、监督、资源、项目管理、方法学、调查、资助获取、概念化。Muhammad Ali：撰写–审阅与编辑。Partha Sarathi Jena：可视化。Mir Muhammad Nizamani：撰写–审阅与编辑、撰写–原创草稿、验证、软件、方法学、调查、形式化分析、数据管理、概念化

未引用参考文献

Bruening, 2023；Christoph, 2020；Duncanson等, 2021；Hu等, 2025；IPCC等, 2019；Liu等, 2024；May等, 2024；NASA, 2026；Subedi和Zurqani, 2026；Xu等, 2024。

利益冲突声明

? 作者声明没有已知的可能影响本文所报告工作的财务利益或个人关系。

Mir Muhammad Nizamani | Partha Sarathi Jena | Muhammad Ali | Zhongping Lai
研究组：低地平原与人类活动研究组，汕头大学海洋科学学院，中国汕头 513063