验证策略的严谨性决定UAV-LiDAR碳模型的表观预测能力：异质性热带稀树草原的警示性案例研究

《Pathophysiology》：Validation Rigor Determines Apparent Predictive Skill of UAV-LiDAR Carbon Models: A Cautionary Case Study in a Heterogeneous Tropical Savanna

　　

基于遥感数据训练的机器学习模型被广泛用于绘制生态系统碳储量，但其验证常忽略空间自相关，从而夸大表观预测能力。本研究检验了这一在基于卫星的大尺度生物量制图中已确立的担忧，是否同样适用于样地尺度的UAV-LiDAR碳估算；研究人员在巴西潘塔纳尔—塞拉多过渡带一片以Cerrad?o为优势的稀树草原的29个调查样地中，比较了连续结构指标、分割衍生冠层指标与Sentinel-2光谱变量对地上生物量（AGB）和土壤有机碳（SOC）的预测能力。随机森林（Random Forest）模型在14种预测变量情景和两种异速生长方程形式下接受评估。单一空间划分对AGB给出看似合理的精度（最佳R2 = 0.27），而SOC即使在单一划分下也显示较弱的表观能力（最佳rRMSE = 33.7%，R2 = ?0.14）；在20个独立空间划分上重复验证，并结合无泄漏的嵌套变量选择后，全部98个测试的情景—响应组合的预测能力均崩塌至接近零或负的R2（平均R2：?0.44至?0.003），该模式在统计上与基于置换响应数据构建的零模型无法区分。变量选择的稳定性不同于全数据集重要性排序：原始光谱波段与冠层垂直复杂度指标分别是对AGB和SOC在各划分间最稳定保留的预测变量，尽管一个衍生光谱指数和一个低冠层结构指标分别主导了各响应的单模型重要性。跨库耦合检验显示，利用AGB预测SOC或反之均无实质性增益。经验变异函数分析进一步表明，空间分块方案充分分离了两个响应变量，尽管对部分预测变量无法排除残差空间依赖性。验证策略而非传感器组合或植被表征方式，是表观预测能力的首要决定因素，这警示不应过度解读小型、异质性热带景观中的单一划分精度。

研究背景方面，陆地碳储量准确且空间显式的估算是气候变化减缓、生态系统保护及基于自然的解决方案实施的基础，REDD+、自愿碳市场和温室气体清单等碳核算框架日益依赖能提供可靠且可扩展地上生物量（AGB）与土壤有机碳（SOC）估算的遥感技术。野外调查虽是碳量化的参考标准，但成本高、空间覆盖有限，难以应用于环境异质性强的景观，因此将野外观测与遥感结合成为强化测量、报告与核查（MRV）体系的关键。在主动遥感技术中，LiDAR通过提供植被结构的三维直接测量改变了生态系统碳评估，克服了被动光学传感器在中高生物量条件下易饱和的局限；UAV-LiDAR的进展更以厘米级空间分辨率的高密度点云拓展了应用。然而，多数UAV-LiDAR研究报告的精度常超过R² = 0.80，这些估计多基于假设观测独立的常规随机训练—测试划分，而空间生态数据很少满足该假设；相邻样地被分置于训练集与验证集时，空间自相关可能人为夸大模型性能。该问题在基于卫星的生物量制图中已有充分讨论，空间独立验证一致产生低于常规随机划分的预测性能，但其是否影响样地尺度的UAV-LiDAR碳估算仍基本未知。由于UAV调查通常覆盖较小区域且样地间距很近，可能尤其易受验证导致的过度估计影响；归因于预测变量选择或建模算法的表观改进，可能实际反映的是验证策略差异而非真实预测能力。这一问题在结构异质的热带稀树草原尤为相关，潘塔纳尔—塞拉多过渡带由森林、稀树草原、灌丛、草地、棕榈群落和季节性淹没环境构成的复杂镶嵌体，在短距离内产生显著的植被结构变异，冠层重叠、不连续冠层、不规则树形和多植被层既复杂化了植被表征也复杂化了模型验证。因此研究人员开展了本研究，评估验证策略如何影响UAV-LiDAR模型估算AGB和SOC的表观预测性能，采用随机森林模型比较常规单一划分验证与重复空间交叉验证，同时评估三种互补的植被表征：直接源自LiDAR点云的连续结构指标、基于单株冠层的分割衍生指标和Sentinel-2光谱变量，并检验三个假设：H1，常规单一划分验证会因空间依赖和样地划分敏感性而大幅高估预测性能；H2，空间独立的重复验证将显著降低模型性能，且与预测变量集无关；H3，一旦验证偏差被最小化，植被表征之间的差异将退居次要。研究还作为探索性分析评估了AGB与SOC是否存在跨库预测耦合。

研究人员用到的主要关键技术方法包括：在巴西马托格罗索州阿基道阿纳市Campo Novo农场潘塔纳尔—塞拉多过渡带的一片原生Cerrad?o斑块（约981 ha，属REDD+保护项目）内系统布设30个30 × 30 m永久调查样地，因UAV-LiDAR采集期间GNSS/IMU轨迹误差导致P7样地点云地理定位精度下降而将其剔除，最终分析数据集为n = 29个匹配野外观测、土壤与遥感数据的样地；AGB按DBH、总高和木材密度用泛热带异速生长方程估算，并对有本地方程的物种用巴西潘塔纳尔区域方程重算，形成两种异速生长形式，并将总生物量分为乔木（≥5 m）和灌木（1–5 m）生物量；SOC由0–10、10–20、20–30 cm三层混合土样干燃烧法测定并结合容重计算碳储量；2025年8月旱季用DJI Matrice 350 RTK搭载Zenmuse L2传感器在100 m航高、12 m s^?1航速、约70%旁向重叠下采集点云（平均密度约10点 m^?2），经地理配准、布料模拟滤波（CSF）地面分类、基于不规则三角网（TIN）的数字地形模型（DTM）高程归一化，剔除0.30 m以下回波；连续结构指标用lidR包提取21个变量；分割衍生指标基于0.5 m分辨率冠层高度模型（CHM）、变窗口局部最大值滤波（LMF）和Dalponte与Coomes区域生长算法提取6个变量；光谱指标取自2025年8月无云Sentinel-2 Level-2A影像的16个变量；建模采用ranger包随机森林（800棵树），在训练划分内独立进行Spearman相关过滤（|r| ≥ 0.70）和基于置换重要性的递归后向消除至6个变量，并以单次5折空间k-means交叉验证与20次独立空间划分（15个空间连贯块随机分配至5折）重复验证进行比较。

研究结果方面，第一，森林结构与碳变异性：29个样地共记录1567株乔木和1040株灌木、合计129个木本物种，AGB变异远大于SOC，平均AGB_Total依异速生长形式为83.12至90.07 Mg ha^?1（CV = 45.5%–54.9%），灌木生物量相对变异最大（CV = 76.6%），SOC相对均一（CV = 32.2%）；AGB与SOC弱且不显著相关（r = 0.147，p = 0.446），AGB_Total与乔木生物量近乎完全相关（r = 0.9999），灌木生物量与SOC显著负相关（r = ?0.426，p = 0.021）；两种异速生长形式的AGB_Total无显著差异，但区域方程降低了估计离散度，物种身份本身不能解释生物量变异，说明群落结构而非分类组成主导该景观碳储量。第二，植被表征的比较性能：在重复空间独立验证下，98个情景—响应组合无一取得正的R²；AGB_Total的rRMSE为44.72% ± 1.77%（T14，仅光谱）至58.99% ± 2.73%（T1），R²为?0.003 ± 0.079至?0.197 ± 0.111；区域校准异速生长形式的情景较泛热带对应情景一致优10–14个百分点，但同一异速生长区块内植被表征间差异（≤4.5个百分点）小于情景间划分标准差（1.7–2.7个百分点），与噪声不可区分；AGB_Shrubs误差始终很高（rRMSE 83.74%–90.26%，R² ?0.241至?0.442），异速生长形式无影响，加入Sentinel-2一致增加误差；SOC以连续结构指标单独（T5/T12）误差最低（rRMSE = 32.99% ± 1.18%，R² = ?0.089 ± 0.079），仅光谱最差（37.43% ± 1.99%）；总体仅异速生长形式与AGB精度存在稳健可重复的差异，支持H3。第三，变量重要性与特征选择：AGB与SOC的预测变量集明显不同，最佳情景下无任何分割衍生变量进入七个响应的前六位预测变量；AGB_Total与AGB_Trees的T14模型在全数据集重要性排序中由光谱变量主导（TC_WET和B11），但100次重复重采样中B3和B2保留最稳定（分别为99%和95%），TC_WET和B11保留较少（41%和79%）；AGB_Shrubs由最低植被层回波比例（prop_0_1）、垂直分布比率（VDR）和中层回波（prop_3_5）主导；SOC各深度在全数据集模型中prop_0_1重要性最高，但重复重采样中VCI（89%–96%）和H10（93%–98%）保留远比prop_0_1（26%）稳定，且无光谱或分割衍生变量进入SOC前六位，表明控制SOC的结构属性与控制AGB的属性基本解耦。第四，验证策略决定表观预测能力：在最初采用的全数据集特征选择加单次5折空间k-means交叉验证下，AGB最佳情景T9取得R² = 0.13（RMSE = 34.64 Mg ha^?1，rRMSE = 41.68%）；改为训练折内无泄漏特征选择并保留单一空间划分后，最佳情景转为T13，R² = 0.27（rRMSE = 38.14%）；但同一模型在常规5折交叉验证和bootstrap袋外验证下分别为R² = ?0.036和?0.056；在20个独立空间划分下T13的R² = ?0.019 ± 0.097，单一划分的0.27属异常有利的实现；SOC在无泄漏单划分下最佳为T5/T12（R² = ?0.138，rRMSE = 33.74%），20次重复几乎相同（R² = ?0.089 ± 0.079，rRMSE = 32.99% ± 1.18%），表明SOC预测对空间划分相对不敏感但始终无实质预测能力；结果支持H1和H2，并将Ploton等针对大尺度卫星与机载LiDAR生物量制图的验证过度乐观问题延伸至样地尺度UAV-LiDAR碳估算。第五，AGB与SOC的跨库预测耦合：加入SOC未实质改变AGB_Total精度（R² = ?0.085 ± 0.105对比?0.094 ± 0.127；rRMSE 46.51%对比46.69%），加入AGB_Total略降低SOC精度（R² = ?0.252 ± 0.128对比?0.247 ± 0.112），差异均小于划分间标准差；AGB_Shrubs为部分例外，加入SOC使rRMSE由90.26%降至82.78%、R²由?0.442 ± 0.129改善至?0.214 ± 0.137，与灌木生物量和SOC的显著负相关一致，但模型仍无真实能力；跨库预测变量极少被保留，SOC仅4/20次进入AGB_Total预测集，AGB_Total仅2/20次进入SOC预测集，表明两碳库预测耦合弱。第六，预测能力对特征选择流程复杂度不敏感：与主流程rf_rfe6相比，AGB_Total的平均R²随复杂度降低由?0.094 ± 0.127升至?0.078 ± 0.075、?0.007 ± 0.160和0.078 ± 0.217，但划分间标准差近乎翻倍、最差情形由?0.369恶化至?0.622；SOC无任何简化优于主流程，lm_top3极不稳定（R² = ?1.843 ± 5.315，范围?24.061至?0.173），说明预测能力的缺失并非特定嵌套特征选择流程的伪影。第七，零模型检验：AGB_Total（T13）观测R²（?0.019 ± 0.097）与响应置换零分布（平均?0.232 ± 0.166，范围?0.623至0.310；经验p = 0.11，单尾）无显著差异；SOC（T12）同样如此（观测?0.044 ± 0.103；零分布平均?0.203 ± 0.145，范围?0.498至0.195；经验p = 0.15）；零分布中AGB_Total置换偶尔产生高达0.310的R²，超过单一划分的0.27，直接说明n = 29时单次实现验证无法可靠区分纯噪声的幸运划分与真实预测能力。

讨论部分总结：本研究检验了此前针对大尺度卫星生物量制图记录的验证过度乐观是否也影响样地尺度UAV-LiDAR碳估算，结果支持H1和H2，AGB_Total的表观预测能力在由单一空间划分转为20个独立划分后显著下降，重复空间验证下14个情景与7个响应的组合均未获正的平均R²，且与响应无真实关系的零模型统计不可区分，这将Ploton等的关切延伸至基于小样本的样地尺度UAV-LiDAR建模这一根本不同情境，并指出验证设计应被视为模型可靠性的基本组成而非次要方法选择；但该结论关乎小数据集内部验证估计的可靠性，不应被解读为UAV-LiDAR或Sentinel-2本质上无法捕捉异质稀树草原碳相关生态信号的证据。不稳定性与有限样本量密切相关，仅29个样地时单一空间划分可产生异常有利的训练—测试分配，T13的R² = 0.27对比20次划分的?0.25至0.12即为明证，而置换零模型偶尔产生0.31更强化了这一点，故应通过重复或分块随机方案报告验证不确定性。重复空间交叉验证与嵌套特征选择在本设计中并非完全可分离的变异来源，递归特征消除在约23个样地的训练折内反复拟合可能引入预测变量选择的不稳定性，但特征选择敏感性分析表明该不稳定性本身无法解释预测性能的崩塌，二者更可能是样本量相对于建模问题维度不足这一共同约束的复合后果。结果对H3提供有保留的支持，但分割衍生预测变量需重要限定：区域生长算法对冠层结构敏感，且本研究未独立验证分割精度，过分割大冠层或互锁冠层及漏分林下个体仍是可能误差来源，故H3的支持不应被解读为冠层水平结构信息本质上不如连续或光谱表征。尽管无情景取得可重复的样本外预测能力，特征选择揭示了AGB与SOC相关遥感信号的系统差异，光谱变量反复保留于最佳AGB模型，SOC则更一致地与近地面回波比例及垂直复杂度、低高度百分位指标相关，这在生态上合理，因为SOC的垂直分布与积累依赖植被输入和地下过程，未必与上冠层高度或现存木质生物量成比例，稀树草原证据也表明SOC储量可相对缓冲于木质植被覆盖变化；但全数据集重要性排序中最突出的变量TC_WET（AGB）和prop_0_1（SOC）估计的空间自相关范围超过验证所用空间分块距离，其表观重要性不能视为完全独立于残差空间结构。跨库分析作为探索性诊断而非H2检验，AGB与SOC弱且不显著的关联及相互加入后可忽略的改善表明两碳库在本研究空间尺度上预测耦合弱，这与稀树草原SOC可由草源输入在很大程度上独立于木质覆盖维持、以及火烧、土壤质地、水文条件、根系周转和地下过程等额外控制因素有关，而这些因素多未纳入预测变量集，故SOC模型的有限性能应部分解释为预测变量覆盖的局限而非单纯算法失败。潘塔纳尔—塞拉多过渡带显著的小尺度异质性可能进一步削弱样地尺度冠层结构与地下碳的关系，AGB_Shrubs是唯一在加入SOC后显示可测但依然微弱改善的响应，与灌木生物量和SOC的负相关一致，但鉴于整体缺乏可重复预测能力，该结果应保持探索性。样本量是解释预测结果的主要局限，29个样地相对于候选预测变量数和建模情景数偏小，简化特征选择流程未恢复预测性能，说明主要局限并非模型过于复杂，而是小样本、空间异质性、高预测变量维度和SOC重要环境控制因素表征不足的组合，故不应将结果解读为UAV-LiDAR与Sentinel-2整合无法支持热带稀树草原碳估算，而应视为稳健展示该能力需要更大野外样本、独立站点和能量化划分依赖不确定性的验证设计。研究对UAV-LiDAR碳研究设计具有直接启示：观测具空间结构且样本量有限时应优先采用重复空间独立交叉验证与嵌套无泄漏特征选择，性能应以跨划分分布而非单一精度报告；增加野外采样和纳入独立站点可为区分真实生态关系与划分依赖效应提供更强基础，PlanetScope和Sentinel-2等高分辨率光学平台也可提供补充信息，但额外传感器信息无法弥补验证设计的不足；对REDD+、恢复或碳信用评估等预测不确定性直接影响碳效益可信度的应用，验证不确定性应与传感器和模型不确定性一并明确考虑。

研究结论译文：本研究利用巴西潘塔纳尔—塞拉多结构异质稀树草原的29个样地，检验了UAV-LiDAR碳估算中的表观预测能力是否对验证策略敏感。在常规单一划分空间交叉验证下，最佳模型提示地上生物量具有中等预测能力（R² = 0.13–0.27）。然而，一旦在20个独立空间划分上重复验证并采用无泄漏的嵌套特征选择，全部98个测试的情景—响应组合均未取得正的平均R²，表明在任何植被表征、传感器整合或异速生长方程形式组合下，AGB或SOC均无真实的样本外预测能力，该结果与响应变量和预测变量之间无真实关系的零模型在统计上不可区分。这些发现支持H1和H2，表明单一划分验证可大幅高估表观预测性能，而重复空间独立验证会显著降低各预测变量集的预测能力，并将此前针对大尺度卫星生物量制图记录的验证过度乐观延伸至样地尺度的UAV-LiDAR碳估算。尽管缺乏预测精度，特征选择仍一致识别出AGB与SOC不同的遥感信号——AGB对应Sentinel-2光谱变量，SOC对应低冠层结构指标。跨库耦合检验还显示，将一个碳库作为另一碳库的候选预测变量时无实质改善，表明该景观中AGB与SOC预测耦合弱。与H3一致，植被表征之间的差异始终小于单个情景内观察到的划分间变异，表明一旦验证偏差被最小化，植被表征和传感器组合相对于验证设计起次要作用；但该解读应受制于本研究未对分割算法在这一结构复杂冠层类型中进行独立验证，并应随着更适合多层热带稀树草原植被的冠层勾绘方法改进而重新审视。总体而言，这些结果表明验证策略而非传感器组合或植被表征，是本研究塑造表观模型性能的主导因素，这警示在基于小野外样本评估UAV-LiDAR碳模型时不应依赖单一划分精度估计；重要的是，该警示关乎内部验证估计的可靠性，不应被解读为UAV-LiDAR与Sentinel-2整合无法支持热带稀树草原碳估算的证据，稳健评估该能力需要更大规模的多站点数据集。建议未来UAV-LiDAR碳制图研究将重复空间独立验证和嵌套特征选择作为标准实践，并为REDD+或其他碳核算框架提供依据的精度估计应包含对验证划分敏感性的明确评估。