《Forestry: An International Journal of Forest Research》：A review of forest biomass assessments based on remote sensing reveals progress in methodological quality—but major challenges remain
编辑推荐：
本文系统回顾了1992-2022年间基于遥感技术的大区域（≥1000公顷）森林生物量评估研究，揭示了方法学质量的渐进式改进与持续存在的五大挑战：遥感数据与生物量相关性不足、实地数据稀缺、统计方法误用、域估计方法欠缺及QA/QC体系不完善。研究通过建立包含遥感数据属性、实地数据属性等六大核心要素的"理想标准"评估体系，对80篇文献进行量化评分，发现设计型推断研究整体优于模型型推断，但全球尺度评估的可靠性仍受限于数据异质性与方法学差异。该成果为提升碳汇监测精度、支持UNFCCC和REDD+机制提供了关键方法学参照。
森林作为地球之肺，其生物量不仅是衡量生态系统健康的关键指标，更是全球碳循环的核心参与者。随着《联合国气候变化框架公约》（UNFCCC）和"减少毁林和森林退化所致排放量"（REDD+）等国际协议的推进，各国对森林碳汇的精准计量需求日益迫切。然而，传统地面调查难以实现大范围覆盖，而依赖遥感技术的大区域生物量评估又长期面临"测不准"的困境——不同研究对同一区域的评估结果可能相差数倍，与国家森林清查数据也常存在显著差异。这种不确定性主要源于遥感信号在茂密森林中的饱和效应、野外验证数据匮乏、统计方法使用不当等深层矛盾。
为系统梳理三十年来的方法论演进与瓶颈，研究团队对1992-2022年间发表的4258篇文献进行筛选，最终对80篇符合大区域（≥1000公顷）、兼具遥感和实地数据、年均引用≥1.8次等严格标准的文献展开全景式剖析。他们创新性地构建了包含六大核心要素的"理想标准"评估体系：遥感数据属性、实地数据属性、目标区域辅助数据、统计程序、质量保证与控制（QA/QC）及工作流程透明度。每个要素下设具体评分准则，采用0-5分制量化评估研究质量，犹如为生物量评估领域建立了一套科学化的"体检标准"。
关键技术方法层面，研究采用系统文献回顾法，通过Web of Science、Scopus等数据库检索，利用Rayyan软件进行文献筛选与分类。对入选文献从遥感数据类型（光学、LiDAR、RADAR等）、统计推断框架（设计型/模型型）、研究区域尺度等维度进行编码，并依据建立的评估标准对每篇文献进行多指标量化评分，从而实现跨时间、跨方法的趋势分析。
遥感数据属性的演进轨迹
空间光学与雷达数据是使用最频繁的遥感源，2016年后多源数据融合应用显著增长。激光雷达（LiDAR）特别是机载LiDAR在欧美地区广泛应用，其提供的森林三维结构信息大幅提升模型精度，但成本限制其大范围应用。研究表明，遥感数据与生物量的相关性强弱直接决定成果图的可靠性——弱相关数据会严重低估生物量的真实空间变异。
实地数据属性的瓶颈突破
约15%的研究采用目的性抽样而非概率抽样，23.8%甚至未明确抽样方法。热带地区实地数据尤其稀缺，导致异速生长模型被跨生态区误用。值得关注的是，地面激光扫描（TLS）和移动激光扫描（MLS）技术近年展现出替代破坏性取样的潜力，通过数字树木重建技术可能缓解数据荒。
统计推断框架的范式竞争
设计型推断研究（模型辅助估计）得分普遍高于模型型推断。后者常出现统计概念混用问题，如用模型型方法生成地图，却用设计型原则验证结果，导致对"偏差"理解的混乱。深度学习方法虽呈现精度提升潜力，但存在过拟合风险，且2016年前的应用寥寥。
质量保证与控制的隐形短板
QA/QC要素得分三十年几无改善，是六大要素中唯一未呈现进步趋势的环节。仅10%研究公开数据或代码，且多限于处理后的遥感图层。独立验证的缺失使得多数研究难以复核，凸显了科学透明度的系统性不足。
工作流程透明度的积极转向
随着《科学数据》等期刊推行数据共享政策，2000年后研究方法描述详细度明显提升。模型辅助与混合推断研究在可重复性方面表现最佳，但离完全开源的目标仍有距离。
这项跨越三十年的方法论检视揭示：尽管技术持续进步，但大区域生物量评估仍深陷方法论瓶颈。未来突破需聚焦五大关键路径：发展穿透力更强的星载传感器、建立跨生态区的标准化实地数据集、规范统计推断框架应用、创新域估计方法，以及构建可审计的QA/QC体系。随着NASA-ESA多任务算法分析平台（MAAP）等国际协作计划的推进，以及BIOMASS、NISAR等新一代卫星任务的数据供给，森林碳汇监测正迎来从"有"到"精"的历史性转折。这项研究不仅为评估现有成果提供了科学标尺，更为应对《巴黎协定》下的全球碳核算挑战指明了方法论革新方向。
