用于估算森林地上生物量的星载激光雷达技术：方法学趋势的系统综述

《Advances in Space Research》：Spaceborne Lidar for Forest Aboveground Biomass Estimation: A Systematic Review of Methodological Trends

　　

Janaki Sandamali|Lana L. Narine

摘要

森林储存了大约80%的陆地地上生物量（AGB），在全球碳循环中发挥着关键作用。因此，准确估算森林AGB对于理解碳动态和支持气候变化缓解至关重要。随着2003年发射的冰、云和陆地高程卫星（ICESat）以及2018年发射的全球生态系统动态调查卫星（GEDI）等关键任务的开展，我们研究了2003年至2024年间基于空间激光雷达（lidar）技术的森林AGB估算方法的发展情况。本研究遵循《系统评价和荟萃分析的优先报告项目》（PRISMA）指南进行了系统文献回顾，最终选取了52项符合评价标准的研究进行数据提取与分析，这些研究涵盖了13个国家。研究结果表明，多源地球观测数据与机器学习及深度学习方法在AGB估算中的整合程度不断提高；其中随机森林（RF）仍是应用最广泛的算法，而归一化植被指数（NDVI）是最常用的预测指标。不同研究中的模型性能存在差异，决定系数（R2）介于0.40至0.97之间，均方根误差（RMSE）介于8.05至81.00 Mg ha?1之间，这反映了森林类型、数据及建模算法的多样性。当前面临的挑战包括空间覆盖范围有限、地理定位精度不高以及计算需求较大；因此，未来的研究方向将侧重于利用云计算和高性能计算（HPC）、实现激光雷达平台间的数据融合，并采用更先进的分析方法来提高AGB估算的准确性。