利用增强型XGBoost模型从遥感数据估算森林地上碳储量

《Frontiers in Remote Sensing》：Estimating forest aboveground carbon stock from remote sensing data with an enhanced XGBoost model

　　

森林地上碳（AGC）的准确评估对于提高森林资源管理效率、缓解气候变化以及促进可持续发展至关重要。然而，森林的广泛分布、复杂的生态系统结构、缺乏代表性的评估数据以及方法的不一致性通常导致估算精度低且不确定性高。为系统解决这些问题，本研究引入了一个新颖框架，该框架将遥感特征与实地测量样地数据相结合，利用Optuna优化的极端梯度提升（XGBoost）模型实现森林地上碳储量的精确估算。本研究的一个关键贡献在于应用Optuna优化XGBoost模型的超参数，从而提升了其预测性能和泛化能力。在特征选择方面，研究人员采用了皮尔逊相关系数（Pearson correlation coefficient）和Boruta算法的组合，从初始特征集中识别出十个核心特征变量，这一过程有效提高了模型输入的相关性和可解释性。实验结果表明，特征选择显著提升了模型性能：与使用未选择特征集的模型相比，决定系数R²提高了0.2，均方根误差（RMSE）降低了2.33 Mg C/ha，平均绝对误差（MAE）降低了6.21%。Optuna优化的XGBoost模型表现出色，达到了R²为0.72（较基线XGBoost模型提高0.12），RMSE为24.48 Mg C/ha，MAE为18.56%，表明其具有优越的预测精度和稳定性。总之，本研究开发的集成框架将多源遥感数据与机器学习相结合，有效提升了区域尺度上森林地上碳储量的估算精度，为森林碳汇的动态监测与管理提供了可靠的理论基础和实践方法。

**研究背景与问题**
森林是陆地生态系统最大的碳库，储存了近50%的陆地碳储量，并贡献了约90%的全球大气与陆地碳通量。准确估算森林地上碳储量（AGC）对于理解碳汇潜力、应对气候变化以及实现可持续发展目标至关重要。然而，传统依赖野外调查的方法不仅耗费人力物力，还可能对森林生态系统造成干扰，且难以在区域尺度上推广。遥感技术虽具有空间覆盖广、时空分辨率高的优势，但单一遥感数据源（如光学或雷达）存在信号饱和、受气象条件限制、垂直结构信息不足等缺陷，导致估算精度低、不确定性高。近年来，机器学习模型（如随机森林、XGBoost）被用于森林碳储量反演，但模型性能受特征选择、超参数优化等因素影响显著。现有研究多采用简单回归或单一模型，未能充分挖掘多源遥感数据的互补信息，且缺乏系统性的超参数调优策略。因此，亟需开发一种集成多源遥感数据与智能优化算法的框架，以提升森林地上碳储量的估算精度和泛化能力。

**研究内容与结论**
研究人员以河北省雄安新区千年秀林为研究区，结合Sentinel-1微波雷达和Sentinel-2光学遥感影像，以及80个20m×20m样地的实地调查数据（2024年6月），开展森林地上碳储量估算研究。通过Pearson相关系数和Boruta算法进行特征选择，从原始34个特征中筛选出10个核心变量。构建并比较了随机森林（RF）、XGBoost、多元线性回归（MLR）和多层感知机（MLP）四种模型，并引入Optuna框架对XGBoost进行超参数优化（OP-XGBoost）。结果显示，特征选择使模型R²提升0.18，RMSE降低8.96 Mg C/ha，MAE降低7.9%；OP-XGBoost模型表现最优，测试集R²达0.72，RMSE为24.48 Mg C/ha，MAE为18.56%，显著优于其他模型。该研究为区域尺度森林碳汇遥感监测提供了可靠的理论基础和方法支持，成果发表在《Frontiers in Remote Sensing》。

**主要关键技术方法**
（不超过250字）
主要关键技术包括：1）多源遥感数据融合：利用Sentinel-1 C波段SAR（合成孔径雷达）的VV/VH极化后向散射系数和Sentinel-2 MSI（多光谱仪）的13个光谱波段、植被指数（NDVI、SAVI等）及灰度共生矩阵（GLCM）纹理特征（窗口5×5）；2）特征选择方法：先通过Pearson相关系数剔除弱相关特征（|r|<0.1），再使用Boruta算法进一步筛选出10个核心特征；3）机器学习模型构建：分别采用RF、XGBoost、MLR和MLP进行对比，基于80%训练集和20%测试集，并使用4折交叉验证防止过拟合；4）超参数优化：采用Optuna框架（基于贝叶斯优化和TPE采样策略，含动态剪枝机制）优化XGBoost的n_estimators、max_depth、learning_rate等参数。样本来源为河北省雄安新区千年秀林80个样地。

**研究结果**

**4.1 最优特征变量**
通过设计六组不同变量组合场景（包括光谱、植被指数、纹理、后向散射系数及其组合），利用XGBoost模型进行对比。研究发现，场景d（包含2个光谱波段、2个植被指数、5个纹理特征和1个VH极化后向散射系数）性能最优，测试集R²=0.60，RMSE=31.76 Mg C/ha，MAE=22.77%。该组合基于Pearson和Boruta算法筛选出的10个核心特征，包括Sentinel-2的B3、B4、B8波段，NDVI和SAVI，纹理特征（相关性、熵、均匀性、均值、二阶矩），以及Sentinel-1 VH极化。相比之下，仅使用雷达后向散射系数的场景b表现最差（R²=0.13），表明在密集森林区域微波信号易受干扰。多源特征融合显著优于单一数据源，且特征选择有效避免了冗余和过拟合。

**4.2 模型评估**
通过对比RF、XGBoost、MLR、MLP、贝叶斯优化XGBoost（BO_XGBoost）和Optuna优化XGBoost（OP_XGBoost）六种模型，发现OP-XGBoost模型表现最佳，测试集R²=0.72，RMSE=24.48 Mg C/ha，MAE=18.56%。相较于基线XGBoost（R²=0.60），R²提升0.12；相较于BO_XGBoost（R²=0.65），R²提升0.07。Optuna框架通过动态剪枝、异步并行和TPE采样策略，在超参数搜索中更高效地平衡了探索与利用，同时降低了训练集与测试集之间的性能差距，表明其增强了模型的泛化能力。误差指标方面，OP-XGBoost在所有评价指标上均领先，证实了梯度提升框架在遥感反演任务中的强适应性。

**4.3 森林碳储量空间分布**
利用OP-XGBoost模型和ArcGIS生成2024年研究区森林地上碳储量反演图。结果显示，研究区最小地上碳储量为32 Mg C/ha，最大值为284 Mg C/ha，空间分布呈中部偏北区域较高、南北较低的特征，变异显著。该分布与样地实测数据及人工林生长状况（以幼龄林为主）相吻合，验证了模型在区域尺度上的有效性。

**讨论与结论**
讨论部分指出，本研究通过多源特征融合（光谱、纹理、雷达）有效提升了模型性能，但其局限性包括：样地与像素尺度不匹配可能引入聚合误差；模型对混交林和纯林泛化能力存在差异；碳储量计算采用基于形数法和IPCC默认参数的体积转换方法，而非树种特异性方程，可能引入偏差；特征贡献分析仅通过场景对比而非严格消融实验，未能量化单个变量的贡献。未来工作建议整合无人机LiDAR三维结构数据，引入时间序列特征以捕捉物候影响，并应用SHAP分析或消融研究提升可解释性。此外，气候因子（温度、降水）和社会经济因素的纳入可能进一步增强模型在复杂人地系统中的适用性。

**研究结论**（翻译自原文5.2 Conclusion）
以河北省雄安新区千年秀林为研究区，本研究利用Sentinel-1微波和Sentinel-2光学数据估算森林地上碳储量。通过结合Pearson相关分析和Boruta算法选择最优预测变量，构建并评估了多种机器学习模型，并应用贝叶斯优化对XGBoost模型超参数进行调整。基于优化模型生成了2024年地上碳储量空间分布图。主要结论如下：
1）Pearson相关分析结合Boruta算法有效消除了多重共线性并降低了信息冗余，从34个原始特征中筛选出10个核心特征，使R²提高0.18，RMSE降低8.96 Mg C/ha，MAE降低7.9%。选出的Sentinel-1 VH极化特征对人工林三维结构参数敏感，而Sentinel-2植被指数、光谱波段和纹理特征对碳储量反演也有显著贡献。
2）在评估的模型中，Optuna框架优化的OP-XGBoost模型性能最优，测试集R²=0.72，RMSE=24.48 Mg C/ha，MAE=18.56%，显著优于随机森林、多层感知机、多元线性回归及未优化的XGBoost模型，实现了拟合能力与泛化性能的良好平衡。
3）本研究开发的模型适用于华北平原的人工用材林和生态公益林，在郁闭度0.4–0.7、林龄5–15年的同龄纯林或结构均一的林分中表现稳定。但需承认若干局限性：模型基于单时相遥感数据（2024年6月），未纳入时间序列特征，限制了捕捉森林碳储量季节动态和年际变化的能力；研究区以人工纯林为主，模型对天然林、针阔混交林或结构复杂的异龄林的适用性尚待验证；样地仅覆盖部分森林类型，有限样本量可能影响极端条件下的估算稳定性。未来研究应扩展到更广泛的森林类型和地理区域，并加入时间序列遥感数据及LiDAR三维结构信息，以进一步提升模型泛化能力和估算精度。