泰国南部红树林碳储量的建模估算方法开发

《International Journal of Remote Sensing》：Development of modelling approach to estimate mangrove carbon stock in Southern Thailand

　　

蓝碳生态系统尤其是红树林在减缓碳排放和强化气候变化制度响应中至关重要。估算红树林碳储量对理解其气候减缓贡献必不可少。然而在泰国等地区，克服传统野外方法局限的技木进展有限。研究人员旨在泰国洛坤府班林红树林引入基于机器学习与多传感器遥感结合的碳估算方法。研究采用主动（Sentinel-1、ALOS2/PALSAR2）与被动（UAV）遥感数据，结合遗传算法(GA)优化的机器学习模型估算地上生物量(AGB)，并融入红树林类型分类。结果表明支持向量回归(SVR)模型表现最优，R2达0.92，RMSE为18.24 ton·ha?1；将红树林类型分类纳入建模后RMSE显著降至约10.50至15.87 ton·ha?1，为东南亚显著进展。SVR与XGBoost按类型建模型效最佳。该研究首次在泰国将SAR与UAV融合用于红树林碳估算并结合类型分类，为支撑国家及全球气候目标提供有效评估路径。

研究背景方面，红树林作为热带碳密度最高的森林系统之一，平均碳储量约1023 ton·ha^?1，东南亚2001—2022年红树林年均损失16387 ha，释出约691.8百万吨CO₂e·year^?1。泰国承诺2050年碳中和、2037年林业吸碳1.2亿吨，但传统野外估碳成本高、覆盖窄、潮间带可达性差。此前泰国多用异速生长方程，东南亚其他研究R²仅0.66—0.81，且班林红树林既往遥感研究尺度小。为此，研究人员在泰国南部洛坤府班林红树林（约572.34 ha，含白骨壤Avicennia marina纯林与白骨壤—红树混交林）开展研究，目标是融合多源遥感与机器学习并嵌入类型分类以提升AGB/AGC估算精度，服务泰国的NDC与T-VER碳信用机制。论文发表于《International Journal of Remote Sensing》。

关键方法上，研究人员以2023年4月至2024年7月野外分层随机布设30个半径7 m圆形样圆（DBH>5 cm）为地面真值，样地位于生态游憩区；遥感侧取UAV正射影像（算NDVI等植被指数、GLCM纹理、冠层高度模型CHM），Sentinel-1A C波段VV/VH（SNAP辐射校正、Lee Sigma滤波、Range-Doppler地形校正转dB），ALOS2/PALSAR2 L波段HH/HV（GEE获取转dB），统一重采样至14 m分辨率；以Pearson相关筛冗余，遗传算法(GA)结合5折交叉验证选特征，Optuna调参，SMOGN过采样防过拟合，比对RF、SVR、XGBoost、MLR，按IPCC 2006取AGC=0.5×AGB。

研究结果部分，3.1红树林类型分类中，经各极化通道均值分布比较，ALOS2/PALSAR2的HH/HV比值重叠最小（0.18 dB），取0.53 dB为阈值，制图显示白骨壤纯林287.36 ha（50.21%）、混交林284.98 ha（49.79%），总体精度76.67%，白骨壤精度0.81/召回0.76/F1 0.79，混交林略低，印证内陆盐度低处多纯林、向海开敞处多混交。3.2地上生物量建模中，GA经48代优选9变量（UAV绿、近红外、NDVI、SAVI、GNDVI、TSAVI、H_std，S1A的VV，ALOS2的HH-HV），全林联合建模SVR最优（R²=0.92，RMSE=18.24 ton·ha^?1，Willmott d=0.98），排列重要性显示HH-HV贡献最大，VV与H_std次之，光学指数补充；全林SVR估总AGB 40372.86 ton、AGC 20186.43 ton。分类型建模进一步降本：白骨壤纯林SVR达R²=0.93、RMSE=10.50 ton·ha^?1；混交林XGBoost达R²=0.88、RMSE=15.87 ton·ha^?1，分类型合计AGB 42257.26 ton、AGC 21128.63 ton。讨论部分指出，L波段HH-HV穿透冠层优於C波段，但AGB超50 ton·ha^?1后后向散射趋平存饱和，UAV高度与纹理缓解该效应；样本仅30圆致独立验证缺失、精度或偏乐观；HH/HV阈值法好於最大似然旧法，但参考点偏游憩区，未来可引入高光谱与LightGBM。结论部分翻译如下：本研究显示，融合被动与主动多源遥感（UAV、S1A SAR、ALOS2/PALSAR2 SAR）与GA特征选择的先进机器学习，可显著提升班林红树林AGB与AGC估算精度；SAR极化对预测精度影响强，纳入红树林类型分类进一步优化模型，GA优化XGBoost与SVR估算稳健且与异速生长实测吻合。尽管存在地面样圆少等局限，该法成本效益高、可扩展，可直接支撑泰国T-VER及全球海岸带可持续管理。