
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于深度学习与卫星遥感的中非森林小尺度干扰及碳收支估算(2019–2022)
《Nature Communications》:Net carbon losses in Central African forests revealed by high-resolution biomass change maps
【字体: 大 中 小 】 时间:2026年09月19日 来源:Nature Communications 18.1
编辑推荐:
摘要中非的茂密湿润森林拥有巨大的生物量碳储量,但正日益受到小规模干扰的影响,而这些干扰目前难以通过卫星观测检测到。在此,我们利用深度学习结合星载激光雷达和哨兵 -1/-2 图像,生成了 2019 至 2022 年的 10 米冠层高度图,并以 30 米分辨率推导出地上生物量的变
中非的茂密湿润森林拥有巨大的生物量碳储量,但正日益受到小规模干扰的影响,而这些干扰目前难以通过卫星观测检测到。在此,我们利用深度学习结合星载激光雷达和哨兵 -1/-2 图像,生成了 2019 至 2022 年的 10 米冠层高度图,并以 30 米分辨率推导出地上生物量的变化。这些地图揭示了广泛分布的小干扰斑块,其中 87% 小于 1 公顷。这些斑块占再生森林生物量碳增量的 48% 和砍伐导致碳损失的 37%。我们估计森林碳净损失为 -58 ± 14 Tg C yr?1,其中总损失为 -126 ± 21 Tg C yr?1,部分被 68 ± 10 Tg C yr?1 的碳增益所抵消。刚果民主共和国显现为净碳源(-46 ± 11 Tg C yr?1),占区域损失的 79%,这主要是由于森林退化所致,尽管该国在幼龄次生林中的碳增益最大。我们对国家碳预算的遥感估计与国家层面清单及簿记模型估算结果基本一致,这为空间明确且透明的碳监测铺平了道路。