《Trees, Forests and People》：Adaptive Weighted Fusion of GEDI, ICESat-2 and Sentinel-2 data for Forest Aboveground Biomass Mapping
编辑推荐：
森林地上生物量（aboveground biomass，AGB）的精确制图对区域森林碳评估和生态系统监测至关重要。星载激光雷达任务，包括全球生态系统动力学调查（Global Ecosystem Dynamics Investigation，GEDI）和冰、云与
森林地上生物量（aboveground biomass，AGB）的精确制图对区域森林碳评估和生态系统监测至关重要。星载激光雷达任务，包括全球生态系统动力学调查（Global Ecosystem Dynamics Investigation，GEDI）和冰、云与陆地高程卫星-2（Ice, Cloud, and land Elevation Satellite-2，ICESat-2），提供了宝贵的森林垂直结构观测数据，已成为大尺度AGB估算的重要数据源。然而，由于星载激光雷达观测分布稀疏，在大范围区域获得可靠的AGB估算仍具挑战性。为克服这一局限，研究人员提出了一种GEDI与ICESat-2数据的自适应融合方法，将样本驱动的激光雷达插值与光学AGB图相结合，以实现空间连续的AGB制图。首先，利用激光雷达度量、Sentinel-2预测变量和地形变量，从GEDI和ICESat-2观测中估算光斑尺度AGB。其次，应用样本驱动的插值方案，通过联合考虑传感器可靠性、空间邻近度和特征空间相似性，从稀疏激光雷达观测生成连续AGB估算。最后，由Sentinel-2和地形变量生成光学AGB图（optical AGB map，OAM），并在像素级别利用局部差异和边界强度对插值AGB图（interpolated AGB map，IAM）与OAM进行自适应融合，生成最终AGB图。实验结果表明，OAM与IAM的自适应融合提高了森林AGB制图精度。与单独使用OAM（R2 = 0.53，RMSE = 24.17 Mg/ha）相比，融合后的AGB图取得了R2 = 0.68，RMSE = 18.39 Mg/ha。研究结果证明了该框架在稀疏激光雷达采样条件下改进森林AGB制图的潜力。
森林是陆地生态系统中最大的碳库之一，森林地上生物量
