森林作为陆地生态系统的主体，在全球碳收支中发挥着重要作用，地上生物量（Above-ground biomass, AGB）通常用于量化森林碳储量，是精确碳核算的重要组成部分。目前，丰富的遥感数据对于绘制大范围区域的森林生物量空间分布图提供了可行性。在大尺度AGB估算制图时，通常使用不同传感器类型的遥感数据组合来克服单一数据的局限性。然而，多源遥感数据及其组合在 AGB 估算中的有效性尚不明确。

本研究基于随机森林和极限梯度提升算法，以地面样方调查数据作为训练和验证数据绘制了大兴安岭地区30m分辨率的AGB地图。在这个过程中对比了光学遥感多光谱 (Sentinel-2)、C波段和L波段微波遥感SAR (Sentinel-1和ALOS/PALSAR)、地形四类数据以及它们之间不同的组合对于估算AGB的能力。

结果表明光学遥感数据、微波遥感数据以及地形数据的组合对于AGB估算是最有效的。光学遥感数据中，Sentinel-2特有的红边波段具有重要作用。微波遥感数据中更长波长的L波段ALOS/PALSAR数据比C波段的Sentinel-1数据更有用。此外地形对AGB估算的作用不可忽视，甚至超过了微波遥感数据。研究绘制的AGB地图可为未来森林保护区的规划和监测以及土地利用管理提供参考。

研究成果以“Estimating Aboveground Biomass of Boreal Forests in Northern China Using Multiple Data sets”为题发表在IEEE Transactions on Geoscience and Remote Sensing。我院2022级博士研究生李佳诺为第一作者，郭蒙副教授为通讯作者。该研究得到国家自然科学基金“碳专项”项目（32241033）和面上项目（42371098）的资助。

     原文链接：https://ieeexplore.ieee.org/document/10546299

      DOI: 10.1109/TGRS.2024.3408316

图1.不同类型数据因子的相对重要性排序

图2.地上生物量空间分布图及其像元统计