Resonon | 利用Resonon Pika L估算亚热带森林中单木尺度的地上碳储量

随着全 球变暖和温室效应的加剧，碳循环已成为全 球气候变化研究的热点。森林具有吸收和固定大气中CO2的能力，是陆地生态系统最 大的碳库。联合国政府间气候变化专门委员会（IPCC）多次指出森林在调节全 球碳循环和缓解气候变化中发挥着无可替代的作用，具有减少碳排放，增加碳汇的潜力。正确估算森林碳储量可以准确评估森林生态系统的固碳潜力，对于深入研究区域生态环境和全 球气候变化至关重要。然而，准确快速评估树木碳储量仍是一个挑战。传统上基于样地的采样方法可以获取准确的森林碳储量，但费事费力，成本高，难以适用于大区域。机载激光雷达可获取准确的森林环境三维结构信息，而高光谱成像可以提供详细的反射率信息。因此，结合机载激光雷达和高光谱数据可以获取森林生物物理和生物化学特征，以更好的估算森林地上生物量或碳储量。已有研究进行了样地水平或树木水平森林地上生物量或碳储量方面的研究，然而，这些研究仅利用高光谱信息对树种进行分类，并没有建立树木碳储量估算模型。

基于此，为填补研究空白， 研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园进行了相关研究，旨在调查UAV LiDAR和高光谱数据相结合能否提高单木尺度地上碳储量的估算。

图1 研究区位置

作者在研究区获取了LiDAR数据以及UAV高光谱图像数据（DJI Matrice 600 Pro UAV+Resonon Pika L高光谱相机）。同时进行了野外实地调查，测量了树木高度（H）和胸径（DBH），记录了每颗树的位置，基于碳系数（CC）和地上生物量（AGB）（包括茎生物量（stemAGB）、枝条生物量（branchAGB）和叶生物量（leafAGB）），计算树木碳储量（CS）作为控制数据。

作者首先通过基于CHM的分水岭分割算法描述了单木，然后分别从UAV LiDAR和高光谱数据中提取了结构和光谱特征，通过Pearson相关分析评估LiDAR特征、高光谱特征和树木碳储量之间的关系，在此基础上选择特征进行模型开发。最 后，基于Schumacher-Hall方程和逐步多元回归开发树木碳储量估算模型，并利用决定系数（r2）、均方根误差（RMSE）、平均绝 对误差（MAE）、RMSE百分比（PRMSE）和均方根百分比误差（RMSPE）评估了预测模型的性能。

图2 LiDAR特征，高光谱特征和控制数据之间的相关系数

图3 树木碳储量估算模型的预测误差和误差百分比

图4 树木碳储量观测值和模型估算值的描述性统计

【结论】本研究中，作者探索了结合UAV LiDAR和高光谱数据估算亚热带森林树木碳储量的潜力。分别从UAV LiDAR和高光谱数据提取了树木水平的结构和光谱特征，评估了单独利用LiDAR和高光谱特征以及结合使用预测单木地上碳储量的能力。结果表明单独使用LiDAR或高光谱特征可以产生合理的碳储量（r2分别为0.74和0.75）。正如预期的那样，LiDAR和高光谱数据相结合可以在一定程度上提高树木碳储量估算的准确性（r2=0.89），并将LiDAR衍生的PH95和高光谱衍生的GI纳入组合模型中。这种改善可能归因于碳储量不仅与LiDAR数据中提取的树木结构特征有关，而且与高光谱信息反映的生物量转换因子以及碳系数有关。因此，如果LiDAR和高光谱数据均可获得，那么LiDAR和高光谱数据的融合是准确估算树木地上碳储量的最 佳方法。该研究为研究者和森林管理者提供了获取更准确树木碳储量的宝贵资源。未来研究应该集中在改进该方法以适用于具特定异速生长方程的更多森林类型中以及更大区域中。此外，基于树木碳储量估算的方法，应获取多时相遥感数据，用于估算森林碳固存，以缓解气候变化带来的不可避免的影响。