通过基于元分析的近距离遥感来评估森林地表生物质和碳储存估计的准确性

科学领域:

• 林业和遥感 林业和遥感
• 生态监测 生态监测
• 生物质估计生物质估计

背景情况:

• 准确的森林地表生物质 (AGB) 估计对于了解碳捕获和森林健康至关重要.
• 近距离遥感技术已经进步,需要在各种尺度和方法上进行全面的准确性评估.
• 现有的方法需要改进,以解决尺度依赖的精度和传感器限制.

研究的目的:

• 量化评估不同的近距离遥感方法的准确性,以估计森林AGB.
• 为了比较地面LiDAR,无人机,光谱和RGB传感器在单树,图形和立体尺度上的性能.
• 确定提高AGB估计准确性的关键变量和策略.

主要方法:

• 通过187项全球调查和233个数据集进行了元分析.
• 使用R-平方 (R2) 作为效果大小来评估准确性.
• 对比地面LiDAR,无人机,光谱和RGB传感器在单个树,图片和立场尺度上.
• 评估了独立变量 (例如,DBH,H) 在全度方程中的影响.

主要成果:

• 地面LiDAR在单个树和图片尺度上表现出最高的准确性.
• 随着研究规模的增加,准确性和样本大小下降.
• 在乳房高度 (DBH) 和树高度 (H) 中整合直径提高了估计准确性.
• 由于固有的局限性,没有一个单独的传感器能够独立地获得最佳结果.

结论:

• 近距离遥感是森林AGB估计最有效的方法,性能优于传统技术.
• 多源数据集成和规模适应策略显著提高遥感效率.
• 未来的努力应集中在数据标准化,深度学习和非破坏性验证上,以精确监测森林碳.