森林树冠高度映射的缩放和采样依赖性,以使用空中LiDAR和小面积估计进行管辖生物质报告

科学领域:

• 林业和遥感 林业和遥感
• 生态建模 生态建模
• 地理空间分析的研究.

背景情况:

• 空载激光扫描 (ALS) 和卫星图像已经为森林碳生物质估计提供了先进的树冠高度映射.
• 评估细粒度树冠高度产品的成本效益对于使用库存图片校准模型进行生物质预测至关重要.

研究的目的:

• 用ALS数据评估预测尺度对生物质估计准确性的影响.
• 将传统的基于设计的 (DB) 估计与基于模型的 (MB) 和小面积估计 (SAE) 方法进行比较,以在不同尺度上预测生物质.

主要方法:

• 在西班牙的15,500平方公里范围内,生物质被估计使用田间地块和ALS指标.
• 针对基于ALS的生物质预测器,测试了10m,25m,44m和100m的预测尺度.
• 三种估计方法进行了比较:DB,MB (使用不同规模的ALS指标) 和SAE用于分管辖区的领域.

主要成果:

• 基于设计的 (DB) 估计显示了更高的不确定性,特别是在分管辖区层面.
• 基于模型的 (MB) 估计显示,随着规模的增加 (10m到100m),不确定性增加,相对偏差在10m时高达11%.
• 小面积估计 (SAE) 提供了DB和MB之间的生物质估计,不确定性低于DB,特别是在国家森林库存 (NFI) 采样稀疏的情况下.

结论:

• 预测尺度显著影响生物质估计的准确性和不确定性.
• 小面积估计 (SAE) 为传统方法提供了强大的替代方案,将遥感数据集成为更可靠的生物质推断,特别是在数据稀缺的地区.
• SAE统计数据有效地区分了基于ALS的生物质推断与传统的NFI估计.