新闻公告人工碳汇林在我国西北高寒区广泛种植，准确估算其生物量是实现碳交易的重要基础。随着无人机技术的发展，无人机激光雷达被广泛地用于树木三维信息获取，但这一单一数据在幼龄针叶林中难以准确提取树木冠幅信息。此外，如何实现对幼龄针叶人工林生物量动态观测目前并无准确流程。
为解决这一问题，中国科学院新疆生态与地理研究所包安明研究员团队选择西部高寒区的青海省大通县，开展云杉幼龄林生物量反演研究。基于野外样地实测数据、无人机激光雷达+多光谱数据、吉林一号高分影像和哨兵-2多光谱影像等，验证了无人机融合数据替代传统人工样地测量的可行性，并基于深度学习和机器学习模型提取在高分卫星影像中提取人工林边界以及基于卫星影像的大范围幼龄针叶人工林生物量估算。
结果表明，基于融合了无人机激光雷达和多光谱数据获得的单木分割和单木参数提取结果均具有较好的表现，基于无人机数据计算的研究区人工林生物量为752.83t；RepLKNet模型在人工林提取方面表现最好，精度为0.83；使用随机森林和XGBoost模型估算的人工林生物量结果近似（RF（R2=0.639， RMSE=34.807/kg），XGBoost（R2=0.646，RMSE=40.635/kg）），使用50m分辨率的多光谱影像估算人工林生物量时精度最高。
相关成果以“UAV or satellites? How to find the balance between efficiency and accuracy in above ground biomass estimation of artificial young coniferous forest?”为题，发表在International Journal of Applied Earth Observation and Geoinformation。中国科学院新疆生态与地理研究所硕士生陶泽涪为论文第一作者，许文强研究员为通讯作者。该研究得到青海省科技厅科技成果转化专项、青海省“昆仑英才·高端创新创业人才”等项目的支持。
文章链接：https://doi.org/10.1016/j.jag.2024.104173
图1 无人机融合数据提取流程示意图
图2 不同深度学习人工林识别结果对比
图3 云杉点云、点云、CHM数据冠幅精度验证