东北地理所完成10米空间分辨率中国滨海红树林冠层高度遥感反演
红树林冠层高度是估算红树林碳储存的关键参数,对于理解红树林生态系统碳循环过程及制定相关保护与恢复等策略至关重要。然而,受滨海地区复杂潮汐环境背景影响,在大尺度上精准反演红树林冠层高度一直是遥感领域的难题。先前的红树林冠层高度遥感研究成果基本为30米空间分辨率。2025年1月美国国家航空航天局科研人员Simard等基于2011-2013年间TanDEM-X卫星高程测量数据,首次发布了空间分辨率12米、RMSE为2.4米的全球红树林树高数据集。然而该数据集有两方面缺陷,首先所用的数据源不能支撑周期性监测,其次因为在全球红树林生长区的边缘(例如中国福建和浙江)红树林较为矮小,该数据集2.4米的高度误差很难满足实际应用需求。
为解决上述问题,中国科学院东北地理与农业生态研究所贾明明副研究员团队联合多家科研单位,通过融合高分辨率无人机激光雷达(UAV-LiDAR)、SDGSAT-1卫星数据及时间序列Sentinel-1/2影像,基于XGBoost回归模型率先绘制了10米空间分辨率中国滨海红树林冠层高度数据集(CMCH),精度检验结果R²为0.84,RMSE为1.19米。与现有全球尺度产品(如Simard_2025、Lang_2023、Potapov_2021等)相比较,中国红树林冠层高度的反演精度提升了40%。
该研究提出了一套多源遥感数据协同的冠层高度反演框架,首先,基于全国7个区域的UAV-LiDAR点云数据,获得了空间分布均匀的2022年红树林冠层高度样点;然后,协同SDGSAT-1多光谱数据与时间序列Sentinel-1/2影像,基于XGBoost回归模型以及冠层高度的样点,完成了10米空间分辨率中国红树林冠层高度数据集(CMCH)。该框架成功突破了高分辨率遥感数据覆盖范围有限、多模态影像协同建模复杂等困难带来的红树林冠层高度精细化反演的技术瓶颈,有效整合了多源遥感影像和机器学习模型,消除了潮汐动态影响,显著提高了红树林冠层高度反演的分辨率和精度。
研究发现,SDGSAT-1红边波段(10米)的引入,解决了Sentinel-2红边波段分辨率不足(20米)的瓶颈,成为冠层高度反演的最敏感变量(SHAP贡献值占比22%);中国红树林平均高度仅为6.0米,显著低于全球红树林的平均高度(12.7米),且平均高度随纬度增加而递减(图1);外来物种无瓣海桑(Sonneratia apetala)平均冠层高度8.8米,最高达18.7米,远超本土物种(如秋茄平均7.0米、白骨壤平均5.2米,图2)。另外,CMCH首次揭示了国家级自然保护区内、外红树林冠层高度的差异,即保护区外部因分布有较多的无瓣海桑,平均高度较保护区内的红树林高2.3米。
图1中国红树林冠层高度空间分布图及国家级红树林自然保护区内红树林冠层高度图;(a)海南东寨港;(b)广西北仑河口;(c)广西山口;(d)广东高桥;(e)深圳福田和香港米浦;(f)福建漳江口。
图2中国主要红树树种冠层高度箱线图
(KO:秋茄,AC: 桐花树,AM: 白骨壤,BG: 木榄,RS: 红海榄,CT: 角果木,SA: 无瓣海桑,LR: 榄李,ELR: 拉关木)
该研究发表在国际顶级期刊《Remote Sensing of Environment》,中国科学院东北地理与农业生态研究所为第一完成单位,贾明明副研究员为第一作者,张蓉特别研究助理为通讯作者。研究获国家重点研发计划青年科学家项目(2023YFF1305600)、国家自然科学基金(42076161,42101392)及可持续发展大数据国际研究中心开放研究计划项目(CBAS2022ORP06)支持。
论文链接:https://authors.elsevier.com/a/1ksIl7qzT71uH