森林生物量作为评估森林碳汇能力和研究全球碳循环过程的关键参数，其精确估算对于全球气候变化研究具有重要意义。然而，现有遥感反演方法受地面实测数据不足及森林结构空间异质性高等限制，生物量估算结果存在显著不确定性。在此背景下，突破有限样本条件下的建模瓶颈，发展融合多源遥感数据与林分结构参数的新型估算模型，将成为提升区域尺度生物量估算精度的关键，不仅有助于降低碳储量评估的不确定性，更能为全球气候变化应对策略的制定和森林资源可持续管理提供科学依据。

东北地理所地理景观遥感学科组研究人员集成应用主被动遥感影像（ICESat-2 LiDAR、ALOS-2 PALSAR、Sentinel-1和Sentinel-2）和环境数据（气候、地形、土壤和干扰数据），结合实测生物量和优势树种调查数据，提出了从地面样点到激光雷达光斑的样本扩充策略，研发了协同森林三维结构特征、高精度树种类型以及环境异质性参数的升尺度树种分层生物量遥感估算模型。以中国北方森林作为研究区，与传统模型、升尺度模型（仅考虑样本扩充策略）和树种分层模型（仅考虑树种分层策略）进行对比，验证了升尺度树种分层模型的有效性。结果表明：升尺度树种分层模型的森林生物量估算精度（R²=0.82，rRMSE=24.8%）显著优于传统模型、升尺度模型和树种分层模型（R²：0.65-0.75，rRMSE：26.98-32.03%）。该模型通过整合森林垂直结构信息和增加样本量改善了生物量估算结果，降低了对实测样本的依赖；通过降低树种间水平和垂直结构的异质性干扰，并适配树种与环境交互的局部特征，提升了生物量估算精度。本研究基于开放数据集、算法和平台的升尺度树种分层生物量估算框架，为区域乃至全球尺度生物量精准估算提供了有效途径。

图1 基于升尺度树种分层模型的森林生物量估算流程图

相关研究成果发表在国际期刊《Geo-spatial Information Science》和《Scientific Reports》上，中国科学院东北地理所刘盼博士为第一作者、任春颖研究员为通讯作者。研究得到国家自然科学基金(No.42171367)和科技基础资源调查计划(No.2022FY101902)等项目共同资助。

论文信息如下：

Liu,P.,C. Ren,Z. Wang,M. Jia 2025.Improving aboveground biomass estimation by integrating ICESat-2 LiDAR sampling and tree species stratification strategies using multi-source datasets,Geo-spatial Information Science. DOI: 10.1080/10095020.2025.2516609.

Liu,P.,C. Ren,X. Yang,Z. Wang,M. Jia,C. Zhao,W. Yu,H. Ren. 2024. Combining Sentinel-2 and diverse environmental data largely improved aboveground biomass estimation in China’s Boreal Forests.Scientific Reports 14 (1):27528. DOI:10.1038/s41598- 024-78615-9 .