森林生物量是评估森林固碳能力、研究碳循环过程以及制定气候减缓策略的核心参数。准确监测生物量空间格局并识别主导因素，对于量化碳收支、应对全球气候变化和完善森林资源管理决策具有重要意义。然而，现有监测技术多依赖经验模型，往往忽略了物种特异性异速生长规律和种间生物量分配差异等核心生态信息，导致大尺度估算结果普遍存在景观均质化现象，难以反映真实的林分异质性。

针对上述问题，东北地理所地理景观遥感学科组研究人员集成多源遥感数据，以树种特异性为切入点，构建了耦合“优势树种分层-树种异速生长”关系的生物量综合反演框架，实现了东北全域生物量的高精度制图。此外，结合可解释性机器学习算法，系统解析了生物量空间分异的主导因子。结果表明：东北全域优势树种的分类总体精度达87.93%，生物量模型表现稳定（rRMSE=32.16%），精度显著优于现有主流生物量产品；生长季平均降水量是解释全区域生物量空间变异的核心因子。

图1 东北地区优势树种（左）与森林地上生物量（右）空间分布

本研究提出的框架有效缓解了复杂林分中因物种异质性导致的估算偏差；同时，通过整合树种异速生长规律和树高遥感产品，为大尺度生物量估算提供了可扩展、高可信的技术方案。目前，研究生成的东北全域优势树种分布图与生物量数据集已公开发布（https://doi.org/10.5281/zenodo.18082538）。

研究成果近期在线发表于中国科学院一区TOP期刊GIScience & Remote Sensing上，东北地理所特别研究助理刘盼为第一作者、任春颖研究员为通讯作者。该研究得到了中国博士后科学基金（BX20250085）、科技基础资源调查计划(2022FY101902)等项目共同资助。

论文信息如下：

Pan Liu , Chunying Ren, Yeqiao Wang , Yanbiao Xi , Huixin Ren , Chenzhen, Xia , Guang Yang , Mingming Jia & Zongming Wang (2026) Integrating tree species composition with height-driven allometry for enhanced aboveground biomass mapping, GIScience & Remote Sensing, 63:1, 2650547, DOI: 10.1080/15481603.2026.2650547.