1. 研究背景
森林地表特征的信息对于了解森林生态系统及其对气候变化的响应至关重要。森林地表植被在森林生态系统的光合作用和营养循环中起着关键作用，影响水质并为森林的生物多样性作出贡献。此外，近年来温带和北方森林下层植被的变化似乎与气候变化、森林管理相关。还有证据表明，下层植被对森林干扰有显著响应，因此，应更多关注开发监测森林地表特征的方法。
对森林地表植被进行重复性和大规模调查极其费力。因此，遥感技术为从局部到区域空间尺度监测森林地表特征提供了宝贵高效的工具。此前基于光谱仪测量的研究已证明，原位光谱数据在鉴别苔藓、地衣以及常见下层植被类型方面在北方森林中具有潜力。在生长旺季期间，下层植被的时间变化（例如叶绿素含量和植物结构的物候变化）也会影响其在北方森林和亚北方森林中的光谱特性。尽管原位研究表明光谱数据具有潜力，但利用机载或星载光谱数据在较大空间尺度上监测下层植被特征仍具有挑战性，因为通常遥感数据中的大多数像元由森林地表和树冠层的混合信号组成。
2.创新之处
本文报告了一项实例研究，探讨使用主动遥感技术（TLS、ALS、SAR）在欧洲温带、亚北方和北方森林生态系统中建立森林结构与森林地表光谱特性之间的关联。该研究基于此前报道的森林地表特征、光可用性和森林结构之间的生态相互关系。我们关注森林地表的反射光谱，因为它是森林地表植被健康状况和物候状态的多功能指标，同时也是气候模型所需的参数。森林地表（或下层植被）的光谱特性可以直接应用于监测森林生态系统干扰后恢复进程，或者作为森林数字孪生模型的输入，或者作为气候模型中地表模型的一部分（Fisher and Koven, 2020），以适应用户的多样化需求。此外，强调连续数据（光谱）而非离散分类能保留植被中存在的自然梯度，从而提供更现实的表征，更好地满足生态系统监测的需求。
3. 关键图表
图1 研究样地中数据采样的空间配置
图2 研究技术流程图
图3 使用（a）仅TLS，（b）仅ALS，（c）仅SAR和（d）TLS、ALS和SAR耦合，从训练和测试集中计算得到的森林结构指标的绝对平均系数，系数是通过lasso regularization进行优化。
4. 主要结论
结果显示，有九个森林结构指标可能与森林地表反射率相关。我们确定了TLS-derived clumping index以及SAR-derived VV backscatter coefficient和VH/VV比值，与某些Sentinel-2光谱波段的森林地表反射率显著相关。总体而言，主动遥感传感器在红边、近红外和短波红外区域对森林地表反射率的预测表现最佳。结合所有三种传感器的数据预测森林地表光谱的效果优于单独使用任何一种传感器数据。当仅使用单一传感器数据时，SAR数据在红边和近红外区域对森林地表反射率的预测精度最高，而在短波红外区域，SAR或TLS数据预测表现最佳。未来，在温带和北方森林中预测森林地表特征的精度可能会从被动遥感技术与主动遥感技术的协同作用中获益。
5. 发表信息
Mercier A, Myllymäki M, Hovi A, et al. Exploring the potential of SAR and terrestrial and airborne LiDAR in predicting forest floor spectral properties in temperate and boreal forests[J]. Remote Sensing of Environment, 2025, 316: 114486.
6．声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
