卫星观测与动态全球植被模型估算的全球地上生物量比较研究
全球森林碳库是衡量森林固碳能力和提供生态服务（如木材）的重要指标，尤其在气候变化的背景下更具重要意义。然而，由于缺乏充分的森林清查数据，全球森林碳存量的估算存在较大不确定性。Bassil El Masri等人最新发表的研究对比分析了来自五个卫星全球数据集与九个动态全球植被模型（DGVMs）的地上生物量（AGB）估算结果，深入探讨了数据集之间的差异和不确定性来源。🌿🌍
英文题目：Comparison of Global Aboveground Biomass Estimates From Satellite Observations and Dynamic Global Vegetation Models
中文译名：卫星观测和动态全球植被模型估算的全球地上生物量比较
发布时间：2024年12月27日
发表期刊：JGR Biogeosciences
第一作者：Bassil El Masri et al
第一单位：默里州立大学
DOI：10.1029/2024JG008305
地上生物量（AGB）估算的差异
研究表明，卫星观测与模型模拟的地上生物量存在显著差异。卫星数据估算的AGB普遍低于DGVM模拟结果。🌍📡
热带地区的不确定性最大
数据集的AGB估算在热带地区呈现出最大的不确定性，原因主要包括森林覆盖和遥感数据的不足，特别是在具有复杂冠层和持久云层覆盖的热带区域。🌳🌧️
提升未来地上生物量估算准确性的建议
研究建议，未来通过高质量的全球森林区地图和激光雷达（LIDAR）数据，结合机器学习方法，可以显著提高AGB估算的准确性，减少不同卫星和模型数据集之间的差异。📊🛰️
卫星数据与模型模拟一致性分析🌍
空间分布：尽管卫星和模型估算的AGB在数值上存在差异，但二者在全球AGB空间分布的趋势上是一致的，均显示热带地区的AGB密度最高。
影响AGB估算的关键因素🌿
不确定性来源：卫星数据的不确定性主要源于森林覆盖的准确性和遥感数据的获取，特别是在热带地区，云层覆盖和复杂冠层的存在大大增加了估算的误差。
提升AGB估算准确性的路径🔧
模型与数据集的比较：研究建议，未来通过卫星数据与模型的对比，可以更好地约束AGB值，并通过LIDAR数据和机器学习方法进一步减少误差，提高全球森林碳库存的估算精度。
本研究首次对比了卫星观测与动态全球植被模型（DGVMs）在估算全球地上生物量方面的差异，揭示了两者在空间分布上的一致性和在数值上的不一致。卫星数据的AGB估算普遍低于DGVM模拟值，特别是在热带地区，由于云层覆盖和森林覆盖复杂性，卫星数据的不确定性更大。通过改进森林区地图、使用激光雷达数据和机器学习算法，未来有望显著提升地上生物量估算的精度。
未来展望：为了进一步减少误差，研究者建议对现有的地面数据（如地块级AGB和树高数据）进行综合分析，这将有助于约束估算结果并降低误差。研究还强调了在卫星数据集和模型结果中，森林区数据的选择对AGB估算结果的影响，呼吁开展新的比较研究，不仅聚焦于AGB的驱动因素（如LAI、NDVI等），还应关注森林区数据的准确性。
图1. 卫星得出的AGB数据集(浅灰色条)和TRENDY模型模拟(深灰色条)之间的总AGB(PgC)估计值比较。
图2. 基于卫星AGB数据集的植物功能型(PFT)总AGB(PgC)。
图3. 不同卫星AGB数据集中AGB密度的空间变异性。
图4. 洞根据每个卫星AGB数据集报告的AGB标准误差的空间变异性。
图5. 每个卫星AGB数据集的AGB密度纬度变化(a)AGB;(b)AGB密度的标准误差。
图6. 基于TRENDY模型的植物功能型(PFT)总AGB(PgC)。
图7. TRENDY模型中2000-2020年期间平均AGB密度的空间变异性。
图8. 2000-2020年期间每个TRENDY模型的平均AGB密度的纬度模式以及集合平均值。
图9. TRENDY集合平均值(灰)和基于卫星的集合平均值(黑)AGB密度估计中的纬度模式。
E N D
获取方式：关注我们的微信公众号“地学韦丰吉司长”。后台回复关键字“20250101-4”，即可直接获取原文PDF。（提示：关键字要完整）
免责申明
本推送文章（数据）来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享。欢迎广大学者们转发本号发布的内容，可留言或后台私信韦丰小编进行授权，转载请注明出处，侵删。
