人工林能为人类社会提供重要的物质供给和生态服务，是天然林保护和森林可持续管理的重要组成部分。受频繁的人类活动和自然干扰影响，人工林的生物量变化剧烈，是全球森林碳计量的重要不确定性来源。传统森林生物量估算方法严重受制于清查数据的可获得性与准确性，而这类数据通常更新缓慢、透明度低，难以涵盖人工林生物量的时-空动态。近年来，基于统计模型的遥感方法已成为估算森林生物量的重要技术手段，但是受光谱信号饱和、模型外推偏差大、无云数据获取困难等影响，该方法在我国主要的人工林分布区-亚热带地区的应用存在较大的困难。 

　　永利娱高ylg060net干扰生态学研究团队及其合作者以湖南省会同县为例，从森林干扰历史重建角度出发，利用Landsat时间序列数据实现了区域人工林林龄的遥感反算，并将其与树木异速生长模型和机器学习算法相结合，提出了以林龄为核心的人工林生物量遥感估算方法（图1）。通过与传统方法对比研究发现（图2），传统仅依赖光谱信息的方法难以区分不同林龄间生物量的差异；单纯添加林龄信息虽然可以改善传统方法的模型拟合优度，但是对于幼龄林、中龄林生物量仍然存在显著高估现象；通过结合林龄与异速生长模型可以改进人工林树密度和生物量的估算精度，所得结果与生态理论更为符合。亚热带地区是我国速生丰产林的主要分布区，同时也是我国生物多样性保护和水土保持重要功能区。本研究丰富了人工林碳计量的研究方法，同时可为亚热带地区森林生态与管理提供重要的信息支撑。 

　　该研究成果以Combining allometry and Landsat-derived disturbance history to estimate tree biomass in subtropical planted forests为题发表在遥感领域顶级期刊《Remote Sensing of Environment》上。干扰生态学组房磊博士为第一作者，杨健研究员为通讯作者，合作者包括硕士研究生张文秋（已毕业）、张伟东副研究员和闫巧玲研究员。该研究得到国家重点研发计划项目、国家自然科学基金项目以及中科院特色研究所项目的支持，数据收集工作得到了中国科学院会同森林生态实验站支持。

    文章链接