利用森林清查与多源卫星遥感数据估算中国东北寒温带森林冠层整体密度以模拟火行为

《Ecological Genetics and Genomics》:Estimation of canopy bulk density for modeling fire behavior in boreal forest of Northeastern China using forest inventory and multisource satellite remote sensing data

【字体: 大 中 小 】 时间:2026年07月15日 来源:Ecological Genetics and Genomics CS1.8

编辑推荐:

  冠层整体密度(Canopy Bulk Density, CBD)数据是模拟树冠火行为的关键要素。目前中国境内鲜有研究在大尺度景观尺度上生成空间连续的CBD分布图。本研究开发了一个框架,利用中国森林清查数据与多源遥感影像估算CBD。研究人员基于载荷除以深度(lo

  
冠层整体密度(Canopy Bulk Density, CBD)数据是模拟树冠火行为的关键要素。目前中国境内鲜有研究在大尺度景观尺度上生成空间连续的CBD分布图。本研究开发了一个框架,利用中国森林清查数据与多源遥感影像估算CBD。研究人员基于载荷除以深度(load-over-depth)的概念,结合中国国家级森林清查样地数据与物种特异性异速生长方程,设计了一种计算样地尺度CBD的间接方法。采用皮尔逊(Pearson)相关分析与递归特征消除(Recursive Feature Elimination, RFE)为集成学习算法筛选最优预测因子,包括随机森林(Random Forest, RF)、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)和极端梯度提升(eXtreme Gradient Boosting, XGBoost)。其中RF算法表现最优,模型的判定系数(R2)分别为0.67和0.57,均方根误差(Root Mean Square Error, RMSE)值分别为0.0219 kg/m3和0.0269 kg/m3。研究人员利用RF模型最终生成了研究区10米分辨率的CBD分布图,揭示其值介于0.0180至0.1476 kg/m3之间,平均值为0.0808 kg/m3。基于RMSE和相对均方根误差(relative RMSE, rRMSE)量化了空间外推中的像元级不确定性,此外通过可解释性分析识别了各选定特征的贡献。所得地图的精度可作为中国寒温带森林的基准。
该研究聚焦于中国东北大兴安岭寒温带林区树冠火行为模拟的关键燃料参数冠层整体密度(Canopy Bulk Density, CBD)的估算问题。研究背景在于火患是该区域主要挑战,树冠火较地表火更难控制且造成深远影响,如1987年黑龙特大火灾所示,因此识别高风险区至关重要。现有的火行为模拟模型如FlamMap和FARSITE需要详细连续的冠层燃料空间分布数据,其中CBD是影响火蔓延速率及地表火向树冠火转变的关键生物物理参数。然而CBD难以原位无损直接量化,需冠层垂直分层生物量信息,且传统光学仪器与单木调查耗时耗力,限制大范围应用。中国缺乏一致的样地尺度CBD实地数据,现有研究多集中于美欧,国内大尺度空间连续CBD制图尚属空白。为此,研究人员旨在整合中国国家级森林清查(Chinese National Forest Inventory, CNFI)数据集与多源卫星遥感影像,构建CBD估算框架,开发样地CBD计算方法,评估集成学习算法性能并量化预测因子贡献,以生成高分辨率CBD分布图服务于森林防火管理。该论文发表在《Ecological Genetics and Genomics》。
为开展研究,研究人员主要采用了若干关键技术方法。样地数据来源于研究区384个CNFI样地,采集于2021与2022年夏季,样方为0.0667公顷正方形。遥感数据涵盖Sentinel-2光谱波段与指数、Sentinel-1与ALOS-2 PALSAR雷达极化特征、NASADEM地形因子,均在Google Earth Engine平台预处理并重采样至10米,利用WorldCover产品掩膜非林地。CBD计算采用间接的载荷除以深度法,结合物种特异性异速生长方程估算冠层枝与叶生物量及冠长。样本质量控制采用四分位距法与Cook距离剔除异常值。特征选择结合Pearson相关分析与递归特征消除(Recursive Feature Elimination, RFE)。建模对比了随机森林(Random Forest, RF)、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)和极端梯度提升(eXtreme Gradient Boosting, XGBoost)三种集成学习算法,利用网格搜索调参,以决定系数(R2)、均方根误差(Root Mean Square Error, RMSE)、相对均方根误差(relative RMSE, rRMSE)评估,并采用SHapley Additive exPlanations(SHAP)进行模型可解释性分析,基于分箱法生成像元级空间预测误差图。
研究结果部分内容如下。
3.1. Descriptive statistics of CBD at plot-level and outlier removal
通过对原始样地CBD值分布统计,初始范围0.0025至0.6307 kg/m3,均值0.0934 kg/m3。利用四分位距法设定上限0.2093 kg/m3剔除22个异常值,随后以4/n为阈值计算Cook距离剔除22个样本,最终保留340个样地进行估算,显示低质量样地导致CBD变异性较大,筛选后数据更稳定。
3.2. Selection of variables
相关分析识别出24个与CBD显著相关的变量(p < 0.05),包括Sentinel-2的7个光谱带与8个指数、Sentinel-1的3个极化特征、PALSAR-2的4个极化特征及2个地形变量。多数光谱带呈负相关,指数多正相关,雷达与地形多正相关。递归特征消除(Recursive Feature Elimination, RFE)显示RF仅需12个变量即达最高精度,GBDT保留全部显著变量,不同模型变量子集具差异性。
3.3. Model performance and CBD mapping
三种模型预测精度相当,训练集R2为0.61至0.67,验证集为0.52至0.57。RF在训练与验证集均表现最优,R2分别0.67与0.57,RMSE分别0.0219与0.0269 kg/m3。所有模型存在系统偏差,观测值低于0.08 kg/m3时遥感估算偏高,高于时偏低。生成的10米CBD图中,RF估算范围0.0180至0.1476 kg/m3,均值0.0808 kg/m3,标准差0.0211 kg/m3,三种算法空间分布模式相似。
3.4. Spatial prediction accuracy
基于RF结果拟合多项式模型表征预测误差变化,RMSE与rRMSE的拟合R2分别为0.75与0.56。RMSE随预测CBD增大而增加,rRMSE呈下降趋势,约0.065 kg/m3处rRMSE最高,0.08至0.13 kg/m3区间rRMSE约30%。像元级误差图中RMSE范围0.0084至0.0376 kg/m3,均值0.0261 kg/m3;rRMSE范围27.98%至73.65%,均值37.20%。
3.5. Interpretability of the model
SHapley Additive exPlanations(SHAP)分析显示Sentinel-2变量对CBD估算影响最大,前五位均源自Sentinel-2。B5(Red edge 1)是最重要预测因子,与CBD呈显著负相关;MCARI亦负相关;B12、B11、HH-HV、NDVI多呈负相关,其余六变量多呈正效应。变量SHAP值分布越广全局重要性越高,揭示了非线性关系下的特征贡献。
讨论部分指出该研究填补了中国东北寒温带森林空间显式CBD制图空白,拓展了CNFI数据在火管理中的应用。多传感器融合提升了估算精度,光学数据捕捉冠层水平结构与生化属性,雷达数据穿透冠层表征垂直结构但存在饱和限制,L波段PALSAR优于C波段Sentinel-1,地形因子通过水热重分配影响林分结构。SHAP与线性相关分析在变量排序上不一致,突显集成学习捕捉非线性动态的重要性。叶绿素相关预测因子B5、MCARI、MTCI重要性显著,红边与短波红外(Short-Wave Infrared, SWIR)波段吸收特性与CBD关联紧密。SAR数据中PALSAR的HH-HV与Sentinel-1的VH极化贡献显著,交叉极化对冠层体积散射敏感。估算值与美国、欧洲多地报道范围吻合,但需注意空间预测误差图的应用。局限在于CNFI聚合数据简化林分异质性,未来可结合GEDI波形与生物气候变量改进。
结论部分翻译为:本研究创建了一张CBD分布图,为中国寒温带森林火行为模拟提供了空间显式信息,展示了CNFI数据集在提供样地尺度CBD样本方面的能力。为估算研究区CBD,研究人员采用了多传感器方法,整合光谱与雷达影像及地形变量。在三种集成学习算法中,RF模型结合这些数据源产生了最可靠的结果。此外,研究人员估算了每个像元的不确定性,应将其与CBD分布图结合使用以增强数据应用的真实性并支持森林火灾决策。本研究为中国寒温带森林消防管理奠定了坚实基础,有望支持火灾管理相关的规划与减缓工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号