依托森林生态系统可持续经营教育部重点实验室，日前，我校林学院森林生长与经营规划团队在遥感领域国际顶级期刊ISPRS Journal of Photogrammetry and Remote Sensing（中国科学院一区Top，IF：12.2）和International Journal of Applied Earth Observation and Geoinformation（中科院一区Top，IF：8.6）上相继在线发表重要研究成果。两篇论文围绕“单木-林分-区域”多尺度森林地上生物量估算展开系统研究，创新技术路径与方法，为精准量化森林碳汇能力、助力全球气候变化研究及我国“双碳”目标实现提供了关键支撑。
森林生物量作为评估森林碳汇能力和研究全球碳循环过程的关键参数，其精确估算对于理解全球气候变化和助力我国实现“双碳”目标具有重要意义。目前，森林生物量遥感估算的研究多集中于模型构建与反演方法，对模型应用的误差传递及不确定性分析缺乏深入探讨，两项研究工作分别基于无人机激光雷达和光学遥感数据开展多尺度森林地上生物量的估算与不确定性估计。
在首项研究中，团队依托无人机激光雷达技术精准快速的优势，构建了“单木检测－参数提取－林分聚合”一体化建模框架。该研究系统量化了单木分割、模型预测及尺度转换全流程的误差传递机制，为高精度、可追溯的生物量制图提供了可靠技术方案。
基于无人机激光雷达数据的单木生物量及不确定性估算结果
第二项研究进一步拓展至区域尺度，聚焦森林类型分层抽样在生物量估算中的应用效能。通过构建多种分层对比框架，研究揭示了遥感分类产品用于分层时易累积多重误差、显著增加估算偏差等关键问题，为优化森林资源调查分层策略、提升大尺度生物量估算可靠性提供了重要决策依据。
森林类型分层策略对比分析框架
两项研究形成从单木到区域的完整技术链条，实现了精细尺度的准确估算，系统解析了区域尺度误差来源，为推动多尺度森林碳汇遥感监测的精准化发展奠定了坚实基础。
论文信息
Hao, Y., Pukkala, T., Liu, X., Quan, Y., Dong, L., & Li, F. (2026). Mapping aboveground tree biomass and uncertainty using an upscaling approach: A case study of the larch forests in northeastern China using UAV laser scanning data. ISPRS Journal of Photogrammetry and Remote Sensing, 231, 595-607.
https://www-sciencedirect-com-443.webvpn.nefu.edu.cn/science/article/abs/pii/S0924271625004472
Wu, Z., Liu, X., Cheng, S., Yang, C., Wang, Z., Liu, Y., Dong, L., Li, F. & Hao, Y. (2025). Evaluating the effectiveness of forest type stratification for aboveground biomass inference. International Journal of Applied Earth Observation and Geoinformation, 143, 104829.
https://www-sciencedirect-com-443.webvpn.nefu.edu.cn/science/article/abs/pii/S0924271625004472
