基于國產高分衛星的森林碳匯估算技術研究進展

王晉年，夏 慧，王大康，楊現坤，楊穎頻，羅逸云，侯 璐

（廣州大學a.地理科學與遙感學院，b.空天遙感創新研究院，廣東 廣州 510006）

當今世界，全球氣候變化已經演變為人類必須攻克的重大難題，為避免氣候劇烈變化所造成的極端危害，探尋應對措施成為全球性共識。在此背景下，《京都議定書》［1］與《巴黎協定》［2］等氣候變化國際公約相繼出臺。為進一步科學評估碳排放及其風險，聯合國政府間氣候變化專門委員會（IPCC）成立，以保障《聯合國氣候變化框架公約》（UNFCC）的推進實施［3］。截止到2021年年底，全球已有136個國家承諾盡早實現凈零碳排放。中國作為全球最大的碳排放國，制定2030年實現碳達峰、2060年實現碳中和的戰略路徑對實現綠色工業化、調節全球氣候具有重大意義。從相對減排目標到絕對減排目標［4］，中國政府聚焦增匯減排相關技術研發，踔厲提升碳匯本底監測與碳匯估算能力。

森林碳匯是森林植被通過光合作用吸收CO2，并以生物量形式將其固定在植物體或土壤中的一種機制，森林生態系統作為陸地生態系統中最大的碳庫，估算與量化森林碳匯成為評價森林生態系統固碳能力和評價生態效益的重要指標，也是推動林業碳匯交易發展、提高碳匯監測能力的關鍵一環［5－6］。

在森林碳匯估算方法中，傳統地面調查往往難以滿足全球化的資源調查與森林植被參數反演需求，而衛星遙感憑借其連續、穩定、大尺度與可重復觀測等優勢為森林碳匯估算提供了新的技術手段。多光譜衛星、高光譜衛星在識別森林樹種、估計森林郁閉度或計算葉面積指數等方面具有優勢［7］，但涉及森林垂直結構特征時則顯得無能為力；微波雷達與激光雷達擅長森林內部結構特征提取，能夠有效估測林下地形與生物量，顯著提升精度，但其反演復雜性也相應增加，需要考慮林下狀況與地形等多重因素；具備溫室氣體觀測能力的衛星對碳通量信息更為敏感，便于實現大尺度分析及數據的比較驗證，目前，融合多源遙感數據成為主流趨勢［8－9］。然而，大多研究只聚焦于國際先進遙感衛星，針對國產高分衛星數據在這一領域的梳理卻相對較少，難以形成對我國森林碳匯技術現狀全面系統的認識。

綜上所述，為彌補傳統測量方法的不足、早日實現雙碳目標，本文將構建以遙感技術為支撐的長時序、大范圍、多層次森林碳匯估算體系，并探討國產高分系列衛星在該主題中的發展動態，并與國際衛星展開對比研究，希冀為森林生態系統的碳匯估算提供完備的方法論參考。

1 森林碳匯估算方法

森林碳匯估算方法通常被分為“自下而上”和“自上而下”兩種形式以作明顯區分，前者利用小區域觀測數據外推大區域碳匯情況，后者基于大氣CO2光譜吸收特征與氣象驅動等資料，結合大氣傳輸模型反演碳循環過程。如圖1所示，本研究基于該體系，從數據源出發，將森林碳匯估算方法分為4種形式，其中，生物量法、模型模擬法與微氣象法歸為“自下而上”類，大氣反演法歸為“自上而下”類。

圖1 森林碳匯估算方法分類體系Fig.1 Carbon sink estimation method classification system

1.1 生物量法

生物量法以實地或遙感手段測量生物量為中間過程，實現碳匯估算。其中，平均生物量法通過實測單棵樹木樣本得到不同類型森林的單位面積生物量，適于小尺度及分布均勻的森林區域研究［10］。生物量轉換因子法引入林分生物量與木材材積的比值，即生物量轉換因子（BEF），可滿足大范圍碳匯估算需求?？紤]到轉換因子會隨林齡、樹種、立地條件等發生變化，方精云等［11］提出換算因子連續函數法，建立了材積與轉換因子的關系式，如下列公式所示：

式中，V為林分蓄積量，a和b為常數。該式可綜合反映各因素對生物量的影響。此外，其他生物量法如蓄積量法、生物量清單法等逐漸關注林下生物量部分，估算精度得以提高［12－13］。

1.2 模型模擬法

1.2.1 地統計模型法

結合地面調查數據與海拔、地形、溫度、降水和氮沉降等環境變量建立不同模型，可實現森林碳匯的間接運算，模型包括K-近鄰、隨機森林、人工神經網絡和MaxEnt模型等［14－16］。植被凈初級生產力（NPP）、凈生態系統生產力（NEP）作為評估森林碳匯能力的指標，不少的統計模型圍繞二者展開，如GSMSR模型［17］通過構建土壤呼吸與溫度、降水和上層土壤有機碳密度的關系，實現NPP估算。

1.2.2 生態系統過程模型法

為進一步考慮森林生態系統自身機理，如地面上植物光合作用、呼吸作用、養分循環和凋落物分解等過程［18］，引入了生態系統過程模型，該模型不斷推陳出新，如CASA［19］、Biome-BGC［20］、In-VEST［21］和CEVSA［22］等模型，其中，CEVSA-ES模型［23］不僅囊括了植物生理、碳氮分解、水分動態模擬、分配與凋落等過程，還增加了土壤侵蝕模塊，細致詳盡地模擬生態系統作用機理。此類模型在設計上已具有顯著的生態意義，但參數選擇的不確定性仍然存在（表1）。

表1 森林碳匯估算方法匯總Table 1 Summary of forest carbon sink estimation methods

1.3 微氣象法

1.3.1 渦度法

考慮大氣與下墊面之間的物質交換與能量流動過程，渦度法以精細時間尺度與長時序協同觀測方式深究森林碳循環過程，能夠獲得連續、短時、高分辨率的大量CO2通量數據與氣象變化數據［24］。在渦度相關技術支持下，中國陸地生態系統通量觀測研究網絡（ChinaFLUX）創建已超過20年，其中不乏基于森林生態系統的CO2通量觀測站，為森林生態系統碳收支的觀測研究提供了數據支撐［25－26］。

1.3.2 渦旋法

渦旋法分為渦旋積累法與弛豫渦旋積累法，后者根據風速大小與風向對氣體樣本按照定時采樣的準則直接采取樣本，得到森林各部分碳通量?；跍u旋法的研究對設備儀器和操作人員的要求都較高，國內利用渦旋法展開碳匯監測的研究應用還并不多見［27－28］。

1.4 大氣反演法

1.4.1 大氣傳輸模型模擬

大氣傳輸模型是建立起地表碳匯通量與大氣CO2濃度之間關系的有效工具［29－30］，基于模式模擬獲取CO2濃度數據是主要方法之一，目前應用廣泛的包括全球大氣化學模式GEOS-Chem［31］、中尺度空氣質量模式WRF-Chem［32－33］、NOAA基于大氣傳輸模型TM5研發的大氣反演模型Carbon Tracker［34］和全球三維大氣化學傳輸模型MOZART-4［35］等。應用最廣泛的GEOS-Chem模式使用氣象驅動數據、排放清單數據和全球空氣污染情景數據等模擬垂向分層大氣CO2濃度值，根據CO2先驗廓線信息可轉換為柱濃度數據形成CO2柱濃度數據集［36－37］，能夠用于碳相關的時空動態演變分析、驅動因素探索以及衛星觀測數據的產品應用評估。

1.4.2 衛星反演

基于衛星數據的大氣反演法利用衛星觀測數據的原始光譜信息結合大氣傳輸模型反演碳通量，進而估算碳匯。該方法需要借助專用CO2探測衛星或具備溫室氣體監測能力的傳感器獲取數據，利用這些數據源可讀取異常變化值、生成時間序列數據等［38］，實現以宏觀尺度研究碳循環的時間與空間變化規律［39］。然而，碳衛星觀測會受到云量、地表反照率以及氣溶膠等干擾使得數據不連續，大尺度觀測形成的粗空間分辨率也是亟需解決的問題之一。

2 國產高分衛星在森林碳匯估算中的應用

我國高分系列衛星立足獨立自主研發，衛星技術水平不斷升級改進，逐漸躋身世界領先水平，形成了具有高空間分辨率、高時間分辨率、大寬幅和回訪周期顯著提高的國產高分辨率衛星觀測系統，協同中、低分辨率地面觀測技術、多衛星組網運行，為豐富高分辨率遙感數據源、改善數據精度提供了新方向。目前，國產高分系列衛星已發射的衛星包括高分一號至高分十四號，其中包含光學遙感衛星、雷達衛星和光學立體測繪衛星等多種不同定位衛星。在森林碳匯估算過程中，國產高分衛星數據扮演著重要角色，從森林樹種識別、葉面積指數反演、森林健康監測，到碳濃度追蹤都表現出了相當水平（表2）。

表2 應用于森林碳匯估算的主要國產高分衛星概況Table 2 Overview of main domestic high-resolution satellites applied to forest carbon sink estimation

2.1 生物量估算

生物量能夠揭示森林生態系統的物理化學過程與內部能量特征［40］，利用國產高分衛星可實現森林生物量估算。高分系列中的光學遙感衛星如GF-1、GF-2、GF-4、GF-6與GF-7等都具有反射光譜差異特征，可基于此提取特征變量，并借助多元逐步回歸分析、K最近鄰等方法實現森林生物量估算；微波雷達衛星GF-3則通過后向散射系數與樹高、胸徑、樹干生物量等的強相關性估算生物量，如以GF-3 SAR為數據源，提取后向散射系數與極化分解特征后可反演研究區內的森林地上生物量［41］。

在森林生物量反演的諸多研究中，不少學者將國產高分衛星與國際先進遙感衛星相對比，研究發現，利用國產高分衛星估算生物量的模型精度顯著優于Landsat 8影像，且與Sentinel-2A、SPOT-6等衛星的反演結果精度較為接近，說明國產高分衛星在森林生物量反演上具有巨大潛力。如使用GF-2衛星影像結合野外測量數據，構建隨機森林模型反演北亞熱帶森林生物量，模型精度達到0.88［42－43］；為充分發揮國產高分衛星數據的優勢，有研究聯合GF-3 PolSAR與Landsat-8 OLI數據反演森林地上生物量，結果表明，其結果精度要優于二者單獨估測時的精度［44］；此外，通過建立激光雷達ICESat-2與GF-2間的協同模型，將雷達影像獲取的條帶范圍內的樹木碳密度進行外推，可實現全覆蓋、大區域的樹木碳密度精確測量［45］，由此可見，在多源數據協同反演的過程中，高分系列衛星發揮的作用不容小覷。

2.2 參數反演提取

2.2.1 生物物理參數

估算森林碳匯涉及的生物物理參數包括樹高、胸徑、葉面積指數、森林覆蓋度和郁閉度等，從植被本身出發，改善森林識別與分類精度。

（1）森林樹種識別

高分系列衛星具備樹種高精度識別能力，利用光譜信息豐富的光學遙感衛星，結合支持向量機、CART決策樹和隨機森林等機器學習算法便于識別森林表層信息，如應用GF-2衛星影像的光譜及紋理屬性可劃分不同樹種及樹齡，總體分類精度達到87.4%［46］。而高光譜數據憑借其波段數量豐富、圖譜合一特性，可基于光譜特征技術根據吸收譜帶識別出獨特樹種［47］，如結合GF-5 AHSI與GF-6 PMS衛星數據，借助數字高程模型DEM與地面調查數據等輔助信息建立亞熱帶樹種識別模型［48］。為降低波段之間的強相關性，一般需要對數據進行特征提取或擬合光譜曲線以提高分類精度。此外，利用諧波分析等算法融合GF-5與Sentinel-2A影像用于森林樹種識別被證實具有可行性，融合后的影像在提高空間分辨率的同時也能保持原有光譜保真度［49］。

（2）森林結構提取

利用合成孔徑雷達（SAR）的全天時、全天候與強穿透性特性，能夠精確探測森林生態系統空間結構，SAR的長波長波段可穿透冠層與林冠以下部分相互作用，有助于理解森林內部散射體的物理意義［50］，如整合GF-2光學影像、GF-3 SAR影像與無人機數字表面模型（DSM）數據構建的生物量模型精度良好，能夠充分模擬森林冠層結構信息［51］。而GF-7衛星搭載的激光測高系統在提取森林垂直結構方面同樣具有優勢，利用激光回波波形信息可獲取森林樹冠至林下植被的諸多林分垂直信息，適于大區域尺度的森林結構研究，如結合GF-7立體圖像、數字地形模型（DTM）與實測林分高度值建立線性回歸，從而估算中國北部針葉林高度［52］。此外，利用GF-2衛星的測擺能力形成異軌立體觀測也可實現森林垂直結構探測［53］。以上結果表明，在已知林下地形的前提下，高分系列衛星具備較好的森林冠層刻畫能力，與激光雷達生成的空間格局較為吻合。

（3）相關指數估計

由于葉片的光譜變化能相當程度地反映森林植被長勢，相關指數成為反映森林碳匯能力的重要指標，如葉面積指數（LAI）、歸一化植被指數（NDVI）、增強型植被指數（EVI）、比值植被指數（RVI）、土壤調節植被指數（SAVI）等，它們為森林植被關鍵物候參數提取及長勢模擬提供了科學依據［54］。在國產高分系列衛星中，大多利用光學遙感衛星特性從影像中直接提取相關植被指數，如利用GF-6衛星的紅邊波段反演LAI及其他生理參數效果顯著，可獲取更豐富的植被長勢信息［55］；也有研究以NDVI、RVI、SAVI等5種植被指數作為依據，對比分析GF-1 WFV衛星數據與地面同步實測光譜數據估算LAI能力的差異［56］。同時，國產高分衛星反演的植被指數產品質量可靠，將GF-1生產的MuSyQ NDVI產品與Landsat NDVI、Sentinel-2 NDVI產品進行差異性分析，結果表明，基于GF-1 WFV的NDVI產品空間連續性更好、時間連續性更高，在表達物候特征方面更具優勢［57］。

2.2.2 生物化學參數

生物化學參數包括植物體內色素以及各種營養成分如氮、磷、鉀等，它們能充分指示林木的生長狀況，可用于定量評估林木長勢。植被色素尤其是葉綠素的監測已經由葉片衍生到冠層級別，反演方式包括小波分析、光譜微分技術等。國產高分衛星在反演生物化學參數方面已有較多應用，如結合GF-1衛星影像、植被高光譜數據與葉綠素含量構建葉綠素估算模型，用于植被冠層葉綠素含量反演研究［58］；利用GF-6的黃波段、海岸波段等實現對森林植被的黃化程度監測，進而有效監測森林生理生化特征［59］。

2.3 土地利用變化監測

森林生態系統的長時序變化包括森林面積變化與轉換類型演變。一方面，森林自身發生轉化或退化，如原始森林轉化為次生林；另一方面，森林向其他生態系統類型演變，不同類型的轉化造成碳儲量結果存在較大差異，如森林向農田或城市用地轉化將釋放大量碳，轉化為草地則既可能是碳源也可能是碳匯［60］。因此，需要借助衛星遙感數據估算森林的更新狀況、造林或砍伐面積，判斷土地利用／覆被變化（LUCC）與碳庫變化程度?；趪a高分衛星數據得到的LUCC分類結果較為理想，如使用支持向量機對GF-2影像分類后的Kappa系數高達0.91［61］。為進一步提升分類精度，不同算法與融合方法不斷拓展，如結合GF-1與MODIS NDVI數據，基于STARFM算法生成融合NDVI數據集，可用于土地覆被狀況分類，Kappa系數達到0.93，精度優于單獨的高分衛星影像分類結果［62］；根據極化SAR易于區分地物的散射機制原理，以GF-3極化SAR數據為數據源，使用隨機森林與快速超像素分割方法能夠大幅優化土地覆被分類結果［63］。

2.4 區域CO2通量同化

利用具備碳監測能力的衛星反演CO2柱濃度數據，并借助大氣輻射傳輸模型與資料同化技術可獲取碳匯分布情況。在國產高分系列衛星中，GF-5衛星搭載的溫室氣體探測儀（GMI）采用空間外差光譜技術（SHS）獲取近紅外至短波紅外的光譜數據，能夠定量反演CO2柱濃度信息［64］。已有研究設計出適用于GMI儀器特點的CO2反演方法，經過地面觀測站點驗證證明其精度優于1%［65］。為彌補GF-5衛星在空間分辨率上的不足，可采用自適應Gram-Schmidt算法（GSA）、廣義拉普拉斯金字塔融合算法（GLP）等，結合GF-1、GF-2衛星多光譜數據相融合，極大提升數據可用性［66－67］。但縱觀現有研究，目前有針對性地利用GF-5衛星開展森林生態系統碳匯估算的研究還很少。

3 結論與展望

3.1 結論

為應對全球氣候動蕩、減緩大氣CO2濃度持續上升，我國制定了碳達峰、碳中和的國家戰略目標，這一目標時間緊、任務重，開展相關碳匯監測與估算的需求日益迫切，以森林碳匯研究為支撐點提升全球碳循環研究水平是關鍵要素。

本文構建出森林碳匯估算方法分類體系，并以不同數據源為切入點細分為4類：①生物量法清晰易懂、操作簡便，從小區域到大范圍，從林上到林下部分，估算精度大幅提升；②模型模擬法將環境變量納入考慮范疇，結合地統計模型或生態系統過程模型實現NPP估算，借助環境參數深入理解森林機理；③微氣象法定期觀測固定區域的CO2流動狀況，實現高精度連續性監測，適于小區域、季節或年際動態評估；④大氣反演法基于大氣化學傳輸模型與CO2光譜吸收特征反演廓線、柱總量數據，可用于分析CO2濃度分布特征、全球長時序變化研究。

著眼于國內自主研發的高分系列衛星，隨之相繼發射與投入使用，國產高分衛星性能取得長足進展、衛星應用持續深化，形成全天時、全天候的高分辨率先進對地觀測系統，為我國雙碳目標提供了有力保障。相比國際同類型衛星遙感數據，國產高分系列衛星體系完善、自主可控，與國外技術差距逐漸縮小，在森林碳匯監測、林業資源調查中已經攻克解決相關技術，逐步替代同等分辨率下約80%的國外衛星數據［68］，成為各項業務開展的有利抓手，基本能夠滿足碳匯監測需求，適用于多個應用場景。但是，國產高分衛星仍然存在以下不足：①部分衛星數據獲取渠道有限，數據共享性低；②無多層級產品，必須進行輻射校正、幾何定標、噪音抑制等預處理過程，需同其他高精度影像做異源控制校正以保證數據精度；③數據質量整體偏低，單星覆蓋能力、響應能力、重訪能力與業務需求仍存在一定差距。

3.2 展望

綜合來看，不論是現有技術方法還是數據質量仍然存在局限，一定程度上制約了森林碳匯估算能力。在估算方法上，模型普適性差、核算體系不健全、估算精度待加強和過程機制探討不夠深入等問題仍然較突出；在衛星數據方面，存在監測能力薄弱、覆蓋范圍不足、數據誤差不確定、易受干擾以及國產高分衛星與國際先進遙感衛星存在一定差距等難題。為解決以上問題，未來應爭取在以下方面取得成效：

（1）對森林碳匯的估算研究由表及里、由淺至深，不斷加強碳循環機制研究，厘清立地條件與人類活動等過程對森林碳匯造成的影響，以提高森林碳匯預測穩定性；注重多尺度綜合觀測，聯合不同方法以彌補碳匯監測的長短板，同步構建遙感模型與過程模型耦合系統，著力提升碳匯估算精度，推動碳匯觀測技術邁向新高度。

（2）探索遙感數據融合策略，促進多源遙感數據間的對比驗證及同化研究；生產高精度、高分辨率的衛星產品，加快實現協同觀測機制，減少對單顆衛星數據的過度依賴，注重與地面觀測數據的結合，構建完備觀測體系，為森林碳匯研究提供更堅實的數據支撐；完善國產高分衛星組網建設、加快業務星研發，積極推進國產高分衛星覆蓋能力、重訪能力顯著提升。