Тип публикации: статья из журнала
Год издания: 2022
Идентификатор DOI: 10.15372/SEJ20220501
Ключевые слова: biomass, remote sensing, allometry, carbon, monitoring, sar, биомасса, дистанционное зондирование, аллометрия, углерод, мониторинг, РСА
Аннотация: Динамика лесной биомассы бореальных лесов оказывает существенное влияние на глобальные углеродные циклы. Оценки биомассы способствуют пониманию углеродного баланса лесной растительности в Сибири. Рассмотрены методики оценок надземной биомассы лесов на основе радиолокационных данных дистанционного зондирования, используемые в совремПоказать полностьюенных исследованиях (2010-2021 гг.). Описываются применяемые методики оценок биомассы, включая этапы полевых исследований, предварительной обработки данных, и моделирования связей данных дистанционного зондирования (ДЗ) с биомассой. Радиолокационное зондирование обладает ограниченными возможностями для оценки биомассы лесов, связанные с характеристиками съемочной аппаратуры и параметрами древостоев. В современных исследованиях производится комбинирование оптических и радиолокационных данных ДЗ, позволяющее получить более точные оценки биомассы с помощью моделей регрессий, машинного обучения и специальных методик (BIOMASAR, SWCM, MaxEnt). Применение данных об оптической глубине растительного покрова, оцененной по данным микроволновой съемки, позволяет решить проблему насыщения при оценке больших величин биомассы. Cравнение точностей методик оценки биомассы затруднено из-за отсутствия единых подходов проведения экспериментов и вычисления погрешностей. Ошибки оценки биомассы на основе оптических и радиолокационных данных значительно варьируются и в среднем составляют ~25 %. Оценка биомассы бореальных лесов Сибири затруднена из-за малого количества опорных полевых материалов. В настоящее время для оценки биомассы бореальных лесов с высоким пространственным разрешением является перспективной разработка методики на основе алгоритмов машинного обучения применительно к данным радиолокационного дистанционного зондирования со спутников Sentinel-1 и ALOS-PALSAR. The dynamics of forest biomass in boreal forests have a significant impact on global carbon cycles. Biomass assessments contribute to understanding the carbon balance of forest vegetation in Siberia. This paper discusses methods for estimating above-ground forest biomass based on radar remote sensing data used in modern research (2010-2021). Methodologies used for biomass assessments are described, including stages of field research, data pre-processing, and modelling of the relationship of remote sensing (RS) data with biomass. Radar sensing has limited capabilities for assessing forest biomass related to characteristics of the survey equipment and parameters of stands. In modern research, a combination of optical and radar data of RS is carried out, which allows to obtain more accurate assessment of biomass using regression models, machine learning, and special techniques (BIOMASAR, SWCM, MaxEnt). The use of data on the optical depth of vegetation cover, estimated from microwave survey data, makes it possible to solve the saturation problem when estimating large amounts of biomass. Comparison of the accuracy of biomass estimation methods is difficult due to the lack of uniform approaches to conducting experiments and calculating errors. Biomass assessment errors based on optical and radar data vary considerably, averaging ~25 %. The assessment of the biomass of boreal forests of Siberia is difficult due to the small amount of supporting field materials. Nowadays, to assess the biomass of boreal forests with a high spatial resolution, it is promising to develop methods based on machine learning algorithms for radar remote sensing data from the Sentinel-1 and ALOS-PALSAR satellites.
Журнал: Сибирский экологический журнал
Выпуск журнала: Т. 29, № 5
Номера страниц: 487-506
ISSN журнала: 08698619
Место издания: Новосибирск
Издатель: Сибирское отделение РАН, Центральный сибирский ботанический сад СО РАН