如何用遥感AI，计量「森林碳汇」？

碳中和碳负排放侧的经济模式

在双碳目标提出的大背景下，相信大家对碳中和的概念已经非常熟悉了—— 碳排放量的收支相抵。这就涉及到两个方面，一端是碳排放侧，主要措施是节能减排；而另一端就是碳负排放侧，能够吸收、捕获、中和碳排放。作为一种主动手段，碳负排放技术对实现碳达峰碳中和尤为关键。

目前，碳负排放技术包括造林/再造林（林业碳汇）、生物碳汇、直接空气捕捉和强化风化等。

林业碳汇，是指通过实施造林再造林和森林经营、植被恢复、减少毁林等活动，吸收并固定大气中的二氧化碳并与碳汇交易相结合的过程、活动或机制。

林业碳汇也是最经济的碳负排放技术，其去除二氧化碳的成本在10美元/吨至50美元/吨，直接空气捕捉技术最昂贵，单吨成本达数百美元或更高，生物质能源+二氧化碳捕获和储存技术介于两者中间，其负碳成本也要达到100美元/吨至200美元/吨。

2010年至2016年，我国陆地生态系统年均吸收约11.1亿吨碳，吸收了同时期人为碳排放的45%。作为陆地生态系统的主体和重要资源，森林在发挥生态服务功能、提升碳汇方面的潜力巨大，具有投资低、环保效益高和安全性能好以及可再生的多种优势，也是物理和化学固碳方式或其他减排途径不可比拟的。

我国在该领域也有得天独厚的优势，森林植被总碳储量达92亿吨，加之近40年来对恢复天然森林植被、加强人工林培育巨大投入取得成果，目前，我国森林面积达2.2亿公顷，森林蓄积量超175亿立方米，这两个指标连续30多年保持双增长，让我国成为世界森林资源增长最多的国家。

依托遥感技术建立的中国森林资源分布图 | 中国高分观测

通过建立林业碳汇交易体系，将对我国实现碳达峰碳中和目标，具有重要的促进作用，能够鼓励具有生态优势的市县地区以及当地林农，积极开展林业生态保护与修复，并通过生态经营与碳汇交易，实现自然生态与经济高质量并行发展。我国近年来也不断出台相关政策，逐步构建和完善相关碳汇要素市场体系——

2012年6月，国家发展改革委发布了《温室气体自愿减排交易管理暂行办法》，确定了政府主导的自愿减排交易体系管理的基本原则，在此基础上，组织相关领域和行业专家陆续制定和备案了多个CCER方法学，建立了碳汇核算、监测计量、审定核证机制和相关管理办法，初步建立了碳汇要素市场体系。

2021年3月，我国生态环境部发布了《碳排放权交易管理暂行条例(草案修改稿)》(征求意见稿) 中指出可再生能源、林业碳汇、甲烷利用等项目的实施单位可以申请国务院生态主管部门组织对其项目产生的温室气体削减排放量进行核证。

2021年4月，中共中央办公厅、国务院印发《关于建立健全生态产品价值实现机制的意见》，提出要推动生态资源权益交易，合法合规开展森林覆盖率等资源权益指标交易，健全碳排放权交易机制，探索碳汇权益交易试点等。

然而，我国在增加林业碳汇交易方面仍然存在有待突破的瓶颈，技术方法不够成熟完善，是亟待解决的问题。那么，面对广袤森林，如何从技术层面入手，准确统计林业碳汇量，让碳汇交易双方能够基于统一基准实现快速交易，进而促进全国林业市场体系建立？

浩瀚森林，如何定量统计？

在研究森林碳汇时，我们首先需要明确几个概念：森林蓄积量、生物量、森林碳储量、森林碳汇量。

森林蓄积量，是林木树干材积总量（m³/hm²），可视为森林总体量；生物量：林木有机物质总量（干物质）（吨干物质/m³）；森林碳储量，是森林生态系统各碳库中碳元素的储备量（或质量），是森林生态系统多年累积成果，属于存量。森林碳汇量，可以用一定时间内上述所有碳库碳储量的变化量之和来表示，属于流量。 

张颖,李晓格.碳达峰碳中和目标下北京市森林碳汇潜力分析[J/OL].资源与产业:1-15

以上这些指标与数据，需要通过林业碳汇监测与计量实现。根据 IPCC （国际气候变化研究委员会）对陆地生态系统碳库的定义，主要包括地上生物量、地下生物量、枯死木、枯落物和土壤有机质 5 个碳库；国家与区域尺度的碳汇计量与监测范围包括: 森林、森林外部分（灌木林、四旁树和散生木、疏林、城市森林）、湿地和荒漠化土地类型。

碳储量计算的数据源有，森林资源清查（一类调查）数据、森林资源规划设计调查（二类调查）数据、营造林数据、湿地资源调查数据、荒漠化和沙化土地监测数据、生态网络监测数据、遥感数据以及火灾、病虫害等灾害统计数据，以及其他有关调查规划、设计和研究数据等。森林在二类资源清查数据中涵盖乔木林、竹林、灌木林、疏林、新造林、灌丛、其他林地。

然而，采集获取和统计森林数据并不容易。

首先，森林面积广大，采用人力方式效率低、成本高。联合国粮食及农业组织（FAO）将森林定义为：面积在0.5公顷以上、树木高于5米、林冠覆盖率超过10%，或树木在原生境能够达到这一阈值的土地。 森林面积至少在5000平方米，而大多数则远超该数据，可达到数十万到千万平方米，采用林业调查人员深入森林，耗费巨大的精力与时间成本，并且在某些偏远或环境恶劣的林区，收集森林数据与实况非常困难。

其次，相比统计农田，森林内部情况与结构更为复杂。农作物通常成排或其他规则的几何形状种植，但天然林中的树种是不规则的，通常具有更加有机的空间排列，比如优势树种可以将其他种类的树木隐藏在树冠的下方。

1993-1997年，由联合国开发计划署（UNDP）援助的中国森林资源调查技术现代化项目，把遥感技术、地理信息技术、数据库和数学预测模型以及地面调查方法的优化技术结合起来，建立新的以航天遥感技术为主要信息采集手段的全国森林资源监测体系。1999年启动的第六次全国森林资源连续清查起，遥感技术开始了业务化应用，对实现清查体系全覆盖、提高森林资源调查精度、防止森林资源清查结果偏估等发挥了巨大作用。

而机器学习、数字模型的加入，又让森林碳汇统计事半功倍：通过遥感数据+AI，可为森林蓄积量、生物量估算，以及碳储量、碳汇计量，提供基础数据。

用遥感AI进行「森林调查」与「生物量估算」

利用遥感进行森林定量统计，其原理主要是基于植物的反射光谱特征分析。不同植物或同种植物在不同的生长发育阶段，其反射光谱曲线形态和特征不同，病虫害、灌溉和施肥等条件的不同也会引起的植物反射光谱曲线的变化，利用植物的这一特征，借助遥感技术，结合地面调查，通过机器学习分析，可进行大尺度的森林调查。遥感技术下的生物量估算方法，多利用红波段和近红外波段的波段组合(植被指数)与地面生物量数据的关系进行多元回归分析建模，通过间接方式估算森林生物量。

将机器学习应用于卫星图像的结果，显示了加利福尼亚内华达山脉部分地区主要树种的混合情况。红色用于表示峡谷活橡树 ( Quercus chrysolepis ) 的区域，绿色表示香雪松 ( Calocedrus 属)，蓝色表示白冷杉 ( Abies concolor )。| SilviaTerra

- 什么样的遥感数据适合森林调查？

主要包括Landsat TM、SPOT-5、高分数据、NOAA/AVHRR、合成孔径雷达（SAR）、激光雷达（Lidar）等。

Landsat TM：LANDSAT5携带的主题成像传感器(TM)有7个波段，利用TM数据的7个波段及各波段的组合，如归一化植被指数(NDVI) 等，与生物量或者材积等的关系，进行多元回归分析建模和生物量估算。20 世纪80年代，Landsat-TM数据开始用于森林资源二类调查。

SPOT-5、高分数据：后期由于Landsat TM分辨率较低，限制了在二类调查中的应用，SPOT-5数据以其较高的空间分辨率吸引了广大的林业用户。自2003年起，广东、海南、云南、陕西、贵州、甘肃、宁夏、内蒙、新疆等省份已相继应用 SPOT-5 数据进行试点应用和森林资源二类调查，并更新了林相图。目前，已基本使用高分数据替代 SPOT-5数据进行森林资源二类调查。

辽宁省清原县森林资源规划设计调查 | 中国高分观测

NOAA/AVHRR：AVHRR是NOAA系列卫星的主要探测仪器，包含有一个5通道的光谱扫描辐射仪。利用AVHRR数据进行生物量估算时，主要是通过AVHRR数据计算NDVI指数，是森林生物量估算比较常用的方法。AVHRR数据也用于森林的分类，但其分类精度不如TM数据。

合成孔径雷达（SAR）：微波具有一定的穿透能力，可以穿透林冠，和树干发生作用，因此利用微波遥感能够全面、准确地反映森林内部结构与生物量。合成孔径雷达(SAR)作为一种主动式微波传感器，不依赖于太阳辐射的变化，拥有全天时、全天候对地观测能力，可以随时随地获取植被信息。但根据SAR数据估测森林生物量的后向散射机理可知，影响森林后向散射的因素将增加利用SAR数据反演森林生物量的复杂性，所以需要考虑林木结构、植物含水量、林下状况和地形等对后向散射产生的影响。此外，雷达视角也是影响SAR数据进行森林生物量提取的因素，一般需利用当地DEM数据进行辐射干扰面积校正。

卫星遥感影像初步解决了大尺度下森林监测与碳汇定量的问题，对不同地区特定类型的森林进行精细建模又成为挑战。正如上文所说，森林内部结构才是最为复杂而难以监测的部分。此时，激光雷达技术，又成为各县市区域对森林精细化管理与碳汇计量的有效手段。

激光雷达（Lidar）：是一项主动遥感技术，通过激光束精准获取三维坐标信息，来定量估测林木高度和森林结构参数，结合地面样地调查和数学模型反演技术可快速获取大范围区域的林木蓄积量、生物量、碳储量等信息，在大范围、高时效、高精度林木高度与林分垂直结构信息获取方面相对其他数据获取手段具有更加精准、立体的优势。

基于LiDAR数据，可提取树冠高度模型和样地森林平均高；结合遥感数据、森林一张图面积数据可推算区域范围内的蓄积等相关林分因子；结合更多样地数据等，获取更为精确的地貌类型、郁闭度等级、树种组、径阶，建立和完善树高-胸径，生物量-郁闭度等数学生长模型库。

绩溪县林业局通过遥感影像+激光雷达碳汇时空计量模式，形成全国首例碳汇本底计量与实景三维森林成果 | 箩筐技术

值得注意的是，在对森林进行定量统计时，融合多源、多时相遥感数据会让统计结果更加准确：每种遥感数据源收集到森林数据的维度和分辨率是不同的，它们可以实现对森林更多维的描述，例如，高分辨率可为低分辨率数据提供误差校正，有效提高森林生物量的估算精度；长达几十年的LANDSAT卫星图像非常适合发现物种之间的差异；雷达通常包含有关整体森林结构的更多信息...最为关键的是将这些不同类型的影像结合起来，通过多元回归分析、神经网络和数学模型模拟等形成估测模型，反演森林树种清单、森林地上生物量，进而计算森林碳储存量。

- 怎样的AI算法适合森林生物量的遥感估算？

利用遥感数据对生物量进行估算不是直接进行的，而是利用遥感数据计算植被指数、叶面积指数、材积等，然后利用这些因子与生物量的密切关系估算区域的生物量。并且，针对各地森林不同实际情况，可选择不同的AI算法模型，或直接建立适合研究区域的数学模型，以下介绍几种常用的森林生物量遥感估算模型。

多元回归分析：森林生物量与众多因素相关，一个因变量与多个自变量之间的数量关系问题，可用多元回归分析解决，故多元回归分析被广泛用于森林生物量的遥感估算研究，尽可能多地利用遥感数据的相关波段可提高生物量的估算精度。

人工神经网络：由于多元回归分析要求各变量之间无相关性，遥感数据的各波段无法满足这一要求，神经网络可以实现多元回归分析功能，又不要求变量独立，因此可以利用神经网络来估算生物量。

神经网络又称人工神经网络，是由大量处理单元(类似于生物神经网络系统的神经元)组成的非线性大规模自适应动力学系统，具有学习能力、记忆能力、计算能力以及智能处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理、存储和检索功能，它具有非线性、非局域性、非定常性等特点。神经网络所涉及到的网络模型有：线性网络、后向(BP)神经网络、径向基函数网络和回归网络等。

虽然神经网络具有多元回归无法取代的优点，但神经网络难以描述变量和输出数据之间的关系，因此限制了其在区域尺度上的应用。

数学建模：估算区域生物量还可以通过数学方法建模实现。不同的森林类型和树种类型，所建立的数学模型不尽相同，直接建立适合研究区域的数学模型也不失为一种估算区域生物量的好方法，比如：利用Landsat TM建立的生理主成分预测生长(3PC)模型用于估算生物量清查和清查变化情况；由3个地面调查数据集的林冠高度模型与机载激光雷达数据结合，可估算热带森林的生物量。但值得注意的是，在这样的使用场景下，一个通用的生物量模型始终是不存在的。

另外，一般加法模型GAM和决策树模型也可建立森林生物量模型，能够获得更高精度；但是具有场景局限性，如在基于样地数据估算区域尺度上的森林生物量时，决策树模型不适用。

森林碳储量可视化地图 | SilviaTerra

林业碳汇遥感平台展望

利用遥感AI测算林业碳汇在带来大尺度、高效率和精确性的同时，也面临挑战，其中最为主要的是海量数据处理挑战和多环节业务流程集成。

数据挑战包括，数TB级的海量时空数据处理，多源时空数据融合，以及遥感数据的快速更新。例如，Landsat卫星影像可以追溯到1972年，内容非常丰富，拥有数百万张光学和红外波段的图像，并需要融合多源高分辨率航空影像、数字高程图等，这些数据每天都在不断增长，需要快速发布、有序管理与融合分析。同时，碳封存情况很难被高频监测，通过对遥感底图的更新，能够基于时空变化，监测并获取最新的碳封存数据。

另一方面，我们也从上文可见，森林生物量估算与碳汇动态计量，是相当复杂的问题，涉及到地面数据采集、遥感数据源、AI建模和精度验证等多个环节，需要将多源数据采集获取、遥感数据以及控制点实际数据处理、森林遥感AI模型、精度验证等进行系统集成，形成流程化业务模式，提升林业碳汇业务整体效率。

由此可见，开发基于软件平台的覆盖全国森林数据系统，是森林碳汇相关领域具有前景的方向，一方面能够解决较小森林碳汇监测过于昂贵而无法参与碳交易的问题，通过降低单个林业碳汇计量成本，降低林业碳汇整体交易门槛；同时通过时效性遥感数据的实时更新，获取最新的碳汇数据，保证准确的碳交易数据基础，让双方基于统一、最新基准进行碳交易，为林业碳汇交易市场奠定良好的数据与技术基础。

参考资料

· 知乎：碳中和——森林碳储量计算方法（1）Accumulation

· 遥感在森林地上生物量估算中的应用 何红艳 郭志华 肖文发

· 2019 中国高分卫星应用国家报告

· 经济日报 《林业碳汇交易还有哪些坎？》

文章来源于公众号 超擎时空