基于23种多模态数据的生物量和碳储量优化模型构建——以中国杉木为例

摘要

【目的】生物量与碳储量的精准估算是森林碳汇评估关键环节。基于环境因子构建优化模型，可为区域尺度树木生物量和碳储量估算提供通用技术支撑。中国杉木因其立地环境耦合关系典型，可作为研究实例的载体。现有模型在精度上受到立地差异的制约，且多因子耦合建模与验证不足。为此，本研究拟构建一种可推广的模型框架，并以中国杉木为实例开展建模与验证，为同类树种模型研发提供参考。【方法】本文通过文献收集全国杉木实测生物量数据，结合5类23种多模态数据（包括地形、气候、土壤、位置和林木变量因子），构建参数模型（基础模型、哑变量模型和可加性生物量参数模型）与非参数模型（GA-BP、PSO-BP和BP模型）。同时，使用SHAP解释器分析各因子的贡献度及交互贡献度，评估不同模型在精度提升和可用性方面的表现。【结果】（1）杉木生物量与胸径、树高、林龄及林分密度等变量的相关性最强，贡献度最高；经度与生长季最高温的影响次之，而土壤变量的贡献度相对较低；（2）整体来看，除树叶生物量外，基于PSO-BP模型的生物量估算精度改善程度更高。SHAP解释器结果显示，在非参数模型中，林木变量的贡献度最高，交互因子的响应显著；（3）验证指标对比表明，引入哑变量因子显著提升了杉木生物量模型的精度。【结论】本研究所构建的参数模型与非参数模型均可为杉木提供较为准确的立木生物量模拟。结合含碳率参数，可准确计算杉木立木各组成部分（全株、地上、地下、树干、树冠、树枝、树叶）的生物量和碳储量。本文模型及环境变量已嵌入在线云平台，可在线计算生物量。

关键词

多模态数据 / 机器学习 / 生物量模型 / 碳储量模型 / 杉木