基于机器学习的森林碳储量时空分布模拟

摘要

森林碳储量是全球碳循环研究的重要内容，应对气候变化具有重要意义。以黑龙江省张广才岭北坡部分区域为研究对象，结合地面观测数据与Landsat TM（thematic mapper）/OLI（operational land imager）传感器数据，采用多种机器学习模型，结合引导聚集Bagging（bootstrap aggregating）集成学习算法，进行森林碳储量模拟。结果表明，1990—2022年研究区森林碳储量呈现显著增加趋势，年平均碳储量达到（80.77±0.27） Mg C/hm²，且空间分布表现出明显的异质性特征，高碳储量区域集中于平坦或半山坡地带。此外，生长季平均气温与森林碳储量呈极显著的正相关关系（P<0.01），表明气温是影响碳储量变化的主要气候因子。研究结果可为森林碳储量的精准模拟和碳汇管理提供新思路。

关键词

遥感 / 深度学习 / Bagging集成学习 / 气候因子