以近距離遙測為基礎的整合分析評估森林地上生物量與碳儲量估算之精度Assessing the accuracy of forest above-ground biomass and carbon storage estimation by meta-analysis based close-range remote sensing

研究問題

這篇想回答近距離遙測在單木、樣區與林分等不同尺度估算森林地上生物量的精度有多高，又該怎麼透過多源資料整合把精度拉起來。

材料與方法

作者從 CNKI、萬方、Google Scholar、VIP 與 Web of Science 檢索 2010 到 2025 年的文獻，最後納入 187 篇文章與 233 筆資料，用單組率整合分析以決定係數 R2 當效應量，先做 Freeman-Tukey 雙反正弦轉換穩定變異數，再以逆變異數加權合併效應量並算 95% 信賴區間，用卡方檢定與 I2 判斷異質性來選固定或隨機效應模型。感測器分成 RGB、光譜、地面光達與 UAV 光達四類。

結論

結論是地面光達在各尺度都有最高精度，單木尺度尤其突出，但隨尺度擴大精度與樣本數會下降，所以林分尺度比較適合用 UAV 光達；三大方法精度其實差不多，真正關鍵在自變數選擇，用 D 或 D2H 比只用樹高準很多；沒有單一感測器全能，多源融合在結構複雜的林地能緩解訊號飽和與誤差累積。

討論與我的觀察

這對我整理光達這一章很有用，它給了一個可引用的精度基準，把地面光達當單木真值錨點、UAV 光達與多源融合往大尺度延伸的脈絡講清楚。要注意的限制是多數子群組異質性很高，R2 只反映解釋力不是絕對誤差，而且驗證真值仍靠樣區調查與資源清查，品質參差。還有一個容易誤讀的地方，多源資料合併效應量 0.8 看起來輸給地面光達 0.93，但那是因為多源多半被用在結構複雜或大尺度的林地，不是融合本身比較差，這點我引用時要講明白。

重要科學發現

• 地面光達在單木尺度合併效應量 ES 0.93（95% CI 0.92 至 0.95），顯著高於 UAV 光達 0.81 與 RGB 0.8。
• 異速生長方程式以 D（ES 0.91）與 D2H（ES 0.90）為自變數最準，僅用樹高 H 最低（ES 0.72）。
• 三大方法精度相近，異速生長方程式 0.83、非參數法 0.82、參數法 0.80。

關鍵短引用

地面光達在各尺度精度最高Results p.5 不同研究尺度

沒有單一感測器能獨立達到最佳結果Abstract

博士生的話

這篇給我博論光達層一個量化精度基準，讓我能用實證數字主張地面光達當單木真值、UAV 光達與多源融合往大尺度延伸；對 TJFS review 也能直接支撐光達與多源融合段落的論述。