運用國家森林資源調查資料估算小區域森林碳密度現況與趨勢Leveraging national forest inventory data to estimate forest carbon density status and trends for small areas

研究問題

這篇想回答在樣區稀疏的小區域，要怎麼有效運用國家森林資源調查資料，才能估出可靠的森林碳密度現況與隨時間的變化趨勢。

材料與方法

作者用美國 FIA 計畫 2008 到 2021 年、橫跨 CONUS 3,108 個郡的 593,368 筆樣區量測，搭配以 Landsat 衍生、30 公尺解析度的逐年百分比樹冠覆蓋當協變數，建立一個貝氏時空小區域估計模型，直接拿樣區層級的活立木碳密度當反應變數，跳過傳統 Fay-Herriot 模型仰賴的直接估計值，模型還納入時間變動與空間變動的回歸係數以及動態時空截距，用 MCMC 取得後驗分布，並用一個 100 次重複的模擬研究跟設計型直接估計做比較。

結論

結論是這個直接建模樣區資料的做法，能用上傳統方法被迫丟棄的稀疏資料，在小樣本下偏差與 RMSE 都比設計型直接估計低、區間更窄，提供更可靠的小區域碳密度現況與趨勢估計。

討論與我的觀察

這對我很有啟發，因為它正好補上地面量測這一章從稀疏樣區到連續碳製圖之間的統計橋樑。原文自己也點出限制，樣本量很小時偏差還是比較明顯，要靠鄰近郡與鄰近年份的觀測來緩解，而且目前高效抽樣只適用高斯與二項反應變數，對 NFI 常見的計數與組成型資料還沒有對應方法。要留意的是這是一篇 arXiv 預印本、做的是美國 FIA 資料的方法與模擬研究，不能拿來當台灣森林的證據或已上線的碳盤查系統，但它的協變數設計與 CAR 鄰接結構很值得思考怎麼搬到台灣的森林調查小班。

重要科學發現

• 原文 Discussion 指出，593,368 筆樣區中有 98,574 筆（16.6%）會在傳統 FH 模型下缺直接估計值而被丟棄。
• 原文 Discussion 指出，43,512 個郡-年組合中有 8,764 個（20.1%）因 nj,t=1 或樣區量測全為零而缺直接估計值。
• 原文 Section 3.2 與 Figure 4 指出，2013 年 Tuolumne 郡樹冠覆蓋與碳估計值驟降，對應該年燒掉 257,314 英畝的 Rim 大火。

關鍵短引用

稀疏地區樣區量測多為零，使直接估計無法計算Section 2.3

本模型偏差與 RMSE 整體優於直接估計Section 3.3

博士生的話

這篇支撐我把地面稀疏樣區與遙測協變數融合進貝氏時空模型的構想，對 TJFS review 則是在地面量測章補上一個模型型小區域估計的觀點，和異速生長方程式與木材密度等來源互補。