運用光學衛星影像與太空光達融合進行碳儲量估算之森林減排評估Forest Emissions Reduction Assessment Using Optical Satellite Imagery and Space LiDAR Fusion for Carbon Stock Estimation

研究問題

這篇想回答能不能用光學衛星影像和太空光達融合，建立一套可規模化又低成本的森林減排評估方法，真正用在 REDD+ 碳專案上。

材料與方法

作者在中國福建順昌一個杉木為主的森林碳中和專案做實驗，先用野外實測的 290 棵樹搭配異速生長方程式建立 ALS 樹級碳儲量模型，再用全卷積網路 FCN 把 Sentinel-2 光學影像和 GEDI 太空光達的 RH98 冠層高融合，估出每個 10 公尺像元的冠層頂高，接著用最小二乘迴歸把冠層高轉成碳儲量密度，最後加總全專案碳儲量並換算成減排量。

結論

結論是融合法估算的碳儲量密度相對 ALS 法的 R2 達 0.72，評估出的減排量 589,169 tCO2e 與官方監測報告的 598,442 tCO2e 高度一致，而且因為 Sentinel-2 和 GEDI 都是免費資料，成本與規模化都比 ALS 法好很多。

討論與我的觀察

這代表我在寫 Ch6 多源融合時，可以拿這篇當作太空光達加光學融合真正落地到碳專案、還和官方 MRV 報告對得上的代表案例。限制也很清楚，FCN 對低矮冠層高估、高大冠層低估，CHM 個別樹分割在多層次混合林會變差，而且整個驗證只在單一亞熱帶杉木專案做，跨樹種跨區的轉移性還沒被證實，作者自己也說需要更多參考資料和品質控制框架。對我研究的關係上，它把融合法定位成可規模化的中層技術，並示範了用官方監測報告做一致性驗證的做法，正好接到台灣山地杉木造林的應用情境。

重要科學發現

• 原文 Section 3.3 指出，融合 GEDI 與 Sentinel-2 估算的密集冠層頂高，可準確預測 ALS 法碳儲量，R2 達 0.72。
• Table 1 顯示 FCN 冠層高模型 pseudo-R2 為 0.8142、RMSE 3.5467 公尺，優於 RF、SVR、CNN。
• Conclusions 指出融合法減排量 589,169 tCO2e 與官方監測報告 598,442 tCO2e 高度一致。

關鍵短引用

Sentinel-2 與 GEDI 資料對所有人免費Sec 4.1

高品質野外資料在現階段仍為校正與驗證所必需Sec 4.3

博士生的話

這篇支撐我博論把太空光達加光學融合定位為地上生物量與碳儲量的可規模化中層技術，並提供一個用官方 MRV 報告做一致性驗證的方法範例，讓我把自己的台灣 FDT 主張和只做地圖產品的研究區隔開來。