運用 ICESat-2 估算與製圖森林地上生物量之首例Using ICESat-2 to Estimate and Map Forest Aboveground Biomass: A First Example

研究問題

這篇想回答實際的 ICESat-2 光子計數光達資料能不能用來估算與製圖森林地上生物量，以及強光束和弱光束的精度差多少。

材料與方法

作者在德州東南部約 283 平方公里的研究區，對 ICESat-2 的 ATL03 光子套用自訂雜訊濾除與光子分類演算法取得冠層高度，於沿軌 100 公尺乘 17 公尺分段萃取高度指標，用逐步迴歸建立 AGB 模型並檢核共線性，再用 Random Forest 結合 Landsat 8 OLI 植生指數與 NLCD 土地與冠層覆蓋，把分段 AGB 升尺度成 30 公尺像元的生物量圖。

結論

結論是實際 ICESat-2 強光束資料確實能估算森林 AGB，最佳模型只用平均高度、最大高度與第 5 百分位高度，測試 R2 達 0.60、RMSE 約 24.91 Mg/ha，弱光束表現較差但仍有意義，整區升尺度後的 RF 模型測試 R2 為 0.58。

討論與我的觀察

這代表稀疏的太空光達軌道，搭配免費的 Landsat 影像就能走向 wall-to-wall 的生物量製圖，是把點狀觀測變成整面地圖的一條實作路徑。限制也很清楚，沒有與軌道空間吻合的地面實測，參考生物量是升尺度後的機載光達圖，而且機載光達是 2010 年的資料與 ICESat-2 有時間落差，光學影像在高生物量時又會飽和導致低估。作者建議後續整合 GEDI 等多源資料、加做不確定性分析並嘗試深度學習。對我研究的關係上，它正好支撐我把太空光達當作森林結構與 AGB 的底層觀測，並示範與光學影像融合升尺度的技術路線。

重要科學發現

• 強光束最佳迴歸模型只用三項冠層高度指標，訓練 R2 0.61、RMSE 22.15 Mg/ha，測試 R2 0.60、RMSE 24.91 Mg/ha。
• 弱光束最佳模型僅用平均高度，訓練 R2 0.41、測試 R2 0.37，明顯不如強光束。
• Random Forest 升尺度模型測試 R2 0.58、RMSE 23.89 Mg/ha，最重要預測變數為冠層覆蓋，研究區平均預測 AGB 為 74.93 Mg/ha。

關鍵短引用

本文是 ICESat-2 估算 AGB 的初步評估p.11 Sec 4

光學影像隨 AGB 升高出現飽和p.10 Sec 3.2

博士生的話

這篇支撐我博論把太空光達放在資料底層，並示範光達與光學影像融合的升尺度路線；對 TJFS review，它是 Ch4 太空光達的開創性引用，能往多源融合與數位孿生資料底層串接。