森林生物量估算從單木到地景尺度的變異與不確定性，異速生長方程式所扮演的角色Variability and uncertainty in forest biomass estimates from the tree to landscape scale: the role of allometric equations
Vorster, A.G., Evangelista, P.H., Stovall, A.E.L., Ex, S.｜Carbon Balance and Management 15: 8｜DOI: 10.1186/s13021-020-00143-6
狀態：AI_DRAFT_FROM_REVIEW｜分級：A｜閱讀深度：FULL_TEXT_CHECKED｜Jacky 審核：False
森林數位孿生底層致能
allometric equationsaboveground biomassuncertainty propagationcarbon stockdestructive samplingLandsatrandom foresterror propagationUSAColoradoRocky Mountains
專討核心文獻定位
[60]
Ch2 · 地面量測
新增
異速生長方程式的選擇主導森林生物量估算誤差，不傳遞異速不確定性會嚴重低估總誤差
使用警示
本頁是文獻知識庫卡片，不等於可直接引用的最終查核稿。只有狀態升級為 CITABLE 後，才可直接進入論文引用候選。
為什麼納入這篇
This paper is a core ground-measurement source quantifying how allometric-equation choice and allometric uncertainty drive forest biomass error from tree to landscape scale, which underpins the bottom layer of any forest digital twin or MRV pipeline.
結構式摘要｜中英文對照
| 研究問題 | 異速生長方程式的選擇與其不確定性，如何影響從單木到地景尺度的森林地上生物量估算與其總誤差。 How does the choice of allometric equation, and its associated uncertainty, affect aboveground forest biomass estimates and total error from the tree to the landscape scale? |
|---|---|
| 資料來源 | 在美國北科羅拉多及南懷俄明 156 萬公頃森林研究區內，破壞性取樣 40 棵樹（黑松 20、西黃松 10、花旗松 10）建立在地異速方程式，並用 Legacy Tree 資料庫 285 棵獨立樹做驗證，配合 2001 年 Landsat 7 ETM+ 影像與 418 個 FIA 樣區資料。 Within a 1.56 million ha study area in northern Colorado and southern Wyoming, 40 trees were destructively sampled (20 lodgepole pine, 10 ponderosa pine, 10 Douglas-fir) to build local allometric equations, validated against 285 independent trees from the Legacy Tree Database, combined with a 2001 Landsat 7 ETM+ image and 418 FIA plots. |
| 方法 | 用非線性 seemingly unrelated regression 建立在地異速方程式，比較在地方程式、Jenkins 全國方程式與 FIA-CRM 三套；以隨機森林結合 Landsat 與地形氣候圖層繪製生物量地圖；再把異速誤差與遙測模型預測誤差傳遞到單木、樣區與像元尺度，並比較兩種異速誤差來源，方程式擬合誤差與獨立資料集誤差。 Local allometric equations were built using nonlinear seemingly unrelated regression and compared with the Jenkins et al. nationwide equations and FIA-CRM. A random forest model combined Landsat, geomorphometric, and climate layers to map biomass, then allometric and remote-sensing prediction errors were propagated to tree, plot, and pixel scales, comparing equation-derived versus independent (Legacy) allometric error. |
| 主要結果 | 原文確認異速不確定性貢獻總不確定性的 30 至 75%，遙測模型預測不確定性貢獻 25 至 70%。用方程式擬合誤差時，在地方程式總不確定性最低（百分比 RMSE 約 50%）；用獨立資料評估時，異速不確定性反而大於遙測預測不確定性。整個研究區地上生物量：在地方程式估約 20.66 億 Mg，Jenkins 約 22.24 億 Mg（比在地多 7.6%），FIA-CRM 約 15.02 億 Mg（比在地少 27.3%）。 The text confirms that allometric uncertainty contributed 30 to 75% of total uncertainty while remote-sensing prediction uncertainty contributed 25 to 70%. With equation-derived error, local equations had the lowest total uncertainty (about 50% RMSE of the mean); with independent evaluation, allometric uncertainty exceeded remote-sensing prediction uncertainty. Landscape biomass was about 2.066 billion Mg (local), 2.224 billion Mg (Jenkins, 7.6% higher than local), and 1.502 billion Mg (FIA-CRM, 27.3% lower than local). |
| 限制 | 原文自述未納入胸徑與樹高量測誤差及模型參數誤差，因此低估了總不確定性；在地方程式樣本數低（每種 10 到 20 棵）且集中在小範圍，外推到其他地區須謹慎；獨立評估只涵蓋三個焦點樹種，且 Legacy 資料偏向小徑木，可能低估異速不確定性。 The authors note that diameter and height measurement errors and model-parameter errors were not included, so total uncertainty is underestimated. Local equations rely on small sample sizes (10 to 20 trees per species) from small areas and should be applied elsewhere cautiously. Independent evaluation covered only three focal species, and the Legacy dataset skewed toward small trees, likely underestimating allometric uncertainty. |
Key Findings
| 發現 | 證據 | 確定性 |
|---|---|---|
| Allometric-equation choice dominates forest biomass estimates across tree, plot, and landscape scales, and allometric uncertainty can exceed remote-sensing prediction uncertainty. | Conclusion and Results: allometric uncertainty contributed 30 to 75% of total uncertainty; allometric error exceeded prediction error when independently evaluated (p.1 Abstract; p.14 Results). | checked_against_original_txt |
| Reported equation-fit error underestimates true error; independent regional tree datasets reveal much higher uncertainty. | Discussion and Conclusion: independent evaluation against Legacy Tree Data raised plot RMSE from 41.5 to 90.9-135.7 Mg/ha (p.13-14, p.18). | checked_against_original_txt |
| FIA-CRM, widely used for US carbon accounting, consistently underestimated biomass and had the highest total uncertainty. | Results and Discussion: FIA-CRM landscape estimate 1.502 billion Mg (27.3% below local); FIA-CRM total uncertainty up to 164.5% (p.15, p.17). | checked_against_original_txt |
Key Figures and Tables
公開網站原則：未確認授權前，不直接複製原文圖表；優先使用自製圖表導讀或重繪圖。
| 項目 | 內容 | 關鍵數字 | Jacky 判讀 | 重用策略 |
|---|---|---|---|---|
| Table 4 | 比較在地、Jenkins、FIA-CRM 三套方程式對 285 棵獨立樹的 RMSE 與偏差，分樹種呈現。 | 全樹種 RMSE：在地 46.3%、Jenkins 67.4%、FIA-CRM 62.0%；誤差最高達 113.7%（Jenkins 對花旗松），最低 23.1%（在地對西黃松）。 | 用來說明在地方程式不必然最準，誤差因樹種而劇烈變動，異速選擇須逐種驗證。 | CC-BY 4.0 可附出處重用；建議重繪精簡長條圖突顯三套方程式跨樹種差異。 |
| Figure 7b | 各情境下異速誤差與隨機森林預測誤差佔總不確定性的比例與總不確定性。 | 總不確定性最低為在地方程式擬合誤差情境 49.9%，最高為 FIA-CRM 獨立評估 164.5%；異速誤差佔總不確定性 29.9 至 75.2%。 | 這張圖是核心論點，只報遙測預測誤差會給出假性高信心，異速誤差必須一併傳遞。 | CC-BY 4.0 可附出處重用；建議重繪堆疊長條圖對應台灣 MRV 不確定性拆解。 |
Extracted Evidence Table
| 可支撐主張 | 指標或結果 | 原文位置 | 可引用 | 備註 |
|---|---|---|---|---|
| Allometric uncertainty is a major, often dominant, source of total biomass estimation uncertainty. | Allometric uncertainty contributed 29.9 to 75.2% of total uncertainty; only equation-derived errors fell below prediction error. | p.14-15 Results (Fig. 7b); p.1 Abstract. | True | 可作為地面量測層誤差傳遞的關鍵引用，注意此為溫帶針葉林案例，外推到熱帶或台灣須標明。 |
| Different allometric equations produce large divergence in landscape-scale biomass. | Landscape biomass 2.066 (local) / 2.224 (Jenkins, +7.6%) / 1.502 (FIA-CRM, -27.3%) billion Mg. | p.15 Results. | True | FIA-CRM 不含葉量是部分原因，但差異超過葉量可解釋範圍。 |
Critical Appraisal
Strengths
- 罕見地以獨立破壞性取樣資料集（285 棵）驗證異速方程式，而非只用擬合誤差。
- 完整把異速誤差與遙測預測誤差傳遞到單木、樣區、地景三尺度。
- 資料與方法透明，附件公開破壞性取樣原始資料。
Weaknesses
- 在地方程式每種僅 10 至 20 棵，樣本數低且集中小範圍，外推受限。
- 未納入胸徑、樹高量測誤差與模型參數誤差，總不確定性偏低估。
- 獨立評估僅三焦點樹種，且 Legacy 資料偏小徑木。
| Validation quality | high for a ground-measurement study, due to independent Legacy Tree validation, but limited by small local sample sizes and three-species coverage |
|---|---|
| Transferability to Taiwan | 中等，方法論（誤差傳遞、獨立驗證、逐種測試）可直接借鏡，但樹種與方程式為美國溫帶針葉林，不可直接套用台灣森林 |
| Risk of overclaiming | 不可把此溫帶針葉林的具體數值當成台灣或熱帶森林的通用結論，只能引用其方法論與不確定性結構。 |
與 Jacky 博論 / Review 的用途
| 博士論文 | 支撐博論在森林數位孿生底層強調地面量測誤差的可追溯與傳遞，異速不確定性必須進入 FDT 的誤差預算。 |
|---|---|
| TJFS Review | 為 TJFS review 的地面量測章節提供關鍵實證，說明只報遙測模型誤差會低估生物量地圖的真實不確定性。 |
| 可引用句候選 | 2020 年，Vorster 等人發表的文獻中指出，異速生長方程式的選擇主導森林地上生物量的估算誤差，且異速不確定性可佔總不確定性的三成至七成五，若只報遙測模型預測誤差會嚴重低估真實不確定性。 |
| 不可用來主張 | 不可用本文的具體生物量數值或方程式直接代表台灣或熱帶森林。 |
授權與圖表重用
| Article license | CC-BY-4.0 |
|---|---|
| Figure reuse policy | REUSE_ALLOWED_WITH_ATTRIBUTION_CC_BY_4_0 |
| Notes | 原文授權頁明確標示 Creative Commons Attribution 4.0 International License，附正確出處後可重用圖表。 |
待查核清單
- 若製作導讀，重繪 Table 4 與 Figure 7b 為精簡圖（CC-BY 4.0 可附出處重用）。
- 對照台灣 NFI 異速方程式，評估誤差傳遞框架的在地化可行性。