城市环境中利用机载LiDAR和光学观测的自监督树木生物量估算

城市树木的生物量估算对于理解城市碳循环和气候变化缓解至关重要。然而，与管理的森林相比，城市树木的生物量在空间上往往无法精确量化，因为许多估计依赖于难以解析单个树冠或精细尺度异质性的清查或粗分辨率产品。近日，一项发表在arXiv上的研究提出了一种自监督框架，利用机载LiDAR和光学观测，在树冠级别估算城市树木的地上生物量（AGB）。

该研究以加拿大安大略省一个810平方公里的区域为研究对象，使用了2018年和2023年落叶期采集的机载LiDAR数据（点密度8-10脉冲/平方米）和近红外RGB正射影像（分辨率0.16-0.20米）。研究者设计了一个双流交叉注意力网络，通过基于规则的伪标签进行训练，生成建筑物、针叶树和阔叶树的语义标记，从而支持树冠描绘和功能类型分配。在独立标注的保留瓦片上，全局/平均精度、召回率和Dice分数分别达到了0.86、0.83和0.84。树冠通过多尺度分水岭分割在映射的树木区域中描绘，AGB则利用校准自Lambert等人（2005）物种特异性异速生长方程的树冠面积-高度幂律代理进行估算，使用了21,921棵清查树木。在来自90,726棵保留测试集的18,713个清查-分割匹配对中，AGB预测使用清查树冠几何时R²=0.609，使用实际分割时R²=0.570，表明树冠描绘仍是主要的不确定性来源。

汇总到30米分辨率后，估算结果显示2018年总AGB储量为1.73 Tg，2023年为1.81 Tg（相当于811-850 Gg碳），尼亚加拉断崖沿线局部密度高达约140 Mg/公顷，五年内碳净增39 Gg。深度集成不确定性图突出了与代表性不足的土地覆盖相关的高认知不确定性区域，并指导将不确定的树冠分配到合并的异速生长方程。该框架使用标准省级数据，无需手动标注，并生成一个面向城市森林外树木的公开双时相树冠级AGB数据库，具有管理相关的分辨率。