华南师范大学付迎春教授团队在Remote Sensing of Environment发表植被碳汇动态预测成果

文章预览

1. 研究背景 准确和连续地估计亚热带森林的碳密度对于监测陆地碳通量至关重要。中国南方的热带与亚热带森林，因受人为扰动和造林活动影响，是森林扰动较为显著地区之一。高分辨率光学卫星数据有助于提高生物量预测的准确性，与激光雷达结合能取得较好的生物量预测效果，但这两类数据在多云雨南方地区获取是受限的，并且激光雷达波形展宽效应也是山区和热带茂密森林生物量预测的主要问题。 目前，深度学习技术已应用于生物量制图领域，因模型对样本的需求多局限于小范围地区开展。较为广泛使用的随机森林模型均方预测误差（ MSPE ）包括噪声方差、系统预测偏差和回归预测方差， Breiman 和相关学者尝试 Bagging 方法以降低回归预测方差，但不能缓解系统预测偏差（包括低值高估和高值低估）的问题。因此，本文结合可免费获取的陆 ………………………………