龐勇 李增元,* 余濤 劉清旺 趙磊 陳爾學(xué)

森林碳儲量遙感衛(wèi)星現(xiàn)狀及趨勢

龐勇1,2李增元1,2,*余濤1,2劉清旺1,2趙磊1,2陳爾學(xué)1,2

（1 中國林業(yè)科學(xué)研究院 資源信息研究所，北京 100091）（2 國家林業(yè)和草原局 林業(yè)遙感與信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100091）

“二氧化碳排放于2030年前達(dá)到峰值，2060年前實(shí)現(xiàn)碳中和”是統(tǒng)籌中國國內(nèi)經(jīng)濟(jì)社會發(fā)展與全球應(yīng)對氣候變化協(xié)同共贏的重大戰(zhàn)略。森林生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)的主體，在減緩溫室效應(yīng)、維持全球碳平衡中起著極其重要的作用。精準(zhǔn)計量森林生態(tài)系統(tǒng)的碳儲量，可以加深對全球碳循環(huán)過程的理解，為“雙碳”目標(biāo)的實(shí)現(xiàn)提供科學(xué)支撐。近年來，衛(wèi)星遙感技術(shù)迅猛發(fā)展，多類型的光學(xué)遙感數(shù)據(jù)、激光雷達(dá)遙感數(shù)據(jù)、合成孔徑雷達(dá)數(shù)據(jù)等，為森林碳儲量的定量估測提供了豐富、可靠的數(shù)據(jù)源。文章綜述了森林碳儲量遙感衛(wèi)星載荷技術(shù)發(fā)展現(xiàn)狀及趨勢，分析了森林碳儲量遙感衛(wèi)星常用觀測模式，論述了森林碳儲量地面真實(shí)性檢驗(yàn)系統(tǒng)發(fā)展?fàn)顩r。文章可為森林碳儲量遙感衛(wèi)星設(shè)計與應(yīng)用提供有益參考。

森林碳儲量 遙感衛(wèi)星 光學(xué)遙感 激光雷達(dá) 合成孔徑雷達(dá) 遙感應(yīng)用

0 引言

陸地植被生態(tài)系統(tǒng)碳匯能力的定量評估對更好地理解全球碳循環(huán)，實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)至關(guān)重要。在我國“二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實(shí)現(xiàn)碳中和”國家重大戰(zhàn)略的背景下，充分發(fā)揮森林生態(tài)系統(tǒng)的固碳作用并提升增匯潛力是我國逐步達(dá)到碳中和的重要途徑。我國森林生態(tài)系統(tǒng)當(dāng)前雖是顯著的碳匯，然而我國森林碳密度僅為全球森林碳密度平均水平的57.6%，具有巨大的增匯潛力和固碳空間。我國“碳達(dá)峰、碳中和”和陸地生態(tài)安全等國家重大戰(zhàn)略需要對我國的森林資源進(jìn)行精確刻畫和高效經(jīng)營管理，以提高森林（Quality，下同）和森林資源安全風(fēng)險防范能力。

傳統(tǒng)的森林資源調(diào)查以抽樣理論為基礎(chǔ)，以地面調(diào)查為主要方法，但森林資源調(diào)查的地面測量不僅工作量大、周期長，而且難以在大面積范圍內(nèi)連續(xù)取樣。遙感技術(shù)能夠快速、準(zhǔn)確、實(shí)時地監(jiān)測大面積地面數(shù)據(jù)，為森林資源調(diào)查及其動態(tài)變化監(jiān)測提供了科學(xué)有力的工具，多光譜、高光譜、雷達(dá)和激光雷達(dá)等數(shù)據(jù)被用于森林類型、結(jié)構(gòu)特征和森林生長狀態(tài)的監(jiān)測與評估研究[1-3]。多光譜、高光譜等光學(xué)遙感對森林結(jié)構(gòu)信息表現(xiàn)較為直觀、敏感，在森林植被參數(shù)反演研究中起步較早，在森林樹種識別、葉面積指數(shù)以及郁閉度等參數(shù)估測方面發(fā)揮了很大作用。但光學(xué)遙感只能獲得森林表層信息，難以獲得表征森林垂直結(jié)構(gòu)特征的信息，在生物量估測方面亦有其局限性，因?yàn)樯值厣仙锪坑蓷U、枝、葉等部分組成，而光譜信號只能夠和葉生物量發(fā)生反應(yīng)，在較低的生物量水平上即飽和，當(dāng)生物量較高時將失去其指示作用。

激光雷達(dá)（Light Detection and Ranging，LiDAR）能獲取高精度的森林垂直結(jié)構(gòu)信息，精確地探測大區(qū)域森林空間結(jié)構(gòu)，在森林碳儲量估測方面具有突出的優(yōu)勢，在林下地形、樹高、森林生物量等參數(shù)估測方面起到了重要作用。加拿大、美國、瑞士、挪威等歐美林業(yè)發(fā)達(dá)國家一直在積極推進(jìn)最新激光雷達(dá)系統(tǒng)和技術(shù)的研發(fā)，并且在林業(yè)中進(jìn)行廣泛應(yīng)用，我國也成功開展了一系列激光雷達(dá)林業(yè)示范應(yīng)用。然而，激光雷達(dá)受到大氣、云霧的限制，小光斑激光雷達(dá)的飛行成本很高，大光斑激光雷達(dá)受林下地形和樹木空間結(jié)構(gòu)的影響，在復(fù)雜地形條件下參數(shù)估計精度有所降低。

隨著合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）成像系統(tǒng)的發(fā)展，SAR數(shù)據(jù)獲取方式日臻多樣化，逐步由最初的單極化、單波段和單軌道發(fā)展到目前的多極化、多波段和多基線等不同觀測方式及其組合，多維度SAR的概念應(yīng)運(yùn)而生[4]。其中，極化SAR（Polarimetric SAR，PolSAR）能夠反映散射體的物理特性；干涉SAR（Interferometric SAR，InSAR）通過相位差異可以反映散射體的高程信息；極化干涉SAR（Polarimetric SAR Interferometry，PolInSAR）同時具有PolSAR和InSAR的優(yōu)勢，已成為植被參數(shù)反演研究的重要手段；多基線InSAR數(shù)據(jù)發(fā)展的層析SAR（Tomographic SAR，TomoSAR）技術(shù)實(shí)現(xiàn)了對高度方向分布散射體的直接測量，不僅可以獲取更高精度的高程信息，還可以有效解決疊掩和透視收縮問題，在植被參數(shù)估計領(lǐng)域具有很大的應(yīng)用潛力[5]；多基線極化干涉TomoSAR綜合了多基線干涉TomoSAR和PolInSAR的優(yōu)勢，基于層析成像的方法可以實(shí)現(xiàn)將具有不同散射機(jī)制的散射體在垂直方向上進(jìn)行分離，有助于深入理解森林內(nèi)部散射體的物理意義[6]。多維度SAR通過綜合利用多個觀測數(shù)據(jù)，可以更為精細(xì)地描述森林的垂直結(jié)構(gòu)信息，從而確保反演模型的精確性。微波遙感以像元為單位，提供了分辨單元內(nèi)所有散射體的總后向散射信息，通過層析技術(shù)可以提取其在垂直方向的分布信息，得到以后向散射功率曲線形式表示的垂直結(jié)構(gòu)剖面，該剖面形狀與森林形態(tài)具有相似性，可在一定程度上反映森林的垂直結(jié)構(gòu)信息[7]。此外，微波遙感還可用于估測林下地形、樹高以及地上生物量，從而獲得指示森林垂直結(jié)構(gòu)的參數(shù)信息。

世界主要航天組織都把森林作為主要觀測目標(biāo)之一。美國2018年發(fā)布的對地觀測十年戰(zhàn)略規(guī)劃將碳循環(huán)和生態(tài)系統(tǒng)觀測作為其六大觀測目標(biāo)之一，并明確規(guī)劃了激光雷達(dá)、SAR及其與光學(xué)遙感相結(jié)合監(jiān)測森林生物量變化的系列衛(wèi)星計劃[8]。歐洲空間局（European Space Agency，ESA）2015年發(fā)布對地觀測戰(zhàn)略規(guī)劃中，部署了P波段的森林生物量監(jiān)測衛(wèi)星（BIOMASS）、葉綠素?zé)晒庥^測衛(wèi)星（FLEX）等多個計劃[9-10]。我國《國家民用空間基礎(chǔ)設(shè)施中長期發(fā)展規(guī)劃（2015-2025年）》中，圍繞森林資源與碳循環(huán)的觀測需求，部署了光學(xué)觀測星座、SAR觀測星座以及激光雷達(dá)與其他成像傳感器主被動聯(lián)合觀測的陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星[11]。當(dāng)前，國產(chǎn)遙感數(shù)據(jù)的定量化處理和時空連續(xù)性森林參數(shù)產(chǎn)品生產(chǎn)，以及在此基礎(chǔ)上面向碳中和的林草生態(tài)系統(tǒng)碳匯監(jiān)測產(chǎn)品等應(yīng)用研究方面與國外差距較小，但仍然嚴(yán)重依賴國外衛(wèi)星數(shù)據(jù)、產(chǎn)品及相關(guān)平臺基礎(chǔ)。

1 載荷技術(shù)的發(fā)展

1.1 多光譜載荷

自1972年以來，Landsat計劃提供了全球覆蓋的長達(dá)數(shù)十年的多光譜圖像數(shù)據(jù)，為分析全球生態(tài)環(huán)境變化提供了重要基礎(chǔ)數(shù)據(jù)。Landsat Next將在植被監(jiān)測、水質(zhì)、作物生產(chǎn)和植物脅迫、氣候和降雪動態(tài)、土壤健康和其他基本環(huán)境監(jiān)測領(lǐng)域開辟新的應(yīng)用。Landsat Next具有更高的時間和空間分辨率，以及26個波段（包括：11個陸地衛(wèi)星傳統(tǒng)波段的改進(jìn)版本；5個波段具有與Sentinel-2波段相似的空間和光譜特征，以便更容易合并數(shù)據(jù)產(chǎn)品；10個新的光譜波段，以支持新興的陸地衛(wèi)星應(yīng)用[12-14]）。

Sentinel-2是ESA“哥白尼”計劃的地球觀測任務(wù)，該任務(wù)主要對地球表面進(jìn)行觀測以提供相關(guān)遙測服務(wù)，例如森林監(jiān)測、土地覆蓋變化偵測、災(zāi)害監(jiān)測。該計劃由2顆相同的衛(wèi)星“哨兵2號”A（Sentinel-2 A）與B（Sentinel-2 B）組成的衛(wèi)星群，分別于2015年和2017年發(fā)射成功。Sentinel-2具有13個多光譜波段，光譜范圍涵蓋可見光、近紅外線與短波紅外。地面分辨率分別為10m、20m和60m、一顆衛(wèi)星的重訪周期為10天，兩顆互補(bǔ)，可實(shí)現(xiàn)5天的重訪周期。Sentinel-2是唯一在紅邊范圍含有3個波段的衛(wèi)星，這對監(jiān)測植被健康信息非常有效[15-16]。Sentinel-2的另外兩顆衛(wèi)星Sentinel-2 C和Sentinel-2 D計劃于2024年發(fā)射。

2013年4月26日，我國成功發(fā)射“高分一號”（GF-1）衛(wèi)星01星，是國家高分辨率對地觀測重大專項（簡稱“高分”專項）的首發(fā)衛(wèi)星。衛(wèi)星搭載了2m/8m全色多光譜（Panchromatic/multi-spectral，PMS）高分辨率相機(jī)和16m多光譜寬視場成像（Wide Field View，WFV）中分辨率相機(jī)[17]，與2018年3月31日發(fā)射的GF-1衛(wèi)星02、03和04星共同構(gòu)成了GF-1陸地資源調(diào)查監(jiān)測業(yè)務(wù)星座?！案叻至枴保℅F-6）衛(wèi)星于2018年6月2日成功發(fā)射，入軌后與GF-1衛(wèi)星組網(wǎng)運(yùn)行[18-19]。GF-6星上搭載了2臺相機(jī)，分別為2m/8m PMS高分辨率相機(jī)和16m WFV寬幅相機(jī)，該寬幅相機(jī)能夠?qū)崿F(xiàn)單相機(jī)成像幅寬優(yōu)于800km，對大范圍成像和觀測具有獨(dú)特優(yōu)勢。相較于GF-1的同類傳感器，GF-6首增了2個紅邊波段，能有效提升對農(nóng)田、森林和草地等植被的監(jiān)測能力[20]。GF-6衛(wèi)星與GF-1衛(wèi)星具有高時間分辨率、高/中空間分辨率，寬范圍覆蓋和多譜段成像等特征，GF-1和GF-6衛(wèi)星的組網(wǎng)和配合使用不僅豐富了我國高分辨率國產(chǎn)影像數(shù)據(jù)集，拓展了衛(wèi)星數(shù)據(jù)的應(yīng)用場景，而且能更好地服務(wù)于我國自然資源、生態(tài)環(huán)境、土地規(guī)劃和應(yīng)急管理等領(lǐng)域的業(yè)務(wù)應(yīng)用，提高我國森林資源的觀測能力。表1為多光譜衛(wèi)星載荷簡介。

表1 多光譜衛(wèi)星載荷簡介

1.2 高光譜載荷

光譜成像技術(shù)誕生于20世紀(jì)80年代，以美國的中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer，MODIS）、Hyperion以及高光譜紅外成像儀（Hyperspectral Infrared Imager，HyspIRI）等為代表，高光譜成像光譜儀先后成功應(yīng)用于環(huán)境監(jiān)測、資源勘察等應(yīng)用領(lǐng)域[21-22]。歐洲具有代表性的高光譜衛(wèi)星包括：緊湊型高分辨率成像光譜儀（Compact Hight Resolution Imaging Spectrometer，CHRIS）、中分辨率成像光譜儀（Medium Resolution Imaging Spectrometer，MERIS）以及德國“環(huán)境、測繪與分析計劃”（Environmental Mapping and Analysis Program，EnMAP）衛(wèi)星以及意大利航天局的PRISMA高光譜衛(wèi)星[23-25]。

我國的多光譜成像技術(shù)研究也可追溯到20世紀(jì)80年代，“神舟三號”飛船搭載的中分辨率成像光譜儀（Chinese Moderate-resolution Imaging Spectroradiometer，CMODIS）的成功升空開啟了我國星載高光譜成像儀的新紀(jì)元[26]。到目前，我國已擁有多個高光譜衛(wèi)星，并在光譜分辨率和空間分辨率上不斷優(yōu)化，其中包括：“嫦娥一號”探月衛(wèi)星搭載的Sagnac干涉成像光譜儀、環(huán)境和減災(zāi)小衛(wèi)星星座HJ-1A、“天宮一號”高光譜成像儀、SPARK雙星高光譜成像儀（50kg以下微納衛(wèi)星）、“高分五號”衛(wèi)星、3組“珠海一號”高光譜衛(wèi)星、“資源一號02D”衛(wèi)星、“陸地生態(tài)系統(tǒng)碳監(jiān)測”衛(wèi)星[27-30]。主要光譜譜衛(wèi)星載荷如表2所示。

表2 高光譜衛(wèi)星載荷簡介

1.3 LiDAR載荷

作為主動遙感的代表之一，LiDAR通過激光器發(fā)射和接收激光脈沖測定地表物體的位置，可以通過林中空隙穿透森林冠層，獲得森林的三維空間結(jié)構(gòu)信息。根據(jù)載荷工作機(jī)制和記錄方式的不同，可將星載激光雷達(dá)分為全波形激光雷達(dá)和單光子探測激光雷達(dá)[31-33]。

星載激光雷達(dá)覆蓋范圍廣，能夠捕捉全球森林的廣泛趨勢和動態(tài)變化情況，可用于大區(qū)域森林資源調(diào)查研究。目前在軌的星載激光雷達(dá)系統(tǒng)包括搭載ATLAS系統(tǒng)的冰、云和陸地高程衛(wèi)星-2（Ice，Cloud，and Land Elevation Satellite-2，ICESat-2）、全球生態(tài)系統(tǒng)動態(tài)調(diào)查（Global Ecosystem Dynamics Investigation，GEDI）系統(tǒng)、“高分七號”（GF-7）等[34]。然而，星載激光雷達(dá)數(shù)據(jù)獲取方式主要為不連續(xù)的光斑點(diǎn)，獲取無縫的森林參數(shù)制圖需進(jìn)一步增加波束數(shù)量、提高重頻來加大采樣密度，并與其他成像遙感手段結(jié)合來實(shí)現(xiàn)。激光雷達(dá)衛(wèi)星載荷簡介如表3所示。

表3 激光雷達(dá)衛(wèi)星載荷簡介

1.4 SAR載荷

SAR載荷是以微波譜段作為探測手段的遙感載荷。相比于光學(xué)遙感，SAR對植被葉簇具有更好的穿透能力，其測量信號與森林結(jié)構(gòu)參數(shù)的關(guān)聯(lián)更具物理含義。早期的SAR載荷主要是以單波段（頻率）、單極化、單角度的系統(tǒng)為主，獲取的SAR數(shù)據(jù)相對單一。隨著SAR成像技術(shù)的發(fā)展和應(yīng)用需求的推動，SAR載荷已逐步發(fā)展到多波段、多極化、多角度、多時相以及不同觀測維度組合的多維度SAR[35]?？傮w上，SAR載荷技術(shù)的發(fā)展經(jīng)歷了兩個階段：首先，在單一觀測維度中的擴(kuò)展，例如：頻率方面由單一頻率向多頻擴(kuò)展；極化方面由單極化向多極化、全極化發(fā)展；角度方面由單站SAR向多站SAR發(fā)展，由單基線InSAR向多基線InSAR發(fā)展。其次，不同觀測維度的融合，例如極化和角度維度的結(jié)合產(chǎn)生的PolInSAR技術(shù)，綜合利用了極化SAR和干涉SAR觀測優(yōu)勢，進(jìn)一步提高了SAR載荷的應(yīng)用潛力，這也是目前SAR載荷技術(shù)及其應(yīng)用發(fā)展的重要趨勢。

如表4所示，是國內(nèi)外面向森林監(jiān)測應(yīng)用的主要星載SAR系統(tǒng)及其特征?？梢钥吹?，面向森林監(jiān)測的SAR衛(wèi)星系統(tǒng)主要以長波長SAR為主（L/P-波段），觀測模式則呈現(xiàn)由單星單傳感器向單星多傳感器和多星聯(lián)網(wǎng)觀測發(fā)展的趨勢。

表4 面向森林監(jiān)測的主要星載SAR系統(tǒng)及特征

2 衛(wèi)星觀測模式

2.1 單星單傳感器

2.1.1 美國GEDI

全球生態(tài)系統(tǒng)動態(tài)調(diào)查（The Global Ecosystem Dynamics Investigation，GEDI）載荷于2018年12月發(fā)射至國際空間站，是一個專門調(diào)查全球生態(tài)系統(tǒng)動力學(xué)的星載多波束激光雷達(dá)任務(wù)。該任務(wù)采用1 064nm波段脈沖式激光雷達(dá)，發(fā)射發(fā)散角為56.1μrad的激光脈沖，從約410km的國際空間站上發(fā)射到地面可覆蓋約25m直徑光斑的地物。GEDI將3個激光器發(fā)射的脈沖，利用分光與擺動技術(shù)形成8條波束：4條全功率波束與4條“覆蓋”波束；8條波束沿軌方向光斑間隔約60m，垂直軌道方向間隔約600m，從而每軌數(shù)據(jù)可連續(xù)覆蓋約4.2km寬的地面范圍[36]。

由于國際空間站軌道限制，GEDI可在南北緯51.6°間形成沿軌連續(xù)觀測，242Hz脈沖發(fā)射頻率及3年多的觀測，記錄了超過100億的光斑，為全球森林垂直結(jié)構(gòu)大面積點(diǎn)采樣觀測提供可靠數(shù)據(jù)。

2.1.2 美國ICESat-2

ICESat-2由美國國家航空航天管理局（National Aeronautics and Space Administration，NASA）于2018年發(fā)射，其主要目的之一是測量植被冠層高度，作為估算大規(guī)模生物量和生物量變化的基礎(chǔ)。與全波形激光雷達(dá)系統(tǒng)不同，ICESat-2搭載的ATLAS（Advanced Topographic Laser Altimeter System）光子計數(shù)激光雷達(dá)系統(tǒng)，通過發(fā)射低能量、高頻率的激光脈沖，能夠?qū)崿F(xiàn)單光子水平的信號檢測，獲取光斑更小、密度更大的三維空間數(shù)據(jù)，實(shí)現(xiàn)對觀測對象的精確刻畫。ICESat-2是第一顆搭載光子計數(shù)激光雷達(dá)的對地觀測衛(wèi)星。ATLAS同時發(fā)射3對激光束，每對激光束包含一束強(qiáng)波束和弱波束，同一對的強(qiáng)弱波束垂軌距離約為90m，相鄰的激光對垂軌距離約為3.3km。ATLAS系統(tǒng)的工作波長為532nm，重復(fù)頻率為10kHz，光斑直徑約為11m，采樣分辨率約為0.7m，軌道高度約500km，重訪周期約為91天，傾角為92°，觀測覆蓋范圍為88°S～88°N[37-38]。在ICESat-2眾多高級數(shù)據(jù)產(chǎn)品中，ATL08（ICESat-2的數(shù)據(jù)產(chǎn)品土地和植被高度產(chǎn)品）提供了陸地和森林的參數(shù)，為森林遙感提供了重要的數(shù)據(jù)支撐。

2.1.3 歐洲空間局BIOMASS

2005–2009年期間，ESA啟動了BIOMASS衛(wèi)星發(fā)射計劃（2009年P(guān)hase-A）。BIOMASS衛(wèi)星搭載的主要載荷為全極化P波段(435MHz)SAR，P波段是目前可搭載于衛(wèi)星的最長波段，對森林生物量具有較好的敏感性[39]。該顆衛(wèi)星設(shè)計壽命5年，首先是約55天的層析觀測期（重訪時間1-4天），然后是干涉測量期（重訪時間25天）。這是一顆專門針對全球植被生物量探測的衛(wèi)星任務(wù)，將有利于提供全球一致的森林生物量分布圖，其空間分辨率與最常見的森林?jǐn)_動地塊大小一致，這將大大提高人類對目前生物量存量的規(guī)模、地理分布與森林?jǐn)_動和生長有關(guān)的通量的認(rèn)識。BIOMASS衛(wèi)星的首要目標(biāo)是獲取全球森林生物量、森林高度和森林?jǐn)_動產(chǎn)品，次要目標(biāo)是實(shí)現(xiàn)次地表地質(zhì)、林下地形和冰川冰蓋流速等產(chǎn)品的生產(chǎn)。目前，BIOMASS衛(wèi)星發(fā)射計劃一再推遲，最新公布的發(fā)射時間為2023年。

2.2 單星多傳感器組合

2.2.1 中國陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星

陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星（Terrestrial Ecosystem Carbon Inventory Satellite，TECIS）作為全球唯一的主被動結(jié)合探測森林生態(tài)系統(tǒng)的衛(wèi)星，于2022年8月4日發(fā)射。TECIS搭載了5波束全波形激光雷達(dá)與5角度多光譜相機(jī)等載荷，以激光雷達(dá)、多角度、多光譜的主被動融合方式探測森林碳儲量。

TECIS發(fā)射1 064nm波段、45μrad激光脈沖，可在約500km的軌道高度形成約25m直徑的光斑；40Hz的脈沖發(fā)射頻率以及1.2GHz的數(shù)字化波形采樣，形成全球點(diǎn)采樣覆蓋波形記錄。5角度（0°、±19°、±41°）多光譜相機(jī)可實(shí)現(xiàn)從可見光至紅外波段的全覆蓋觀測。主被動結(jié)合的方式可提高全球森林碳儲量估計精度[40-41]。

2.2.2 中國“高分七號”衛(wèi)星

“高分七號”（GF-7）衛(wèi)星于2019年11月3日在太原衛(wèi)星發(fā)射中心由“長征-4B”運(yùn)載火箭成功發(fā)射，是中國自主研制的首顆1:1萬比例尺立體測繪衛(wèi)星，是國家高分辨率對地觀測系統(tǒng)重大專項的重要組成部分[42]。該衛(wèi)星的傳感器包括中國自主研制的雙線陣立體相機(jī)、激光測高儀和足印相機(jī)。其中雙線陣立體相機(jī)可有效獲取20km幅寬、優(yōu)于0.8m分辨率的全色立體影像和3.2m分辨率的多光譜影像；兩波束激光測高儀以3Hz的觀測頻率向地面發(fā)射1 064nm波長的激光脈沖實(shí)現(xiàn)對地觀測，形成沿軌間隔約2.4km、垂軌間隔約12.25 km的離散激光光斑，激光足印直徑小于30m[43]。在獲取全波形數(shù)據(jù)的同時，該衛(wèi)星利用足印相機(jī)記錄激光的發(fā)射光斑強(qiáng)度分布及地面落點(diǎn)位置周圍的地物影像，通過影像匹配實(shí)現(xiàn)激光與線陣遙感影像的幾何關(guān)聯(lián)。GF-7衛(wèi)星的主要應(yīng)用領(lǐng)域包括地面控制點(diǎn)測量、極地冰蓋監(jiān)測、植被高度和生物量估算等[44]。隨著對全球氣候變化和碳循環(huán)研究的深入，森林植被監(jiān)測和控制變得越來越重要。利用傳統(tǒng)的遙感技術(shù)很難對大面積甚至世界范圍的植被高度和森林生物量進(jìn)行統(tǒng)計分析。然而，基于GF-7衛(wèi)星激光回波波形可提取冠層高度和林下地形，在此基礎(chǔ)上，通過將估測的植被平均高度與衛(wèi)星遙感圖像相結(jié)合，可以估測區(qū)域范圍的森林生物量[45]。同時，結(jié)合全波形數(shù)據(jù)的激光足印影像，GF-7衛(wèi)星將能夠在特征分類、植被高度提取和全球生物量估計方面實(shí)現(xiàn)更加廣泛應(yīng)用。

2.2.3 日本ALOS衛(wèi)星

ALOS（Advanced Land Observing Satellite）衛(wèi)星[46]由JAXA于2006年發(fā)射，載有3個傳感器：相控陣型L-波段合成孔徑雷達(dá)（PALSAR）、全色遙感立體測繪儀（PRISM）和先進(jìn)可見光與近紅外輻射計2型（AVNIR-2）。PALSAR載荷成像模式包含精細(xì)式、掃描式和極化試驗(yàn)?zāi)Ｊ?，對?yīng)分辨率從10m到100m。該載荷具有雙極化和全極化數(shù)據(jù)獲取能力，但為了確保實(shí)現(xiàn)每年獲取全球覆蓋數(shù)據(jù)至少一次的目標(biāo)，雙極化（HH/HV）是PALSAR的主要工作模式。PALSAR理論上可獲取極化干涉SAR數(shù)據(jù)，但由于重復(fù)周期（46天）太長，干涉影像在植被區(qū)受時間去相干影響嚴(yán)重，相干性對植被結(jié)構(gòu)參數(shù)的變化不敏感，不具備提取森林平均高的能力。因此，只能采用不同極化的雷達(dá)后向散射強(qiáng)度、極化分解參數(shù)等特征進(jìn)行森林地上生物量估測，對高生物量森林會出現(xiàn)信號飽和現(xiàn)象，只適用于較低生物量水平的森林。PRISM傳感器具有3個獨(dú)立的相機(jī)，分別用于星下點(diǎn)、前視和后視觀測，沿軌道方向獲取立體影像，空間分辨率為2.5m。AVNIR-2傳感器具有可見光和近紅外共４個波段，幅寬70km，空間分辨率10m，主要用于陸地和沿海地區(qū)觀測，為區(qū)域環(huán)境監(jiān)測提供土地覆蓋圖和土地利用分類圖。

ALOS衛(wèi)星后續(xù)計劃ALOS-2于2014年5月發(fā)射，載荷為相控陣型L-波段合成孔徑雷達(dá)（PALSAR-2）。相比于ALOS PALSAR，ALOS-2 PALSAR-2改進(jìn)了寬幅和高分辨率觀測技術(shù)?；贏LOS/ALOS-2衛(wèi)星發(fā)布的數(shù)據(jù)產(chǎn)品包括全球數(shù)字地表模型（ALOS World 3D-30m，AW3D30）[47]、L-波段SAR鑲嵌數(shù)據(jù)集[48]和森林/非森林分類圖（Forest/Non-Forest Maps，F(xiàn)NF），這三類產(chǎn)品均可免費(fèi)獲取。25m分辨率的全球森林/非森林分類圖的總體分類精度達(dá)到86%。

日本計劃2023年發(fā)射ALOS-4衛(wèi)星，搭載第三代L-波段全極化SAR衛(wèi)星（PALSAR-3），配置模式和PALSAR-2類似，但空間分辨率、時間分辨率、幅寬等有大幅提升。其屬于太陽同步軌道，高度628km，重訪周期為14天，采用條帶、掃描和聚束三種觀測模式，最高空間分辨率1m×3m，最大幅寬達(dá)700km[49]。ALOS-4將利用雷達(dá)衛(wèi)星全天候觀測、不受云霧干擾等優(yōu)勢，支持全球防災(zāi)減災(zāi)、森林資源、海冰和基礎(chǔ)設(shè)施形變與沉降等領(lǐng)域監(jiān)測。該任務(wù)還將極大地提升對較小面積森林變化/擾動監(jiān)測能力，從而為森林碳匯監(jiān)測提供一定支撐。

2.2.4 美國NISAR衛(wèi)星

NISAR衛(wèi)星是由NASA和印度空間研究組織（Indian Space Research Organisation，ISRO）合作研發(fā)的L-波段和S波段雙頻極化SAR衛(wèi)星，預(yù)計將于2023年發(fā)射。該衛(wèi)星的主要目標(biāo)之一是全球低生物量植被的碳儲量動態(tài)監(jiān)測。這和ESA的BIOMASS適合熱帶高生物量森林植被碳儲量監(jiān)測形成了互補(bǔ)。目前NASA和ESA已建立了植被生物量全球探測衛(wèi)星協(xié)同網(wǎng)絡(luò)平臺[50]，合作研發(fā)綜合利用多頻SAR衛(wèi)星監(jiān)測全球陸地生態(tài)系統(tǒng)碳儲量分布及動態(tài)變化產(chǎn)品生產(chǎn)方法。NISAR衛(wèi)星具有高分辨率（3～10m）大幅寬（240km）的特點(diǎn)，適用于森林類型制圖、森林變化監(jiān)測等一系列應(yīng)用與研究[51]。

2.3 多星聯(lián)網(wǎng)觀測與虛擬星座

2.3.1 “陸地探測一號”星座

我國L-波段差分干涉SAR系統(tǒng)“陸地探測一號”（LuTan-1）包含A、B兩顆衛(wèi)星，已于2022年1月、2月相繼成功發(fā)射。LuTan-1系統(tǒng)具備雙星跟飛和雙星繞飛兩種干涉測量模式[52-53]。其中，雙星繞飛干涉測量模式與TanDEM-X相似，具備獲取高質(zhì)量、無時間去相干的全極化干涉測量數(shù)據(jù)的能力，可用于森林高度、林下地形信息的反演與提取，進(jìn)而支撐森林地上生物量、碳儲量的估測。

由于該衛(wèi)星的主要任務(wù)是地表形變干涉測量，全極化的雙星繞飛干涉測量模式為實(shí)驗(yàn)?zāi)Ｊ健Ｒ虼?，無法長期提供森林覆蓋區(qū)無時間去相干的極化干涉測量數(shù)據(jù)。針對這一問題，一種有效的解決思路是多頻干涉SAR數(shù)據(jù)相結(jié)合，通過發(fā)揮L-波段對于植被層穿透性強(qiáng)的優(yōu)點(diǎn)，提取森林覆蓋區(qū)的林下地形數(shù)據(jù)，結(jié)合短波長干涉數(shù)據(jù)（如TanDEM-X）提取的地球表面模型（Digital Surface Model，DSM）數(shù)據(jù)，實(shí)現(xiàn)森林高度的提取。相較于森林高度，林下地形更加穩(wěn)定、變化較小。因此，準(zhǔn)確的林下地形數(shù)據(jù)也可以服務(wù)于長期的森林高度、蓄積量動態(tài)監(jiān)測。

其他參數(shù)方面，LuTan-1衛(wèi)星數(shù)據(jù)分辨率最高可達(dá)3m，全極化條帶數(shù)據(jù)分辨率達(dá)6m，單顆衛(wèi)星重返周期為8天、雙星為4天，所提供的雷達(dá)數(shù)據(jù)產(chǎn)品同樣在森林植被類型分類以及變化監(jiān)測等應(yīng)用中具有很高價值。

2.3.2 TanDEM-X星座

TanDEM-X是德國宇航中心（DLR）發(fā)射的X-波段雷達(dá)干涉測量系統(tǒng)[54]，由兩顆性能相似的衛(wèi)星編隊串軌飛行組成（TerraSAR-X與TanDEM-X，先后發(fā)射于2007年6月和2010年6月），通過一發(fā)雙收的方式對地觀測，可獲取幾乎無時間去相干的干涉測量數(shù)據(jù)。該系統(tǒng)成像模式包含聚束式、條帶式和掃描式，對應(yīng)分辨率為0.25m～40m，幅寬為5km～100km。TanDEM-X主要任務(wù)為地形測繪，其他任務(wù)包括順軌干涉、極化干涉以及雙站SAR成像等新體制SAR技術(shù)研究。TanDEM-X為短波長SAR干涉系統(tǒng)，對于森林覆蓋區(qū)域，干涉相位包含森林高度信息，在已有高精度DTM的情況下可提取森林高度。同時，由于植被區(qū)域的去相干主要由體散射引起，基于極化干涉物理模型可估測森林高度及蓄積量，該思路在北方森林取得較好的效果。

基于TanDEM-X系統(tǒng)發(fā)布的數(shù)據(jù)產(chǎn)品包括全球數(shù)字高程模型[55]和森林/非森林分布圖[56]。TanDEM-X DEM數(shù)據(jù)包含12m、30m和90m三種分辨率，其中90m數(shù)據(jù)可免費(fèi)獲取，其余較高分辨率的數(shù)據(jù)可通過科研計劃申請。該DEM數(shù)據(jù)覆蓋全球范圍，其水平誤差與垂直誤差標(biāo)稱為10m。森林分類圖是以后向散射強(qiáng)度、DEM和干涉相干性特征等為輸入，基于機(jī)器學(xué)習(xí)算法生產(chǎn)的，分辨率為50m，免費(fèi)向全球科學(xué)用戶發(fā)布。

2.3.3 Sentinel-1A/B星座

“哨兵1號”（Sentinel-1）包含哨兵1A和哨兵1B兩顆衛(wèi)星，這兩顆衛(wèi)星是處于同一軌道平面的極軌衛(wèi)星，分別于2014年4月3日和2016年4月25日成功發(fā)射[57]。衛(wèi)星軌道高約690km，工作模式為C波段（5.4GHz），包含條帶、干涉、超寬幅和波4種成像模式（分辨率最高5m、幅寬達(dá)到400km），具有單、雙極化成像能力。Sentinel-1單顆衛(wèi)星重訪周期為12天，兩顆衛(wèi)星組合星座的重訪周期為6天。Sentinel-1衛(wèi)星數(shù)據(jù)的典型特點(diǎn)是短重訪周期、快速產(chǎn)品生產(chǎn)的能力，可以實(shí)現(xiàn)全球陸地、海岸帶、航線的高分辨率長時間序列監(jiān)測和大區(qū)域覆蓋[58]。但Sentinel-1不是針對森林碳監(jiān)測而發(fā)射的衛(wèi)星。該SAR衛(wèi)星采用C波段，波長較短，后向散射強(qiáng)度特征容易出現(xiàn)信號飽和現(xiàn)象。Sentinel-1時間序列的雙極化SAR數(shù)據(jù)對森林–非森林制圖和森林變化檢測有重要支撐作用。另外，即便采用雙星重復(fù)軌干涉，該衛(wèi)星星座在森林覆蓋區(qū)也無法獲得高質(zhì)量的干涉數(shù)據(jù)，不適合森林垂直結(jié)構(gòu)參數(shù)的提取。

2.3.4 SAOCOM-1星座

SAOCOM-1是由阿根廷國家空間活動委員會（Argentina National Space Activities Commission，CONAE）制作、管理和運(yùn)行的L-波段極化合成孔徑雷達(dá)衛(wèi)星星座，由兩顆衛(wèi)星（SAOCOM-1A和SAOCOM-1B）組成，兩顆衛(wèi)星已于2018年8月與2020年10月相繼發(fā)射成功。

系統(tǒng)采用了重復(fù)軌干涉模式，可在最短8天的時間完成對目標(biāo)區(qū)域的干涉測量。對于森林區(qū)域而言，8天的時間基線過長，干涉數(shù)據(jù)受時間失相干影響較大。因此，SAOCOM-1難以用于森林高度反演和森林垂直結(jié)構(gòu)信息提取的研究與應(yīng)用。為了實(shí)現(xiàn)雙星單航過干涉，歐空間原計劃于SAOCOM-1B衛(wèi)星同期發(fā)射SAOCOM-CS衛(wèi)星，進(jìn)行與SAOCOM-1B衛(wèi)星的組隊飛行，實(shí)現(xiàn)雙星干涉觀測[59-60]。但是該衛(wèi)星的發(fā)射計劃已取消。

SAOCOM-1系統(tǒng)具備全極化成像能力，條帶模式下，SAOCOM衛(wèi)星產(chǎn)品地距方向分辨率可達(dá)10m，方位向分辨率可達(dá)5m。在森林植被類型分類、森林變化監(jiān)測等應(yīng)用中具有一定的優(yōu)勢。L-波段相較X波段、C波段更長，雷達(dá)后向散射強(qiáng)度對森林生物量飽和點(diǎn)更高，因此SAOCOM衛(wèi)星還可用于低生物量區(qū)域的森林碳儲量動態(tài)監(jiān)測任務(wù)。

2.3.5 TanDEM-L星座

TanDEM-L是DLR下一代高度創(chuàng)新的雷達(dá)衛(wèi)星任務(wù)[61]，旨在以極高的質(zhì)量和分辨率監(jiān)測地球表面的動態(tài)過程，預(yù)計將于2023年發(fā)射。TanDEM-L由兩顆L-波段SAR衛(wèi)星組成，采用與TanDEM-X相似的編隊方案和觀測模式，將獲取高質(zhì)量的干涉測量數(shù)據(jù)。該系統(tǒng)以森林碳觀測為主要任務(wù)，通過及時、準(zhǔn)確地測量全球森林生物量及其動態(tài)變化，有助于更好的開展碳循環(huán)研究。其他重要任務(wù)還包括精細(xì)測量地表形變和土壤濕度、觀測極地冰川運(yùn)動和融化過程等。與X波段相比，L-波段對植被具有更強(qiáng)的穿透能力，因此具有更高的飽和點(diǎn)。TanDEM-L計劃每周一次對地表進(jìn)行干涉成像，通過層析SAR技術(shù)可對森林進(jìn)行三維測量，進(jìn)而提取全球森林高度和生物量信息。

2.3.6 ROSE-L星座

ESA計劃2028年發(fā)射ROSE-L衛(wèi)星，由兩顆L-波段SAR衛(wèi)星組成，具有雙極化、全極化和波等3種成像模式，具有重復(fù)軌、串軌一發(fā)雙收等干涉測量模式，支撐全球森林生物量/碳儲量制圖和植被覆蓋區(qū)地面沉降監(jiān)測、土壤含水量和水資源監(jiān)測等應(yīng)用。ROSE-L的雙和全極化模式幅寬都為260km，該設(shè)計考慮了和哨兵-1C-波段SAR衛(wèi)星成像模式的協(xié)同觀測需求，最大限度地在成像區(qū)域上重合，形成多星協(xié)同獲取L和C雙頻SAR數(shù)據(jù)的能力。ROSE-L衛(wèi)星基于兩顆衛(wèi)星可每6天實(shí)現(xiàn)對全球的完全覆蓋。雷達(dá)天線為11m×3.6m，空間分辨率可達(dá)5m×10m。ROSE-L對地球陸地、海洋和冰層的晝夜全天候高空間分辨率高頻率的連續(xù)監(jiān)測，將提供關(guān)于森林生物量和土地利用變化等重要數(shù)據(jù)，有利于加強(qiáng)對陸地碳循環(huán)和生物量的監(jiān)測。

2.3.7 GEDI和GF融合應(yīng)用

現(xiàn)有的星載波形大光斑激光探測器GEDI以其高密度全球垂直觀測形成全球中低緯度區(qū)域點(diǎn)采樣觀測，為全球森林碳儲量連續(xù)制圖提供點(diǎn)采樣樣本與可靠驗(yàn)證基礎(chǔ)?！案叻帧毕盗行l(wèi)星提供的連續(xù)面狀影像，為全球碳儲量制圖提供了可靠的光譜、紋理、反射率及植被指數(shù)等光學(xué)影像信息，同時該系列的SAR、激光及立體測繪觀測為全球碳儲量制圖建模工作提供可靠地形與垂直觀測輔助信息，以高密度GEDI觀測及高分光學(xué)、SAR、激光雷達(dá)觀測形成的全譜段連續(xù)觀測，為全球連續(xù)碳監(jiān)測提供一個更為廣泛的星座[62-63]。

2.3.8 Landsat與Sentinel-2融合應(yīng)用

HLS（The Harmonized Landsat and Sentinel-2）項目由NASA發(fā)起，目的是要結(jié)合Landsat-8 OLI和Sentinel-2 MSI地表反射率（Surface Reflectance）數(shù)據(jù)，生成多傳感器協(xié)調(diào)后的虛擬星座數(shù)據(jù)[64]。HLS產(chǎn)品利用大氣校正、云/云陰影掩膜、空間配準(zhǔn)、統(tǒng)一相同格網(wǎng)、雙向反射率分布函數(shù)歸一化和光譜帶通調(diào)整等算法，從兩個傳感器（OLI和MSI）獲得三種無云無縫的數(shù)據(jù)產(chǎn)品，包括：1）S10：10m、20m和60m的全分辨率MSI SR數(shù)據(jù)；2）S30：30m MSI雙向反射分布函數(shù)—調(diào)整反射率數(shù)據(jù)（NBAR）；3）L30：30m OLI雙向反射分布函數(shù)—調(diào)整反射率數(shù)據(jù)（NBAR）。所有三種產(chǎn)品來自Landsat-8 OLI（L1T）和Sentinel-2 MSI（L1C）的每一級輸入產(chǎn)品進(jìn)行處理。L30和S30顯示出與原始空間分辨率產(chǎn)品的良好一致性，與最初的Landsat-8 L1T和Sentinel-2 L1C產(chǎn)品相比，HLS產(chǎn)品有效改善了空間互配準(zhǔn)的問題。HLS數(shù)據(jù)集在長時序中分辨率對地觀測中具有明顯優(yōu)勢[65-68]。

2.3.9 GEDI和TerraSAR融合應(yīng)用

美國的GEDI因其點(diǎn)采樣模式不形成連續(xù)垂直觀測，德國的TerraSAR衛(wèi)星以X波段提供干涉SAR、單極化的全球連續(xù)垂直觀測。兩種探測模式可為全球連續(xù)碳儲量制圖提供一種垂直結(jié)構(gòu)觀測融合模式；同時，TerraSAR提供的高分辨率DEM可為GEDI碳儲量估測提供精確連續(xù)地形信息參考，為改進(jìn)地形引起的GEDI碳儲量估測精度具有重要意義[69-70]。

3 地面真實(shí)性檢驗(yàn)系統(tǒng)

遙感數(shù)據(jù)產(chǎn)品日益豐富，為環(huán)境、生態(tài)、林業(yè)等領(lǐng)域監(jiān)測評估、管理決策提供了重要信息。但受觀測參數(shù)、模型適用性等不確定性因素的影響，定量遙感數(shù)據(jù)產(chǎn)品的準(zhǔn)確度和合理性有待探究。由此，針對遙感數(shù)據(jù)產(chǎn)品的真實(shí)性檢驗(yàn)技術(shù)應(yīng)運(yùn)而生。真實(shí)性檢驗(yàn)是指將遙感反演產(chǎn)品與能夠視作地表相對真值的參考數(shù)據(jù)（如地面實(shí)測數(shù)據(jù)、機(jī)載數(shù)據(jù)、高分辨率遙感數(shù)據(jù)等）進(jìn)行對比分析，從而評價遙感反演產(chǎn)品的不確定性。真實(shí)性檢驗(yàn)是對遙感數(shù)據(jù)產(chǎn)品準(zhǔn)確度和穩(wěn)定性進(jìn)行定量評估的重要手段，對提高遙感產(chǎn)品定量化水平，推動定量遙感科學(xué)發(fā)展具有重要意義[71-72]。

遙感產(chǎn)品真實(shí)性檢驗(yàn)工作從1984年國際地球觀測衛(wèi)星委員會（Committee on Earth Observation Satellites，CEOS）成立定標(biāo)和真實(shí)性檢驗(yàn)工作組以來，便受到遙感界的關(guān)注和重視。NASA在MODIS載荷在軌運(yùn)行后，便成立MODIS陸地產(chǎn)品（MODLAND）真實(shí)性檢驗(yàn)小組，對MODIS全球陸地數(shù)據(jù)產(chǎn)品開展系統(tǒng)的真實(shí)性檢驗(yàn)[73]。ESA于2000年啟動了歐洲陸地遙感儀器驗(yàn)證計劃（Validation of Land European Remote Sensing Instruments，VALERI），對包括MODIS、VEGETATION、MERIS、POLDER、AVHRR等傳感器生產(chǎn)的多種陸地遙感數(shù)據(jù)產(chǎn)品進(jìn)行真實(shí)性檢驗(yàn)。2000年CEOS專門成立陸地產(chǎn)品真實(shí)性檢驗(yàn)（Land Product Validation，LPV）工作小組，促進(jìn)陸地遙感產(chǎn)品真實(shí)性檢驗(yàn)相關(guān)數(shù)據(jù)和信息的共享和交換。2005年，LPV工作小組提出在利用地面測量開展直接真實(shí)性檢驗(yàn)的同時，探索多傳感器數(shù)據(jù)產(chǎn)品間的交叉檢驗(yàn)。這些研究的開展為遙感產(chǎn)品算法改進(jìn)、質(zhì)量評價和不確定性分析發(fā)揮了重要的理論指導(dǎo)作用。此外，中國自2000年來針對遙感機(jī)理和真實(shí)性檢驗(yàn)方法進(jìn)行研究，聯(lián)網(wǎng)協(xié)同開展星機(jī)地同步觀測試驗(yàn)和遙感產(chǎn)品真實(shí)性檢驗(yàn)工作，初步形成了多站多場地協(xié)同聯(lián)網(wǎng)觀測，數(shù)據(jù)共享的總體網(wǎng)絡(luò)布局[74]。

中國在遙感產(chǎn)品真實(shí)性檢驗(yàn)理論體系與方法、技術(shù)流程等方面也開展了一系列研究工作[75]，將地表相對真值作為參考數(shù)據(jù)，獨(dú)立地對遙感產(chǎn)品的不確定性進(jìn)行評價，用于提高遙感產(chǎn)品精度、改善遙感產(chǎn)品質(zhì)量[76]。針對國內(nèi)現(xiàn)有遙感網(wǎng)絡(luò)存在覆蓋范圍有限和空間代表性不足、缺乏長期穩(wěn)定觀測的遙感真實(shí)性檢驗(yàn)體系等問題，開展了地面采樣點(diǎn)的數(shù)量和空間代表性分析、像元真值不確定性定量評價、單點(diǎn)或多點(diǎn)到像元尺度的尺度轉(zhuǎn)換[77]、高分辨率到低分辨率尺度的尺度轉(zhuǎn)換[78]等相關(guān)研究，通過建立具有良好遙感地基觀測系統(tǒng)和遙感產(chǎn)品應(yīng)用能力的野外站點(diǎn)，提升觀測網(wǎng)絡(luò)的運(yùn)行管理能力，獲取長時間尺度的地面觀測數(shù)據(jù)，解決時序產(chǎn)品驗(yàn)證和不確定性度量難題。針對遙感產(chǎn)品真實(shí)性檢驗(yàn)需求，建立統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)和標(biāo)準(zhǔn)傳遞流程，構(gòu)建準(zhǔn)業(yè)務(wù)化運(yùn)行的真實(shí)性檢驗(yàn)網(wǎng)絡(luò)系統(tǒng)，使遙感在資源環(huán)境監(jiān)測中發(fā)揮充分效益，以提高我國遙感定量化應(yīng)用水平[79]。

4 總結(jié)與展望

本文分析了森林碳儲量遙感衛(wèi)星的載荷技術(shù)的發(fā)展現(xiàn)狀及趨勢，討論了森林碳儲量遙感衛(wèi)星的常用觀測模式，論述了森林碳儲量地面真實(shí)性檢驗(yàn)系統(tǒng)的發(fā)展?fàn)顩r。面向中國“雙碳”目標(biāo)需求，需要結(jié)合衛(wèi)星遙感、大數(shù)據(jù)、云計算等先進(jìn)技術(shù)和方法，以弄清我國森林碳儲量空間分布和變化規(guī)律，闡明森林生態(tài)系統(tǒng)碳儲量與氣候變化、溫室氣體排放、生態(tài)保護(hù)與修復(fù)之間的關(guān)系，爭取在以下方面取得突破：

1）衛(wèi)星協(xié)同觀測森林和碳儲量遙感數(shù)據(jù)產(chǎn)品研發(fā)

多/高光譜數(shù)據(jù)、LiDAR數(shù)據(jù)及SAR數(shù)據(jù)能從不同角度反映森林特征及其變化，在森林碳儲量估算方面各有優(yōu)勢[80-81]。針對中國碳衛(wèi)星及載荷指標(biāo)特點(diǎn)，未來應(yīng)進(jìn)一步完善衛(wèi)星數(shù)據(jù)的預(yù)處理流程和數(shù)據(jù)管理機(jī)制。結(jié)合國內(nèi)外多源衛(wèi)星數(shù)據(jù)，開展森林碳儲量有關(guān)的數(shù)據(jù)產(chǎn)品生產(chǎn)的關(guān)鍵技術(shù)研究。發(fā)揮不同類型衛(wèi)星的優(yōu)勢，探索不同類型衛(wèi)星之間的協(xié)同觀測和數(shù)據(jù)產(chǎn)品融合方案，研究不同尺度不同來源的衛(wèi)星數(shù)據(jù)之間的有效協(xié)同策略，構(gòu)建“自上而下”的森林碳儲量測算方法，提高碳儲量遙感反演關(guān)鍵參數(shù)的精度和可靠性[82-83]。充分發(fā)揮森林樣地清查數(shù)據(jù)、地面碳監(jiān)測數(shù)據(jù)的作用，提高數(shù)據(jù)同化與數(shù)據(jù)驅(qū)動的碳儲量監(jiān)測能力，實(shí)現(xiàn)森林碳儲量的多尺度綜合觀測。

2）森林碳儲量遙感數(shù)據(jù)產(chǎn)品真實(shí)性檢驗(yàn)

建設(shè)森林碳儲量真實(shí)性檢驗(yàn)地面網(wǎng)絡(luò)系統(tǒng)，并建立統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)和傳遞流程，構(gòu)建業(yè)務(wù)化運(yùn)行的森林碳儲量真實(shí)性檢驗(yàn)方法。開展森林碳儲量衛(wèi)星數(shù)據(jù)產(chǎn)品真實(shí)性檢驗(yàn)關(guān)鍵技術(shù)研究，研發(fā)覆蓋典型氣候區(qū)、典型林區(qū)的森林碳儲量遙感產(chǎn)品精度驗(yàn)證方案，形成森林碳儲量相關(guān)科學(xué)產(chǎn)品的真實(shí)性檢驗(yàn)?zāi)芰?。注重分析遙感數(shù)據(jù)產(chǎn)品的不確定性，弄清碳儲量遙感估算方法的局限性。

3）森林碳儲量遙感在全球碳循環(huán)研究中的應(yīng)用

森林碳儲量的精確估算是研究全球碳源匯、分析碳循環(huán)與氣候變化之間關(guān)系的關(guān)鍵。由于森林類型的多樣性、結(jié)構(gòu)的復(fù)雜性，當(dāng)前對森林生態(tài)系統(tǒng)在區(qū)域及全球碳循環(huán)中的作用機(jī)制的認(rèn)識還十分有限。未來可加強(qiáng)森林生態(tài)系統(tǒng)碳循環(huán)對溫度、降水、CO2等氣候變化和各種擾動的響應(yīng)和適應(yīng)機(jī)制的研究，以闡清氣候變化背景下森林碳匯變化的驅(qū)動因素；構(gòu)建森林生態(tài)系統(tǒng)的過程模型-遙感模型-觀測數(shù)據(jù)融合系統(tǒng)，以模擬和評估區(qū)域森林碳循環(huán)時空格局及變化特征；開發(fā)人類-森林生態(tài)系統(tǒng)耦合碳循環(huán)模型，以預(yù)測中國森林生態(tài)系統(tǒng)的固碳潛力，評估森林生態(tài)系統(tǒng)在碳中和中的作用[84]。

[1] 吳見, 彭道黎. 高光譜遙感林業(yè)信息提取技術(shù)研究進(jìn)展[J]. 光譜學(xué)與光譜分析, 2011, 31(9): 2305-2312.

WU Jian, PENG Daoli. Advances in Researches on Hyperspectral Remote Sensing Forestry Information-extracting Technology[J]. Spectroscopy and Spectral Analysis, 2011, 31(9): 2305-2312. (in Chinese)

[2] 龐勇, 李增元, 陳爾學(xué), 等. 激光雷達(dá)技術(shù)及其在林業(yè)上的應(yīng)用[J]. 林業(yè)科學(xué), 2005, 41(3): 129-136.

PANG Yong, LI Zengyuan, CHEN Erxue, et al. Lidar Remote Sensing Technology and Its Application in Forestry[J]. Scientia Silvae Sinicae, 2005, 41(3): 129-136. (in Chinese)

[3] 肖虹雁, 岳彩榮. 合成孔徑雷達(dá)技術(shù)在林業(yè)中的應(yīng)用綜述[J]. 林業(yè)調(diào)查規(guī)劃, 2014, 39(2): 132-137.

XIAO Hongyan, YUE Cairong. Review of Synthetic Aperture Radar Application in Forestry[J]. Forest Inventory and Planning, 2014, 39(2): 132-137. (in Chinese)

[4] 吳一戎. 多維度合成孔徑雷達(dá)成像概念[J]. 雷達(dá)學(xué)報, 2013, 2(2): 135-142.

WU Yirong. Concept on Multidimensional Space Joint-observation SAR[J]. Journal of Radars, 2013, 2(2): 135-142. (in Chinese)

[5] 龐蕾, 張繼賢, 范洪冬. 多基線干涉SAR測量技術(shù)發(fā)展與趨勢分析[J]. 電子學(xué)報, 2010, 38(9): 2152-2157.

PANG Lei, ZHANG Jixian, FANG Hongdong. Progress and Tendency of Multibaseline Synthetic Aperture Radar Interferometry Technique[J]. Acta Electronica Sinica, 2010, 38(9): 2152-2157. (in Chinese)

[6] TEBALDINI S, ROCCA F. Multibaseline Polarimetric SAR Tomography of a Boreal Forest at P- and L- Bands[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(1): 232-246.

[7] 李文梅, 李增元, 陳爾學(xué), 等. 極化相干層析反演森林垂直結(jié)構(gòu)原理與方法研究[J]. 遙感技術(shù)與應(yīng)用, 2014, 29(2): 232-239.

LI Wenmei, LI Zengyuan, CHEN Erxue, et al. Principle and Method of Forest Vertical Structure Inversion Using Polarization Coherence Tomography[J]. Remote Sensing Technology and Application, 2014, 29(2): 232-239. (in Chinese)

[8] National Academies of Sciences, Engineering, and Medicine. Thriving on Our Changing Planet: A Decadal Strategy for Earth Observation from Space[EB/OL]. [2022-10-15]. https://nap.nationalacademies.org/read/24938/chapter/1#xi.

[9] O'NEILL A, BARBER D, BAUER P, et al. Earth Observation Science Strategy for ESA: A New Era for Scientific Advances and Societal Benefits, ESA SP-1329/1. [EB/OL]. [2022-10-15]. https://esamultimedia.esa.int/multimedia/publications/ SP-1329_1/offline/download.pdf.

[10] O'NEILL A, BARBER D, BAUER P. ESA’s Living Planet Programme: Scientific Achievements and Future Challenges – Scientific Context of the Earth Observation Science Strategy for ESA, ESA SP-1329/2. [EB/OL]. [2022-10-15]. https://esamultimedia.esa.int/multimedia/publications/SP-1329_2/offline/download.pdf.

[11] 國家民用空間基礎(chǔ)設(shè)施中長期發(fā)展規(guī)劃(2015-2025年)[J]. 衛(wèi)星應(yīng)用, 2015(11): 64-70.

Notice of National Civil Space Infrastructure and Long-term Development Plan (2015-2025 Years)[J]. Satellite Application, 2015(11): 64-70. (in Chinese)

[12] HIVELY W D, LAMB B T, DAUGHTRY C S T, et al. Evaluation of SWIR Crop Residue Bands for the Landsat Next Mission[J]. Remote Sensing, 2021, 13(18): 3718.

[13] WULDER M A, ROY D P, RADELOFF V C, et al. Fifty Years of Landsat Science and Impacts[J]. Remote Sensing of Environment, 2022, 280: 113195.

[14] GOWARD S N, MASEK J G, LOVELAND T R, et al. Semi-centennial of Landsat Observations & Pending Landsat 9 Launch[J]. Photogrammetric Engineering & Remote Sensing, 2021, 87(8): 533-539.

[15] DRUSCH M, DEL B U, CARLIEr S, et al. Sentinel-2: ESA's Optical High-resolution Mission for GMES Operational Services[J]. Remote sensing of Environment, 2012, 120: 25-36.

[16] SPOTO F, SY O, LABERINTI P, et al. Overview of Sentinel-2[C]//2012 IEEE International Geoscience and Remote Sensing Symposium, July 22-27, 2012, Munich, Germany. IEEE, 2012: 1707-1710.

[17] 劉兆軍. “高分一號” 遙感相機(jī)填補(bǔ)國內(nèi)高分辨對地觀測空白[J]. 航天返回與遙感, 2013, 34(2): 封二.

LIU Zhaojun. “GF-1” Remote Sensing Camera Fills the Gap of High Resolution Earth Observation in China[J]. Space Recovery &Remote Sensing, 2013, 34(2): Cover 2. (in Chinese)

[18] 詹桓. 高分六號衛(wèi)星成功發(fā)射 “高分” 家族再添新丁[J]. 國際太空, 2018(6): 4-5.

ZHAN Huan. GF-6 High-resolution Satellite Launched Successfully[J]. Space International, 2018(6): 4-5. (in Chinese)

[19] 陸春玲, 白照廣, 李永昌, 等. 高分六號衛(wèi)星技術(shù)特點(diǎn)與新模式應(yīng)用[J]. 航天器工程, 2021, 30(1): 7-14. DOI:10.3969/j.issn.1673-8748.2021.01.002.

LU Chunling, BAI Zhaoguang, LI Yongchang, et al. Technical Characteristic and New Mode Applications of GF-6 Satellite[J]. Spacecraft Engineering, 2021, 30(1): 7-14. DOI:10.3969/j.issn. 1673-8748.2021.01.002. (in Chinese)

[20] 陸春玲, 白照廣, 胡志勇, 等. 高分六號衛(wèi)星技術(shù)創(chuàng)新與應(yīng)用成果[J]. 衛(wèi)星應(yīng)用, 2020(12): 12-17. DOI:10.3969/ j.issn.1674-9030.2020.1

LU Chunling, BAI Zhaoguang, HU Zhiyong, et al. Technological Innovation and Application Achievements of Gaofen VI Satellite[J]. Satellite Applications, 2020(12): 12-17. DOI:10.3969/j.issn.1674-9030.2020.1. (in Chinese)

[21] 高明琪, 肖龍龍, 王煜博. 星載高光譜成像儀的發(fā)展及軍事應(yīng)用[J]. 紅外, 2022, 43(3): 22-30, 52. DOI:10.3969/j.issn. 1672-8785.2022.03.004.

GAO Mingqi, XIAO Longlong, WANG Yubo. Development and Military Application of Spaceborne Hyperspectral Imager[J]. Infrared, 2022, 43(3): 22-30, 52. DOI:10.3969/j.issn.1672-8785.2022.03.004. (in Chinese)

[22] JIA W, PANG Y, TORTINI R, et al. A Kernel-driven BRDF Approach to Correct Airborne Hyperspectral Imagery over Forested Areas with Rugged Topography[J]. Remote Sensing, 12(3): 432.

[23] 陳培永, 王燕. 國外高光譜遙感載荷發(fā)展分析[J]. 飛控與探測, 2019, 2(2): 10-17.

CHEN Peiyong, WANG Yan. Development Analysis of Foreign Hyperspectral Remote Sensing Loads[J]. Flight Control and Detection, 2019, 2(2): 10-17. (in Chinese)

[24] LEE C M, CABLE M L, HOOK S J, et al. An Introduction to the NASA Hyperspectral InfraRed Imager (HyspIRI) Mission and Preparatory Activities[J]. Remote Sensing of Environment, 167: 6-19.

[25] 張霞, 張兵, 胡方超, 等. 航天成像光譜儀CHRIS輻射與光譜性能評價[J]. 中科科學(xué)E輯科學(xué)技術(shù), 2006, 36(S): 85-93.

ZHANG Xia, ZHANG Bing, HU Fangchao, et al. Evaluation of CHRIS Radiation and Spectral Performance of Space Imaging Spectrometer[J]. Scientia Sinica (Technologica), 2006, 36(S): 85-93. (in Chinese)

[26] PAN Delu. Satellite Marine Remote Sensing in China[J]. Proceedings of SPIE - The International Society for Optical Engineering: In Ocean Remote Sensing and Applications, 2003, 4892: 1-16.

[27] 李盛陽, 劉志文, 劉康, 等. 航天高光譜遙感應(yīng)用研究進(jìn)展[J]. 紅外與激光工程, 2019, 48(3): 9-23.

LI Shengyang, LIU Zhiwen, LIU Kang, et al. Advances in Application of Space Hyperspectral Remote Sensing[J]. Infrard and Laser Engineering, 2019, 48(3): 9-23. (in Chinese)

[28] 袁艷, 李立英, 熊望娥, 等．環(huán)境減災(zāi)-1A衛(wèi)星超光譜成像儀結(jié)構(gòu)設(shè)計[J]. 航天器工程, 2009, 18(6): 97-105.

YUAN Yan, LI Liying, XIONG Wang￠e, et al. Mechanical Structure Design for Hyperspectral Imagerof HJ-1A Satellite[J]. Spacecraft Engineering, 2009, 18(6): 97-105. (in Chinese)

[29] 郭崇濱, 劉善伍, 陳宏宇. 面向快速響應(yīng)的SPARK高光譜衛(wèi)星系統(tǒng)設(shè)計[J]. 科學(xué)技術(shù)與工程, 2019, 19(33): 403-409. DOI:10.3969/j.issn.1671-1815.2019.33.060.

GUO Chongbin, LIU Shanwu, CHEN Hongyu. Design of SPARK Hyperspectral Satellite for Rapid Response[J]. Science Technology and Engineering, 2019, 19(33): 403-409. DOI:10.3969/j.issn.1671-1815.2019.33.060. (in Chinese)

[30] 李先怡, 范海生, 潘申林, 等. 珠海一號高光譜數(shù)據(jù)衛(wèi)星數(shù)據(jù)及應(yīng)用概況[J]. 衛(wèi)星應(yīng)用, 2019, 8(8): 12-18.

LI Xianyi, FAN Haisheng, PAN Shenlin, et al. Zhuhai No.1 Hyperspectral Data Satellite Data and Its Application[J]. Satellite Applications, 2019, 8(8): 12-18. (in Chinese)

[31] XIAO J, CHEVALLIER F, GOMEZ C, et al. Remote Sensing of the Terrestrial Carbon Cycle: A Review of Advances over 50 Years[J]. Remote Sensing of Environment, 2019, 233: 111383.

[32] 單杰, 田祥希, 李爽, 等. 星載激光測高技術(shù)進(jìn)展[J]. 測繪學(xué)報, 2022, 51(6): 964-982.

SHAN Jie, TIAN Xiangxi, LI Shuang, et al. Advances of Spaceborne Laser Altimetry Technology[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(6): 964-982. (in Chinese)

[33] 龐勇, 李增元, 陳博偉, 等. 星載激光雷達(dá)森林探測進(jìn)展及趨勢[J]. 上海航天, 2019, 36(3): 20-28.

PANG Yong, LI Zengyuan, CHEN Bowei, et al. Status and Development of Spaceborne Lidar Application in Forestry[J]. Aerospace Shanghai, 2019, 36(3): 20-28. (in Chinese)

[34] 岳春宇, 鄭永超, 邢艷秋, 等. 星載激光遙感林業(yè)應(yīng)用發(fā)展研究[J]. 紅外與激光工程, 2020, 49(11): 97-106.

YUE Chunyu, ZHENG Yongchao, XING Qiuyan, et al. Technical and Application Development Study of Space-borne LiDAR in Forestry Remote Sensing[J]. Infrared and Laser Engineering, 2020, 49(11): 97-106. (in Chinese)

[35] 吳一戎. 多維度合成孔徑雷達(dá)成像概念[J]. 雷達(dá)學(xué)報, 2013, 2(2): 135-142.

WU Yirong. Concept of Multidimensional Space Joint-observation SAR[J]. Journal of Radars, 2013, 2(2): 135-142. (in Chinese)

[36] DUBAYAH R, BLAIR J B, GOETZ S, et al. The Global Ecosystem Dynamics Investigation: High-resolution Laser Ranging of the Earth’s Forests and Topography[J]. Science of Remote Sensing, 2020, 1: 100002.

[37] NEUENSCHWANDER A, PITTS K. The ATL08 Land and Vegetation Product for the ICESat-2 Mission[J]. Remote Sensing of Environment, 2019, 221: 247-259.

[38] NEUMANN T A, MARTINO A J, MARKUS T, et al. The Ice, Cloud, and Land Elevation Satellite – 2 Mission: A Global Geolocated Photon Product Derived from the Advanced Topographic Laser Altimeter System[J]. Remote Sensing of Environment, 2019, 233, 111325.

[39] TOAN T L, QUEGAN S, DAVIDSON M W J, et al. The BIOMASS Mission: Mapping Global Forest Biomass to Better Understand the Terrestrial Carbon Cycle[J]. Remote Sensing of Environment, 2011, 115(11): 2850-2860.

[40] 劉迎春, 吳發(fā)云, 孫忠秋, 等. 陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星多載荷替代數(shù)據(jù)海南綜合試驗(yàn)[J]. 林業(yè)資源管理, 2021, 0(4): 138-148.

LIU Yingchun, WU Fayun, SUN Zhongqiu, et al. Comprehensive Experiment Substitute for Multi-payload Data of Terrestrial Ecosystem Carbon Inventory Satellite in Hainan[J]. Forest Resources Management, 2021, 0(4): 138-148. (in Chinese)

[41] 曹海翊, 邱心怡, 賀濤. 森林生物量遙感衛(wèi)星發(fā)展綜述[J]. 光學(xué)學(xué)報, 2022, 42(17): 1728001.

CAO Haiyi, QIU Xinyi, HE Tao. Review on Development of Forest Biomass Remote Sensing Satellites[J]. Acta Optica Sinica, 2022, 42(17): 1728001. (in Chinese)

[42] 曹海翊, 張新偉, 趙晨光, 等. 高分七號衛(wèi)星總體設(shè)計與技術(shù)創(chuàng)新[J]. 中國空間科學(xué)技術(shù), 2020, 40(5): 1-9.

CAO Haiyi, ZHANG Xinwei, ZHAO Chenguang, et al. System Design and Key Technolongies of the GF-7 Satellite[J]. Chinese Space Science and Technology, 2020, 40(5): 1-9. (in Chinese)

[43] 李國元, 唐新明, 陳繼溢, 等. 高分七號衛(wèi)星激光測高數(shù)據(jù)處理與精度初步驗(yàn)證[J]. 測繪學(xué)報, 2021, 50(10): 1338-1348.

LI Guoyuan, TANG Xinming, CHEN Jiyi, et al. Processing and Preliminary Accuracy Validation of the GF-7 Satellite Laser Altimetry Data[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(10): 1338-1348. (in Chinese)

[44] TANG X, XIE J, LIU R, et al. Overview of the GF‐7 Laser Altimeter System Mission[J]. Earth and Space Science, 2020, 7(1): e2019EA000777.

[45] XING Y, DE GIER A, ZHANG J, et al. An Improved Method for Estimating Forest Canopy Height Using ICESat-GLAS Full Waveform Data over Sloping Terrain: A Case Study in Changbai Mountains, China[J]. International Journal of Applied Earth Observation and Geoinformation, 2010, 12(5): 385-392.

[46] ROSENQVIST A, SHIMADA M, ITO N, et al. ALOS PALSAR: A Pathfinder Mission for Global-scale Monitoring of the Environment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3307-3316.

[47] TADONO T, ISHIDA H, ODA F, et al. Precise Global DEM Generation by ALOS PRISM[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2014, 2(4): 71.

[48] SHIMADA M, OHTAKI T. Generating Large-scale High-quality SAR Mosaic Datasets: Application to PALSAR Data for Global Monitoring[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010, 3(4): 637-656.

[49] MIURA S, MOTOHKA T, KANKAKU Y, et al. ALOS-4 Current Status[C]// IGARSS 2022 - 2022 IEEE International Geoscience and Remote Sensing Symposium, July 17-22, 2022, Kuala Lumpur, Malaysia. IEEE, 2022.

[50] BANDA F, GIUDICI D, TOAN T, et al. The BIOMASS Level 2 Prototype Processor: Design and Experimental Results of Above-ground Biomass Estimation[J]. Remote Sensing, 2020, 12(6): 985.

[51] ROSEN P A, HENSLEY S, SHAFFER S, et al. The NASA-ISRO SAR Mission - An International Space Partnership for Science and Societal Benefit[C]// 2015 IEEE Radar Conference (RadarCon), May 10-15, 2015, Arlington, VA, USA. IEEE, 2015.

[52] XU Bing, LIU Liqun, LI Zhiwei, et al. Design Bistatic Interferometric DEM Generation Algorithm and Its Theoretical Accuracy Analysis for LuTan-1 Satellites[J]. Journal of Geodesy and Geoinformation Science, 2022, 5(1): 25-38.

[53] LI T, TANG X M, ZHOU X, et al. LuTan-1 SAR Main Applications and Products[C]// 14th European Conference on Synthetic Aperture Radar(EUSAR), June 2-5, 2022, Leipzig, Germany.

[54] KRIEGER G, MOREIRA A, FIEDLER H, et al. TanDEM-X: A Satellite Formation for High-resolution SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3317-3341.

[55] RIZZOLI P, MARTONE M, GONZALEZ C, et al. Generation and Performance Assessment of the Global TanDEM-X Digital Elevation Model[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 132: 119-139.

[56] MARTONE M, RIZZOLI P, WECKLICH C, et al. The Global Forest/Non-forest Map from TanDEM-X Interferometric SAR Data[J]. Remote Sensing of Environment, 2018, 205: 352-373.

[57] 楊金明, 劉志輝. Sentinel-1衛(wèi)星數(shù)據(jù)產(chǎn)品應(yīng)用探討[J]. 地理空間信息, 2016, 14(12): 18-20, 7.

YANG Jinming, LIU Zhihui. Application of Sentinel-1 Satellite Data Products[J]. Geospatial Information, 2016, 14(12): 18-20, 7. (in Chinese)

[58] GEUDTNER D, TORRES R, SNOEIJ P, et al. Sentinel-1 System Capabilities and Applications[C]// 2014 IEEE Geoscience and Remote Sensing Symposium, July 13-18, 2014, Quebec City, QC, Canada. IEEE, 2014.

[59] GEBERT N, DOMINGUEZ B C, DAVIDSON M W J, et al. SAOCOM-CS - A Passive Companion to SAOCOM for Single-pass L-band SAR Interferometry[C]// EUSAR 2014: 10th European Conference on Synthetic Aperture Radar, June 3-5, 2014, Berlin, Germany. VDE, 2014.

[60] SOLANA A, ZURITA A, MONJAS F, et al. Passive Receive-only SAR Payload for SAOCOM CS Mission[C]// 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), July 23-28, 2017, Fort Worth, TX, USA. IEEE, 2017.

[61] MOREIRA A, KRIEGER G, HAJNSEK I, et al. Tandem-L: A Highly Innovative Bistatic SAR Mission for Global Observation of Dynamic Processes on the Earth's Surface[J]. IEEE Geoscience and Remote Sensing Magazine, 2015, 3(2): 8-23.

[62] POTAPOV P, LI X, HERNANDEZ-SERNA A, et al. Mapping Global Forest Canopy Height through Integration of GEDI and Landsat Data[J]. Remote Sensing of Environment, 2021, 253: 112165.

[63] TOMMASO S D, WANG S, LOBELL D B. Combining GEDI and Sentinel-2 for Wall-to-wall Mapping of Tall and Short Crops[J]. Environmental Research Letters, 2021, 16(12): 125002.

[64] CLAVERIE M, JU J, MASEK J G, et al. The Harmonized Landsat and Sentinel-2 Surface Reflectance Data Set[J]. Remote Sensing of Environment, 2018, 219: 145-161.

[65] BOLTON D K, GRAY J M, MELAAS E K, et al. Continental-scale Land Surface Phenology from Harmonized Landsat 8 and Sentinel-2 Imagery[J]. Remote Sensing of Environment, 2020, 240: 111685.

[66] PETERSON K T, SAGAN V, SLOAN J J. Deep Learning-based Water Quality Estimation and Anomaly Detection Using Landsat-8/Sentinel-2 Virtual Constellation and Cloud Computing[J]. GIScience & Remote Sensing, 2020, 57(4): 510-525.

[67] GAO F, ANDERSON M, DAUGHTRY C, et al. A Within-season Approach for Detecting Early Growth Stages in Corn and Soybean Using High Temporal and Spatial Resolution Imagery[J]. Remote Sensing of Environment, 2020, 242: 111752.

[68] SULLA-MENASHE D, MA K F, BRASWELL Jr B H, et al. Providing Growers with Real-time Crop Health Information Using NASA's Harmonized Landsat Sentinel-2 Produc [EB/OL]. [2022-10-17]. https://ui.adsabs.harvard. edu/abs/2019AGUFMGC23H1451S/abstract.

[69] CARCARRA-BES V, PARDINI M, CHOI C, et al. Tandem-X and Gedi Data Fusion for a Continuous Forest Height Mapping at Large Scales[C]//2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, July 11-16, 2021,Brussels, Belgium. IEEE, 2021: 796-799.

[70] SCHLUND M, WENZEL A, CAMARRETTA N, et al. Vegetation Canopy Height Estimation in Dynamic Tropical Landscapes with TanDEM‐X Supported by GEDI Data[J/OL]. Methods in Ecology and Evolution. [2022-10-15]. https://besjournals.onlinelibrary.wiley.com/doi/10.1111/2041-210X.13933.

[71] 張仁華, 田靜, 李召良, 等. 定量遙感產(chǎn)品真實(shí)性檢驗(yàn)的基礎(chǔ)與方法[J]. 中國科學(xué): 地球科學(xué), 2010, 40(2): 211-222.

ZHANG Renhua, TIAN Jing, LI Shaoliang, et al. Priciple and Methods for the Validation of Quantitative Remote Sensing Produce[J]. SCIENTIA SINICA Terrae, 40(2): 211-222. (in Chinese)

[72] 吳小丹, 聞建光, 肖青, 等. 關(guān)鍵陸表參數(shù)遙感產(chǎn)品真實(shí)性檢驗(yàn)方法研究進(jìn)展[J]. 遙感學(xué)報, 2015, 19(1): 75-92.

WU Xiaodan, WEN Jianguang, XIAO Qing, et al. Advances in Validation Methods for Remote Sensing Products of Land Surface Parameters[J]. Journal of Remote Sensing, 2015, 19(1): 75-92. (in Chinese)

[73] MAS J F. Modland: Los Productos De Superficie Terrestre MODIS [EB/OL]. [2022-10-15]. https://www.academia.edu/ 24673370/Modland_los_productos_de_superficie_terrestre_MODIS.

[74] 全國遙感技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會. 陸地定量遙感產(chǎn)品真實(shí)性檢驗(yàn)通用方法: GB/T 39468-2020[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2021.

National Technical Committee 327 on Remote Sensing of Standardization Administration of China. General Methods for the Validation of Terrestrial Quantitative Remote Sensing Products: GB/T 39468-2020[S]. Beijing: Standards Press of China, 2021. (in Chinese)

[75] 晉銳, 李新, 馬明國, 等. 陸地定量遙感產(chǎn)品的真實(shí)性檢驗(yàn)關(guān)鍵技術(shù)與試驗(yàn)驗(yàn)證[J]. 地球科學(xué)進(jìn)展, 2017, 32(6): 630-642.

JIN Rui, LI Xin, MA Mingguo, et al. Key Methods and Experiment Verification for the Validation of Quantitative Remote Sensing Products[J]. Advances in Earth Science, 2017, 32(6): 630-642. (in Chinese)

[76] 聞建光, 肖青, 鐘守熠, 等. 高分共性產(chǎn)品算法測評與真實(shí)性檢驗(yàn)技術(shù)體系及應(yīng)用實(shí)例[EB/OL]. [2022-10-15]. Https://www.ygxb.ac.cn/thesis/91/23433851/zh/. DOI:10.11834/ jrs.20221716.

WEN Jianguang, XIAO Qing, ZHONG Shouyi, et al. Technology System for Product Validation and Algorithm Test of Gaofen Common Products and an Application Example [EB/OL]. [2022-10-15]. Https://www.ygxb.ac.cn/thesis/91/23433851/zh/. National Remote Sensing Bulletin. DOI:10.11834/jrs.20221716. (in Chinese)

[77] WU X D, WEN J G, XIAO Q, et al. Upscaling of Single Site-based Measurements for Validation of Long-term Coarse-pixel Albedo Products[J]. IEEE Transactions on Geoscience and Remote Sensing. 2020, 58(5): 3411-3425.

[78] LIN X W, WEN J G, LIU Q H, et al. A Multi-scale Validation Strategy for Albedo Products over Rugged Terrain and Preliminary Application in Heihe River Basin, China[J]. Remote Sensing, 2018, 10(2): 156.

[79] 張圓, 賈貞貞, 劉紹民, 等. 遙感估算地表蒸散發(fā)真實(shí)性檢驗(yàn)研究進(jìn)展[J]. 遙感學(xué)報, 2020, 24(8): 975-999.

ZHANG Yuan, JIA Zhengzheng, LIU Shaomin, et al. Advances in Validation of Remotely Sensed Land Surface Evapotranspiration[J]. National Remote Sensing Bulletin, 2020, 24(8): 975-999. (in Chinese)

[80] XIAO J, CHEVALLIER F, GOMEZ C, et al. Remote Sensing of the Terrestrial Carbon Cycle: A Review of Advances over 50 Years[J]. Remote Sensing of Environment, 2019, 233: 111383.

[81] WANG L, JIA M, YIN D, et al. A Review of Remote Sensing for Mangrove Forests: 1956–2018[J]. Remote Sensing of Environment, 2019, 231: 111223.

[82] 劉良云, 陳良富, 劉毅, 等. 全球碳盤點(diǎn)衛(wèi)星遙感監(jiān)測方法、進(jìn)展與挑戰(zhàn)[J]. 遙感學(xué)報, 2022, 26(2): 243-267.

LIU Liangyun, CHEN Liangfu, LIU Yi, et al. Satellite Remote Sensing for Global Stocktaking: Methods, Progress and Perspectives[J]. National Remote Sensing Bulletin, 2022, 26(2): 243-267. (in Chinese)

[83] HUANG C, GONG W, PANG Y. Remote Sensing and Forest Carbon Monitoring—a Review of Recent Progress, Challenges and Opportunities[J]. Journal of Geodesy and Geoinformation Science, 2022, 5(2): 124-147.

[84] 鄒文濤, 陳紹志, 趙榮. 森林生態(tài)系統(tǒng)碳儲量及碳通量遙感監(jiān)測研究進(jìn)展[J]. 世界林業(yè)研究, 2017, 30(5): 1-7.

ZOU Wentao, CHEN Shaozhi, ZHAO Rong. Research Advances in Remote Sensing Based Monitoring of Carbon Storage and Carbon Fluxes in Forest Ecosystem[J]. World Forestry Research, 2017, 30(5): 1-7. (in Chinese)

Status and Development of Forest Carbon Storage Remote Sensing Satellites

PANG Yong1,2LI Zengyuan1,2,*YU Tao1,2LIU Qingwang1,2ZHAO Lei1,2CHEN Erxue1,2

（1 Institute of Forest Resource Information Techniques CAF, Beijing 100091, China）（2 National Forestry and Grassland Administration, Key Laboratory of Remote Sensing and Information Technology in Forestry , Beijing 100091, China）

“Peak emissions before 2030, carbon neutrality by 2060” is a major strategy put forward by China for coordinating economic and social development, and tackling global climate change. Forest ecosystem is the main body of terrestrial ecosystem, which plays an important role in slowing down the greenhouse effect and maintaining the global carbon balance. Accurately estimating carbon storage in forest ecosystems could deepen the understanding of global carbon cycle and provide scientific support for the realization of the “double carbon” goal. In recent years, satellite remote sensing technology is developing rapidly. Multiple types of optical remote sensing data, LiDAR remote Sensing data, synthetic aperture radar data, provide rich and reliable data source for quantitative estimation of forest carbon storage. In this paper, the development trend of satellites for monitoring forest carbon storage was reviewed, the common planning modes for forest carbon storage remote sensing satellites were analyzed, and the development of ground validation system for forest carbon storage products were discussed. This paper provides reference for the design and application of forest carbon storage remote sensing satellites.

forest carbon stock; remote sensing satellite; optical remote sensing; Light Detection and Ranging (LiDAR); Synthetic Aperture Radar (SAR); remote sensing application

S75

A

1009-8518(2022)06-0001-15

10.3969/j.issn.1009-8518.2022.06.001

2022-09-12

國家重點(diǎn)研發(fā)計劃“戰(zhàn)略性國際科技創(chuàng)新合作”重點(diǎn)專項“森林資源激光雷達(dá)遙感動態(tài)監(jiān)測與蓄積量估測技術(shù)聯(lián)合研發(fā)（2020YFE0200800）”；國家自然科學(xué)基金項目“星載光子計數(shù)激光雷達(dá)森林參數(shù)反演模型研究（41871278）”

龐勇, 李增元, 余濤, 等. 森林碳儲量遙感衛(wèi)星現(xiàn)狀及趨勢[J]. 航天返回與遙感, 2022, 43(6): 1-15.

PANG Yong, LI Zengyuan, YU Tao, et al. Status and Development of Forest Carbon Storage Remote Sensing Satellites[J]. Spacecraft Recovery & Remote Sensing, 2022, 43(6): 1-15. (in Chinese)

龐勇，男，1976年出生，2006年獲中國科學(xué)院遙感所地圖學(xué)與地理信息系統(tǒng)博士，現(xiàn)為中國林業(yè)科學(xué)研究院資源信息研究所研究員、博導(dǎo)。主要研究方向?yàn)榧す饫走_(dá)遙感。E-mail：pangy@caf.ac.cn。

李增元，男，1959年出生，1990年獲中國農(nóng)業(yè)大學(xué)草地科學(xué)博士學(xué)位，現(xiàn)為中國林業(yè)科學(xué)研究院資源信息研究所研究員、博導(dǎo)。主要研究方向?yàn)榱謽I(yè)遙感。E-mail：lizy@caf.ac.cn。

（編輯：陳艷霞）