摘要：在實(shí)現(xiàn)“雙碳”目標(biāo)背景下，森林碳匯監(jiān)測(cè)技術(shù)成為研究熱點(diǎn)。文中總結(jié)了國(guó)內(nèi)外森林碳匯監(jiān)測(cè)體系建設(shè)、監(jiān)測(cè)方法及技術(shù)應(yīng)用方面的現(xiàn)狀，并在此基礎(chǔ)上從技術(shù)創(chuàng)新層面及政策支持層面提出進(jìn)一步推動(dòng)森林碳匯監(jiān)測(cè)技術(shù)快速發(fā)展的相關(guān)建議：1）構(gòu)建森林碳匯云計(jì)算平臺(tái)，形成生成式預(yù)訓(xùn)練大模型，開(kāi)發(fā)多模態(tài)數(shù)據(jù)智能挖掘算法，搭建森林碳匯智能監(jiān)測(cè)數(shù)字孿生平臺(tái)；2）加強(qiáng)政策支持與法規(guī)建設(shè)，推動(dòng)跨部門(mén)協(xié)同與國(guó)際合作，強(qiáng)化監(jiān)測(cè)成果的應(yīng)用與轉(zhuǎn)化的政策支持方向。

關(guān)鍵詞：森林碳匯；監(jiān)測(cè)技術(shù)；監(jiān)測(cè)體系；監(jiān)測(cè)方法

中圖分類號(hào)：S757"""文獻(xiàn)標(biāo)識(shí)碼：A"""文章編號(hào)：2096-9546（2024）03-0011-11

Forest Sink Monitoring Technology： Current Status and Prospects

Wang Linlong^1，2，3"Zhang Huihua⁴"Liu Yang^1，3"Sha Haochen⁴"Le Linxuan⁴

Yu Hongyan⁵"Zhao Baowei⁵"Feng Junji⁴

（1.Institute of Forest Resource Information Techniques， Chinese Academy of Forestry，

Beijing 100091， China;

2.Research Institute of Forestry Policy and Information， Chinese Academy of Forestry，

Beijing 100091， China;

3.Key Laboratory of Forestry Remote Sensing and Information Technology， National Forestry and

Grassland Administration， Beijing 100091， China;

4.The Information Center of National Forestry and Grassland Administration， Beijing 100714， China;

5.Qinghai Service and Support Center， Qilian Mountain National Park， Xining 810099， Qinghai， China）

Abstract： In the context of China taking efforts to achieve “dual carbon” goals， the forest sink monitoring technology has emerged as a research hotspot. This paper summarizes the current status of forest sink monitoring framework setup， monitoring methodology， and technological applications at home and abroad. Based on this， relevant suggestions are proposed on how to facilitate the fast development of forest sink monitoring technologies through technology innovation and policy support， including： 1） establishing a forest sink cloud computing platform to form the generative pre-trained large models and develop the multi-modal data intelligent mining algorithms so as to construct a digital twin platform for the intelligent monitoring of forest sink; 2） strengthening policy supports and the regulatory framework to promote cross-sector collaboration and international cooperation， and enhancing the application and transformation of monitoring results.

Keywords： forest sink; monitoring technology; monitoring framework; monitoring methodology

在國(guó)家實(shí)現(xiàn)“雙碳”目標(biāo)的戰(zhàn)略背景下，森林作為減緩氣候變化、實(shí)現(xiàn)碳中和目標(biāo)的重要自然資源，其碳匯監(jiān)測(cè)技術(shù)發(fā)展及其相關(guān)政策制定與完善日益受到關(guān)注，國(guó)家和地方層面相繼出臺(tái)了一系列相關(guān)政策文件。在國(guó)家層面，《中共中央 國(guó)務(wù)院關(guān)于加快推進(jìn)生態(tài)文明建設(shè)的意見(jiàn)》《生態(tài)文明體制改革總體方案》等指導(dǎo)性文件均強(qiáng)調(diào)了加強(qiáng)森林資源保護(hù)、提升森林質(zhì)量和效益的重要性，為森林碳匯監(jiān)測(cè)技術(shù)的發(fā)展提供了政策導(dǎo)向。在此基礎(chǔ)上，國(guó)家還制定了一系列技術(shù)標(biāo)準(zhǔn)和規(guī)范，如森林資源調(diào)查監(jiān)測(cè)體系、森林碳匯計(jì)量方法等。這些標(biāo)準(zhǔn)與規(guī)范為森林碳匯的精準(zhǔn)評(píng)估提供了科學(xué)依據(jù)，確保了碳匯監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性和可靠性。此外，國(guó)家積極推動(dòng)森林碳匯相關(guān)科研項(xiàng)目的立項(xiàng)與實(shí)施，為森林碳匯監(jiān)測(cè)技術(shù)的發(fā)展提供了資金和技術(shù)支持；通過(guò)設(shè)立專項(xiàng)基金、組織科研團(tuán)隊(duì)、推動(dòng)國(guó)際合作等方式，不斷提升森林碳匯監(jiān)測(cè)技術(shù)的研發(fā)和創(chuàng)新能力。在地方層面，各地也結(jié)合實(shí)際制定了一系列促進(jìn)森林碳匯監(jiān)測(cè)技術(shù)發(fā)展的政策措施，如部分?。▍^(qū)、市）制定的“十四五”林業(yè)草原發(fā)展規(guī)劃中明確提出要科學(xué)評(píng)估林草碳匯能力，圍繞實(shí)現(xiàn)“雙碳”目標(biāo)編制提升林草碳匯能力行動(dòng)方案。在此基礎(chǔ)上，北京市、上海市、廣東省等經(jīng)濟(jì)發(fā)達(dá)地區(qū)，以及云南省、福建省等森林資源豐富地區(qū)，制定了具體的森林碳匯發(fā)展規(guī)劃和實(shí)施方案，明確了森林碳匯發(fā)展的目標(biāo)和任務(wù)，并提出了具體的政策措施和保障措施，為森林碳匯監(jiān)測(cè)技術(shù)的發(fā)展提供了有力支撐。此外，一些省份出臺(tái)了森林碳匯交易政策，鼓勵(lì)企業(yè)和個(gè)人通過(guò)植樹(shù)造林、森林（竹林）管理等措施增加碳匯，并參與到碳市場(chǎng)交易中，從而實(shí)現(xiàn)生態(tài)效益與經(jīng)濟(jì)效益的雙贏。同時(shí)，一些地方政府還加大了對(duì)森林碳匯監(jiān)測(cè)技術(shù)研發(fā)的投入，支持相關(guān)科研機(jī)構(gòu)和企業(yè)開(kāi)展技術(shù)創(chuàng)新和成果轉(zhuǎn)化，推動(dòng)森林碳匯監(jiān)測(cè)技術(shù)的快速發(fā)展。盡管國(guó)家和地方層面已經(jīng)出臺(tái)了一系列政策并采取了相關(guān)措施，但森林碳匯監(jiān)測(cè)技術(shù)的發(fā)展仍面臨諸多挑戰(zhàn)，如監(jiān)測(cè)體系尚不完善、監(jiān)測(cè)方法和技術(shù)手段相對(duì)落后、數(shù)據(jù)質(zhì)量和精度有待提高等。因此，本文將從森林碳匯監(jiān)測(cè)體系、方法和技術(shù)等方面梳理國(guó)內(nèi)外森林碳匯監(jiān)測(cè)技術(shù)發(fā)展現(xiàn)狀，結(jié)合當(dāng)前政策和管理實(shí)際，從技術(shù)創(chuàng)新層面及政策支持層面提出相關(guān)建議，旨在為我國(guó)森林碳匯的監(jiān)測(cè)與管理提供理論依據(jù)和技術(shù)支持。

1"森林碳匯監(jiān)測(cè)體系

森林碳匯監(jiān)測(cè)體系是以樣地調(diào)查、遙感估測(cè)、臺(tái)站觀測(cè)等方法調(diào)查和監(jiān)測(cè)森林碳貯存量及其動(dòng)態(tài)變化的技術(shù)體系，通過(guò)周期性監(jiān)測(cè)獲得多尺度、多類型、多樹(shù)種、多形式的碳匯資源長(zhǎng)期基礎(chǔ)數(shù)據(jù)，可精準(zhǔn)評(píng)估森林經(jīng)營(yíng)措施（如砍伐、造林等）對(duì)森林碳貯存量的影響，并深入探究森林在碳循環(huán)中的作用，為科學(xué)制定減緩氣候變化和森林管理相關(guān)的政策等提供數(shù)據(jù)支撐。本文將從森林碳匯監(jiān)測(cè)體系、森林碳匯監(jiān)測(cè)方法和森林碳匯監(jiān)測(cè)技術(shù)3個(gè)方面綜述國(guó)內(nèi)外森林碳匯監(jiān)測(cè)發(fā)展現(xiàn)狀（圖1）。

1.1"國(guó)家森林資源調(diào)查監(jiān)測(cè)體系

國(guó)家森林資源調(diào)查監(jiān)測(cè)體系是指由國(guó)家或政府制定和管理的監(jiān)測(cè)系統(tǒng)和運(yùn)行機(jī)制，用于全面、持續(xù)地監(jiān)測(cè)和評(píng)估國(guó)家森林資源的狀況、變化和利用情況，為政府或決策者制定森林相關(guān)政策規(guī)劃和保護(hù)措施提供全面、可靠的基礎(chǔ)數(shù)據(jù)。1）在國(guó)際上，面向大尺度、長(zhǎng)周期、年度化、連續(xù)性的森林碳匯監(jiān)測(cè)需求，美國(guó)、加拿大、歐洲、俄羅斯、日本等大多數(shù)國(guó)家或地區(qū)借助快速發(fā)展的遙感監(jiān)測(cè)技術(shù)，融合分層系統(tǒng)抽樣方法，形成了以地面調(diào)查為主、5～10年為調(diào)查周期、可用于輔助與驗(yàn)證其他監(jiān)測(cè)方法的國(guó)家森林資源監(jiān)測(cè)體系^［1-3］。2）在國(guó)內(nèi)，結(jié)合國(guó)家森林資源監(jiān)測(cè)、地方森林資源監(jiān)測(cè)和資源信息通信與管理系統(tǒng)，形成森林資源連續(xù)清查與現(xiàn)代數(shù)據(jù)更新技術(shù)相結(jié)合的方法，完成國(guó)家—省—市多尺度森林資源數(shù)據(jù)清單，利用數(shù)學(xué)統(tǒng)計(jì)模型方法實(shí)現(xiàn)森林資源數(shù)據(jù)年度更新及年度資源監(jiān)測(cè)^［4-5］。

1.2"森林碳匯遙感監(jiān)測(cè)體系

森林碳匯遙感監(jiān)測(cè)體系利用遙感技術(shù)對(duì)森林碳匯進(jìn)行持續(xù)的觀測(cè)和測(cè)量，以監(jiān)測(cè)和評(píng)估森林碳貯存量的狀況及其動(dòng)態(tài)變化。1）在國(guó)際上，針對(duì)傳統(tǒng)森林資源調(diào)查監(jiān)測(cè)數(shù)據(jù)更新滯后、空間覆蓋不均勻、調(diào)查覆蓋范圍有限等問(wèn)題，利用航空或軌道遙感產(chǎn)生的地面和地球觀測(cè)數(shù)據(jù)，結(jié)合森林面積、損失和收益等活動(dòng)數(shù)據(jù)，以及空間尺度的排放或清除因子，形成了多時(shí)序、多尺度、年度化、融合多源傳感器的森林碳匯遙感監(jiān)測(cè)體系，可對(duì)土地利用、土地利用變化，以及由森林各種經(jīng)營(yíng)措施、林木自然生長(zhǎng)、森林自然災(zāi)害等林業(yè)活動(dòng)引起的碳匯變化進(jìn)行監(jiān)測(cè)^［6-8］。2）在國(guó)內(nèi)，面向林業(yè)碳匯監(jiān)測(cè)的需求，通過(guò)融合中、高分辨率光學(xué)遙感、雷達(dá)遙感、激光雷達(dá)遙感等多源遙感監(jiān)測(cè)技術(shù)，構(gòu)建森林遙感碳匯監(jiān)測(cè)技術(shù)體系，形成了遙感區(qū)劃判斷與地面驗(yàn)證相結(jié)合的方法，可獲取年度土地利用、森林植被及其他碳庫(kù)等基礎(chǔ)數(shù)據(jù)，有效實(shí)現(xiàn)森林碳匯年度化計(jì)量監(jiān)測(cè)^［9-11］。

1.3"基于臺(tái)站觀測(cè)的綜合監(jiān)測(cè)體系

基于臺(tái)站觀測(cè)的綜合監(jiān)測(cè)體系是指以地面臺(tái)站觀測(cè)為中心，融合多源遙感技術(shù)和地面調(diào)查方法形成的多尺度、多時(shí)序、多技術(shù)協(xié)同的綜合監(jiān)測(cè)體系，可全面獲取地面臺(tái)站及其周圍環(huán)境的林木數(shù)據(jù)和環(huán)境因子信息。1）在國(guó)際上，美國(guó)、加拿大、歐洲等國(guó)家或地區(qū)利用遙感觀測(cè)數(shù)據(jù)、臺(tái)站觀測(cè)碳通量數(shù)據(jù)和耦合的生態(tài)系統(tǒng)—?dú)夂蚰Ｐ?，形成了不同氣候區(qū)、緯度帶、森林生態(tài)系統(tǒng)類型的碳通量時(shí)空格局及動(dòng)態(tài)變化的監(jiān)測(cè)體系，可實(shí)現(xiàn)多尺度、多類型森林生態(tài)系統(tǒng)碳通量定量反演，解釋森林碳循環(huán)過(guò)程各類型碳庫(kù)的動(dòng)態(tài)變化及預(yù)測(cè)未來(lái)趨勢(shì)變化^［12-14］。2）在國(guó)內(nèi)，截至2024年，通過(guò)加速臺(tái)站監(jiān)測(cè)體系科學(xué)布局，已建設(shè)30余個(gè)森林生態(tài)系統(tǒng)臺(tái)站點(diǎn)，涵蓋我國(guó)主要的森林生態(tài)系統(tǒng)類型，分布于我國(guó)主要生態(tài)功能區(qū)和氣候分布帶，形成了具有充分代表性的森林碳通量觀測(cè)網(wǎng)絡(luò)，結(jié)合遙感觀測(cè)、地面調(diào)查等多源數(shù)據(jù)與過(guò)程機(jī)理模型，可實(shí)現(xiàn)對(duì)我國(guó)區(qū)域生態(tài)系統(tǒng)碳匯功能及增匯潛力的系統(tǒng)認(rèn)知和精細(xì)評(píng)估^［15-17］。

2"森林碳匯監(jiān)測(cè)方法

2.1"天基遙感監(jiān)測(cè)

天基遙感監(jiān)測(cè)是一種利用在軌衛(wèi)星搭載多種遙測(cè)儀器獲取地球表面信息的技術(shù)，目前已廣泛應(yīng)用于森林碳匯監(jiān)測(cè)。1）在衛(wèi)星傳感器方面，利用典型代表性衛(wèi)星——美國(guó)的Landsat、MODIS、GEDI衛(wèi)星，歐洲空間局ESA的Sentinel-2，以及我國(guó)首顆碳衛(wèi)星TANSAT、首顆陸地生態(tài)系統(tǒng)碳監(jiān)測(cè)衛(wèi)星句芒號(hào)等，構(gòu)建了以光學(xué)、雷達(dá)、微波為主的多類型傳感器監(jiān)測(cè)網(wǎng)絡(luò)，例如以全色相機(jī)、多/高光譜相機(jī)、紅外相機(jī)為主的光學(xué)傳感器，以真實(shí)孔徑雷達(dá)PAR、合成孔徑雷達(dá)SAR為主的雷達(dá)傳感器，以及以散射計(jì)、成像輻射計(jì)、輻射計(jì)等為主的微波傳感器。2）在數(shù)據(jù)集、指標(biāo)和方法方面，形成了覆蓋全球—區(qū)域—局部的多尺度、多波段、全天候、全方位、長(zhǎng)時(shí)序、中高分辨率的空間遙感數(shù)據(jù)集，涵蓋植被生長(zhǎng)狀況（凈初級(jí)生產(chǎn)力NPP，植被指數(shù)NDVI）、土地覆蓋，以及土地利用變化、森林生物量/碳儲(chǔ)量等碳匯監(jiān)測(cè)衍生指標(biāo)和產(chǎn)品，促進(jìn)了以生態(tài)系統(tǒng)碳模型、多源遙感反演模型為主的森林碳匯計(jì)量方法體系發(fā)展，適用于全球或區(qū)域尺度森林碳匯計(jì)量監(jiān)測(cè)^［18-20］。3）在應(yīng)用研究方面，有效解決了傳統(tǒng)地面監(jiān)測(cè)因頻率、成本的限制而無(wú)法開(kāi)展連續(xù)性、覆蓋區(qū)域范圍廣的森林碳匯監(jiān)測(cè)的問(wèn)題，通過(guò)對(duì)全球尺度上植被覆蓋類型分類、區(qū)域—局部尺度上森林生物量和碳儲(chǔ)量估算以及自然和人為因素（包括森林生長(zhǎng)退化、砍伐）等引起森林變化的長(zhǎng)期監(jiān)測(cè)，揭示森林碳循環(huán)過(guò)程以及自然或人為干擾對(duì)碳平衡的影響機(jī)制^［21-23］。

2.2"空基遙感監(jiān)測(cè)

空基遙感監(jiān)測(cè)是以有人機(jī)、無(wú)人機(jī)為主的一種利用空中平臺(tái)搭載的各種傳感器，獲取地面森林資源信息的高分辨率、廣覆蓋的空間觀測(cè)方法。目前，該技術(shù)在森林碳匯監(jiān)測(cè)領(lǐng)域備受關(guān)注。1）在飛行器和傳感器方面，利用固定翼、多旋翼、無(wú)人直升機(jī)、無(wú)人飛艇等無(wú)人駕駛飛行器和以固定翼為主的有人駕駛飛行器，構(gòu)建了以光學(xué)、雷達(dá)、微波為主的多類型傳感器監(jiān)測(cè)網(wǎng)絡(luò)，例如以可見(jiàn)光相機(jī)、多光譜相機(jī)、高光譜成像儀、熱紅外成像儀、激光雷達(dá)、微波雷達(dá)等多類型傳感器構(gòu)建的森林碳匯監(jiān)測(cè)網(wǎng)絡(luò)。2）在數(shù)據(jù)集、指標(biāo)與方法方面，形成了長(zhǎng)時(shí)序、超高分辨率（＜1 m）的區(qū)域—局部尺度空間遙感數(shù)據(jù)集，結(jié)合單木分割、樣地統(tǒng)計(jì)建模方法體系，生成了高精度的地表高程、森林三維結(jié)構(gòu)及森林變化信息等碳匯監(jiān)測(cè)衍生指標(biāo)，促進(jìn)了以后向散射值法、干涉測(cè)量技術(shù)為主的合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）技術(shù)碳儲(chǔ)量監(jiān)測(cè)方法，以及以單木分割建模法、面積法為主的機(jī)載激光雷達(dá)碳儲(chǔ)量監(jiān)測(cè)方法的發(fā)展^［24-27］，適用于單木、區(qū)域、國(guó)家、全球等多尺度森林碳匯的遙感監(jiān)測(cè)^［28-30］。3）在應(yīng)用研究方面，解決了傳統(tǒng)地面監(jiān)測(cè)中存在成本高、時(shí)效性低、監(jiān)測(cè)周期長(zhǎng)、時(shí)空覆蓋范圍不足而產(chǎn)生較高的數(shù)據(jù)不確定性的問(wèn)題，克服了不同森林碳庫(kù)實(shí)地測(cè)量嚴(yán)重不足而導(dǎo)致無(wú)法全面捕捉碳庫(kù)間動(dòng)態(tài)變化范圍及其空間變異性的局限，突破了天基遙感監(jiān)測(cè)中受自身重訪周期、視場(chǎng)角以及環(huán)境因素（地形、云霧等）限制而難以實(shí)現(xiàn)一定時(shí)空范圍內(nèi)全覆蓋和高頻次觀測(cè)的難題。

2.3"地基監(jiān)測(cè)

地基監(jiān)測(cè)是一種綜合性的地面觀測(cè)方法體系，囊括了以樣地清查、地基遙感、臺(tái)站觀測(cè)為主的監(jiān)測(cè)技術(shù)手段，已廣泛應(yīng)用于森林碳儲(chǔ)量及其動(dòng)態(tài)變化監(jiān)測(cè)。1）在傳感器方面，主要利用地面設(shè)備對(duì)森林資源進(jìn)行無(wú)接觸式觀測(cè)和測(cè)量，構(gòu)建以高分辨率光學(xué)成像儀、熱紅外成像儀、激光雷達(dá)LiDAR傳感器為主的多類型傳感器監(jiān)測(cè)網(wǎng)絡(luò)，形成了以地基、背包式、手持式激光掃描為主的地面激光雷達(dá)遙感監(jiān)測(cè)體系，以及手持式單目、雙目相機(jī)的攝影測(cè)量監(jiān)測(cè)體系。2）在數(shù)據(jù)集、指標(biāo)與方法方面，構(gòu)建了長(zhǎng)周期、超高分辨率（＜1 m）的局部—器官尺度空間遙感數(shù)據(jù)集，如干、枝、葉等器官對(duì)象的單木點(diǎn)云數(shù)據(jù)；基于幾何特征、紋理特征、語(yǔ)義特征的點(diǎn)云數(shù)據(jù)構(gòu)建了自動(dòng)分類方法，可實(shí)現(xiàn)單木尺度的不同器官識(shí)別、參數(shù)量測(cè)或估算^［31-32］，形成了單木形態(tài)參數(shù)及單木—林分—區(qū)域生物量/碳儲(chǔ)量等碳匯監(jiān)測(cè)衍生指標(biāo)^［33-35］，開(kāi)發(fā)了樹(shù)木點(diǎn)云分割體素填充、定量結(jié)構(gòu)建模（QSM）等單木體積重建技術(shù)，形成了聚類思想建模、圖論方法建模、先驗(yàn)假設(shè)建模、拉普拉斯算子建模和輕量化表達(dá)建模等激光點(diǎn)云樹(shù)木建模方法，結(jié)合木材密度、含碳量等參數(shù)，可實(shí)現(xiàn)單木尺度生物量、碳儲(chǔ)量的估算^［36-38］。3）在應(yīng)用研究方面，解決了天基監(jiān)測(cè)和空基監(jiān)測(cè)受地形、云霧、森林密度等因素限制的問(wèn)題，可提供更靈活的森林碳匯監(jiān)測(cè)方案；提供分辨率更高的圖像數(shù)據(jù)，捕捉更精細(xì)的森林結(jié)構(gòu)特征；提供周期性、高頻次的觀測(cè)，定期獲取一定范圍森林資源的狀態(tài)和變化信息，可為天基監(jiān)測(cè)和空基監(jiān)測(cè)提供高精度的局部數(shù)據(jù)驗(yàn)證或補(bǔ)充。

3"森林碳匯監(jiān)測(cè)技術(shù)

3.1"數(shù)據(jù)采集傳輸

數(shù)據(jù)采集傳輸是森林碳匯監(jiān)測(cè)技術(shù)的基礎(chǔ)組成部分，通過(guò)利用各種技術(shù)手段和設(shè)備，從森林資源環(huán)境中獲取森林碳儲(chǔ)量及其動(dòng)態(tài)變化的多源異構(gòu)數(shù)據(jù)，并將其傳輸?shù)教幚矸治銎脚_(tái)的過(guò)程。1）數(shù)據(jù)采集過(guò)程。針對(duì)傳統(tǒng)以人工為主的森林調(diào)查技術(shù)無(wú)法滿足森林碳匯年度化監(jiān)測(cè)需求的問(wèn)題，利用以傳感器技術(shù)、攝像頭和視頻捕捉技術(shù)、無(wú)線通信技術(shù)、API接口為主的物聯(lián)網(wǎng)數(shù)據(jù)采集技術(shù)方法，構(gòu)建了以航空遙感、無(wú)人機(jī)遙感、地面調(diào)查與統(tǒng)計(jì)、空天地感知網(wǎng)絡(luò)為主的數(shù)據(jù)采集體系，可實(shí)現(xiàn)連續(xù)的、動(dòng)態(tài)的、大規(guī)模的、低成本的數(shù)據(jù)采集，生成以遙感數(shù)據(jù)、測(cè)量數(shù)據(jù)、位置數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)和社交網(wǎng)絡(luò)數(shù)據(jù)為主的空間數(shù)據(jù)集^{［11，39-41］}。2）數(shù)據(jù)傳輸過(guò)程。針對(duì)山地環(huán)境復(fù)雜及遮擋信號(hào)干擾傳輸而導(dǎo)致監(jiān)測(cè)數(shù)據(jù)缺失、不連續(xù)等問(wèn)題，利用無(wú)線傳感器網(wǎng)絡(luò)WSN將森林內(nèi)感知網(wǎng)絡(luò)監(jiān)測(cè)數(shù)據(jù)以無(wú)線通信方式傳輸，形成了以LoRa+NB-IoT、ZigBee+LoRa為代表的具有低功耗、低成本、遠(yuǎn)距離等特點(diǎn)的廣域網(wǎng)，可實(shí)現(xiàn)多源類型碳匯感知監(jiān)測(cè)數(shù)據(jù)的自動(dòng)化、實(shí)時(shí)化、高穩(wěn)定傳輸^［42-44］。

3.2"數(shù)據(jù)存儲(chǔ)處理

數(shù)據(jù)存儲(chǔ)處理是對(duì)數(shù)據(jù)采集傳輸過(guò)程獲取的數(shù)據(jù)進(jìn)行管理、存儲(chǔ)、訪問(wèn)和處理的全過(guò)程，是森林碳匯監(jiān)測(cè)技術(shù)的關(guān)鍵組成部分。1）在數(shù)據(jù)存儲(chǔ)方面，針對(duì)遙感傳感器、地面觀測(cè)臺(tái)站和其他數(shù)據(jù)源采集的海量的高異質(zhì)性和不規(guī)則性數(shù)據(jù)，美國(guó)、加拿大、歐洲等林業(yè)發(fā)達(dá)國(guó)家或地區(qū)建立了國(guó)家—州—地方—項(xiàng)目多層次的林業(yè)數(shù)據(jù)存儲(chǔ)體系。我國(guó)已建立了涵蓋國(guó)家—?。▍^(qū)）—市—縣多層次的林業(yè)數(shù)據(jù)存儲(chǔ)平臺(tái)，初步形成了以大數(shù)據(jù)、云計(jì)算技術(shù)、人工智能等為基礎(chǔ)的大數(shù)據(jù)管理平臺(tái)，結(jié)合現(xiàn)有的大數(shù)據(jù)軟件和高性能硬件搭建了基于Hadoop、Apache Spark分布式平臺(tái)計(jì)算框架，形成了基于關(guān)系數(shù)據(jù)庫(kù)、非關(guān)系數(shù)據(jù)庫(kù)和分布式文件系統(tǒng)的數(shù)據(jù)存儲(chǔ)方法。2）在數(shù)據(jù)融合方面，面向森林碳匯監(jiān)測(cè)過(guò)程采集傳輸?shù)慕Y(jié)構(gòu)化數(shù)據(jù)（如關(guān)系數(shù)據(jù)庫(kù)中的表格）、半結(jié)構(gòu)化數(shù)據(jù)（如JSON、XML文檔）和非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖像、音頻、視頻等），通過(guò)數(shù)據(jù)清洗和預(yù)處理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)匹配和對(duì)齊技術(shù)，消除噪聲、缺失、重復(fù)等數(shù)據(jù)質(zhì)量問(wèn)題，提升數(shù)據(jù)的兼容性和可用性，識(shí)別不同數(shù)據(jù)源中的相似屬性和數(shù)據(jù)項(xiàng)，挖掘異源數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，最終生成互相補(bǔ)充、互相驗(yàn)證的多源異構(gòu)數(shù)據(jù)，保障融合處理后多源異構(gòu)數(shù)據(jù)的準(zhǔn)確性、完整性和一致性。3）在參數(shù)提取方面，針對(duì)復(fù)雜森林環(huán)境下單一數(shù)據(jù)源無(wú)法滿足參數(shù)提取的精度或質(zhì)量要求因而影響森林碳匯計(jì)量結(jié)果可靠性等問(wèn)題，形成了多模態(tài)數(shù)據(jù)融合和關(guān)聯(lián)模型方法，利用深度學(xué)習(xí)框架算法和并行處理技術(shù)，充分利用不同數(shù)據(jù)類型之間的互補(bǔ)性、融合數(shù)據(jù)特征的可區(qū)分性，實(shí)現(xiàn)復(fù)雜森林生態(tài)系統(tǒng)海量、高異質(zhì)、不規(guī)則林業(yè)數(shù)據(jù)參數(shù)的快速精準(zhǔn)提取^［45-47］。4）在計(jì)量模型方面，考慮到森林碳匯計(jì)量的需求，利用大數(shù)據(jù)管理平臺(tái)的森林碳匯數(shù)據(jù)庫(kù)，如長(zhǎng)時(shí)間序列遙感數(shù)據(jù)、長(zhǎng)周期的國(guó)家森林資源調(diào)查數(shù)據(jù)及其他森林生態(tài)系統(tǒng)氣候環(huán)境參數(shù)，結(jié)合人工智能AI算法和數(shù)據(jù)挖掘技術(shù)，構(gòu)建了以生態(tài)系統(tǒng)碳模型、多源遙感反演模型為主的森林碳匯計(jì)量方法體系，可實(shí)現(xiàn)全球—區(qū)域—局部尺度森林碳儲(chǔ)量時(shí)空分布格局的監(jiān)測(cè)。

3.3"典型數(shù)據(jù)處理

由于世界各國(guó)的國(guó)情、林情均存在差異，用于森林碳匯監(jiān)測(cè)評(píng)估的碳模型各不相同。林業(yè)發(fā)達(dá)國(guó)家形成了以統(tǒng)計(jì)模型、過(guò)程模型和遙感參數(shù)模型為主的碳模型體系，而多數(shù)發(fā)展中國(guó)家仍以單一統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ蜑橹?，部分未開(kāi)展森林資源清查的少數(shù)國(guó)家則直接采用IPCC排放因子等數(shù)據(jù)進(jìn)行碳匯估算。與國(guó)外林業(yè)發(fā)達(dá)國(guó)家相比，我國(guó)碳模型研究起步晚但發(fā)展快，形成了以統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ蜑橹?，遙感參數(shù)模型、過(guò)程模型為輔的碳模型體系^［48-50］。1）統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ??；谏仲Y源清查數(shù)據(jù)，利用森林特征、氣候因子、立地條件等變量與植被碳儲(chǔ)量建立統(tǒng)計(jì)模型關(guān)系，用于中小區(qū)域尺度碳匯估算。截至2020年，針對(duì)不同地區(qū)、不同植被類型已形成了200多個(gè)樹(shù)種、5 900多個(gè)生物量統(tǒng)計(jì)經(jīng)驗(yàn)方程，能較好地滿足省（區(qū)）—市—縣多尺度森林碳匯計(jì)量的需求，是國(guó)家面向IPCC森林碳匯排放報(bào)告的主要碳計(jì)量模型或方法^［51-53］。2）過(guò)程模型。通過(guò)模擬植被的光合作用、呼吸作用、蒸騰蒸發(fā)及土壤水分散失過(guò)程的機(jī)理，建立了一個(gè)囊括大氣、土壤和植被的整體系統(tǒng)及各系統(tǒng)的相應(yīng)子模型，可實(shí)現(xiàn)區(qū)域尺度植被碳匯及其動(dòng)態(tài)變化監(jiān)測(cè)，其中以CBM-CFS3模型和3-PG模型為代表，在我國(guó)三峽庫(kù)區(qū)、大興安嶺地區(qū)、遼寧省、河北省、江蘇省、青海省、吉林省、湖南會(huì)同縣和湖北興山縣等地均有應(yīng)用案例^［54-57］。3）遙感模型。通?；诙鄷r(shí)序遙感影像數(shù)據(jù)集，利用提取的植被生態(tài)參數(shù)，如光合有效輻射PAR、最大光能利用率LUEmax、歸一化植被指數(shù)NDVI、葉面積指數(shù)LAI等建立生態(tài)參數(shù)—碳儲(chǔ)量耦合關(guān)系模型，用于區(qū)域或全球尺度碳儲(chǔ)量的時(shí)空分布格局。針對(duì)大尺度、連續(xù)性森林碳動(dòng)態(tài)變化觀測(cè)的需求，遙感模型已應(yīng)用于大多數(shù)區(qū)域，涉及省（區(qū)、市）、市、縣、保護(hù)區(qū)或林場(chǎng)、林分等多個(gè)尺度、多個(gè)樹(shù)種以及多類生態(tài)系統(tǒng)^［58-59］。

比較分析不同模型可以發(fā)現(xiàn)，不同碳模型的原理機(jī)制、適用范圍、數(shù)據(jù)來(lái)源、復(fù)雜程度均有所差異。統(tǒng)計(jì)模型具有參數(shù)簡(jiǎn)單、模型直觀以及專注于數(shù)據(jù)間統(tǒng)計(jì)關(guān)系的特性，但在解釋性機(jī)制和理論支撐方面存在不足；相比之下，過(guò)程生態(tài)模型則具有多參數(shù)，且模型結(jié)構(gòu)較為復(fù)雜，能夠輸出高精度的結(jié)果，并能有效地解釋森林碳匯的產(chǎn)生機(jī)制或過(guò)程；遙感參數(shù)模型估算范圍廣、監(jiān)測(cè)周期較短，適合大尺度碳儲(chǔ)量估算，能滿足碳匯年度化、連續(xù)化監(jiān)測(cè)需求。總之，不同碳模型各有優(yōu)缺點(diǎn)。在森林碳匯監(jiān)測(cè)評(píng)估過(guò)程中，需衡量數(shù)據(jù)可用性、適用范圍、測(cè)量成本、減少不確定性等因素，選擇最適合實(shí)際情況的碳模型。

4"森林碳匯監(jiān)測(cè)展望

未來(lái)我國(guó)森林碳匯監(jiān)測(cè)將朝向大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、人工智能、數(shù)字孿生技術(shù)的融合創(chuàng)新應(yīng)用發(fā)展，通過(guò)融合圖像、視頻、音頻、文檔等多模態(tài)數(shù)據(jù)，構(gòu)建生成式預(yù)訓(xùn)練大模型，形成統(tǒng)一的森林碳匯數(shù)字孿生智能監(jiān)測(cè)云平臺(tái)，完成大尺度、長(zhǎng)時(shí)序、多類型森林碳匯的自動(dòng)化、實(shí)時(shí)化、智能化、通用化、交互式監(jiān)測(cè)，通過(guò)碳匯大數(shù)據(jù)的實(shí)時(shí)動(dòng)態(tài)處理和分析，實(shí)現(xiàn)從單一級(jí)處理到集群、從單一區(qū)域到全球、從單要素到全要素的轉(zhuǎn)變，為未來(lái)森林碳匯經(jīng)營(yíng)及其交易市場(chǎng)提供具備有高可靠性、實(shí)時(shí)性、準(zhǔn)確性、統(tǒng)一性的碳匯計(jì)量監(jiān)測(cè)數(shù)據(jù)庫(kù)與可視化評(píng)估分析服務(wù)。同時(shí)，應(yīng)加強(qiáng)政策支持與法規(guī)建設(shè)，進(jìn)一步推動(dòng)跨部門(mén)協(xié)同與國(guó)際合作，進(jìn)而強(qiáng)化監(jiān)測(cè)成果的應(yīng)用與轉(zhuǎn)化。

4.1"技術(shù)創(chuàng)新層面

1） 構(gòu)建森林碳匯云計(jì)算平臺(tái)。針對(duì)傳統(tǒng)數(shù)據(jù)存儲(chǔ)、計(jì)算方法無(wú)法滿足多元化、智能化、精細(xì)化碳匯監(jiān)測(cè)應(yīng)用，未來(lái)將構(gòu)建支撐海量多模態(tài)數(shù)據(jù)的統(tǒng)一集群空間，形成圖像、視頻、音頻、文檔等多模態(tài)數(shù)據(jù)的高吞吐處理技術(shù)、數(shù)據(jù)分層存儲(chǔ)、自動(dòng)數(shù)據(jù)分級(jí)流動(dòng)技術(shù)；構(gòu)建森林碳匯云計(jì)算平臺(tái)，形成可彈性擴(kuò)展和伸縮的計(jì)算和存儲(chǔ)資源、GPU加速技術(shù)優(yōu)化的計(jì)算環(huán)境、資源隔離的高性能虛擬機(jī)、超低延時(shí)的集群網(wǎng)絡(luò)通訊，以及智能化自動(dòng)化的管理。

2） 形成生成式預(yù)訓(xùn)練大模型。針對(duì)傳統(tǒng)碳匯監(jiān)測(cè)模型通用性不高、可遷移性不足的問(wèn)題，融合大數(shù)據(jù)、大知識(shí)和大計(jì)算，形成面向森林碳匯多模態(tài)數(shù)據(jù)的生成式預(yù)訓(xùn)練大模型，為碳匯監(jiān)測(cè)與評(píng)估提供一套通用化、高時(shí)效的解決方案，有效填補(bǔ)跨模態(tài)生成式預(yù)訓(xùn)練模型在森林碳匯監(jiān)測(cè)領(lǐng)域的空白。

3） 開(kāi)發(fā)多模態(tài)數(shù)據(jù)智能挖掘算法。針對(duì)海量、多源異構(gòu)數(shù)據(jù)之間的關(guān)系挖掘深度不夠、規(guī)律不明顯等問(wèn)題，結(jié)合圖像、文本、音頻等不同模態(tài)數(shù)據(jù)之間的交互關(guān)系和數(shù)據(jù)關(guān)聯(lián)性，運(yùn)用多模態(tài)數(shù)據(jù)挖掘技術(shù)和人工智能算法模型，挖掘比傳統(tǒng)統(tǒng)計(jì)模型或機(jī)器學(xué)習(xí)模型更多的關(guān)聯(lián)規(guī)則信息，提高跨模態(tài)生成式預(yù)訓(xùn)練模型的性能和準(zhǔn)確性。

4） 搭建森林碳匯智能監(jiān)測(cè)數(shù)字孿生平臺(tái)。針對(duì)傳統(tǒng)的碳匯監(jiān)測(cè)可視化分析水平不高的問(wèn)題，運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)網(wǎng)、數(shù)字孿生技術(shù)等，構(gòu)建面向多模態(tài)數(shù)據(jù)的數(shù)字化景觀要素模型，結(jié)合生成式的預(yù)訓(xùn)練大模型，形成多尺度、多樹(shù)種、長(zhǎng)時(shí)序的真實(shí)森林?jǐn)?shù)字孿生體，形成自動(dòng)化、實(shí)時(shí)化、標(biāo)準(zhǔn)化、可交互式的森林碳匯智能監(jiān)測(cè)數(shù)字孿生平臺(tái)。

4.2"政策支持層面

1） 加強(qiáng)政策支持與法規(guī)建設(shè)。針對(duì)當(dāng)前森林碳匯監(jiān)測(cè)領(lǐng)域存在的政策不完善、法規(guī)缺失等問(wèn)題，建議加強(qiáng)政策支持與法規(guī)建設(shè)。一方面出臺(tái)相關(guān)政策，明確森林碳匯監(jiān)測(cè)的重要性，為監(jiān)測(cè)工作提供依據(jù)；一方面制定詳細(xì)的法規(guī)和標(biāo)準(zhǔn)，規(guī)范監(jiān)測(cè)流程、數(shù)據(jù)質(zhì)量和報(bào)告要求，確保監(jiān)測(cè)結(jié)果的準(zhǔn)確性和可靠性。此外，還應(yīng)建立激勵(lì)機(jī)制，鼓勵(lì)企業(yè)和個(gè)人積極參與森林碳匯監(jiān)測(cè)，推動(dòng)監(jiān)測(cè)工作的全面開(kāi)展。

2） 推動(dòng)跨部門(mén)協(xié)同與國(guó)際合作。森林碳匯監(jiān)測(cè)涉及多個(gè)部門(mén)和領(lǐng)域，需要跨部門(mén)協(xié)同合作才能取得實(shí)效。建議政府加強(qiáng)部門(mén)間的溝通與協(xié)調(diào)，建立信息共享和聯(lián)合監(jiān)測(cè)機(jī)制，避免重復(fù)監(jiān)測(cè)和資源浪費(fèi)。同時(shí)，積極尋求國(guó)際合作機(jī)會(huì)，參與國(guó)際森林碳匯監(jiān)測(cè)項(xiàng)目，學(xué)習(xí)借鑒國(guó)際先進(jìn)經(jīng)驗(yàn)和技術(shù)，提升我國(guó)森林碳匯監(jiān)測(cè)的國(guó)際化水平。通過(guò)跨部門(mén)協(xié)同與國(guó)際合作，共同推動(dòng)森林碳匯監(jiān)測(cè)事業(yè)的快速發(fā)展。

3） 強(qiáng)化監(jiān)測(cè)成果的應(yīng)用與轉(zhuǎn)化。森林碳匯監(jiān)測(cè)的最終目的是為森林碳匯經(jīng)營(yíng)及其交易市場(chǎng)提供可靠的數(shù)據(jù)支持。建議強(qiáng)化監(jiān)測(cè)成果的應(yīng)用與轉(zhuǎn)化，將監(jiān)測(cè)數(shù)據(jù)轉(zhuǎn)化為實(shí)際可行的政策和措施。具體而言，可以建立森林碳匯數(shù)據(jù)庫(kù)和可視化評(píng)估系統(tǒng)，為政府決策、企業(yè)經(jīng)營(yíng)和公眾監(jiān)督提供便捷的信息服務(wù)。同時(shí)，加強(qiáng)與碳交易市場(chǎng)的銜接，推動(dòng)監(jiān)測(cè)成果在碳交易中的應(yīng)用，實(shí)現(xiàn)森林碳匯的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值。通過(guò)強(qiáng)化監(jiān)測(cè)成果的應(yīng)用與轉(zhuǎn)化，不斷提升我國(guó)森林碳匯監(jiān)測(cè)的實(shí)用性和影響力。

參考文獻(xiàn)

［1］

TOTH S F，OKEN K L，STAWITZ C C，et al.Optimal survey design for forest carbon monitoring in remote regions using multi-objective mathematical programming［J］.Forests，2022，13（7）：972.

［2］BREIDENBACH J，GRANHUS A，HYLEN G，et al.A century of National Forest Inventory in Norway -"informing past，present，and future decisions［J］.Forest Ecosystems，2020，7（1）：46.

［3］BOURIAUD O，DON A，JANSSENS I A，et al.Effects of forest management on biomass stocks in Romanian beech forests［J］.Forest Ecosystems，2019，6（1）：19.

［4］張會(huì)儒，雷相東，李鳳日.中國(guó)森林經(jīng)理學(xué)研究進(jìn)展與展望［J］.林業(yè)科學(xué)，2020，56（9）：130-142.

［5］方精云.碳中和的生態(tài)學(xué)透視［J］.植物生態(tài)學(xué)報(bào)，2021，45（11）：1173-1176.

［6］MCROBERTS R E，NAESSET E，SAATCHI S，et al.Local validation of global biomass maps［J］.International Journal of Applied Earth Observation and Geoinformation，2019，83.DOI：10.1016/j.jag.2019.101931.

［7］MCROBERTS R E，NAESSET E，LIKNES G C，et al.Using a finer resolution biomass map to assess the accuracy of a regional，map-based estimate of forest biomass［J］.Surveys in Geophysics，2019，40（4）：1001-1015.

［8］MCROBERTS R E，NAESSET E，GOBAKKEN T.Comparing the stock-change and gain-loss approaches for estimating forest carbon emissions for the aboveground biomass pool［J］.Canadian Journal of Forest Research，2018，48（12）：1535-1542.

［9］李增元，劉清旺，龐勇.激光雷達(dá)森林參數(shù)反演研究進(jìn)展［J］.遙感學(xué)報(bào)，2016，20（5）：1138-1150.

［10］李增元，趙磊，李堃，等.合成孔徑雷達(dá)森林資源監(jiān)測(cè)技術(shù)研究綜述［J］.南京信息工程大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，12（2）：150-158.

［11］李增元，陳爾學(xué).中國(guó)林業(yè)遙感發(fā)展歷程［J］.遙感學(xué)報(bào)，2021，25（1）：292-301.

［12］FRANZ D，ACOSTA M，ALTIMIR N，et al.Towards long-term standardised carbon and greenhouse gas observations for monitoring Europe，s terrestrial ecosystems：a review［J］.International Agrophysics，2018，32（4）：439-455.

［13］HEISKANEN J，BRUMMER C，BUCHMANN N，et al.The integrated carbon observation system in Europe［J］.Bulletin of the American Meteorological Society，2022，103（3）：E855-E872.

［14］HUDAK A T，F(xiàn)EKETY P A，KANE V R，et al.A carbon monitoring system for mapping regional，annual aboveground biomass across the northwestern USA［J］.Environmental Research Letters，2020，15（9）.DOI：10.1088/1748-9326/ab93f9.

［15］ZHAO J F，LIU D S，CAO Y，et al.An integrated remote sensing and model approach for assessing forest carbon fluxes in China［J］.Science of the Total Environment，2022，811.DOI：10.1016/j.scitotenv.2021.152480.

［16］于貴瑞，何洪林，周玉科.大數(shù)據(jù)背景下的生態(tài)系統(tǒng)觀測(cè)與研究［J］.中國(guó)科學(xué)院院刊，2018，33（8）：832-837.

［17］于貴瑞，王秋鳳，朱先進(jìn).區(qū)域尺度陸地生態(tài)系統(tǒng)碳收支評(píng)估方法及其不確定性［J］.地理科學(xué)進(jìn)展，2011，30（1）：103-113.

［18］XIAO J F，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.DOI：10.1016/j.vse.2019.111383.

［19］PETTORELLI N，SCHULTE TO BUHNE H，TULLOCH A，et al.Satellite remote sensing of ecosystem functions：opportunities，challenges and way forward［J］.Remote Sensing in Ecology and Conservation，2018，4（2）：71-93.

［20］POTTER C，KLOOSTER S，CRABTREE R，et al.Carbon fluxes in ecosystems of Yellowstone National Park predicted from remote sensing data and simulation modeling［J］.Carbon Balance and Management，2011，6（1）：3.

［21］SANNIGRAHI S，PILLA F，BASU B，et al.Examining the effects of forest fire on terrestrial carbon emission and ecosystem production in India using remote sensing approaches［J］.Science of the Total Environment，2020，725.DOI：10.1016/j.scitotonv.2020.138331.

［22］PASETTO D，ARENAS-CASTRO S，BUSTAMANTE J，et al.Integration of satellite remote sensing data in ecosystem modelling at local scales：practices and trends［J］.Methods in Ecology and Evolution，2018，9（8）：1810-1821.

［23］BYRD K B，BALLANTI L，THOMAS N，et al.A remote sensing-based model of tidal marsh aboveground carbon stocks for the conterminous United States［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2018，139：255-271.

［24］DALPONTE M，COOMES D A.Tree-centric mapping of forest carbon density from airborne laser scanning and hyperspectral data［J］.Methods in Ecology and Evolution，2016，7（10）：1236-1245.

［25］HOPKINSON C，CHASMER L，BARR A G，et al.Monitoring boreal forest biomass and carbon storage change by integrating airborne laser scanning，biometry and eddy covariance data［J］.Remote Sensing of Environment，2016，181：82-95.

［26］BAZEZEW M N，HUSSIN Y A，KLOOSTERMAN E H.Integrating Airborne LiDAR and Terrestrial Laser Scanner forest parameters for accurate above-ground biomass/carbon estimation in Ayer Hitam tropical forest，Malaysia［J］.International Journal of Applied Earth Observation and Geoinformation，2018，73：638-652.

［27］VATANDALAR C，ABDIKAN S.Carbon stock estimation by dual-polarized synthetic aperture radar （SAR） and forest inventory data in a Mediterranean forest landscape［J］.Journal of Forestry Research，2022，33（3）：827-838.

［28］URBAZAEV M，THIEL C，CREMER F，et al.Estimation of forest aboveground biomass and uncertainties by integration of field measurements，airborne LiDAR，and SAR and optical satellite data in Mexico［J］.Carbon Balance and Management，2018，13（1）：5.DOI：10.1186/s13021-018-0093-5.

［29］COOMES D A，DALPONTE M，JUCKER T，et al.Area-based vs tree-centric approaches to mapping forest carbon in Southeast Asian forests from airborne laser scanning data［J］.Remote Sensing of Environment，2017，194：77-88.

［30］QI Z Y，LI S M，PANG Y，et al.Assessing spatiotemporal variations of forest carbon density using bi-temporal discrete aerial laser scanning data in Chinese boreal forests［J］.Forest Ecosystems，2023，10：

DOI：10.1016/j.fecs.2023.100135.

［31］RODRIGUEZ-VEIGA P，WHEELER J，LOUIS V，et al.Quantifying forest biomass carbon stocks from space［J］.Current Forestry Reports，2017，3（1）：1-18.

［32］ZHAO M M，YANG J L，ZHAO N，et al.Estimation of China，s forest stand biomass carbon sequestration based on the continuous biomass expansion factor model and seven forest inventories from 1977 to 2013［J］.Forest Ecology and Management，2019，448：528-534.

［33］STOVALL A E L，VORSTER A G，ANDERSON R S，et al.Non-destructive aboveground biomass estimation of coniferous trees using terrestrial LiDAR［J］.Remote Sensing of Environment，2017，200：31-42.

［34］GONZALEZ DE TANAGO J，LAU A，BARTHOLOMEUS H，et al.Estimation of above-ground biomass of large tropical trees with terrestrial LiDAR［J］.Methods in Ecology and Evolution，2018，9（2）：223-234.

［35］WANG Q，PANG Y，CHEN D S，et al.Lidar biomass index：a novel solution for tree-level biomass estimation using 3D crown information［J］.Forest Ecology and Management，2021，499.DOI：10.1016/j.foreco.2021.119542.

［36］BOHN RECKZIEGEL R，LARYSCH E，SHEPPARD J P，et al.Modelling and comparing shading effects of 3D tree structures with virtual leaves［J］.Remote Sensing，2021，13（3）：532.

［37］CALDERS K，ADAMS J，ARMSTON J，et al.Terrestrial laser scanning in forest ecology：expanding the horizon［J］.Remote Sensing of Environment，2020，251.DOI：10.1016/j.rse.2020.112102.

［38］郭慶華，胡天宇，馬勤，等.新一代遙感技術(shù)助力生態(tài)系統(tǒng)生態(tài)學(xué)研究［J］.植物生態(tài)學(xué)報(bào)，2020，44（4）：418-435.

［39］GSCHWANTNER T，ALBERDI I，BAUWENS S，et al.Growing stock monitoring by European national forest inventories：historical origins，current methods and harmonisation［J］.Forest Ecology and Management，2022，505.DOI：10.1016/j.foreco.2021.119868.

［40］CHIRICI G，CHIESI M，F(xiàn)IBBI L，et al.High spatial resolution modelling of net forest carbon fluxes based on ground and remote sensing data［J］.Agricultural and Forest Meteorology，2022，316.DOI：10.1016/j.agrformet.2022.108866.

［41］BUSTAMANTE M M C，ROITMAN I，AIDE T M，et al.Toward an integrated monitoring framework to assess the effects of tropical forest degradation and recovery on carbon stocks and biodiversity［J］.Global Change Biology，2016，22（1）：92-109.

［42］SHARMA M，RASTOGI R，ARYA N，et al.LoED：LoRa and edge computing based system architecture for sustainable forest monitoring［J］.International Journal of Engineering Trends and Technology，2022，70（5）：88-93.

［43］OJO M O，ADAMI D，GIORDANO S.Experimental evaluation of a LoRa wildlife monitoring network in a forest vegetation area［J］.Future Internet，2021，13（5）：115.

［44］譚星，馮鵬飛，張旭，等.物聯(lián)網(wǎng)技術(shù)在我國(guó)智慧林業(yè)建設(shè)中的應(yīng)用現(xiàn)狀及發(fā)展策略［J］.世界林業(yè)研究，2019，32（5）：57-62.

［45］TSIPIS A，PAPAMICHAIL A，ANGELIS I，et al.An alertness-adjustable cloud/fog IoT solution for timely environmental monitoring based on wildfire risk forecasting［J］.Energies，2020，13（14）：3693.

［46］XU Y J.Wireless sensor monitoring system of Canadian Poplar Forests based on Internet of Things［J］.Artificial Life and Robotics，2019，24（4）：471-479.

［47］QIU H Q，ZHANG H Q，LEI K X，et al.Forest digital twin：a new tool for forest management practices based on Spatio-Temporal Data，3D simulation Engine，and intelligent interactive environment［J］.Computers and Electronics in Agriculture，2023，215.DOI：10.1016/j.compag.2023.108416.

［48］HUANG W L，DOLAN K，SWATANTRAN A，et al.High-resolution mapping of aboveground biomass for forest carbon monitoring system in the Tri-State region of Maryland，Pennsylvania and Delaware，USA［J］.Environmental Research Letters，2019，14（9）.DOI：10.1088/1748-9326/ab2917.

［49］HARRIS N L，GIBBS D A，BACCINI A，et al.Global maps of twenty-first century forest carbon fluxes［J］.Nature Climate Change，2021，11：234-240.

［50］LUO Y J，WANG X K，OUYANG Z Y，et al.A review of biomass equations for China，s tree species［J］.Earth System Science Data，2020，12（1）：21-40.

［51］李?？?碳中和愿景下森林碳匯評(píng)估方法和固碳潛力預(yù)估研究進(jìn)展［J］.中國(guó)地質(zhì)調(diào)查，2021，8（4）：79-86.

［52］WANG L L，ZHANG H Q，LEI K X，et al.A novel forest dynamic growth visualization method by incorporating spatial structural parameters based on convolutional neural network［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2023，17：3471-3488.

［53］WANG L L，ZHANG H Q，ZHANG H C，et al.A novel 3D tree-modeling method of incorporating small-scale spatial structure parameters in a heterogeneous forest environment［J］.Forests，2023，14（3）：639.

［54］MEYER G，BLACK T A，JASSAL R S，et al.Simulation of net ecosystem productivity of a lodgepole pine forest after mountain pine beetle attack using a modified version of 3-PG［J］.Forest Ecology and Management，2018，412：41-52.

［55］馮源，肖文發(fā)，黃志霖，等.未來(lái)氣候變化情景下三峽庫(kù)區(qū)馬尾松林生物量固碳動(dòng)態(tài)與空間分異［J］.生態(tài)學(xué)雜志，2019，38（12）：3567-3576.

［56］馮源.氣候變化和自然干擾對(duì)三峽庫(kù)區(qū)森林生態(tài)系統(tǒng)碳收支的影響［D］.北京：中國(guó)林業(yè)科學(xué)研究院，2020.

［57］馮源，肖文發(fā)，朱建華，等.造林對(duì)區(qū)域森林生態(tài)系統(tǒng)碳儲(chǔ)量和固碳速率的影響［J］.生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2020，36（3）：281-290.

［58］CHIRICI G，CHIESI M，CORONA P，et al.Prediction of forest NPP in Italy by the combination of ground and remote sensing data［J］.European Journal of Forest Research，2015，134（3）：453-467.

［59］于貴瑞，方華軍，伏玉玲，等.區(qū)域尺度陸地生態(tài)系統(tǒng)碳收支及其循環(huán)過(guò)程研究進(jìn)展［J］.生態(tài)學(xué)報(bào)，2011，31（19）：5449-5459.