生長分析與生物量估算

---

關鍵詞

相對生長速率，單位葉面積率，淨同化率，比葉面積，葉重分數，葉面積比，異速生長，GEDI，雷射雷達，森林生物量，迴歸，非引數模型，畫素化方法，Sentinel-2，陸地碳儲量，不確定性製圖，碳核算，氣候變化，實地調查，地統計學，遙感技術，尺度，不確定性。

引言

生長分析是一種解釋性、整體性和綜合性的方法，用於解釋植物功能或結構意義。生長分析的型別需要測量植物生物量和同化面積（葉面積），以及計算描述生長的某些引數的方法。生長是植物體積的不可逆增加，伴隨著生物量（重量）的定量變化。

在自然環境中，生長和發育週期必須在環境條件決定的時間範圍內完成，其中光照、水分和養分往往限制基因潛力的表達。透過在對比條件下的生長分析，可以揭示抵消這些限制並有助於維持相對生長速率的適應性特徵。研究人員尚未從數量上探索植物的生長和生殖發育。

生物量估算和製圖是全球氣候變化影響評估、碳儲量量化、生物加工廠場地適宜性調查、陸地生態系統碳迴圈研究以及森林火災燃料能量評估的關鍵要素。森林地上生物量 (AGB) 在全球陸地生態系統碳迴圈和氣候變化研究中發揮著重要作用。

森林在維持全球碳平衡中發揮著至關重要的作用。生物量 (B) 是對特定時間點種群中存在多少活組織質量的評估。森林生態系統的健康狀況和環境條件反映在生物量中。基於遙感的 AGB 估算方法是生物量量化和估算最精確的工具。合成孔徑雷達 (SAR) 用於森林植被和生物量的遙感具有巨大的潛力，可以用於製圖和洞察森林生態學。

絕對生長速率 (AGR)

如果植物大小在不止一次場合被測定，則可以在給定時間段內確定大小的增加，即絕對生長速率 (AGR)，由下式給出：

$$\mathrm{AGR=M_{2}-M_{1}}$$

$$\mathrm{t_{2}-t_{1}}$$

其中 M₂ 和 M₁ 分別是植物在 t₂ 和 t₁ 時刻的質量。實驗結束時的絕對大小取決於種子質量、發芽時間以及所有測量時間步長的 AGR 積分。在植物生物學中，大小通常測量為全株植物（M）或地上部分的幹質量。

最有用且應用最廣泛的分析是相對生長速率 (RGR) 的概念和簡單的 RGR 方程，該方程源於具有無限資源（例如光照、空間和養分供應不受限制）的細胞群體的生長。

從單細胞群體發展而來的生長模型可以在數學上擴充套件到覆蓋複雜的細胞多細胞生物，其中全株生長用葉面積和養分資源來表示。這些 20 世紀初的概念已被證明越來越適用於對自然和管理環境中生長和發育反應的研究。

生物量估算中使用的技術

由於能源植物的特點是生物量的淨積累量很大。估算方法包括異速生長方程、平均生物量密度、生物量膨脹因子、地統計學等。

有不同的技術用於檢測生物量估算。它們是光學遙感、合成孔徑雷達 (SAR)、光探測和測距 (LiDAR) 以及空間生物量建模。AGB 建模分為兩種情況：廣泛的國家森林清單 (NFI) 和機載光探測和測距 (LiDAR) 作為參考資料。

森林地上生物量的測量對於碳收支核算、碳通量監測、生物多樣性健康監測和氣候變化研究至關重要。全球生態系統動態調查 (GEDI) 任務 LiDAR 資料與實測生物量和地理空間分析相結合，用於估算管理森林中的森林地上木質生物量 (AGB)。例如，對於難以進入或無法進入的地區，LiDAR 可以用作 NFI 的擴充套件。

生物量估算的應用

• 森林冠層高度建模。
• 光譜混合分析 (SMA)
• 林分水平分析。
• 地上生物量 (AGB) 和地下生物量 (BGB)

要點

• 生物量模型開發前 GEDI-LiDAR 資料過濾的重要性。
• 基於相對高度指標和地面實況值的森林 AGB 模型開發。
• 將 GEDI LiDAR 足跡轉換為生物量足跡，並計算森林分割槽分生物量。
• 森林 AGB 分割槽地圖和驗證。
• 使用機器學習技術估算地上生物量 (AGB)。
• 發現雨季 Sentinel-2 影像對 AGB 變化敏感。
• 多個波段組合比單個波段更能作為預測變數。
• 不確定性地圖有助於識別具有可靠生物量預測的區域。
• 易於複製的框架，適用於其他乾旱落葉熱帶森林。

挑戰與展望

• 全球實地生物量資料集。
• 生物量估算中的放大。
• 高精度生物量估算需要遙感。
• 異速生長方程的地理差異。

結論

定量生長分析對於在最佳和次優環境中開發新品種或改進管理實踐以提高產量至關重要。生長速率衡量變數增加或減少的速度，顯示一段時間內值的淨變化。

為了測量自然生態系統或農業作物的生物生產力，我們最感興趣的部分是淨初級生產力或總產量。簡單來說，植物生長分析只需要一個天平、感光紙和一個計算器，就可以對幹物質產量的數量方面進行詳細研究。

植物異速生長是植被生物量估算的理論基礎。通常，使用異速生長方程對於估算樹木和森林的生物量是必不可少的。透過回顧用於估算森林生物量的方法，我們可以得出結論，每種估算方法都有其優點和缺點，上述方法中沒有一種方法總是從個體到較大尺度都是最好的。新開發的技術，如地統計學和遙感技術（例如，雷射雷達），將是提高森林生物量估算精度的關鍵工具。

然而，在此之前，應使用多源資料和多方法探索不同層次森林生物量的空間變化。