机器学习与多源遥感在森林地上生物量估算中的应用：综述
机器学习
2025-10-09 v2 人工智能
摘要
量化森林地上生物量（AGB）对于制定保护地球的决策和政策至关重要。机器学习（ML）和遥感（RS）技术已被用于此任务，但目前缺乏对最新的 ML 方法与多种遥感数据源有效组合的系统性综述，尤其是考虑到森林生态特征的研究。本研究系统分析了从 80 多篇相关研究中筛选出的 44 篇符合严格纳入标准的论文，识别了所使用的所有 ML 方法和遥感数据组合。随机森林（Random Forest）出现频率最高（占 88% 的研究），而极端梯度提升（Extreme Gradient Boosting）在 75% 的对比研究中表现出更优的性能。Sentinel-1 成为使用最广泛的遥感数据源，多传感器组合（如 Sentinel-1、Sentinel-2 和 LiDAR）被证明尤为有效。我们的研究结果为在森林 AGB 估算中整合 ML 和 RS 时选择传感源、变量和方法提供了依据。
关键词
引用
@article{arxiv.2411.17624,
title = {Machine Learning and Multi-source Remote Sensing in Forest Aboveground Biomass Estimation: A Review},
author = {Autumn Nguyen and Sulagna Saha},
journal= {arXiv preprint arXiv:2411.17624},
year = {2025}
}
备注
First and corresponding author: Autumn Nguyen