卫星林业应用（卫星）
AI 摘要：卫星林业应用是指利用卫星遥感技术获取森林的光谱和结构信息，通过分析来监测森林资源分布、估算森林生物量、识别林业有害生物和森林火灾，服务于森林资源管理和碳汇评估的技术领域。Sentinel-2的红边波段对植被健康监测尤为有效。东北地理所研发的升尺度树种分层模型将森林生物量估算精度提升至R²=0.82。新提出的森林异常综合指数（FACI）对虫害、砍伐和火灾的检测总体精度达88.3%。
一句话定义
卫星林业应用是指利用卫星搭载的光学或雷达遥感器，获取森林在可见光至微波波段的光谱和结构信息，通过分析光谱特征、植被指数和时序变化，监测森林资源分布、估算森林生物量、识别林业有害生物和森林火灾等森林异常，服务于森林资源管理、碳汇评估和生态保护的技术领域。
概念边界：卫星林业应用与卫星农业应用的区别
卫星林业应用与卫星农业应用都依赖植被遥感原理，但观测对象和管理目标有本质差异。
观测尺度不同。农业遥感的核心单元是地块，面积通常在数亩至数百亩量级，关注的是作物在单一生长季内的长势变化。林业遥感的观测单元是林分或生态系统，面积从数十公顷到数千平方公里不等，关注的是多年甚至数十年的森林动态-6。
光谱需求不同。农作物遥感主要利用可见光和近红外波段监测叶绿素含量和冠层结构。林业遥感除了这些波段外，还依赖短波红外（监测植被水分和木材结构）和红边波段（Sentinel-2设有三个红边波段，对森林健康监测尤为有效）-7。森林生物量估算还需要结合激光雷达（LiDAR） 提供的冠层高度信息-2。
时间尺度不同。农作物从播种到收获仅数月，卫星监测需要高重访频率。森林的生长周期以年计，林业遥感更关注长期趋势和扰动恢复——一次火灾或虫害的影响可能持续数年，需要时序数据来追踪恢复过程-4。
需要澄清的一个常见误解是：卫星林业应用只是“数树”。实际上，卫星林业应用覆盖从资源调查（有多少森林、什么树种）到健康诊断（有没有病虫害、有没有退化）再到碳汇评估（储了多少碳、变化趋势如何）的全链条。北京园林绿化局的遥感应用实践表明，遥感技术正在推动林业有害生物防控“从被动应对向主动预防转变”-1。
核心原理：从光谱到森林参数
卫星林业应用的物理基础是森林植被的光谱特征及其变化规律。
健康森林在可见光波段的反射主要受叶绿素支配——红光被强烈吸收，绿光反射相对较强，近红外波段因叶片细胞结构产生高反射。当森林受到干旱、虫害或火灾影响时，叶绿素含量下降、叶片结构破坏、水分含量降低，光谱曲线随之改变。不同扰动类型的光谱变化特征不同：虫害通常表现为渐进式的叶绿素下降，火灾表现为短波红外反射率的急剧升高，砍伐则表现为植被信号的突然消失-4。
红边波段是林业遥感的重要工具。Sentinel-2卫星搭载的传感器设有三个红边波段（B5、B6、B7），位于680–750 nm之间，是植被反射率从红光低谷快速上升到近红外高台的区域。红边位置和斜率对叶绿素含量极为敏感，在森林健康监测中比传统NDVI更具优势-7。IEEE的研究证实，合理配置红边波段遥感信息能显著提升森林地上生物量的估算精度-7。
森林生物量估算是林业遥感的综合应用。生物量是评估森林碳汇能力的关键参数，其遥感估算面临“样本不足”和“空间异质性高”的双重挑战-2。东北地理所的研究团队提出了一种升尺度树种分层模型，集成ICESat-2激光雷达、ALOS-2 PALSAR和Sentinel-2等多源数据，通过从地面样点到激光雷达光斑的样本扩充策略，将森林生物量估算精度提升至R²=0.82，显著优于传统模型-2。
典型应用场景
森林资源调查与制图是最基础的应用。多源卫星时序数据（Landsat和Sentinel-2）已被用于森林覆盖制图，总体精度约90%。Sentinel-2在树种分类的精度上比Landsat高出约3个百分点，能识别出更多的森林区域-10。基于Sentinel-2的短波红外波段（B11、B12）和红边波段（B5）构建的联立模型，可以估计平均胸径、树高、蓄积量和碳储量等八项林分因子，平均预估误差在10%以内-17。
森林生物量与碳储量估算服务于全球碳循环研究。升尺度树种分层模型的核心思路是“先分层、再建模”——先按树种类型将森林分层，再针对每层建立生物量估算模型。这种方法通过降低树种间结构和垂直异质性的干扰，提升了估算精度，降低了对实测样本的依赖-2。
林业有害生物监测是卫星林业应用的重要方向。北京园林绿化局针对美国白蛾等重大有害生物，通过遥感数据与地面调查相结合，“提前发现潜在风险区域，研判分析有害生物发展趋势，及时发布早期预警”-1。学术研究提出的森林异常综合指数（FACI） 利用Sentinel-2单时相影像同时检测虫害、砍伐和火灾三种异常，总体精度达88.3%，Kappa系数0.84，显著优于NDVI、NDWI等传统指数-3。FACI的优势在于能识别虫害感染的不同阶段（早期、中期、后期），而非仅能检测已发生明显变化的后期阶段-18。
森林火灾监测利用火灾前后光谱特征的急剧变化。火灾导致植被信号突然消失、短波红外反射率升高，单时相影像即可识别燃烧区域。一项专利技术利用哨兵2号和高分卫星影像，通过随机森林模型和距离加权函数预测燃烧区域概率，实现了高分辨率的火灾燃烧区监测-14。
常见问题 FAQ
卫星怎么“看”出森林里有没有病虫害？
卫星通过监测森林冠层的光谱变化来识别病虫害。当树木受到虫害侵袭时，叶绿素含量下降，红光吸收减弱，近红外反射降低。不同虫害阶段的光谱变化不同：早期仅表现为红边位置轻微偏移，中期叶绿素明显下降，后期冠层结构破坏、短波红外反射升高-18。北京园林绿化局的实践表明，通过遥感数据与地面调查结合，“可以提前发现潜在风险区域”-1。新提出的FACI指数利用红绿波段差异和短波红外波段组合，能够同时检测虫害、砍伐和火灾，总体精度达88.3%-3。
卫星怎么估算森林储了多少碳？
森林碳储量估算的核心是生物量——森林中储存的有机物质总量。卫星本身不能直接“称重”，而是通过遥感参数与实测生物量之间的统计关系来间接估算。Sentinel-2的红边波段和短波红外波段对森林结构敏感，是生物量估算的重要数据源-7。激光雷达（ICESat-2）提供冠层高度信息，与光学数据结合可显著改善估算精度-2。东北地理所的升尺度树种分层模型将精度提升至R²=0.82，为区域碳储量评估提供了可靠方法-2。
光学卫星和雷达卫星在林业中哪个更好？
两者互补。光学卫星（如Sentinel-2）提供多光谱信息，对叶绿素、水分和植被结构敏感，红边波段尤其适合森林健康监测。但光学卫星受云层遮挡，在多云的热带和亚热带林区观测受限。雷达卫星（如Sentinel-1）的微波信号能穿透云层，且对森林结构和生物量敏感，适合多云地区的森林监测。森林生物量估算的先进方法通常融合光学、雷达和激光雷达数据，以充分利用各自的信息维度-2。
卫星林业应用能替代人工森林调查吗？
不能完全替代，但正在大幅改变调查方式。卫星遥感在大范围、高频次、客观性方面有天然优势——覆盖数千平方公里的森林资源调查，卫星几天内即可完成，人工调查则需要数月。但卫星数据需要地面样本来校准模型，且对树种精细识别、林分结构参数的测量精度仍低于实地调查。实际业务中采用“天空地一体化”模式：卫星负责大范围筛查和动态监测，无人机和地面调查负责验证和补充。北京市基于Sentinel-2构建的林分因子预估模型，其蓄积量累计值与全市综合监测结果仅差-1.74%，表明遥感估算已接近抽样调查的精度水平-17。