本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
AimForest 高度是一種重要的生物物理特性，是碳儲量跨尺度分佈的基礎。由於實地觀測是勞力密集的，因此對於大規模的森林高度測繪和監測來說是不切實際的，因此先前的大多數研究都採用統計方法來幫助緩解測量數據在空間和時間上的不連續性。在這裡，我們記錄了一種改進的建模方法，該方法將代謝尺度理論和水能量平衡方程式與實際觀測聯繫起來，以產生大規模的森林高度模式。方法我們的模型稱為異速生長和資源限制（ASRL），解釋了樹木的大小依賴性新陳代謝，其最大生長受到當地資源可用性的限制。此模型中使用的地理空間預測因子包括海拔高度和每月降水量、太陽輻射、溫度、蒸氣壓和風速。幹擾歷史（即林齡）也被納入估計當代森林高度。結果本研究提供了美國本土森林高度的基線圖（約 2005 年；1 公里（2）網格）。由於年降水量充足（> 1400 mm）、適度的太陽輻射（約 330 W m(-2)）和溫度（約 14 攝氏度），太平洋西北地區/加利福尼亞州被預測為最適合生長大型樹木（約 100 m）的地區。我們在次區域層面的結果總體上與獨立參考資料集具有良好且具有統計顯著性（P 值 <0.001）的一致性：現場測量[平均絕對誤差 (MAE)=4.0 m]、機載/星載雷射雷達 (MAE=7.0 m) 和現有的全球森林高度產品 (MAE=4.9 m)。本研究也討論了縣級模型的不確定性。主要結論我們改進了代謝尺度理論，以解決由於生態區和植物功能類型引起的垂直森林結構的變化。模型中嵌入的清晰的機制理解允許實際觀測與森林高度測繪中的多個地理預測器之間的協同組合。與先前的統計方法不同，這種方法顯示出預測應用的潛力。