COMPARATIVE PERFORMANCE OF SENTINEL-2 VEGETATION INDICES FOR ESTIMATING ABOVEGROUND BIOMASS AND CARBON STOCK IN FOREST AREAS

方法

6个40×40m样地1127棵树实测数据，结合六种植被指数与指数回归模型。

发现

MSAVI2拟合最优(R²=0.839)，碳储量误差仅3.03%；SAVI预测误差最低。

机会点

最优指数随评价标准而异，可研究多指数融合与不确定性量化以提升森林碳估算稳健性。

本研究评估了Sentinel-2植被指数在估算泰国东北部玛哈沙拉堪大学林区地上生物量（AGB）和碳储量方面的表现。野外数据采集自6个40×40 m样地，共包含代表61个树种的1,127株树木。采用异速生长方程估算AGB，并转换为碳储量。将6种植被指数——归一化差异植被指数（NDVI）、土壤调整植被指数（SAVI）、改进型土壤调整植被指数2（MSAVI2）、比值植被指数（RVI）、差异植被指数（DVI）和绿度比值植被指数（GRVI）——转换为植被覆盖度（FC），并利用指数回归模型与野外实测AGB建立关系。研究采用一致的比较框架，以确定植被指数选择如何影响模型拟合、预测误差以及与野外实测碳储量的一致性。在6种指数中，MSAVI2与野外实测AGB的关系最强（R² = 0.839），估算总碳储量为1,752.866 tC，最接近野外实测估算值1,807.721 tC，差异为3.03%。相比之下，SAVI产生的预测误差最低（RMSE = 0.901 t ha⁻¹；RMSE% = 1.339%）。这些结果表明，表现最佳的植被指数取决于评价标准，因为模型拟合最强的指数不一定产生最低的预测误差。通过使用相同的野外数据集和建模框架直接比较6种Sentinel-2植被指数，本研究为植被指数选择提供了一致的依据，并支持Sentinel-2在森林AGB和碳储量评估中的实际应用。