Part1摘要
城市植被（UV）作为工业碳吸收的第一道防线，其碳储存能力对陆地碳循环和全球可持续发展目标（SDGs）至关重要。由于复杂的空间分布、组成结构和生态功能，UV碳储量估算具有极高的不确定性，因此，提升UV碳储量精度成为一个研究热点。然而，UV的独特性导致在碳储量估算方面面临巨大挑战，包括：（1）城市内观测数据严重匮乏（例如，EC塔和地面调查），（2）复杂而敏感的城市环境导致算法可迁移性低；（3）植被结构参数反演困难（例如，冠层高度、LAI等）；（4）在从自然植被迁移到城市场景时模型的适用性差。本文系统回顾了城市植被碳储量估算的进展，详细讨论了估算方法和主要挑战，尝试提出了一些可行的策略，包括：（1）采用新颖和改进的遥感技术（例如，高光谱、多平台LiDAR、碳卫星等）以获取有关UV的生理结构和功能信息；（2）改善地球观测传感器网络的关键节点，特别是在城市环境中布置EC塔；（3）利用“模型-数据融合”技术，将大地数据与碳估算模型整合，以降低UV碳储存估算的不确定性。这篇综述为建模UV碳储存提供了新的见解，有望帮助研究社区更好地理解城市植被在“双碳”路径中的作用。
Part2城市植被碳储量估算面临挑战
城市植被（UV）是陆地生态系统中很小但必不可少的一部分，主要包括城市森林、草坪、花园、行道树等，是城市生态系统碳平衡的重要库，可直接或间接降低大气中的碳含量，对本地和全球的碳平衡有着深远的影响。由于城市内部“自然-社会”二元属性的复杂性，导致城市植被碳储量的模拟具有很大的不确定性。如果将陆地生态系统碳储量模拟视为一个木桶，那么城市植被碳储量估算就是“木桶效应”的最短板。
（1）城市植被碳储量估算的几个难点：
a.数据来源、植被提取算法和城市场景复杂性的限制；
b.城市内的现场观测数据（包括通量塔和野外调查）不足以支持构建大规模的碳储量估算模型；
c.关键参数难以准确反演，例如冠层高度、LAI等；
d.在自然植被中性能优越的估算模型在UV中的可迁移性差。
（2）与自然植被相比，城市植被具有两个独特的特征：
a.空间分布更为分散；
b.受人类活动的影响更大；
c.生化特性更独特。
图 1 城市生态系统碳循环过程
Part3从自然植被到城市植被碳储量估算进展与挑战
在城市地区，人类对植被碳储存的影响可以分为直接影响和间接影响。直接影响是由土地利用变化（例如，不透水面扩张、植被退化等）和人为管理（例如，灌溉、施肥、修剪等）引起的。间接影响是由植被生长环境的变化引起的，可以分为正面和负面的影响，在城市地区，逐渐增加的光照、热岛效应、大气氮沉降和CO2施肥效应促进了植被生长；另一方面，内涝、空气污染和土壤重金属等因素抑制了植被生长。城市植被碳储量估算方法可以分为：（1）样地清查方法；（2）模型模拟法；（3）遥感估算法；（4）地球大数据驱动的综合方法（图2）。
图 2 四类植被碳储量估算方法的综合概念图
在过去几十年里，全球植被碳储量估算研究取得了丰硕的进展，但在城市植被的结构提取、功能评估和碳储量估算方面仍存在诸多挑战。我们总结的主要挑战如下：（1）复杂的城市场景（例如建筑物、阴影遮挡）以及遥感图像的限制（例如空间、时间、光谱分辨率）在大规模提取UV方面存在障碍；（2）城市植被类型的高异质性（例如森林、花坛、草坪和围墙）和高离散性导致了关键参数反演的困难；（3）在城市环境中，地面观测数据和通量塔的分布相对稀疏，给验证过程带来了挑战；（4）基于自然植被设计的模型（或算法）在迁移到城市环境时无法令人满意地运行。
Part4未来研究方向
上述进展和挑战指出了在城市植被碳储量估算方面的不足，这一差距将导致整个陆地生态系统中碳建模的不确定性，并阻碍可持续城市发展，不利于“双碳”路径的实现。我们认为，亟需从数据、方法和模型等方面改善这一现状，特别是先进遥感技术在碳储量估算方面的潜在价值应该得到更多重视。
（1）超越“植被指数”
传统的光谱植被指数仅通过“绿度”反映植被的“潜在光合作用”，但由于城市植被呈破碎分布，碳储存的评估可能受到混合像元的严重影响，导致传统植被指数在城市中的适应性较差。因此，我们系统总结了多源遥感数据在植被碳储量估算过程中可能存在的应用价值和协同机会（图3）。尽管CO2地面监测站（网络）在很大程度上支持陆地植被碳储量估算，但对碳储存的时空特征和影响机制的理解仍有待提高。从卫星（例如GOSAT和OCO-2）获取的XCO2数据可以量化植被碳储存的时空动态，但仍难以达到城市植被碳储量估算的精度要求。值得期待的是，许多国家和组织都在全球碳卫星监测方面做不懈的努力，这些新的碳卫星将为碳储量估算提供新的机遇。此外，高光谱遥感在监测植被生长以及生理生化状态（如叶绿素、氮等）方面具有独特的优势，从高光谱图像构建的新指数很好地反映了植被叶片和冠层光能利用率的变化。LiDAR数据在植被三维参数提取方面的能力将更有利于降低不确定性，并且随着新遥感技术的突破，可能会有高精度的碳储量共享产品陆续问世。
图 3 多源观测数据在植被生理结构和碳储量估算方面的潜在协同作用
（2）充分利用地球观测传感器网络（EOSN）
地球观测传感器网络（EOSN）体现了智能星球的概念，具有全面的事件感知能力、强大的协同观测能力、高效的数据处理能力和智能决策支持能力。从系统科学的角度看，EOSN整合了各种传感器资源，每个传感节点具有独立的事件感知和观测能力，形成了适用于细粒度城市监测的自组织动态和协同观测系统。对于特定的观测目标，通过系统地整合所有节点，可以解决当前观测平台无法通过传感器、数据和信息相互补充的瓶颈问题。除了各种模态的遥感影像，我们详细介绍了“涡度协方差通量塔（EC）”，能够直接观测生态系统与大气之间的净交换或通量。EC通量塔具有三个特定的优势：1）EC通量塔上的传感器进行连续观测，捕捉各种时间尺度上的陆气交换情况；2）EC测量过程中不引入其他活动的人为因素；3）EC捕捉了许多生物和非生物过程，这些过程汇集了快速和慢速、显性和隐性、地上和地下的碳通量。然而，城市环境中EC通量塔的极度稀疏分布通常无法支持植被碳储量估算的细粒度，我们认为合理增加城市EC通量塔数量在解决城市碳储量估算方面具有巨大潜力。
图 4 “太空-天空-地面”一体化立体观测网络
（3）“模型-数据同化”有助于UV碳储存模拟
城市植被的独特性使针对自然植被的现有模型迁移到城市环境中变得非常困难，已有研究表明“模型-数据融合”在对于陆地生态系统碳储量估算是非常有益的。“模型-数据融合”的本质是在碳循环框架下融合多模态观测数据。考虑到数据和模型误差，通过建立一个将模型信息和观测信息整合的最优融合机制，可以实现更高精度、时空一致的碳储量估算，包括两个方面：1）数据同化；2）模型参数估计（重点是不变参数或部分时变参数的最优设计）。
图 5 地球大数据驱动下的“模型-数据同化”概念模型
我们提供了地球大数据如何与碳循环模型方法结合以降低碳储量估算不确定性的概念路径（图5）。首先，人类扰动数据将有助于确定城市区域植被的分布和属性，以及周围人类活动的持续时间、类型和强度。其次，地理知识映射（GKM）提供的先验知识用于模拟城市区域的植被碳储量，为解决通过多个数据源难以识别和区分的人类活动问题，本研究通过深度强化学习的分类和聚类特征进行GKM中人类活动的语义时空关联。最后，通过建立城市植被碳储存生命周期的详细和完整数据库，可以探索历史和未来人类活动对城市植被碳储存的定量影响。我们鼓励在城市环境中开发更先进的“模型-数据同化”方法，以适应独特的植被特征和高度的人为影响。
Part5主要结论
城市植被对于陆地碳循环和可持续发展目标（SDGs）至关重要。鉴于复杂的城市条件，城市植被碳储量估算往往呈现出很大的不确定性。本文总结了现有的研究成果，注意到城市植被碳储量估算面临许多独特的挑战。新兴的观测技术、模型（或方法）和概念有望为深入理解城市植被固碳能力和潜力提供新的机会。我们确定了以下潜在方向：
（1）先进遥感技术（如SIF、高光谱、激光雷达、碳卫星等），有利于获取有关植被结构和功能的增强信息；
（2）改进地球观测传感器网络的关键节点，特别是在城市规划中增加和优化EC通量塔的分布；
（3）利用“模型-数据同化”思想，将地球大数据数据与碳循环模型有机结合起来；
（4）新型的生成式大模型可以通过学习大量的遥感和地面观测数据的特征，可以捕捉到复杂的非线性关系，提高不同时空尺度估算的准确性。
Part6作者简介
庄庆威：武汉大学卓越博士后（导师：李德仁院士）。曾入选中国科协“科技智库青年人才计划”、全国“高校GIS新秀”和武汉大学“十大学术之星”，获得国家奖学金、雷军卓越奖学金、王之卓创新人才奖特等奖等多个奖项。第一作者发表SCI论文10篇（一区TOP期刊8篇），申请发明专利2项，Geo-Spatial Information Science优秀助理编辑（中科院一区SCI），以及JAPP、CATENA、STOTEN、生态学报等10余个国内外知名期刊审稿人。
邵振峰：武汉大学教授，博士生导师，“长江学者”特聘教授。中国地理信息产业协会国际交流与合作工委会主任委员、中国测绘学会对地观测工委会副主任委员、国际摄影测量与遥感学会工作组共同组长。已发表学术论文200余篇，其中SCI检索160余篇，出版《城市遥感》等专著和教材9部。获美国授权发明专利6项、中国授权发明专利44项、软件著作权11项。
龚健雅：武汉大学教授，博士生导师，中国科学院院士，973项目首席科学家，国际摄影测量与遥感学会（ISPRS）第六委员会主席。获国家科技进步一等奖1项、国家科技进步二等奖3项、ISPRS Dolezal成就奖1项。主要研究领域为地理信息科学、定量遥感。
李德仁：武汉大学教授，博士生导师，中国科学院院士，中国工程院院士，国际欧亚科学院院士，国际宇航科学院院士。德国斯图加特大学博士，瑞士苏黎世联邦理工学院名誉博士。荣获国家科技进步一等奖1项、国家科技进步奖(创新团队) 1项、国家科技进步二等奖5项、国家教学成果一等奖1项、国家教学成果二等奖2项、何梁何利科技进步奖1项。
黄啸：美国埃默里大学助理教授，博士生导师。研究兴趣涵盖地理空间大数据、深度学习、应用遥感和城市信息学，发表SCI论文200余篇，累计引用近3000次。
张雅：武汉大学测绘遥感信息工程国家重点实验室博士研究生
徐小迪：武汉大学遥感信息工程学院博士研究生
党超亚：武汉大学测绘遥感信息工程国家重点实验室博士研究生
陈金龙：北京大学城市与环境学院博士研究生
Orhan Altan：伊斯坦布尔科技大学教授，博士生导师，国际摄影测量与遥感学会前主席，慕尼黑工业大学、苏黎世联邦理工学院、武汉大学客座教授。主要研究领域是数字和建筑摄影测量、空间信息系统、灾害风险管理和变形测量，发表期刊/会议论文200余篇，撰写/合作撰写书籍20余本。
吴世新：中国科学院新疆生态与地理研究所研究员，硕士生导师。研究方向为土地利用和土地覆被变化及其生态环境效应，发表学术论文100余篇，获得省部级以上奖励10余项。
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
