赵颖慧，郭新龙，甄 贞*

(1. 东北林业大学林学院，黑龙江 哈尔滨 150040；2. 东北林业大学森林生态系统可持续经营教育部重点实验室，黑龙江 哈尔滨 150040)

森林是重要的陆地生态系统，也是地球资源中最为重要的自然资源之一。近年来，陆地植被生物量的监测已成为一个重要的研究课题，它旨在减少与森林破坏、退化相关的温室气体排放[1]，以及更好地量化全球碳循环[2]。干、枝和叶生物量合称为森林地上生物量[3](aboveground biomass, AGB)。全球气候变化研究迫切需要快速、高效的森林AGB制图[4-5]。由于遥感技术具有宏观、大面积、快速和可重复等特点，遥感估算法已经成为区域森林AGB估算的主要方法。

天然次生林占我国森林总面积的70%，是我国森林资源的主体和重要基地[6]。天然次生林一般在土层较深厚、阳坡且处于下坡位时生物量较高[7]，生物量空间分配特征因不同龄组也有所不同，一般成熟林生物量较高，而幼龄林生物量较低[8]。近年来，有学者进行天然次生林生物量遥感估算的研究，申鑫等[9]利用高光谱与高空间分辨率遥感数据对亚热带天然次生林的生物量进行反演，结果表明，AGB模型的精度要高于地下生物量模型，而且综合两种数据的模型精度要高于仅使用高光谱数据模型，可以有效地估算亚热带天然次生林生物量。Li等[10]使用Sentinel-1A和Landsat 8数据对湖南省郴州天然次生林AGB进行估算，研究表明极端梯度提升模型(extreme gradient boosting, XGBoost)结合Sentinel-1A和Landsat 8图像作为预测变量，可以提供最佳的森林AGB估算，并且XGBoost模型可以减少高估和低估的问题。……