摘要：森林是地球上最大的碳汇之一，但人类长期缺乏有效手段从太空精确测量森林的三维结构与碳储量。NASA发射的GEDI（Global Ecosystem Dynamics Investigation）任务彻底改变了这一局面——它是首个专门设计用于观测全球森林垂直结构的高分辨率星载激光雷达。本文详细介绍GEDI的探测原理、数据产品及其在森林碳储量估算领域的最新研究进展。
一、引言：为什么需要从太空“看”森林？
要评估一片森林储存了多少碳，传统方法是在地面上设置样地、测量每棵树的胸径和高度，再通过生物量方程推算。这种方法精度高，但费时费力，且只能覆盖极小面积。全球森林面积约40亿公顷，分布从热带雨林到亚寒带针叶林，靠人工测量无异于“用茶杯量太平洋”。
遥感技术提供了另一条路径。光学卫星可以“看到”森林的平面分布，但无法获取垂直结构信息——而森林的碳储量恰恰与树高、林冠层次密切相关。合成孔径雷达（SAR）虽能穿透云雾，却难以精确刻画冠层高度。
直到2018年NASA发射GEDI，科学家才终于拥有了一把从太空丈量森林三维结构的“尺子”。
二、GEDI任务概况
2.1 平台与仪器
GEDI于2018年12月发射，搭载于国际空间站（ISS），在约400公里高度沿南北方向轨道运行。其核心载荷是一台全波形激光测高仪（full-waveform lidar），向地面发射短脉冲激光并接收回波信号，通过分析波形特征获取目标的高度信息。
GEDI的独特之处在于它配备了三条激光束，每条光束在地面形成一个直径约25米的足迹（footprint），沿轨向间距约60米。三条光束的地面轨迹横向间隔约600米，覆盖宽度约8公里。这种设计使GEDI在每次轨道过境时能对森林进行“切片式”三维扫描。
值得注意的是，GEDI并非全球覆盖——它专注于热带和温带森林（北纬52°至南纬52°），这是全球碳汇最活跃、生物多样性最丰富的区域。
2.2 探测原理
GEDI发射的是波长1064 nm的近红外激光脉冲。当脉冲遇到地面目标（乔木、灌木、地表）时会产生回波，全波形记录仪会捕捉整个回波的能量分布。
关键参数解读：
- 林冠顶部高度（RH100）：从地面到最高回波位置的高度，即森林的最高树冠顶
- 地面回波位置：确定地表高程
- 波形能量分布：反映冠层垂直结构——能量集中在顶部说明冠层均匀，分布在多个高度则表明存在多个层次
GEDI的波形垂直分辨率约1纳秒，对应高度分辨率约15厘米，精度相当可观。
三、GEDI数据产品体系
GEDI的数据处理分为多个层级，层级越高，应用越直接：
| 级别 | 名称 | 主要产品 | 主要用户 |
|---|---|---|---|
| L1B | 地理定位波形 | 原始波形+位置 | 算法开发者 |
| L2A | 冠层高度与高程 | RH度量、地面高程 | 生态学家 |
| L2B | 冠层覆盖与叶面积指数 | LAI、覆盖度 | 植被生理学家 |
| L4A | 足迹级生物量密度 | AGBD（Mg/ha） | 碳循环研究者 |
| L4B | 网格化生物量密度 | 1km连续网格AGBD | 政策制定者 |
L4A产品是最受关注的核心产品——它直接给出每个足迹（约25米直径）对应的地上生物量密度（Aboveground Biomass Density，AGBD），单位为兆克/公顷（Mg/ha）。1 Mg = 1吨。
L4A产品的生成依赖大量地面样地数据进行机器学习建模：以GEDI波形特征（RH100、林冠覆盖度、结构复杂度指数等）为输入变量，以地面实测AGB为训练目标，建立预测模型。代表性模型包括随机森林（Random Forest）和高斯过程回归（GPR）。
四、如何用GEDI估算森林碳储量？
4.1 基本流程
估算一片区域的森林碳储量，通常遵循以下步骤：
第一步：获取GEDI L4A数据。 选定区域内所有GEDI足迹的AGBD估计值。
第二步：处理足迹的空间不连续问题。 GEDI的轨道间距导致其足迹在地面上呈不连续分布。研究者通常采用反距离加权插值（IDW）、与Landsat/PALSAR2等面状数据融合，或使用ForestCarbonNet等深度学习框架来补充空间连续性。
第三步：尺度提升与不确定性评估。 将25米足迹尺度估算结果升尺度至区域或全球尺度，同时量化模型不确定性。
第四步：计算碳储量。 生物量转换为碳储量通常乘以系数0.5（干重碳含量约50%）。
4.2 与ICESat-2的联合应用
ICESat-2（NASA冰、云和陆地高程卫星2号）是另一台星载激光雷达，以更高的空间采样密度覆盖全球。2024年，中国科学院空天信息创新研究院孟鸽、赵旦团队在《遥感学报》发表研究，系统对比了ICESat-2和GEDI在森林地上生物量估算中的表现，并建立了联合估算模型。
该研究发现：GEDI波形包含更丰富的垂直结构信息，对高大森林的AGB估算更准确；ICESat-2空间采样密度更高，有助于捕捉破碎景观的异质性；二者联合使用可实现精度与空间覆盖的互补。
五、前沿研究进展
5.1 高光谱与激光雷达数据融合
2025年一项发表在Frontiers in Plant Science的研究引人注目：科学家将NASA EMIT高光谱传感器（285个波段）与GEDI激光雷达数据融合，配合高斯过程回归（GPR）等5种机器学习算法，对山地混合林生态系统进行蓄积量（SV）和地上生物量（AGB）联合估测。结果显示，EMIT-GEDI组合使蓄积量估算精度达到R²=0.75（RMSE=75.48 m³/ha）。
5.2 地形校正与山地森林估测
传统GEDI数据处理假设地表平坦，但山地地形会导致激光足迹变形和回波混叠。2025年的研究通过引入地形校正算法，显著提升了山地森林AGB的估算精度，校正后误差减少约15-20%。
5.3 动态监测与变化检测
GEDI的时序数据已可用于监测森林干扰（采伐、火灾）和恢复过程。有研究利用GEDI时间序列数据追踪热带雨林采伐后的再生动态，为REDD+碳汇项目提供了精细的核查手段。
六、对森林经营管理者的意义
对于从事森林资源管理、碳汇项目开发的专业人士，GEDI数据的价值在于：
- 摸清“碳库”家底：在大尺度上快速评估区域森林碳密度分布
- 监测经营管理效果：对比不同经营措施下森林三维结构的变化
- 支撑碳汇项目方法学：为VCS、GS等国际碳标准提供高分辨率的基线数据
- 发现潜在问题：通过林冠高度和结构复杂度指数的时空变化，早期识别森林退化
七、局限与展望
GEDI并非完美：轨道覆盖不连续、云层遮挡导致部分热带地区数据缺失、地上生物量仅覆盖乔木层。此外，目前最高精度的L4A产品依赖地面训练数据，而热带非洲、南美等区域的地面数据仍相当匮乏。
未来，随着NASA-ISRO合成孔径雷达（NISAR）任务的发射，SAR与激光雷达的联合将为全球森林碳监测提供更完整的解决方案。
本文首发于亦枫的小站，2026年4月8日。