DOI: https://doi.org/10.1093/forestry/cpag007
تاريخ النشر: 2026-01-20
المؤلف: Emanuele Papucci وآخرون
الموضوع الرئيسي: الاستشعار عن بعد وتطبيقات LiDAR
نظرة عامة
تقييم هذه المراجعة التقدمات المنهجية في تقييمات الكتلة الحيوية على نطاق واسع من 1992 إلى 2022، مع تسليط الضوء على تحسين تدريجي في الجودة على مر السنين. على الرغم من هذه التحسينات، لا تزال هناك عدة تحديات تعيق موثوقية تقييمات الكتلة الحيوية. تشمل القضايا الرئيسية الحاجة إلى بعثات فضائية جديدة لجمع بيانات عالمية حول هياكل ارتفاع الغابات، والحصول على مجموعات بيانات ميدانية أكبر ومتناسقة لتعديل النماذج، والالتزام بالمبادئ الإحصائية، وتطوير طرق مبتكرة لتقدير النطاق، وتعزيز ضمان الجودة ومراقبتها (QA/QC) في الاستطلاعات.
تجري حاليا مبادرات للتصدي لهذه التحديات، مع جهود رسم خرائط على نطاق وطني تدمج بين الاستشعار عن بعد (RS) والبيانات الميدانية لتوفير معلومات أكثر تفصيلاً حول أنواع الغابات وأنواع الأشجار. بينما تختتم المراجعة بأن الحالة العلمية في تقييم الكتلة الحيوية على نطاق واسع مرضية، فإنها تؤكد على أن هناك فرصًا كبيرة لمزيد من التحسين.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور الحاسم للغابات في توفير خدمات النظام البيئي مثل احتجاز الكربون، وأمان موارد المياه، وتوفير المواد المستدامة. ومع ذلك، فإن الغابات مهددة بشكل متزايد من قبل إزالة الغابات والتدهور، مع تسجيل خسائر كبيرة بين عامي 1990 و2015. وقد زاد ذلك من الطلب على معلومات دقيقة حول الغابات، لا سيما في سياق الاتفاقيات المناخية العالمية مثل اتفاقية الأمم المتحدة الإطارية بشأن تغير المناخ (UNFCCC) وآلية REDD+ التي تهدف إلى التخفيف من تغير المناخ. أصبحت تقنيات الاستشعار عن بعد (RS)، بما في ذلك LiDAR وRADAR وأجهزة الاستشعار الضوئية، أدوات حيوية لتقييم الغابات على نطاق واسع، مما يتيح تطوير خرائط الكتلة الحيوية والكربون. على الرغم من التقدم في جودة وتوافر بيانات RS، تظل البيانات الميدانية ضرورية لتعديل النماذج.
تؤكد الورقة على أهمية النماذج الإحصائية التي تربط بين البيانات الميدانية وبيانات RS لاشتقاق ميزات الغابات البيوفيزيائية. تم استخدام أساليب نمذجة متنوعة، بما في ذلك الطرق المعلمية وغير المعلمية، مع الإشارة إلى أن الدراسات الحديثة تشير إلى أن تقنيات التعلم العميق قد تعزز دقة التنبؤ، على الرغم من المخاطر المرتبطة بالتكيف المفرط. يؤثر الاختيار بين أطر الاستدلال المعتمدة على التصميم والمعتمدة على النموذج بشكل كبير على تقييمات عدم اليقين في تقييمات الكتلة الحيوية، حيث تفتقر العديد من الدراسات إلى الوضوح بشأن المبادئ الإحصائية التي توجه تحليلاتها. تهدف المراجعة إلى تقييم منهجي لتقييمات الكتلة الحيوية على نطاق واسع التي أجريت بين 1992 و2022، مع تحديد العناصر الرئيسية مثل جودة بيانات RS، وتوافر البيانات الميدانية، والأساليب الإحصائية، مع معالجة التحديات المتبقية لتحسين موثوقية هذه التقييمات للتخفيف من تغير المناخ وإدارة النظام البيئي.
طرق
في هذا القسم، يوضح المؤلفون منهجيتهم لإجراء مراجعة منهجية للأدبيات حول تقييم الكتلة الحيوية للغابات على نطاق واسع ورسم الخرائط. بدأوا بحثًا منظمًا عبر قواعد بيانات مثل مجموعة ويب للعلوم الأساسية، وسكوبس، وجوجل سكولار، مما أسفر عن اختيار أولي لـ 4,258 مقالة. استخدم عملية الاختيار برنامج Rayyan لتبسيط تقييم العناوين والملخصات والبيانات الوصفية، مع تطبيق مصطلحات بحث محددة تتعلق بالاستشعار عن بعد (RS) وكتلة الغابات. نفذ المؤلفون عملية فرز صارمة، حيث طبقوا خمسة معايير شمولية ضيقت الاختيار إلى 80 دراسة ذات صلة نشرت بين 1992 و2022، والتي أظهرت تأثيرًا كبيرًا في هذا المجال، واستخدمت بيانات RS، ودمجت البيانات الميدانية لتعديل النماذج.
تم تقسيم منهجية المراجعة إلى مرحلتين. تضمنت المرحلة الأولى جمع معلومات وصفية حول كل دراسة، بما في ذلك حجم منطقة الدراسة ومصادر بيانات RS، وتصنيف الدراسات بناءً على أنواع أجهزة الاستشعار RS وأساليب الاستدلال. ركزت المرحلة الثانية على تقييم العناصر الأساسية لكل دراسة مقابل مجموعة من “المعايير المثالية” لتقييم الكتلة الحيوية على نطاق واسع، والتي تم اشتقاقها من الأطر الموجودة. شملت معايير التقييم خصائص بيانات RS، وخصائص البيانات الميدانية، والبيانات المساعدة، والإجراءات الإحصائية، وضمان الجودة/مراقبتها (QA/QC)، وشفافية سير العمل. تم تقييم كل عنصر على مقياس من 0 إلى 5، مما يسمح بتقييم شبه كمي للامتثال للمعايير المحددة. كانت هذه الطريقة المنظمة تهدف إلى تحديد كل من نقاط القوة والضعف في الدراسات التي تمت مراجعتها، مما يسهل فهمًا شاملاً للممارسات الحالية في تقييم الكتلة الحيوية للغابات.
النتائج
تشير نتائج الدراسة إلى اتجاهات إيجابية عبر جميع العناصر الأساسية التي تم تقييمها، على الرغم من أن المتوسطات أظهرت زيادات ضعيفة فقط وتباينًا كبيرًا. على وجه التحديد، تحسن الامتثال للمعايير المثالية لخصائص بيانات الاستشعار عن بعد (RS) قليلاً، حيث ارتفعت المتوسطات من 3.7 إلى 3.9. يعكس هذا التحسن زيادة التجريب مع مؤشرات الغطاء النباتي ودمج مصادر RS متنوعة، على الرغم من التحديات المستمرة المتعلقة بتعقيدات المعالجة والوصول إلى بيانات عالية الدقة. وبالمثل، أظهرت خصائص البيانات الميدانية زيادة من 3.0 إلى 3.6، مما يبرز التقدم في طرق الجمع وتصميمات العينة، ومع ذلك لا تزال هناك قضايا كبيرة تتعلق بتناسق البيانات وعدم اتساق بروتوكولات القياس، مما قد يؤثر على توقعات الكتلة الحيوية.
من الجدير بالذكر أن العنصر المتعلق بالبيانات المساعدة للمناطق المستهدفة شهد تحسنًا ملحوظًا، حيث زادت الدرجات من 2.2 إلى 3.5، مما يدل على تحسين تكامل مجموعات البيانات المنظمة والميزات البيئية. كما أظهرت الإجراءات الإحصائية تقدمًا، حيث ارتفعت الدرجات من 1.8 إلى 3.4، مما يعكس اعتمادًا متزايدًا على أساليب النمذجة الصارمة، بما في ذلك تقنيات التعلم الآلي. ومع ذلك، ظلت درجات ضمان الجودة ومراقبتها (QA/QC) منخفضة، مما يدل على التحديات المستمرة في تحقيق ممارسات التحقق الصارمة. من ناحية أخرى، تحسنت شفافية سير العمل بشكل كبير، حيث زادت الدرجات من 2.0 إلى 3.6، مدفوعة بالتقارير المنهجية المحسنة وإمكانية الوصول إلى البيانات، على الرغم من أن الوصول المفتوح الحقيقي إلى مجموعات البيانات والخوارزميات لا يزال محدودًا. بشكل عام، على الرغم من أن التقدم واضح، إلا أن هناك تحديات كبيرة ومجالات للتحسين لا تزال قائمة في المنهجيات المستخدمة في تقييمات الكتلة الحيوية.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الاتجاهات والتحديات الكبيرة في تقييمات الكتلة الحيوية على نطاق واسع من 1992 إلى 2022. لوحظ زيادة ملحوظة في عدد المنشورات ذات الصلة، لا سيما في أساليب الاستدلال المعتمدة على النموذج، التي تهيمن على هذا المجال. ومع ذلك، يجب تفسير هذا النمو بحذر، حيث يتوازى مع زيادة عامة في المنشورات عبر مجالات البحث المختلفة. ركزت الغالبية العظمى من الدراسات على الكتلة الحيوية فوق الأرض (AGB)، مع اهتمام محدود بالكتلة الحيوية تحت الأرض. أصبحت تقنيات الاستشعار عن بعد (RS)، وخاصة البيانات الضوئية والـ RADAR من الفضاء، شائعة، مع التقدمات الأخيرة في بيانات LiDAR من الفضاء من بعثات مثل ICESat2 وGEDI التي تعزز القدرة على تقييم هيكل الغابات والكتلة الحيوية.
على الرغم من التحسينات في الجودة المنهجية، لا يزال الامتثال للمعايير المثالية متغيرًا، لا سيما مع توسع مناطق الدراسة من النطاقات الفرعية إلى النطاقات العالمية. تشمل القضايا الشائعة أحجام العينات الصغيرة، ونقص الأساليب الموحدة، وعدم كفاية البيانات الميدانية لتعديل النماذج، مما قد يؤدي إلى إدخال انحيازات كبيرة. تؤكد الورقة على الحاجة إلى ممارسات صارمة لضمان الجودة ومراقبتها (QA/QC)، فضلاً عن تحسين الأطر الإحصائية لتعزيز موثوقية تقديرات الكتلة الحيوية. يدعو المؤلفون إلى توحيد طرق جمع البيانات الميدانية ويقترحون أن التقنيات الناشئة، مثل المسح بالليزر الأرضي والمتحرك، قد توفر طرقًا جديدة للحصول على البيانات، مما قد يعالج بعض القيود الحالية في تقييمات الكتلة الحيوية على نطاق واسع.
DOI: https://doi.org/10.1093/forestry/cpag007
Publication Date: 2026-01-20
Author(s): Emanuele Papucci et al.
Primary Topic: Remote Sensing and LiDAR Applications
Overview
This review assesses the methodological advancements in large-area biomass assessments from 1992 to 2022, highlighting a gradual enhancement in quality over the years. Despite these improvements, several challenges persist that hinder the reliability of biomass assessments. Key issues include the need for new space missions to gather global data on forest height structures, the acquisition of larger and harmonized field datasets for model calibration, adherence to statistical principles, the development of innovative methods for domain estimation, and the enhancement of quality assurance and control (QA/QC) in surveys.
Current initiatives are underway to tackle these challenges, with national-scale mapping efforts that integrate remote sensing (RS) and field data providing more detailed information on forest types and tree species. While the review concludes that the scientific state-of-the-art in large-area biomass assessment is satisfactory, it emphasizes that significant opportunities for further improvement remain.
Introduction
The introduction of the research paper highlights the critical role of forests in providing ecosystem services such as carbon sequestration, water resource security, and sustainable material provision. However, forests are increasingly threatened by deforestation and degradation, with significant losses reported between 1990 and 2015. This has heightened the demand for accurate forest information, particularly in the context of global climate agreements like the UNFCCC and the REDD+ mechanism aimed at mitigating climate change. Remote sensing (RS) technologies, including LiDAR, RADAR, and optical sensors, have emerged as vital tools for large-area forest assessments, enabling the development of biomass and carbon maps. Despite advancements in RS data quality and availability, field data remain essential for model calibration.
The paper emphasizes the importance of statistical models that link field data with RS data to derive biophysical forest features. Various modeling approaches, including parametric and non-parametric methods, have been employed, with recent studies indicating that deep learning techniques may enhance prediction accuracy, albeit with risks of overfitting. The choice between design-based and model-based inference frameworks significantly impacts uncertainty assessments in biomass evaluations, with many studies lacking clarity on the statistical principles guiding their analyses. The review aims to systematically evaluate large-area biomass assessments conducted between 1992 and 2022, identifying key elements such as RS data quality, field data availability, and statistical methods, while also addressing remaining challenges to improve the reliability of these assessments for climate change mitigation and ecosystem management.
Methods
In this section, the authors detail their methodology for conducting a systematic review of literature on large-area forest biomass assessment and mapping. They initiated a structured search across databases such as Web of Sciences Core Collection, Scopus, and Google Scholar, resulting in an initial selection of 4,258 articles. The selection process utilized the Rayyan software to streamline the evaluation of titles, abstracts, and metadata, applying specific search terms related to remote sensing (RS) and forest biomass. The authors implemented a rigorous screening process, applying five inclusion criteria that narrowed the selection to 80 relevant studies published between 1992 and 2022, which demonstrated significant influence in the field, utilized RS data, and incorporated field data for model calibration.
The review methodology was divided into two phases. The first phase involved collecting descriptive information about each study, including study area size and RS data sources, and categorizing studies based on RS sensor types and inference approaches. The second phase focused on evaluating the core elements of each study against a set of “ideal standards” for large-area biomass assessment, which were derived from existing frameworks. The evaluation criteria encompassed RS data properties, field data properties, auxiliary data, statistical procedures, quality assurance/quality control (QA/QC), and workflow transparency. Each element was scored on a scale from 0 to 5, allowing for a semi-quantitative assessment of adherence to the established standards. This structured approach aimed to identify both strengths and weaknesses in the reviewed studies, facilitating a comprehensive understanding of current practices in forest biomass assessment.
Results
The results of the study indicate positive trends across all core elements evaluated, although mean scores exhibited only weak increases and significant variability. Specifically, compliance with ideal standards for remote sensing (RS) data properties improved slightly, with mean scores rising from 3.7 to 3.9. This improvement reflects increased experimentation with vegetation indices and the integration of diverse RS sources, despite ongoing challenges related to processing complexities and access to high-resolution data. Similarly, field data properties showed an increase from 3.0 to 3.6, highlighting advancements in collection methods and sampling designs, yet significant issues with data harmonization and measurement protocol inconsistencies persist, which could bias biomass predictions.
Notably, the element concerning auxiliary data for target areas saw a marked improvement, with scores increasing from 2.2 to 3.5, indicating better integration of structured datasets and environmental features. Statistical procedures also showed progress, with scores rising from 1.8 to 3.4, reflecting a growing adoption of rigorous modeling approaches, including machine learning techniques. However, quality assurance and control (QA/QC) scores remained low, indicating persistent challenges in achieving rigorous validation practices. Conversely, workflow transparency improved significantly, with scores increasing from 2.0 to 3.6, driven by enhanced methodological reporting and data accessibility, although true open access to datasets and algorithms remains limited. Overall, while advancements are evident, substantial challenges and areas for improvement continue to exist in the methodologies employed in biomass assessments.
Discussion
The discussion section of the research paper highlights significant trends and challenges in large-area biomass assessments from 1992 to 2022. A notable increase in the number of relevant publications was observed, particularly in model-based inference methods, which dominate the field. However, this growth must be interpreted cautiously, as it parallels a general rise in publications across various research domains. The majority of studies focused on aboveground biomass (AGB), with limited attention to belowground biomass. Remote sensing (RS) technologies, particularly space-borne optical and RADAR data, have become prevalent, with recent advancements in space-borne LiDAR data from missions like ICESat2 and GEDI enhancing the ability to assess forest structure and biomass.
Despite improvements in methodological quality, compliance with ideal standards remains variable, particularly as study areas expand from sub-regional to global scales. Common issues include small sample sizes, lack of standardized methods, and insufficient field data for model calibration, which can introduce significant biases. The paper emphasizes the need for rigorous quality assurance and quality control (QA/QC) practices, as well as improved statistical frameworks to enhance the reliability of biomass estimates. The authors advocate for harmonization of field data collection methods and suggest that emerging technologies, such as terrestrial and mobile laser scanning, may provide new avenues for data acquisition, potentially addressing some of the existing limitations in large-area biomass assessments.