7月，中国科学院地理科学与资源研究所研究团队在“Science of Remote Sensing 12(2025年12月)”上发表“Estimation of Aboveground Biomass in Tajikistan Based on Upscaling Extrapolation of UAV and Sentinel-2 Multi-Source Data Synergy”文章。文章提出了一种基于 Sentinel-2 多光谱影像、无人机（UAV）遥感数据及野外实测数据结合的动态采样扩尺度（scale-up）估算方法，实现了塔吉克斯坦草原 AGB 的高效、精准空间化监测。具体而言，我们选取 UAV 影像与 Sentinel-2 MSI 数据，结合地面实测样本，构建并优化了 8 种不同空间尺度的 AGB 估算模型，并在此基础上引入动态采样扩尺度方法以提升估算精度。结果表明：1.在UAV尺度下，Extra Trees模型表现最佳(R²=0.88，RMSE=52.72 g·m⁻²)；在 Sentinel-2尺度下，支持向量机（SVM）模型具有最优性能（R²=0.80，RMSE=158.43 g·m⁻²)；2.纹理特征是草地 AGB 评估最重要的特征，显著优于光谱指数和光谱波段特征；3.所提出的动态采样扩尺度方法显著提升了Sentinel-2 AGB估算精度，使地上生物量的空间分布表现更加细致。本研究通过协同多源遥感与地面观测，不仅深化了对环境因子对草原生物量调控机制的理解，也为中亚乃至全球草原生态系统在当前与未来气候情景下的保护与可持续管理提供了可推广的技术路径与决策支持框架。论文原文：Hao, Lina, Huping Ye, Shuang He, Xinyu Zhang, Dalai Bayin, Mustafo Safarov, Mekhrovar Okhonniyozov, Xiaohan Liao. 2025. "Estimation of Aboveground Biomass in Tajikistan Based on Upscaling Extrapolation of UAV and Sentinel-2 Multi-Source Data Synergy". Science of Remote Sensing 12 (2025年12月): 100259. https://doi.org/10.1016/j.srs.2025.100259

图1技术路线图

(供稿单位：中国科学院地理科学与资源研究所)