基于森林冠層高度和異速生長方程的中國紅樹林地上生物量估算

聞 馨，劉 凱,2，曹晶晶,2，朱遠輝，王子予

[ 1. 中山大學 地理科學與規劃學院//廣東省公共安全與災害工程技術研究中心//廣東省城市化與地理環境空間模擬重點實驗室，廣州 510006；2. 南方海洋科學與工程廣東省實驗室（珠海），廣東 珠海 519000；3. 美國亞利桑那州立大學地理科學與城市規劃學院，美國 坦佩 85282 ]

作為全球初級生產力最高的生態系統之一，紅樹林具有極高的碳密度和固碳效率，其在濱海藍碳生態系統中發揮著重要作用（王麗榮 等，2010；Alongi, 2012; Simard et al., 2019； 陳 鷺 真 等，2021）。然而受圍海造田、圍塘養殖和海岸工程建設等大面積生態破壞和侵占的影響，1950—2000年中國有超過50%的紅樹林消失，嚴重影響海岸帶生態環境的健康持續發展（張喬民 等，2001；王文卿 等，2007）。隨著對紅樹林價值認識的深入，政府和科研人員日益重視對紅樹林的保護和修復，2000年后中國紅樹林面積逐步回升，整體得到了較好的恢復（張喬民 等，2001；王文卿 等，2007；賈明明 等，2021）。紅樹林是濱海藍碳的重要碳匯之一，其地上生物量（下文簡稱生物量）是紅樹林碳庫的重要組成部分（Rovai et al., 2016）。準確估算紅樹林生物量有助于其碳儲量和碳循環研究（Fatoyinbo et al., 2013），且對紅樹林生態恢復和保護以及國家控碳政策的實施具有重要意義。

由于紅樹林生長于潮間帶地區，受潮汐周期性淹沒和淤泥質土壤的影響，野外調查成本高且難度大，難以大范圍開展，目前也只能獲得特定區域有限的樣方數據（Hu et al., 2020）。遙感技術能夠便捷高效地獲取空間連續分布的植被信息，已被廣泛用于紅樹林生物量估算研究。Zhu 等（2020）結合WorldView-2 高分辨率影像和無人機影像生成的數字表面模型（Digital Surface Model, DSM）以及野外調查數據，基于隨機森林算法反演得到了廣東珠海淇澳—擔桿島秋茄群落和無瓣海桑群落的地上生物量；Fatoyinbo 等（2018） 利用機載激光雷達（LiDAR）提取的最大冠層高度與樣方生物量建立回歸模型，估算得到非洲贊比亞河流域的紅樹林生物量，還證明了LiDAR測量的冠層高度與紅樹林生物量之間的良好相關關系。然而，基于樣地調查數據和遙感數據建立紅樹林生物量回歸模型通常需要大量野外實測數據，限制了其在全球、國家等大尺度研究的應用。

研究表明森林植被的生物量與冠層高度密切相關（Lagomasino et al., 2016; Potapov et al., 2021）。不斷發展的遙感技術，尤其是合成孔徑雷達（Synthetic Aperture Radar, SAR）和LiDAR 技術的發展，使得對地觀測數據能更加準確地獲取地物高度信息，也為大尺度、長時序的紅樹林生物量監測提供了重要數據源。已有學者使用基于遙感獲取到的冠層高度和異速生長方程的方法來進行較大尺度的紅樹林生物量研究。如Fatoyinbo 等（2013） 基于SRTM（Shuttle Radar Topography Mission; 2000 年）高程數據和ICESat/GLAS（Ice, Cloud and land Elevation Satellite/Geoscience Laser Altimeter System；2003—2009年）星載激光雷達數據，結合異速生長方程估算得到非洲紅樹林生物量；Tang 等（2018）基于SRTM高程數據和異速生長方程估算了全球紅樹林生物量；Simard等（2019）基于SRTM 高程數據、ICESat/GLAS數據和異速生長方程分析了全球紅樹林樹高分布的控制因素和生物量。然而這些研究大多使用較早年份的SRTM 高程數據和ICESat/GLAS激光雷達等數據，對于當前的應用需求來說，其時間跨度較大、數據時效性不強。

掌握中國紅樹林生物量及其空間分布，對于紅樹林生態系統的有效恢復和科學保護，以及紅樹林碳儲量的科學核算十分重要，也將服務于“碳達峰”與“碳中和”戰略的現實需求。然而，當前全國尺度的紅樹林生物量研究鮮有報道，已有的全球紅樹林生物量研究也較少對中國部分進行系統分析。此外，歷史的全球紅樹林生物量數據集分辨率相對較低（如250 m），對于分布在狹長海岸線地帶的紅樹林斑塊，較粗分辨率的像元難以很好地體現其生物量的空間分異，且混合像元問題的存在也可能給帶來較大誤差。

因此，本文以中國紅樹林為研究對象，使用基于全球生態系統動態調查（Global Ecosystem Dynamics Investigation, GEDI）任務全波形星載激光雷達得到的2019 年30 m 分辨率的森林冠層高度數據和紅樹林異速生長方程進行中國紅樹林生物量估算，進而分析中國紅樹林生物量的數量和空間分布特征，并探討緯度和人為因素對其產生的影響。研究結果預期為中國紅樹林的保護、恢復與管理工作的順利推進以及濱海藍碳儲量的科學估算提供基礎數據和技術支持。

1 研究區概況

中國紅樹林主要分布在東南沿海（圖1），包括浙江、福建、廣東、廣西、海南、香港、澳門和臺灣，北至浙江省舟山市，南至海南三亞的榆林港，橫跨約14 700 km 的海岸線（18°12′—29°32′ N，108°03′—122°00′ E）（賈明明 等，2021）。中國紅樹林分布區的氣候類型主要為熱帶、亞熱帶海洋性季風氣候；年平均氣溫為21～25℃，最冷月均溫度為7.4～21℃；降雨充沛，年均降水量為1 200～2 200 mm；土壤類型主要為淤泥質、泥沙質土；潮汐類型包括規則半日潮、不規則半日潮、規則全日潮和不規則全日潮（王文卿 等，2007；賈明明，2014；賈明明 等，2021）。紅樹樹種以白骨壤、桐花樹、秋茄、木欖、紅海欖和海蓮等為常見的優勢種（王文卿 等，2007）。根據中華人民共和國生態環境部（2019）發布的《2017年全國自然保護區名錄》，大陸地區現有6處以紅樹林生態系統為主要保護對象的國家級自然保護區，有5個省級、8個市級和13個縣級紅樹林自然保護區。港澳臺地區共有5處紅樹林自然保護區（香港1處、澳門1處、臺灣3處）（楊盛昌 等，2017）。根據國家林業和草原局濕地管理司（2021）公布的《中國國際重要濕地名錄》，有6個紅樹林自然保護區被列入其中。

圖1 研究區地理位置和2019年中國紅樹林空間分布Fig.1 Geographical location of the study area and spatial distribution of mangroves in China in 2019

2 研究數據與方法

2.1 森林冠層高度數據

冠層高度是估算紅樹林生物量的重要參數（Fatoyinbo et al., 2018）。本文使用美國馬里蘭大學基于GEDI 星載激光雷達研發的全球森林冠層高度數據（Potapov et al., 2021）來估算紅樹林生物量。GEDI 的任務之一是獲取全球森林地上生物量，其針對監測植被垂直結構而設計，相比于應用廣泛的ICESat/GLAS 星載激光雷達數據，GEDI 提供的數據在全球植被區域的采樣密度和波形精度更高，被認為是目前全球最新的開源星載激光雷達產品，自2019 年4 月開始采集數據（Fayad et al., 2021; Potapov et al., 2021; Duncanson et al., 2022）；此外，結合光學和SAR等衛星影像數據，還能夠將GEDI離散的激光雷達腳點數據在空間和時間維度上進行推廣（Potapov et al., 2021）。

美國馬里蘭大學科研團隊使用Landsat ARD 提取的多時相物候參數對GEDI 數據中離散分布的冠層高度參量（RH95）進行空間外推，研發了全球森林冠層高度數據（Potapov et al., 2021）。冠層高度反演結果與GEDI RH95對比驗證，對應的均方根誤差（RMSE）為6.6 m，決定系數（R2）為0.62；此外，該數據與無人機機載激光雷達獲取的冠層高度對比驗證，對應的RMSE 為9.07 m，R2為0.61。該套森林冠層高度數據可通過其研發團隊的官方網站獲取①https://glad.umd.edu/dataset/gedi，對應年份為2019 年，柵格格式（*.tif），空間分辨率為0.000 25°（約30 m），像元值的類型為整型，即冠層高度取值為整數。

2.2 紅樹林生物量估算方法

樹高是紅樹林生物量的內在控制因素（Potapov et al., 2021）。紅樹林生物量估算的基礎方法是利用異速生長方程，即根據實地調查數據建立的植被結構參數與生物量之間的經驗模型，已有研究表明異速生長方程在紅樹林生物量估算研究中較為便捷且精度較高（朱遠輝 等，2014）。本文基于2019年紅樹林冠層高度數據和異速生長方程，建立“樹高-生物量”模型，進而估算中國紅樹林生物量。選取了一種適用于大尺度研究的紅樹林生物量異速生 長 方 程（RMSE 為43.8 t/hm2，R2為0.59）（Saenger et al., 1993），該方程已被成功應用于估算全球和非洲地區的紅樹林生物量（Fatoyinbo et al.,2013; Tang et al., 2018; Aslan et al., 2022）。公式如下：

式中：bi為第i個統計單元的紅樹林生物量（t/hm2）；hi為第i個統計單元的紅樹林冠層高度（m）。

本文首先將全球森林冠層高度數據由柵格格式轉換為矢量格式，然后結合10 m空間分辨率的中國紅樹林空間分布數據對冠層高度數據進行裁剪，進而獲得中國紅樹林分布區域的冠層高度數據，這些處理均基于統一的投影坐標系統。其中，紅樹林空間分布來自Zhao 等（2021，2022）發布的2019 年中國紅樹林空間分布數據產品。該數據基于Sentinel-1/2等遙感數據提取得到，提取精度達97±0.2%。考慮到冠層高度數據主要針對的是≥3 m 的森林植被，未覆蓋冠層高度＜3 m 森林區域，因此本文將冠層高度為0～3 m 的紅樹林區域賦值為中間值1.5 m，最終得到全國范圍的紅樹林冠層高度數據。最后，基于異速生長方程估算紅樹林生物量，并統計全國尺度、各省份（地區）以及經緯度格網的紅樹林生物量總量b（t）和生物量均值bm（t/hm2），計算公式如下：

式中：ai為第i個統計單元的面積（hm2）。

3 結果與分析

3.1 中國紅樹林冠層高度分析

中國2019年不同冠層高度的紅樹林面積及累計百分比見圖2。2019 年中國紅樹林總面積為27 053.07 hm2，紅樹林冠層高度范圍為0～23 m，冠層高度＜3 m的紅樹林占50%以上；冠層高度≥3 m的紅樹林面積為12 476.42 hm2，占總面積的46.12%；隨著冠層高度的增加，對應的紅樹林面積減少，其中全國約99%的紅樹林冠層高度在0～12 m。

圖2 2019年中國不同冠層高度紅樹林的面積及其累計百分比Fig.2 Mangrove area and its cumulative percentage with respect to different canopy height in China in 2019

考慮到香港和澳門的紅樹林面積相對較小，且與廣東海岸線相接壤，本文將廣東、香港和澳門的紅樹林作為整體進行后續統計與分析，并簡稱為粵港澳地區。2019年中國紅樹林面積排名前四的省份（地區）依次為粵港澳地區、廣西、海南和福建，這些省份（地區）不同冠層高度紅樹林的面積及其累計占比如圖3所示。粵港澳地區和廣西的紅樹林面積隨著冠層高度的增加均呈逐漸減少的趨勢；海南省冠層高度≥3 m 的紅樹林面積占比最大，達到62.75%，最大冠層高度達到23 m，其冠層高度在全國處于高水平；其他省份（地區）的紅樹林更加低矮，冠層高度＜3 m 的紅樹林面積占50%以上，冠層高度≤6 m 占80%以上，且最大高度均不超過19 m。

圖3 粵港澳地區（a）、廣西（b）、海南（c）和福建（d）不同冠層高度紅樹林的面積及其累計百分比Fig.3 Mangrove area and its cumulative percentage with respect to different canopy height in Guangdong-Hong Kong-Macao area (a),Guangxi Zhuang Autonomous Region (b), Hainan Province (c), and Fujian Province (d)

3.2 中國紅樹林生物量估算與分析

3.2.1 紅樹林生物量估算及其空間分布分析 基于冠層高度數據和異速生長方程估算得到中國紅樹林生物量，統計各省份（地區）以及全國紅樹林生物量總量與單位面積平均值（表1）。2019年中國紅樹林生物量總量為1 974 827 t，生物量平均值為73.0 t/hm2。其中，粵港澳地區的紅樹林生物量總量最高，為843 836 t，其次由高到低依次為廣西、海南、福建、臺灣和浙江。各省份（地區）紅樹林生物量平均值介于53.3～92.1 t/hm2，其中，海南的均值最高，其次是臺灣和福建，這3個省份的平均值都高于全國水平；粵港澳地區、廣西和浙江的紅樹林生物量低于全國平均水平。

表1 2019年中國各省份（地區）紅樹林面積和地上生物量Table 1 Aboveground biomass and area of mangroves in each province (region) of China in 2019

采用1°間隔將中國紅樹林分布區域劃分成34個1°×1°的經緯度格網，進而統計每個格網內紅樹林生物量的總量和均值。如圖4 所示，粵港澳地區、廣西和海南3個省份（地區）均出現單位格網較高的紅樹林生物量總量；單位經緯度格網紅樹林生物量均值為51.1～107.9 t/hm2，最高生物量均值則出現在19°—20°N 和110°—111°E、22°—23°N 和114°—115°E以及25°—26°N和121°—122°E。

圖4 中國2019年不同經緯度格網的紅樹林生物量Fig.4 Mangrove aboveground biomass in different latitude and longitude grids of China in 2019

使用自然斷點法（Jenks, 1967）將紅樹林生物量劃分為5 個區間，并展示沿海4 個典型灣口的紅樹林生物量空間分布。如圖5 所示，廣西珍珠灣、茅尾海和丹兜海片區及廣東英羅灣高橋紅樹林保護區的紅樹林生物量主要集中在142.8 t/hm2以下；英羅灣的山口紅樹林自然保護區、珠江口的淇澳—擔桿島自然保護區、內伶仃島—福田自然保護區及米埔自然保護區的紅樹林地上生物量均較高，且存在較多的生物量高值聚集區，即生物量≥110.6 t/hm2的區域。

圖5 2019年中國沿海典型灣口的紅樹林地上生物量空間分布Fig.5 Spatial distribution of mangrove aboveground biomass at typical bays and estuaries in coastal area of China in 2019

3.2.2 中國典型保護區紅樹林生物量對比與分析選取10個典型的紅樹林自然保護區，包括以人工修復為主和以自然林保護為主的區域，分別統計各個保護區紅樹林生物量的平均值（表2）。考慮到廣東內伶仃島—福田和香港米埔自然保護區的空間位置相鄰且均位于深圳灣，因此本文對2個區域的紅樹林進行整體統計和分析。深圳灣內伶仃島—福田和米埔自然保護區的紅樹林生物量平均值最高，達到112.1 t/hm2；其次是海南東寨港紅樹林自然保護區，生物量平均值達到110.5 t/hm2；然后依次是臺灣淡水河口、廣東淇澳—擔桿島、海南清瀾紅樹林自然保護區，生物量平均值在90 t/hm2以上；最后依次是廣西山口、廣西北侖河口、福建漳江口和廣東湛江紅樹林自然保護區，4 個保護區的紅樹林生物量平均值介于66.4～80.1 t/hm2。除湛江紅樹林自然保護區外，上述其他保護區的紅樹林生物量平均值都高于全國平均水平（73.0 t/hm2）。

表2 典型自然保護區的紅樹林生物量Table 2 Mangrove aboveground biomass for typical nature reserves

香港早在1950年就開展了紅樹林保護工作，因而長期以來米埔保護區的紅樹林受人類活動的干擾相對較少，有利于紅樹林的生長和生物量的累積；深圳在紅樹林的保護與管理工作中也進行了系列創新性探索（李瑞利 等，2022），從保護區的紅樹林生物量水平也可以看出其保護工作取得了一定的成效。海南東寨港和清瀾紅樹林自然保護區是中國大陸建立較早的2個紅樹林保護區，區域內紅樹林生態系統保持相對完整且生物多樣性豐富（王文卿等，2007；甄佳寧 等，2019），有利于紅樹林生物量的生產（Bai et al., 2021），因此這2個區域的紅樹林平均生物量也較高。廣西山口、北侖河口和福建漳江口紅樹林自然保護區由于受到極端天氣、病蟲害和互花米草入侵等因素影響較為嚴重（李麗鳳等，2021；聞馨，2021；陳高 等，2022），在一定程度上抑制了紅樹林的生長，因而這些區域的紅樹林平均生物量相對較低。

此外，紅樹林生物量還與其物種組成有關（Zhu et al., 2020）。在中國紅樹林恢復種植過程中，無瓣海桑是較早引種的外來速生種，其環境適應能力強，生長速度快，每年增高1～2 m（邱霓 等，2019）。其中，在淇澳—擔桿島紅樹林自然保護區，無瓣海桑群落已經成為了優勢群落，冠層高度明顯高于其他本土紅樹樹種（胡懿凱 等，2019；邱霓等，2019），這些因素也使得淇澳—擔桿島保護區的紅樹林生物量平均值相對較高。

4 討論

4.1 中國紅樹林生物量對比與方法可行性分析

本文利用GEDI 星載激光雷達數據反演得到的森林冠層高度數據和異速生長方程實現全國尺度的紅樹林生物量估算，結果表明2019年中國紅樹林生物量總量和平均值分別為1 974 827 t 和73.0 t/hm2（見表1）。將本文結果與全球研究和綜述對比發現（表3），中國紅樹林平均生物量低于全球平均水平。Su等（2016）研究表明中國陸地森林生物量平均值約為120 t/hm2，高于中國紅樹林生物量平均值。總體上中國紅樹林生物量的平均水平較低，一方面可能因為中國紅樹林分布區緯度較高，處于世界紅樹林分布區的北緣，與緯度相關的氣溫、降水等會限制紅樹林樹高和生物量的累積（Simard et al., 2019）；另一方面，中國紅樹林2000 年以來的凈增加面積（即新增的紅樹林面積-減少的紅樹林面積）（賈明明 等，2021）約為2019 總面積的31%，新增紅樹林的面積占比則更高，這部分紅樹林樹齡較小，冠層高度相對低矮，生物量較低。

根據Simard 等（2019）統計得到的中國紅樹林生物量總量比本文研究結果低647 893 t，生物量平均值高了8.7 t/hm2（見表3），造成這一差異的原因可能與遙感數據源有關，Simard 等（2019）使用的是2000 年SRTM 數據、2003—2009 年ICESat/GLAS 數 據和2000 年全球紅樹林空間分布數據，其中統計得到的中國紅樹林面積約為16 234 hm2，比本文使用的少了10 819.07 hm2。由于2000年以后中國大規模開展紅樹林保護與修復（賈明明 等，2021），新增的紅樹林也積累了大量的生物量，而新生的紅樹林相對低矮，故本文估算的紅樹林生物量總量高于而平均值低于Simard 等（2019）的結果。

此外，進一步將本研究與時間相近的區域尺度或樣地尺度的紅樹林生物量估算結果對比（見表3）。Wang 等（2019）基于無人機載激光雷達和Sentinel-2 數據反演的2018—2019 年的海南紅樹林生物量總量和平均值分別比本文的估算結果高了約35 740 t 和36.17 t/hm2。本文較文獻（聞馨，2021）基于機載激光雷達和Sentinel-2 估算的漳江口紅樹林自然保護區核心區2020 年的紅樹林生物量總量高139.92 t，生物量平均值低了10.57 t/hm2。Zhu等（2020）基于WorldView-2光學影像和DSM 數據反演了淇澳—擔桿島保護區秋茄和無瓣海桑2種紅樹群落的生物量，均高于本文估算得到的整個保護區紅樹林生物量的平均值99.9 t/hm2，這主要是由于Zhu等（2020）研究的對象是保護區內46年樹齡的秋茄和人工種植的紅樹林速生樹種無瓣海桑，這2種紅樹群落能夠積累更多的生物量，而淇澳—擔桿島紅樹林的主要樹種還包括桐花樹、鹵蕨和老鼠簕等（胡懿凱 等，2019），其中，桐花樹一般為灌木或小喬木，鹵蕨屬于草本植物，老鼠簕屬于亞灌木（王文卿 等，2007），這些樹種樹高都較為低矮。從上述對比來看，由于使用的數據、方法或研究對象等不同，本文估算的紅樹林生物量平均值低于較小尺度精細化生物量估算研究。本文與已有的全國尺度及區域、景觀等小尺度的研究結果對比差異不大或能夠合理解釋，一定程度上也佐證了基于森林冠層高度數據和異速生長方程的大尺度紅樹林生物量估算方法是可行的。

表3 本文與其他文獻中紅樹林生物量結果對比Table.3 Comparison of mangrove aboveground biomass results between this study and other literatures

4.2 緯度對中國紅樹林生物量分布的影響

統計中國各緯度帶（19°—29°N）紅樹林生物量的平均值和最大值，并與緯度進行線性回歸擬合（圖6）。可以看出，中國紅樹林生物量最大值的區域分異在一定程度上受緯度的影響（R2=0.52）；且在20°—29°N，紅樹林生物量最大值與緯度的相關性更高，R2達0.78；而緯度對中國紅樹林生物量平均值的空間分異影響較小（R2=0.33）。受緯度控制的太陽能制約著紅樹林的最大生物量，因此隨緯度降低而升高的僅是生物量可能達到的最大值，局部地貌和水文特征的差異，包括河流和潮汐對土壤特性的影響將造成局地生物量的差異（Twilley et al.,1992）。Simard等（2019）指出，隨著緯度的降低，紅樹林最大冠層高度會增加，與緯度相關的氣溫、降水和氣旋頻率等因素影響著紅樹林最大冠層高度的緯度分異，從而影響最大生物量的緯度分異。

圖6 中國紅樹林生物量最大值和平均值的緯度分異Fig.6 Latitudinal variation of maximum aboveground biomass and mean aboveground biomass of mangroves in China

4.3 人為因素對紅樹林生物量的影響

本文針對中國紅樹林保護區的成立和受保護時間的長短，進一步分析了人為因素對紅樹林生物量的影響。中國紅樹林2000 年以前受人為破壞和侵占，面積持續減少（賈明明 等，2021）；自上世紀80年代以來，中國政府和地方部門開始重視對紅樹林濕地的保護和管理，推進退塘還林、人工造林、建立保護區等系列措施，2000年以后中國紅樹林面積呈逐步上升趨勢（賈明明，2014；賈明明 等，2021；李瑞利 等，2022），這些人為因素也影響著紅樹林生物量的累積和分布。盧元平等（2019）研究指出海南紅樹林面積小，但受保護比例高；廣東和廣西紅樹林面積大，但受保護比例較小，其中廣西的比例最低。本文研究顯示受保護程度更高的海南紅樹林，其冠層高度和平均生物量也更高；而相較廣西，緯度相近且受保護程度更高的粵港澳地區的紅樹林生物量平均值更高；雖然米埔的緯度比東寨港和清瀾紅樹林保護區高，但由于香港對紅樹林的保護開始時間早，紅樹林受保護歷史久，因此米埔紅樹林生物量平均值高于東寨港和清瀾紅樹林保護區。此外，浙江的引種擴展了中國紅樹林空間分布的北界（王文卿 等，2007），一定程度上也反映了人為因素對紅樹林生物量空間分布的影響。

本文以淇澳—擔桿島紅樹林自然保護區為例，結合30 m空間分辨率的Landsat-5遙感影像解譯得到1999年淇澳—擔桿島自然保護區的紅樹林空間分布（圖7-a），并與本文使用的2019 年紅樹林空間分布（圖7-b）數據進行對比。珠海淇澳—擔桿島自然保護區是中國典型的紅樹林引種區域，從1999年開始實施紅樹植物引種工程；目前，人工引種修復的無瓣海桑已經成為該區域的優勢群落（邱霓 等，2019）。因而在2000—2019年，淇澳—擔桿島自然保護區的紅樹林面積不斷擴張，該區域的紅樹林生物量也會隨之大幅度增加。

圖7 1999（a）和2019年（b）廣東淇澳島紅樹林的空間分布范圍Fig.7 Spatial distribution of mangroves in Qi'ao Island,Guangdong province in 1999 (a) and 2019 (b)

5 結論

本文利用森林冠層高度數據和異速生長方程構建了紅樹林地上生物量模型，估算得到2019年中國紅樹林地上生物量，并分析了全國和區域尺度的紅樹林地上生物量總量、均值和空間分布情況，得到以下主要結論：

1）基于大尺度的森林冠層高度數據和異速生長方程建立的紅樹林“樹高-生物量”異速生長模型，能夠快速有效地估算大范圍紅樹林地上生物量，適用于國家尺度的研究。

2）2019 年中國紅樹林地上生物量總量約為1 974 827 t，單位面積地上生物量平均值約為73.0 t/hm2。

3）中國紅樹林地上生物量總量前三的省份（地區）為粵港澳地區、廣西壯族自治區和海南省，全國紅樹林分布的各省份（地區）的紅樹林生物量平均值介于53.3～92.1 t/hm2，其中在海南北部、粵港澳地區中部和臺灣北部存在3個紅樹林生物量均值較高的經緯度格網。

4）緯度在一定程度上影響著中國紅樹林地上生物量最大值的空間分布；建立紅樹林保護區也對紅樹林生物量的累積和擴展其空間分布有著積極作用。