摘要: “双碳”目标下陆地生态系统碳储量的高效精准估测具有重要意义。为有效利用多源遥感数据获得陆地生态系统碳储量分布，本文提出改进的U-Net模型融合高分一号（GF-1）及哨兵1号（Sentinel-1）特征并进行土地利用分类，再结合碳密度调查结果进行碳储量估测的方法。设计双编码器分别提取GF-1及Sentinel-1的多尺度特征，采用逐段特征融合策略，通过注意力机制及跳跃连接聚焦高层语义特征，最后分类器分得土地利用类别与调查得到的碳密度值相乘得到碳储量分布结果。结果表明：1）采用改进的U-Net模型分类可充分提取地物的细节和语义特征，分类总精度可达到87.34%，估测的碳储量为31.28Tg，与实测碳储量比较总体误差为0.84%。2）分类后各地面类别中林地、耕地、园地、住宅、水域、道路、其他未利用土地占比分别为83.30%、4.42%、6.47%、2.72%、1.02%、1.10%、0.97%，天然林是碳储量主要来源，占比91.51%，耕地、园地、住宅、水域、其他未利用土地的碳储量贡献分别为2.76%、5.55%、0.03%、0.06%、0.09%。3）本文模型较随机森林（RF）与Logistic回归（LR）模型碳储量估测误差分别降低了1.91%和2.94%。可见，光学与合成孔径雷达（SAR）影像的互补、U-Net模型+CSAM注意力机制对深层特征和浅层特征的融合可提高地面类别的区分精度，该模型所用数据成本低、获取途径多，模型可靠，可为连续高效的碳储量动态监测提供借鉴。