geoskill-sar-forest-biomass

SKILL.md

---
name: geoskill-sar-forest-biomass
description: 'SAR 森林生物量估算：由后向散射 σ⁰ 用线性/饱和经验模型反演森林地上生物量 AGB (t/ha)，支持 C/L 波段与地面样本标定'
---

# SAR森林生物量估算 | SAR Forest Biomass Estimation

Estimates forest above-ground biomass (AGB, t/ha) from the SAR backscatter coefficient σ⁰. Two empirical relationships are implemented:

- **Linear model**: σ⁰_dB = m·AGB + c, suitable for low-biomass, unsaturated ranges.
- **Saturation model**: AGB = AGB_sat·(1 − e^(−k·σ⁰_lin)), capturing the physical behavior of SAR backscatter saturating as biomass increases (sensitivity decreases in high-AGB areas).

`--calibration` accepts a ground-sample CSV (columns `sigma0,agb`) for coefficient fitting: least squares for the linear model and nonlinear least squares (scipy curve_fit) for the saturation model. Without calibration, built-in default coefficients per band (C / L) are used; the L band has stronger penetration and a higher saturation biomass.

## Application Scenarios / 应用场景

- Forest carbon stock estimation and carbon sink monitoring
- Forest resource surveys and biomass mapping
- REDD+ and climate change research

## Dependencies / 依赖

```bash
pip install 'numpy' 'rasterio' 'scipy' 'scikit-learn'
```

## Usage / 使用方法

### Example 1 (synthetic data, offline, L-band saturation model)

```bash
python geoskill-sar-forest-biomass.py --bbox 110.0 22.0 111.0 23.0 --band l --synthetic --output-dir ./out
```

### Example 2 (C-band linear model)

```bash
python geoskill-sar-forest-biomass.py --bbox 110.0 22.0 111.0 23.0 --band c --model linear --synthetic --output-dir ./out
```

### Example 3 (real σ⁰ imagery + ground-sample calibration)

```bash
python geoskill-sar-forest-biomass.py --input sigma0_db.tif --band c --model linear --calibration samples.csv --output-dir ./out
```

### Example 4 (saturation model calibration)

```bash
python geoskill-sar-forest-biomass.py --input sigma0_db.tif --band l --model saturation --calibration samples.csv --output-dir ./out
```

## Output / 输出

| File | Format | Description |
|---|---|---|
| `forest_biomass.tif` | GeoTIFF | Retrieved AGB (t/ha) |
| `biomass_report.json` | JSON | Model coefficients, statistics, synthetic validation (RMSE/correlation) |
| `output-manifest.json` | JSON | Run manifest |

## Data Source / 数据源 / Source

Local σ⁰ (dB) GeoTIFF plus optional calibration CSV, or a simulated scene generated by forward modeling of an AGB field via `--synthetic`.

## Privacy / 隐私声明 / Privacy

- Runs offline by default; `--synthetic` mode is fully network-free.
- All processing is done locally; no user data is uploaded.

## License / License

MIT

---


<!-- ===== 中文原文 (Chinese Original) ===== -->

---
name: geoskill-sar-forest-biomass
description: 'SAR 森林生物量估算：由后向散射 σ⁰ 用线性/饱和经验模型反演森林地上生物量 AGB (t/ha)，支持 C/L 波段与地面样本标定'
---

# SAR森林生物量估算 | SAR Forest Biomass Estimation

从 SAR 后向散射系数 σ⁰ 估算森林地上生物量 AGB（above-ground biomass, t/ha）。
实现两类经验关系：

- **线性模型**：σ⁰_dB = m·AGB + c，适用于低生物量、未饱和区间。
- **饱和模型**：AGB = AGB_sat·(1 − e^(−k·σ⁰_lin))，刻画 SAR 后向散射随生物量
  增加趋于饱和的物理特征（高 AGB 区敏感度下降）。

支持 `--calibration` 提供地面样本 CSV（列 `sigma0,agb`）做系数拟合：线性用最小
二乘，饱和用非线性最小二乘（scipy curve_fit）。无标定时使用按波段（C / L）内置的
默认系数，L 波段穿透性强、饱和生物量更高。

## 应用场景

- 森林碳储量估算、碳汇监测
- 森林资源调查与生物量制图
- REDD+ 与气候变化研究

## 依赖

```bash
pip install 'numpy' 'rasterio' 'scipy' 'scikit-learn'
```

## 使用方法

### 示例 1（合成数据，离线，L 波段饱和模型）

```bash
python geoskill-sar-forest-biomass.py --bbox 110.0 22.0 111.0 23.0 --band l --synthetic --output-dir ./out
```

### 示例 2（C 波段线性模型）

```bash
python geoskill-sar-forest-biomass.py --bbox 110.0 22.0 111.0 23.0 --band c --model linear --synthetic --output-dir ./out
```

### 示例 3（真实 σ⁰ 影像 + 地面样本标定）

```bash
python geoskill-sar-forest-biomass.py --input sigma0_db.tif --band c --model linear --calibration samples.csv --output-dir ./out
```

### 示例 4（饱和模型标定）

```bash
python geoskill-sar-forest-biomass.py --input sigma0_db.tif --band l --model saturation --calibration samples.csv --output-dir ./out
```

## 输出

| 文件 | 格式 | 说明 |
|---|---|---|
| `forest_biomass.tif` | GeoTIFF | 反演 AGB (t/ha) |
| `biomass_report.json` | JSON | 模型系数、统计、合成验证 (RMSE/相关) |
| `output-manifest.json` | JSON | 运行清单 |

## 数据源 / Source

本地 σ⁰ (dB) GeoTIFF + 可选标定 CSV，或 `--synthetic` AGB 场正演的模拟场景。

## 隐私声明 / Privacy

- 默认离线运行，`--synthetic` 模式完全无网络。
- 所有处理在本地完成，不上传用户数据。

## License

MIT