ICS 17.180.01
CCS M54
团
体 标 准
T/CI 230—2023
卫星对地观测下的农田
碳指标监测体系
Cropland carbon index monitoring system under satellite earth
observation
2023-12-21 发布
2023-12-21 实施
中国国际科技促进会
发布
目
次
前言 ................................................................................. III
引言 ................................................................................... V
1 范围 ................................................................................ 1
2 规范性引用文件 ...................................................................... 1
3 术语和定义 .......................................................................... 1
4 缩略语 .............................................................................. 2
5 监测体系分级原则 .................................................................... 2
6 卫星对地观测下的农田碳指标监测体系 .................................................. 3
7 卫星对地观测下的农田碳指标遥感监测产品体系 .......................................... 4
附录 A（规范性） 空天地一体化农田碳指标监测技术体系框架 ............................... 9
附录 B（资料性） 遥感碳中和监测原理及优势 ............................................ 11
附录 C（资料性） 国内外主要碳源碳汇监测常用卫星的主要参数 ............................ 13
参考文献 .............................................................................. 14
I
前
言
本文件按照GB/T 1.1—2020《标准化工作导则
第1部分：标准化文件的结构和起草规则》起草。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。
本文件由中国国际科技促进会标准化工作委员会提出。
本文件由中国国际科技促进会归口。
本文件起草单位：中国科学院空天信息创新研究院、北京市大兴区生态环境局、北京市大兴区农业农
村局、合肥中科空天信息产业创新研究院有限公司、生态环境部信息中心、上海浦东新区中和双碳产业知
识产权促进中心、新疆天业（集团）有限公司、中科卫星科技集团有限公司、浙江天尚乡村产业发展公司、
国合千庭控股有限公司、福建省南平碳计量中心、国家碳计量中心（福建）、福建空天碳智慧科技有限公
司、北京华通星元科技有限公司、浙江大学环境与资源学院、浙江生态文明研究院、东华理工大学、北京
数字城市基础设施技术集团有限公司、北京壹宣投资有限公司、遥聚信息服务（上海）有限公司、星熠领
航（北京）文化传媒有限公司、红墙展播（北京）农业产业有限公司、山西联创新港信息科技有限公司、
湖北省农业机械化技术推广总站、福建达程卫星科技有限公司、北京星河大地数字科技有限公司、中科云
遥（深圳）科技有限公司、福建省数智双碳创新研究院、山西航天华碳科技有限公司、福建理工大学智慧
海洋与工程研究院、“一带一路”海洋碳汇研究院（福建）、湖南时空北斗科技有限公司、国家市场监督
管理总局信息中心、国家国防科技工业局重大专项工程中心、中国电子信息产业发展研究院、笛东规划设
计（北京）股份有限公司、南阳师范学院、兴业银行股份有限公司、厦门产权交易中心、武夷发展集团、
海峡股权交易中心（福建）有限公司、北京万德福兰科技有限公司、中境生态科技（北京）有限公司、南
方电网综合能源股份有限公司、中国联合网络通信有限公司智能城市研究院、内蒙古小草数字生态产业有
限公司、内蒙古峰茂科技创新有限公司、中科海慧（天津）科技有限公司、湖北民族大学、集美大学、梅
州市国土空间规划编制研究中心、中科海慧（北京）科技有限公司、北京空天碳科技发展有限公司、理工
清科（北京）科技有限公司、山西农谷中科产业科技有限公司、科智绿创产业发展（深圳）集团有限公司、
中国国际科技促进会碳中和分会、中科探碳（北京）科技有限公司、天勰力（山东）卫星技术有限公司、
内蒙古工业大学、北京万合创景国际规划设计研究院有限公司、内蒙古蒙原空间科技有限公司、中科星图
智慧科技有限公司、内蒙古北宸空间数据应用技术研究院、北京德普新源生态技术有限公司。
III
本标准主要起草人：王大成、滕启治、鲍力、姚晓婧、王璞、黄明祥、王坡、李燕、刘亚岚、杨邦会、
谢佳冀、寇玉山、胡锡敏、周欣、霍旺、贺子锦、郑明月、李敏飞、张斌、项凤华、黄为民、朱煜峰、何
海清、林萍、贺明、邓劲松、周健、王无敌、陈丁江、林道辉、姜男、杨晓军、李宇辽、苏仁忠、林艳聪、
宋华斌、司艳红、李林、黄桂恒、黄红武、解烽瑞、池天河、王树东、李志勇、安广福、徐来、索永峰、
刘建平、杨新宇、高福光、张利枝、赵忠伟、李锁柱、田珈瑞、李艺琳、焦越、李航、胡乔利、郭建洋、
沈强、史寅虎、常青、姚廈瑜、赖积宝、袁松亭、李楠、鲁丰先、黄子果、黄达飞、邵焜琨、臧宝运、贾
超、侯勇、连炜、金国平、肖俊光、孟兵站、韩兵兵、孙皓、鲁翔信、陈伟、张晓东、周伟、刘锦绣、闫
凯、何训、李西军、孙震强、曾宇、刘建华、杨迪、高俊刚、苑峰、温莹莹、熊小勇、刘显明、付亚梁、
辛军飞、黄飞、周辉、王阳春、王鹏、丁佰锁、刘畅、梁霞、柯红霞、邓成明、董正浩、祝欣越、朱立明、
孙小振、刘利、李彩、鲍泓、丁峰、黄平平、王志国、贺静、左江红、关瑞华、黄照强、崔凯、陈伟、林
乔木、陈廷安、石建伟。
本标准为首次发布。
IV
引
言
中国在第七十五届联合国大会一般性辩论上宣布：“中国将提高国家自主贡献力度，采取更加有力的
政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。
我国陆地生态系统中农田的碳储量占我国陆地生态系统总碳储量的20.6%。农田生态系统是巨大的碳
库，是陆地碳循环的重要组成部分。农田生态系统碳汇主要由农田植被碳汇（作物碳汇）和农田土壤碳汇
组成。通过统计分析发现我国农田土壤碳汇平均值远大于植被碳汇。因此，农田生态系统碳汇主要来源于
该系统的土壤碳积累，即农田土壤碳汇。农田土壤具有极大的固碳减排潜力和减排成本优势。未来50年，
实施有效的农田管理措施（有机肥应用、秸秆还田、保护性耕作）对土壤固碳的贡献率为30%～36%（相当
于抵消3.4%～19%的工业碳排放）。
卫星遥感技术的实用化发展助力“双碳达标”的国家战略目标实现。围绕农田碳汇价值实现的核心需
求，本文件依托中国科学院空天信息创新研究院的技术团队，在中国国际科技促进会碳中和分会指导下，
开展对国内外农田碳指标的广泛调研，提出卫星对地观测下的农田碳指标监测体系，以期对区域农田碳指
标进行有效定量监测和客观评价，便于建立体现农田碳汇价值的生态保护补偿机制，为各级政府主管部门
有效开展双碳达标任务中的监控、核查、实施、考核等工作提供科学指导和技术支撑，为农田碳交易管理
中交易跟踪制度的完善发挥效力、提供技术保障。
V
卫星对地观测下的农田碳指标监测体系
1
范围
本文件规定了卫星对地观测下的农田碳指标监测体系和农田碳指标遥感监测产品体系。
本文件适用于采用卫星对地观测技术进行农田生态系统碳监测相关遥感信息产品的业务化反演生产
和农田生态系统碳循环监测技术系统的建设，为农田碳汇计量与监测提供量化依据。
2
规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件的必不可少的条款。其中，注日期的引用文件，
仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文
件。
GB/T 32453—2015 卫星对地观测数据产品分类分级规则
IPCC 2006 年国家温室气体清单指南
IPCC 2006 年国家温室气体清单指南 2019 修订版
3
术语和定义
3.1 农田土壤碳汇
cropland soil carbon sink
作物在生长过程中通过光合作用吸收大气中的二氧化碳并将其以有机质的形式存储在土壤碳库中，从
而降低大气中二氧化碳等温室气体的浓度。通过保护性耕作措施，增加秸秆还田和有机肥的施用、采用轮
作制度和土地利用方式等，使土壤有机碳库产生显著差别，让农田土壤由碳源转化为碳汇。
3.2 农田土壤有机质
soil organic matter
农田耕地土壤中形成的和外加入的所有动、植物（包括作物）残体不同阶段的各种分解产物和合成产
物的总称。
注：包括高度腐解的腐殖物质、解剖结构尚可辨认的有机残体和各种微生物体。
[来源：DB 11/T 1562—2018，3.3，有修改]
3.3 叶面积指数
leaf area index
单位土地面积上植物叶片总面积占土地面积的倍数。
3.4 光合有效辐射吸收比例
fraction of absorbed photosynthetically active radiation
与植被结构有关的冠层光学参数，太阳入射光和有效辐射被植被冠层拦截并吸收的比例。
1
3.5 土地利用与土地覆盖变化 land use and land cover change
土地利用是指人类及其栖息地使用土地的方式，通常强调土地对经济活动的功能作用。土地覆盖变化
是指地球表面的物理特征，体现在植被、水、土壤和土地其他物理特征的分布中，包括那些完全由人类活
动（例如定居点）创造的特征。
4
缩略语
下列缩略语适用于本文件：
DEM：数字高程模型（Digital Elevation Model）
GPP：总初级生产力（Gross Primary Productivity）
HS：高光谱数据产品（Hyperspectral Data Product）
IPCC：联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change）
LIDAR：激光雷达数据产品（Light Detection and Ranging）
MS：多光谱数据产品（Multispectral Data Product）
MW：微波数据产品（Microwave Data Product）
NDVI：归一化差异植被指数（Normalized Difference Vegetation Index）
NPP：净初级生产力（Net Primary Productivity）
5
监测体系分级原则
依据GB/T 32453—2015《卫星对地观测数据产品分类分级规则》第5章对地观测数据分类分级原则，
结合碳中和背景下的农田遥感碳指标监测需求，制定以下体系分级原则：
5.1 科学性
监测指标的设计和产品体系的划分符合国家有关农田经营碳汇等方法学、标准在内的碳源汇分类科学
体系，并能反映卫星遥感数据应用对类别和级别划分的客观需求，符合已经发布的国家标准和国际标准。
分级结构清晰，能反映不同级别产品之间的内在特征与联系。
5.2 可扩展性
体系制定首先考虑目前使用广泛、可标准化程度高的主流遥感监测产品，同时还应考虑未来一定时期
出现的新类别、级别可能性，应具备可扩展性。
5.3 实用性
分级设置应简洁明确，易于操作并为各类用户所接收和使用。
5.4 兼容性
2
应能够与现行使用的国际温室气体排放分类、国内外遥感卫星数据分级规则建立明确的映射关系，能
方便地与国内外相关分类分级方案接轨。
6
卫星对地观测下的农田碳指标监测体系
根据碳中和核算要素分为农田生态系统碳通量和碳储量监测指标，以及农田生态系统碳循环模型输入
参数两个一级指标。在一级指标的基础上，依据碳源汇目标地物或要素能够利用遥感卫星对地观测技术手
段监测可获得性原则进行二级指标的划分。
根据《IPCC 2006 年国家温室气体清单指南 2019 修订版》、定量衡量农田生态系统碳通量大小的参
数指标和农田生态系统碳通量变化的影响因子等参数设置二级监测指标。其中，农田温室气体碳源监测指
标主要为二氧化碳、甲烷、氧化亚氮；农田生态系统碳通量和碳储量监测指标为农田生态系统碳循环的直
接指数；农田生态系统碳循环模型输入参数为农田生态系统碳循环的模型变量。
卫星对地观测下的农田碳指标监测体系见表1。
3
表 1
卫星对地观测下的农田碳指标监测体系
一级指标 二级指标
农田生态系统碳通量和碳储量监测指标 二氧化碳 CO2 浓度
甲烷 CH4 浓度
氧化亚氮 N2O 浓度
总初级生产力（GPP）
净生态系统生产力（NPP）
农田地上生物量
农田地下生物量
农田土壤有机碳库
农田土壤有机质
土壤碳密度
农田生态系统碳循环模型输入参数 叶面积指数
归一化差异植被指数（NDVI）
病虫害监测与预报
作物种植面积
作物类型
农田土壤水分
农田土壤养分
土地利用与土地覆盖变化
光合有效辐射吸收比例
7
卫星对地观测下的农田碳指标遥感监测产品体系
对应表1中的二级指标，构建卫星对地观测下的农田碳指标遥感监测产品体系，对应的碳指标监测产
品、产品类别、对应卫星数据和传感器主要参数、辅助数据及计算方法见表2，依托附录A空天地一体化农
田碳指标监测技术体系框架标准化生产相关数据产品。其中，根据GB/T 32453—2015《卫星对地观测数据
产品分类分级规则》中6.2.2和6.2.4确定各产品的类别及类别标识，便于标准化生产及交换共享。
4
表 2
卫星对地观测下的农田碳指标遥感监测产品体系
产品 产品类别 数据获取与处理要求
卫星对地观测原始数据及传感主 要参数 辅助数据 常用计算方法
农田生态 系统碳通 量和碳储 量监测指 标 二 氧 化 碳 CO2 浓度 高光谱产品 （HS） 高光谱遥感数据，空间分辨率优 于 2km，重访周期不超过 16d。 地基通量观测网络数据、局地微 观站点温室气体监测数据、气象 数据等。 利用辅助数据进行气体浓度校核和空间插值计算，估算目标农田区域温室气 体浓度和排放总量，基于全球变暖潜值结合高精度辐射传输模拟计算，定量 反演各温室气体的二氧化碳当量。
甲 烷 CH4 浓度
氧 化 亚 氮 N2O 浓度
总 初 级 生 产力 （GPP） 多光谱产品 （MS） 多源遥感监测，空间分辨率优于 1km，重访周期小于 8d。 地基通量观测网络数据、气象数 据、DEM 数据以及土地利用数 据等。 利用中国自主研发的生态系统过程模型大气－植被相互作用模型（AVIM）、 植被—大气—土壤系统碳循环模型（CEVSA）计算区域的总初级生产力。 基于遥感统计方法，建立总初级生产力数据与遥感植被指数的经验关系。
净 生 态 系 统 生 产 力 （NPP） 多光谱产品 （MS） 多源遥感监测，空间分辨率优于 1km，重访周期小于 8d。 地基通量观测网络数据、气象数 据、DEM 数据以及土地利用数 据等。 利用卡内基—阿姆斯—斯坦福方法（CASA）等光能利用率模型、各碳库土 壤异养呼吸模型，建立日步长的机理性生态模型估算净生态系统生产力。
农 田 地 上 生物量 多光谱产品 （MS）、高 光 谱 产 品 （HS）、激 光雷达产品 （LIDAR） 高/多光谱遥感监测，空间分辨率 优于 10m，重访周期不超过 16d。 地面核查数据 基于多源遥感卫星数据驱动的地物识别技术，实现农田作物类型，农田冠层 覆盖情况的反演。在此基础上通过将实测农田地上生物量碳库数据与多源遥 感卫星数据、激光雷达数据等相结合，使用机器学习回归拟合建模，实现作 物生物量的区域制图。
选择作物生育期进行核查，相对应的卫星遥感数据选择可获取的时间上最接 近采样时间的数据；在数据质量存在问题时，考虑采用相应月份的平均合成 数据进行制图。
5
表 2
卫星对地观测下的农田碳指标遥感监测产品体系（续）
产品 产品类别 数据获取与处理要求
卫星对地观测原始数据及传感主要参数 辅助数据 常用计算方法
农田生态 系统碳通 量和碳储 量监测指 标 农 田 地 下 生物量 多光谱产品 （MS）、高 光 谱 产 品 （HS）、激 光雷达产品 （LIDAR） 高/多光谱遥感监测，空间分辨率优于 500m，重访周期不超过 16d。 地面核查数据 a）基于多源遥感卫星数据驱动的地物识别技术，实现农田作物类型、农田 冠层覆盖情况的清查；在此基础上通过将实测农田碳库数据（地下生物量） 与多源遥感卫星数据和激光雷达数据等相结合，使用机器学习回归拟合建 模，实现农田生物量的区域制图。 b）根据不同农田作物类型，利用地下与地上的根冠比（R/S）或者地下与地 上生物量的关系对农田地下生物量进行估算。
农 田 土 壤 有机碳库 多光谱产品 （MS）、高 光 谱 产 品 （HS）、激 光雷达产品 （LIDAR） 高/多光谱遥感监测，空间分辨率优于 1km，重访周期不超过 16d。 地面核查数据 基于多源遥感卫星数据驱动的地物识别技术，实现农田植被类型，农田冠层 覆盖情况的反演。在此基础上通过将实测农田土壤有机碳库数据与多源遥感 卫星数据、激光雷达数据等相结合，使用机器学习回归拟合建模。
通过高分辨率水文—生物地球化学过程模型（CNMM-DNDC），对从热带 到温带地区典型农田生态系统和长时间序列“三高”（即时间、空间和过程高 分辨率）的综合模拟，实现了对农田生态系统的土壤水热条件、植物生长、 碳氮循环过程和碳氮气体地气交换等过程全耦合的分布式三维模拟，同时， 对碳氮温室气体和污染气体排放、生态系统生产力、水分蒸散发和水分能量 平衡等众多表征变量的预测，最终实现对有机碳库等众多表征变量的预测。
农 田 土 壤 有机质 多光谱产品 （MS） 高/多光谱遥感监测，空间分辨率优于 30m，重访周期不超过 16d。 地面核查数据 通过确定土壤有机质的光谱特征，来构建土壤有机质含量的反演模型。采集 耕地土壤 Landsat 8 遥感图像，用快速大气校正（QUAC）模型对遥感图像 进行大气校正，结合区域土壤采样的有机质含量化验数据，通过基于敏感波 段多元线性回归分析的方法，构建区域土壤有机质含量的定量反演模型。
土 壤 碳 密 度 多光谱产品 （MS）、微 波数据产品 （MW） 多源遥感监测，空间分辨率优于 1km， 重访周期小于 8d。 地基通量观测网络数据、 气象数据、DEM 数据等。 基于长期定位观测数据改进过程模型结构和优化参数后，以遥感反演的结构 和优化参数后，以遥感反演的净初级生产力驱动过程模型模拟表层土壤有机 碳密度的时空演变过程。
6
表 2
卫星对地观测下的农田碳指标遥感监测产品体系（续）
农田生态 系统碳循 环模型输 入参数 产品 产品类别 数据获取与处理要求
卫星对地观测原始数据及传感主 要参数 辅助数据 常用计算方法
叶 面 积 指 数 多光谱产品 （MS） 多光谱遥感监测，空间分辨率优于 500m，时间分辨率优于 10d。 地面核查数据 构建经验或物理模型，结合适当的反演策略实现参数病态反演；或采用机 器学习等方法实现由多波段反射率反演叶面积指数的具体方法。
归 一 化 差 异 植 被 指 数（NDVI） 多光谱产品 （MS） 多光谱遥感监测，空间分辨率优于 500m，时间分辨率优于 10d。 地面核查数据、气象观测数据 作物生长期内，通过卫星绿度值随时间的变化，可动态的监测作物的长势。 实时监测主要指利用实时 NDVI 图像的值，通过其与去年或多年平均，以 及指定某一年的对比，反映实时的作物生长差异，可以对差异值进行分级， 统计和显示区域的作物生长状况。过程监测主要是通过时序 NDV1 图像来 构建作物生长过程，通过生长过程的年际间的对比来反映作物生长的状况， 也有称随时间变化监测。通过比较寻找出当年与典型年曲线间的相似和差 异，从而作出对当年作物长势的评价。
病 虫 害 监 测与预报 多光谱产品 （MS） 多光谱遥感监测，空间分辨率优于 500m，时间分辨率优于 10d。 地面核查数据 通过遥感可周期性提取病虫害作物面积、空间分布等信息。选择病害叶片 中对叶绿素敏感的波段，结合实测叶绿素含量，建立叶片叶绿素含量的估 算模型，提取病虫害信息；从而评估对作物产量等相关参数的影响。
作 物 种 植 面积 多光谱产品 （MS）、微 波数据产品 （MW） 多光谱遥感监测，空间分辨率优于 10m，时间分辨率优于 10d。 地面核查数据 通过遥感快速、准确识别农作物类型，对于完善农作物面积监测方法。基 于 TMETM+遥感影像数据和 13 幅时间序列的 MODISEVI 遥感影像数据， 采用生态分类法的监督分类与决策树分类相结合的人机交互解译方法，进 行作物种植面积的提取。
作物类型 多光谱产品 （MS） 多光谱遥感监测，空间分辨率优于 500m，时间分辨率优于 10d。 地面核查数据 不同类型的农作物的叶子内部构造有一定的差别，利用遥感技术识别作物 类型。根据实地调查关键时段特征和遥感影像，采集提取作物、种植地在 不同时间阶段的光谱特征进行作物分类。详细 NDVI 时间分布可以有效的 区分农业生产地区的作物种类。
7
表 2
卫星对地观测下的农田碳指标遥感监测产品体系（续）
产品 产品类别 数据获取与处理要求
卫星对地观测原始数据及传感主 要参数 辅助数据 常用计算方法
农 田 土 壤 水分 多 光 谱 产 品（MS）、 微 波 数 据 产品 （MW） 多光谱遥感监测，空间分辨率优于 500m，时间分辨率优于 10d。 微波遥感监测，空间分辨率优于 60m，时间分辨率优于 12d。 地面核查数据 基于多源遥感数据，提取多个与土壤含水量相关的特征参数，经过差分进化 特征选择（DEFS）和主成分分析（PCA）算法对特征参数进行筛选和降维 后，结合地面实测数据，使用遗传神经网络（GA-BP）反演土壤水分。
农 田 土 壤 养分 多 光 谱 产 品（MS） 多光谱遥感监测，空间分辨率优于 60m，时间分辨率优于 10d。 地面核查数据 通过作物生长模型与遥感数据结合实现农田养分的监测分析。基于Sentinel-2 遥感影像和土壤有效磷（AP）、速效钾（AK）和速效氮含量实测数据，利 用偏最小二乘回归方法构建土壤养分含量的反演模型，最终获取土壤养分含 量的空间分布图，实现区域土壤养分含量的大面积、快速、精准估算。
土 地 利 用 与 土 地 覆 盖变化 多 光 谱 产 品（MS） 多光谱遥感监测，空间分辨率优于 500m。 地面核查数据 使用遥感影像监督或非监督分类，在广泛查阅历史资料数据的基础上，利用 中国 1900 年以来的土地利用数据集，采用动态陆地生态系统模型（DLEM） 对中国历史碳收支进行重新模拟评估，更正中国土地利用变化与覆盖 （LUCC）和碳收支模拟评估中存在的偏差。
光 合 有 效 辐 射 吸 收 比例 多 光 谱 产 品（MS） 多光谱遥感监测，空间分辨率优于 1km。 地面核查数据、气象数据等 基于遥感植被指数，构建光合有效辐射吸收比例遥感反演的经验方法。
8
附 录 A
附 录 B（规范性）
附 录 C空天地一体化农田碳指标监测技术体系框架
A.1
概述
空天地一体化农田碳指标监测技术系统主要包括天空地一体化数据获取、产品标准化生产、模拟分析
与决策支持以及综合应用几个部分，具体关系见图A.1。
图 A.1
空天地一体化农田碳指标监测技术体系框架
A.2
空天地一体化观测系统
卫星遥感观测在碳源/汇核查方面发挥重要作用。我国于2016年发射了第一颗二氧化碳监测科学实验
卫星，又陆续发射风云三号D星、高分五号大气成分监测卫星和高分六号卫星。2022年，我国首颗陆地生
态系统碳监测卫星“句芒号”成功发射。“句芒号”碳星通过激光、多角度、多光谱、超光谱、偏振等综
合遥感手段，可实现植被生物量、大气气溶胶、植被叶绿素荧光等要素的探测和测量。
围绕碳达峰、碳中和实施过程中农田碳汇计量监测和建立体现农田碳汇价值的生态保护补偿机制的核
心需求，建议发展利用卫星、飞艇浮空器、无人机与地面在线监测空天地一体化立体监测技术，研究“自
上而下”的农田生态系统碳源汇监测系统，提供高分辨率的农田生态系统碳通量同化数据。
A.3
农田生态系统碳循环过程模型
9
通过模拟农田生态系统碳循环的过程和机制，提供网格化碳通量变化估计，从而定量划分不同驱动因
素对农田碳汇变化的贡献，并预测其未来变化。具体包括以下方面：
a）发展遥感大数据驱动的农田生态系统碳通量估算方法，建立农田生态系统碳循环关键参量高时频、
高精度、全要素农田生态系统碳源汇核算服务平台，建设农田碳汇监测评估体系，全面量化边界组织区域
内的碳汇指数。
b）开发人类－自然耦合农田生态系统碳循环过程模型，建立农田生态系统碳循环参数数据库，提高
模型模拟精度，以准确预测中国农田生态系统的碳汇潜力。
A.4
综合应用
在空天地一体化观测系统和农田生态系统碳循环过程模型的支持下，利用卫星对地观测下的农田碳指
标遥感监测产品开展农田碳汇综合应用。包括以下方面：
a）开展农田碳汇计量监测评估，推进农田碳汇监测－核算－核证工作，服务国家温室气体清单编制、
国家自主贡献目标进展评估与更新、碳汇交易。深入研究农田陆地生态系统碳汇潜力及实现路径，积极参
与国家碳市场制度建设，鼓励社会主体参与农田碳汇项目开发建设，指导开展农田碳汇项目开发交易和碳
中和行动。依托空天地一体化的建设成果，加快建设全国范围内农田碳汇“一张图”，实现项目动态管理、
信息共享发布、线上线下互动等，增强我国农田碳汇市场可信度和社会参与度。
b）进行情景模拟和决策分析，通过设置不同的碳中和目标约束（如何减排、如何增汇等），得到最
有效、最合理的碳中和路径，为寻找碳中和最优科学路径提供强有力的技术和工具支持。
c）管理农田资源数据，掌握现有农田状况，选择合适的农田管理措施（施肥方式、种植制度、耕作
模式等），有效解决农田经营管理成效评价和干扰监测的问题。
d）在农田碳指标监测平台支持下，定期更新农田碳汇监测数据和计量监测结果，加快推进农田碳汇
计量监测工作科学化、规范化、常态化。加强农田碳汇计量监测新技术研发和推广应用，逐步实现农田碳
汇数据采集无纸化和自动化；同时开展农田碳排放预警等应用。
10
附 录 D
附 录 E（资料性）
附 录 F遥感碳中和监测原理及优势
B.1
遥感监测原理
碳排放遥感监测方面：主被动卫星遥感观测大气二氧化碳都是基于碳分子在红外波段的光谱特性。红
外吸收光谱反映了红外辐射分子之间的相互作用，即分子由于吸收或反射而引起的振动和旋转状态变化。
就大气而言，其主要成分N2和O2在红外（IR）区域是弱吸收体，而痕量气体如CO2、H2O或CH4是有效的吸
收体，导致地球温度升高。只有在分子具有改变它们在跃迁期间的偶极矩的能力时，红外辐射的吸收才会
发生。目前GOSAT卫星和OCO-2卫星所使用的反演算法都是利用近红外辐射光谱数据获得廓线浓度加权的
柱二氧化碳干空气混合比XCO2。反演算法的主要组成是前向模型、反演方法和误差分析。
碳吸收遥感监测方面：遥感技术在获取大尺度陆表参数等方面具有独特的优势，并且可以从遥感影像
上直接获取到重要的生态学特征和生物生长参数，包含了植被面积、净初级生产力、净生态系统生产力等
宏观参数，此外还可获取叶面积指数、冠层化学成分、冠层温度、气孔导度、光合有效辐射、植被吸收光
合有效辐射、冠层结构、土壤含水量、地表温度等参数。通过遥感反演获取这些物理参数，可作为陆地生
态系统模型的驱动变量或参量，应用于农田监测涉及作物生育期至成熟期监测、保护性耕作和秸秆还田等
田间管理措施的监测。结合遥感影像上获取的土地覆盖度或植被现状动态信息进行碳汇的研究。
地形、气候、水土保持、农作物种类、土壤理化性质等是影响农田土壤碳汇的主要自然因素。利用遥
感影像估算生物量是常用的方法之一，该方法具有时效强、成本低、大面积估算、连续观测的优势。综合
应用遥感及地理信息系统（Geographic Information System）技术，并根据地区地形、作物类型及生长环境
的特点，开展了对整个区域作物产量遥感估算、作物长势情况监测的研究，不仅扩大了监测覆盖范围，同
时实现了面向应用的自动化。以利用采集的作物干质量数据与卫星遥感影像上对应点的归一化差异植被指
数（NDVI）值之间的关系建立回归模型，得出幂函数模型的反演结果精度最高、稳定性最强，也是最适
合监测农田生产力的模型，可广泛应用。
B.2
遥感监测优势
传统的碳源汇计算主要依赖于地面观测、野外调查、统计数据分析、大气和生态系统模型模拟等方法，
但这些方法都存在很大的局限性，比如地面观测的空间代表性不足，野外调查空间样本有限且耗费巨大等。
目前，全球监测温室气体的地面观测站点不足 300 个，并且地区分布很不均匀，大多分布在发达国家和人
11
口稠密地区。虽然观测站点数量仍在不断扩展中，但是其有限的空间代表性，导致定量理解大气温室气体
的源汇分布仍存在较大问题。
卫星遥感资料可以获得全球和区域的温室气体和陆地碳汇分布，具有稳定、长时间序列、广空间区域
等优点，可弥补地基站点的不足，有助于提高对碳源汇和气候变化的认识。自本世纪，国内外相继发射了
多颗采用短波红外吸收带作为探测波段的星载温室气体探测器，随着探测仪指标和反演方法的不断改进，
探测的环境参数种类将越来越多，精度也将逐步提高。通过发展先进的定量遥感技术，推进我国自主的天
基碳监测体系规划和系统论证，结合多尺度、多维度各型卫星系统，分阶段部署、组网运行，协同服务“双
碳”监测整体目标。基于卫星对地观测技术进行双碳相关遥感信息产品的反演，包括碳源（二氧化碳、甲
烷等）和农田碳汇监测指标体系的建立和指标的精准量化，为碳交易宏观监测提供量化依据。
12
附 录 G
附 录 H（资料性）
附 录 I国内外主要碳源碳汇监测常用卫星的主要参数
目前国内外主要碳源碳汇监测常用卫星参数见表 C.1。
表 C.1 国内外主要碳源碳汇监测常用卫星参数
卫星 国家 传感器 运行期 重访周期 空间分辨率 km 光谱范围/区间 μm
TanSaT 中国 CarbonSpec、CAPI 2016- 16d 2 0.76~2.08
GF-5 中国 GMI 2018- 2d 10.30 0.76~1.66
GF-6 中国 16 米多光谱“红边” 波段宽幅相机 2018- 2d 0.016 0.45~0.90
大气环境监测卫 星大气一号 中国 激光雷达 2022- - - -
陆地生态系统碳 监测卫星 中国 多角度多光谱相等 2022- - - -
ENVISAT 欧洲 SCIAMACHY 2002-201 2 6d 30×60 0.24~2.40
GOSAT 日本 TANSO-FTS CAI 2009- 3d 10 0.76~14.30
GOSAT-2 日本 TANSO-FTS-2 CAI-2 2018- 6d 10 0.76~14.30
OCO-2 美国 高分辨率成像光谱仪 2014- 16d 1.29×2.25 0.76~2.08
OCO-3 美国 高分辨率成像光谱仪 2019- 16d 1.60×2.20 0.76~2.08
Landsat-8 美国 OLI TIRS 2013- 16d 0.03 0.43~12.51
TERRA/AQUA 美国 MODIS 1999- ≤8d 0.25×1 0.41~14.38
Sentinel-1 欧洲 C-SAR 2014- 6d 0.005×0.005 —
Sentinel-2 欧洲 多光谱成像仪（MSI） 2015- 10d 0.01 0.44~2.19
VIIRS 美国 高分辨率辐射仪 AVHRR 2011- 4h 0.40 0.30~14.00
13
参 考 文 献
GB/T 14950—2009
T/CMSA 0027—2022
摄影测量与遥感术语
区域陆地碳汇评估技术指南
T/CI 001—2022
卫星对地观测下的碳指标监测体系
T/CGDF 00035—2022
农田土壤固碳评价技术规范第1部分 当季
[5]
刘良云等. 全球碳盘点卫星遥感监测方法，进展与挑战. 遥感学报，2022，26.2：25.
ISO 14064-1：2018
Greenhouse gases — Part 1: Specification with guidance at the organization level
for quantification and reporting of greenhouse gas emissions and removals
CMS—083—V01
CMS—017—V01
保护性耕作减排增汇项目方法学
在水稻栽培中通过调整供水管理实践来实现减少甲烷的排放
[1]
[2]
[3]
[4]
[6]
[7]
[8]
14