本研究针对森林碳量定量分析缺乏系统性综述的问题，系统分析了超过80项相关研究中符合严格纳入标准的25篇论文，识别出28种机器学习方法及其与遥感数据的关键组合。研究发现，随机森林方法在88%的研究中应用频繁，而极端梯度提升在75%的比较研究中表现优异，提出了机器学习与遥感结合的最佳实践，有助于提高森林碳储量的准确性和可扩展性。
本研究分析了25篇关于森林碳量的论文，识别出28种机器学习方法。随机森林在88%的研究中应用频繁，极端梯度提升在75%的比较中表现优异，并提出了提高森林碳储量准确性和可扩展性的最佳实践。
