గబియన్ జోస్, షత్రీ మన్సోర్, నితానన్ కోషి మాథ్యూ
అటవీ పర్యావరణ వ్యవస్థలు ముఖ్యమైన కార్బన్ చక్రం వలె పనిచేస్తాయి ఎందుకంటే అవి పెద్ద మొత్తంలో జీవపదార్ధాలను కలిగి ఉంటాయి. అనేక ఇటీవలి అధ్యయనాలు రిమోట్ సెన్సింగ్ ప్లాట్ఫారమ్ను ఉపయోగించి భూగర్భ బయోమాస్ (AGB) అంచనాను యాక్సెస్ చేసినప్పటికీ, నిర్దిష్ట మొత్తంలో అటవీ బయోమాస్లో వివిధ బ్యాండ్ల యొక్క సంతృప్త స్థాయిలో ఫీల్డ్ మరియు తగినంత గ్రౌండ్ ట్రూత్ డేటా నుండి ధ్రువీకరణ అనేది ఒక పెద్ద సవాలుగా మిగిలిపోయింది. . మరోవైపు, అటవీ చెట్ల పారామితులను సేకరించడానికి చాలా శ్రమ అవసరం కాబట్టి ఇన్-సిటు డేటాను ఉపయోగించడం చాలా ఖరీదైనది మరియు దుర్భరమైనది. అందువల్ల, ఈ కాగితం వివిధ ప్రాంతంలోని AGB మరియు ప్లాట్ నమూనాల ఉనికి సంఖ్యను అంచనా వేయడానికి వివిధ రిమోట్ సెన్సింగ్ ప్లాట్ఫారమ్ యొక్క బహుళ-ఆబ్జెక్టివ్ ఇంటిగ్రేషన్ను అభివృద్ధి చేయడంపై సమీక్ష నిర్వహించడం లక్ష్యంగా పెట్టుకుంది. భూమి స్థాయిలో AGB కొలతలు మరియు అందుబాటులో ఉన్న రిమోట్ సెన్సింగ్ డేటా మధ్య సంబంధాలపై దృష్టి సారించిన సమీక్ష ఇటీవల ప్రచురించబడిన కథనం మరియు నివేదికలు (ముద్రిత మరియు ఎలక్ట్రానిక్ పదార్థాలు రెండూ) సేకరించబడ్డాయి. గత అధ్యయనాల నుండి, ఇమేజ్ ప్రీ-ప్రాసెసింగ్, ప్రాసెసింగ్ మరియు పోస్ట్-ప్రాసెసింగ్ అనే మూడు ప్రధాన పద్ధతులను ఉపయోగించి వివిధ రకాల మోడల్ వర్తించబడింది. ఈ సమీక్షా పత్రం నుండి, L-బ్యాండ్ SAR డేటాను ఉపయోగించడం వలన ఫారెస్ట్ అబౌగ్రౌండ్ బయోమాస్ అంచనా వేయడంలో ఆప్టికల్ రిమోట్ సెన్సింగ్ శాటిలైట్ను అధిగమించినట్లు కనుగొనబడింది. SAR లేదా మైక్రోవేవ్ ప్లాట్ఫారమ్ నుండి బ్యాక్స్కాటరింగ్ AGBతో ముఖ్యమైనదిగా చూపిస్తుంది, ఇక్కడ HH పోలరైజేషన్తో పోల్చితే అటవీ నిర్మాణాన్ని వివక్ష చూపడంలో HV ధ్రువణత ఆధిపత్యం. కాబట్టి, నిజమైన అధ్యయనంలో ప్రతిపాదిత మోడల్ను తగినంత మొత్తంలో ఫీల్డ్ డేటా మరియు వివిధ రిమోట్ సెన్సింగ్ సెన్సార్ల అప్లికేషన్తో లోతైన పరిశోధనతో అంచనా వేయాలి.