森林数据集比较指南：遥感数据选择对森林面积估算的影响分析

《Landscape Ecology》：A comparison shopper’s guide to forest datasets

本研究针对当前森林生态系统监测中存在的多源数据选择难题，系统比较了12种公开森林数据集在美國本土的估算差异。研究人员通过信息聚合、数据可视化和统计检验方法，发现不同数据集对森林面积的估算差异超过200万平方公里，且变化趋势存在显著分歧。该研究开发了开源地图比较工具，为森林生态研究、资源管理和政策制定提供了重要的数据选择依据。

　　

随着遥感技术和云计算技术的飞速发展，公共领域涌现出大量表征森林生态系统空间分布的数据集。这些数据在生态研究、自然资源管理和政策制定中发挥着关键作用。然而，数据集数量的激增及其间存在的微妙差异，给用户选择适合特定目标的数据带来了巨大挑战。

森林生态系统作为地球生物圈的重要组成部分，通过减缓气候变化、保护生物多样性以及提供清洁空气、水、食物、燃料和纤维等多种方式维持人类生命。为了确保森林及其提供的效益得到保护，政策制定者和资源管理者需要可靠的森林范围变化估算数据。这些估算直接关系到森林碳储量和碳通量的政策制定，以及通过避免毁林来减缓气候变化的项目设计。

目前研究人员面临的主要数据挑战并非数据匮乏，而是如何在众多森林地图和数据集中进行选择。这些数据集各具特色，定义和假设各不相同，导致对森林范围的估算存在显著差异。更为复杂的是，"森林"这一概念既可以指土地利用，也可以指土地覆盖，而这两种定义经常被混淆使用。土地利用描述的是人类对土地的管理意图，而土地覆盖描述的是可直接观察到的景观特征。例如，新近的皆伐区域虽然暂时没有树木覆盖，但由于其管理意图是保持森林状态并进行再生，因此仍被归类为森林土地利用。

在这项发表于《Landscape Ecology》的研究中，Lucy G. Lee等研究人员对来自12个公开数据集的27种数据产品进行了全面比较，这些数据量化了美國本土的树木覆盖度和/或森林土地利用分布，时间覆盖范围从5年到30年不等。研究旨在回答：这些数据集在森林范围和时间变化估算方面如何、为何以及在何处存在差异？

研究团队采用信息聚合、数据可视化和统计检验方法，在美國本土和州级尺度上比较并讨论了面积估算和随时间变化的趋势。为了支持数据集选择和解释，他们还开发了一个开源地图比较工具。

研究发现，不同数据集对美國本土森林生态系统总面积估算差异超过200万平方公里，估计值之间的相关性在方向和统计显著性上各不相同。各州的趋势估算结果复杂，且对数据集定义的差异非常敏感。即使具有相同空间分辨率的数据集，考虑到其他特征，其对研究区域的适用性也可能不同。研究结果突显了数据集选择、理解数据集特征以及在研究区域使用前进行视觉比较的重要性。

研究结论强调，在进行森林生态系统的覆盖度、利用度及其他维度和属性分析时，需要谨慎选择并透明报告所用数据。研究人员提供的比较购物指南和决策支持工具有助于用户实现这些目标。

关键技术方法

本研究主要基于Google Earth Engine平台，对12个森林数据集进行了系统比较。研究人员将遥感数据集转换为二进制掩码，使用美国人口普查局2018年TIGER州界数据集定义州边界，将所有数据集重新投影到通用投影(US Albers, EPSG:5070)同时保留原生分辨率。对于森林清查和分析(FIA)数据，使用rFIA软件包估算州级年度森林面积。通过线性回归和皮尔逊相关系数分析2000-2019年间数据集的相关性，所有统计分析在R语言环境中完成。

研究结果

国家尺度森林范围存在巨大差异

2020年最高和最低的"森林"估算值之间存在32.9%的差异。大多数估算将美國本土的树木或森林覆盖面积定在2,000,000平方公里到3,000,000平方公里之间。环境保护署(EPA)的估算值居中，约为2,500,000平方公里。尽管MODIS土地覆盖类型数据具有一致的500米分辨率，但由于算法差异和"森林"定义的不同，其不同类型分类之间的差异超过2,000,000平方公里。

土地变化监测系统(LCMS)的森林估算值比国家土地覆盖数据库(NLCD)森林估算值高出超过1,000,000平方公里，尽管这两个数据集都来自30米分辨率的Landsat数据。这种差异主要源于定义阈值的不同：NLCD要求20%的树木覆盖度才能被归类为森林，而LCMS和其他大多数数据集使用的阈值是10%。此外，LCMS将目前未达到阈值但"可能"在未来达到10%树木覆盖度的区域(如皆伐地)纳入考量，而NLCD则不包含这些区域。

年际变化估算存在显著差异

不同数据产品在变化幅度和年际变异性方面表现出明显差异。EPA森林数据变化幅度相对一致且较小，而Dynamic World的模式聚合结果则显示出较高的长期变化幅度和年际变异性。某些年份不同数据产品在变化方向上存在显著分歧，例如2012-2013年间，FIA森林显示森林减少约57,000平方公里，而MODIS 1、2和3则报告增加了约43,000平方公里。

国家和州级尺度趋势结果复杂

2000-2019年的线性趋势分析显示，在参与趋势分析的18种数据产品中，2种呈现显著增加趋势，10种呈现显著减少趋势，6种无显著变化。LCMS森林(土地利用)和LCMS树木、灌木和荒地(土地覆盖)是仅有的两种呈现显著增加趋势的数据产品。LCMS是唯一一个所有衍生数据产品在2000-2019年间均未显示显著减少的土地覆盖数据集。

相关性分析显示，仅有31%的产品呈显著正相关，16%呈显著负相关。这种混合的相关关系可能源于观测方法、定义和空间分辨率等方面的差异。例如，FIA森林和EPA森林彼此正相关，但与LCMS森林负相关。

州级趋势方向和显著性差异显著

大多数州的森林或树木范围减少趋势多于增加或无显著趋势，16个州以减少趋势为主。西部和东北部各州在减少趋势上的一致性最高。中部和南部部分州增加趋势多于减少趋势，但这些州的一致性不如以减少趋势为主的州强。德克萨斯、俄克拉荷马、缅因、田纳西和北卡罗来纳等州在超过一半的数据分析中显示无显著趋势。

讨论与结论

研究结果显示了森林数据之间的分歧程度，并强调了在选择分析数据时做出明智选择的重要性。根据所选数据集的不同，研究人员可能合理得出完全相反的结论：美國本土在过去30年间可能失去了81,991平方公里的森林(LCMAP树木和木本湿地)，也可能增加了93,536平方公里的森林(LCMS森林)。

数据集的选择应基于研究问题的具体需求。关键考量因素包括：土地利用与土地覆盖的定义差异、时间分辨率和深度、空间分辨率和尺度、面积和高度要求、以及变化检测算法等。土地覆盖数据集适用于关注当前植被状况的研究，而土地利用数据集则更适合分析长期管理意图和森林再生潜力。

空间分辨率对森林碎片化等空间依赖特征的评估有重要影响，而时间序列长度则决定了分析的时间跨度。数据集对树木覆盖度阈值和最小面积要求的不同，会直接影响对特定森林类型的识别和分类。

为支持数据用户做出明智选择，研究人员开发了在线比较工具，允许用户基于研究区域、时间段、空间分辨率等特征筛选数据选项，并在研究区域可视化比较不同数据集。这些工具为森林数据用户提供了实用资源，帮助他们在特定项目和问题中做出更具批判性和辨别力的数据选择。

本研究通过系统比较多种森林数据集，揭示了数据定义和方法差异对森林评估结果的深远影响，为生态研究、资源管理和政策制定提供了重要的方法论参考。研究强调，在森林生态系统分析中，透明报告数据选择依据和深刻理解数据集特性至关重要，这是确保研究结果可靠性和可比性的基础。