全球30米分辨率植被高度动态图谱（2000-2022）：基于ICESat-2与机器学习的跨生态系统监测突破

本研究首次整合ICESat-2激光雷达与多源遥感数据，通过梯度提升树（GBT）模型构建了2000-2022年全球30米分辨率植被中值高度（MVH）动态图谱（RMSE=2.35 m，D2=0.62），解决了传统森林高度模型在草地、灌丛等短植被生态系统的监测盲区，为碳储量评估与生物多样性研究提供了跨生态系统的统一量化工具。

　　

植被高度是衡量生态系统结构和功能的核心指标，但长期以来全球高度模型主要聚焦森林生态系统，忽视了占陆地面积40-50%的草地、灌丛等短植被生态系统。这些生态系统在碳循环和生物多样性维持中扮演关键角色，但传统基于最大冠层高度（H_max）的评估方法会因零星高大植株导致生物量高估。Maria O. Hunter团队在《Scientific Data》发表的研究，通过创新性地采用中值高度（H_median）指标，结合多源卫星数据与机器学习，首次实现了全球植被高度的跨生态系统精准监测。

研究团队运用三大关键技术：1）ICESat-2光子计数激光雷达（ATLAS）数据，通过20米分段提取植被光子分布特征；2）融合Landsat云免费合成数据（7波段+6指数）与MODIS长期温度/气溶胶数据（153个特征）；3）构建10组梯度提升树（GBT）集成模型，采用泊松损失函数优化偏态分布预测。

主要研究结果显示：

1. 1.

   模型性能验证：测试集显示RMSE为2.35 m，D²得分0.62，在自然草地表现（CCC=0.69）优于人工草地（CCC=0.20）。
2. 2.

   空间格局特征：预测高度呈现纬度梯度，赤道区域平均达7.5米，湿地灌丛（8.6 m）>自然草地（2.12 m）>盐沼（0.86 m）。

3. 3.

   产品比较优势：相较GEDI波形数据（65%草地中值高度<0 m）和Sentinel冠层高度模型（30%零值），本研究在短植被区域显著提升细节异质性。

研究结论指出，该成果突破了传统高度模型对森林生态系统的依赖，通过中值高度指标更准确表征了灌丛、草地等生态系统的真实结构。时间序列分析（2000-2022）揭示了俄罗斯等地植被增高趋势（可能反映灌丛入侵）与巴西等地降低趋势（或关联放牧管理），预测区间（1米植被±0.2 m，7米植被±1.25 m）为变化归因提供量化依据。

讨论部分强调，尽管在极高森林（>10 m）存在7-8米低估，但相对空间模式保持稳健。公开的年度COG格式数据（10TB）和STAC目录将推动全球生态系统服务的精细化评估，特别对IPCC（政府间气候变化专门委员会）碳核算和CBD（生物多样性公约）监测具有里程碑意义。未来结合GEDI-2等新型激光雷达数据可进一步提升短植被区测量精度。