《Ecological Informatics》:Evaluating the reliability of the 1-meter resolution meta-estimated global canopy height map for estimating forest structural metrics in Alpine environment
编辑推荐:
在全球干扰增加和生物多样性丧失的背景下,通过评估结构特征来进行全球森林监测是不可或缺的。Meta和世界资源研究所(WRI)近期开发的1米分辨率全球冠层高度图 (Meta/WRI CHM) 为大规模森林结构分析提供了新的契机。然而,该数据集在意大利阿尔卑斯山选定
在全球干扰增加和生物多样性丧失的背景下,通过评估结构特征来进行全球森林监测是不可或缺的。Meta和世界资源研究所(WRI)近期开发的1米分辨率全球冠层高度图 (Meta/WRI CHM) 为大规模森林结构分析提供了新的契机。然而,该数据集在意大利阿尔卑斯山选定森林站点的关键森林结构指标估算中的可靠性在很大程度上尚未得到验证。在本研究中,研究人员将从Meta/WRI CHM计算得到的树冠覆盖度、平均和最大冠层高度、树木计数和树冠尺寸的估算值,与基于机载激光雷达 (ALS) 生成CHM计算的对应指标进行了比较,比较范围涵盖代表不同森林结构、物种组成和管理实践的五个高山生态系统林区。研究结果表明,Meta/WRI CHM能够提供可靠的树冠覆盖度估算(R2 = 0.82–0.92,RMSE = 8%–15%),并在一定程度上提供可靠的平均冠层高度估算(R2 = 0.69–0.85,RMSE = 2.2–2.9 m)。然而,该数据集大幅低估了最大冠层高度,且无法可靠估算树木计数、位置和树冠尺寸,每公顷高估了200-750棵树。此外,所评估指标估算的质量随地形梯度(即坡度、坡向和海拔)而变化。研究人员的发现界定了Meta/WRI CHM在高山森林环境中的明确应用边界:虽然该产品可以支持林分级别的树冠覆盖度和平均冠层高度估算,但它仍不适用于估算最大冠层高度以及单木级别的指标(如树木计数、树木位置和树冠尺寸)。未来的努力应专注于细化全球CHM以提高准确性,并扩大其在森林监测中的适用性。
森林占据了地球陆地面积的约30%,对于维持民生和调节生态系统服务(如碳固存、生物多样性维护、养分循环和水分调节)具有不可替代的作用。森林结构作为植被的三维排列,直接决定了其生态功能。然而,随着气候变化,极端天气和病虫害等干扰日益频繁,传统的基于野外实地测量的森林结构评估方法耗时且成本高昂,难以在偏远或大尺度区域实施。近年来,机载激光雷达 (ALS) 凭借其高精度和连续覆盖能力成为森林监测的重要手段,由其生成的冠层高度模型 (CHM) 被广泛用于提取关键森林指标。然而,受限于高昂的数据获取成本,ALS难以实现全球密集覆盖。尽管星载激光雷达任务如全球生态系统动态调查 (GEDI) 弥补了空缺,但其产生的是离散足迹而非连续制图。为解决这一问题,Meta和世界资源研究所 (WRI) 近期利用高分辨率光学卫星影像结合自监督学习与GEDI数据,生成了前所未有的1米分辨率全球冠层高度图。然而,在结构复杂的山区环境中,该产品估算细尺度森林结构指标的可靠性尚未得到充分验证。为此,本研究旨在通过在意大利阿尔卑斯山北部五个典型林区将Meta/WRI CHM与高精度ALS衍生CHM进行对比,评估该产品在高山环境中的可靠性与适用边界。本研究发表在《Ecological Informatics》上,为全球高分辨率CHM在复杂森林结构区域的实际应用提供了重要依据。
在关键技术与样本来源方面,研究数据来源于意大利特伦托省的五个高山林区(Avio、Dro、Ledro、Rumo和Vermiglio),这些区域涵盖了从低海拔阔叶林到高海拔针叶林的多样化物种、管理方式和地形梯度。研究人员在每个区域随机抽取400个1公顷的样地进行指标提取。研究主要依托两项关键技术方法:第一是利用基于ALS点云数据(10 points/m
2)构建的高精度1米分辨率数字地形模型 (DTM) 与冠层高度模型作为评估基准;第二是利用冠层高度模型提取森林结构指标,通过可变窗口大小的局部最大值滤波算法 (lmf) 进行树顶检测,并结合dalponte2016分割算法实现单木分割,以此估算树冠尺寸。
在研究结果方面,主要得出以下结论:
关于树冠覆盖度与高度,通过线性回归与Bland-Altman一致性分析发现,Meta/WRI CHM在所有研究区内均与ALS CHM在树冠覆盖度和平均冠层高度上表现出强线性关系,树冠覆盖度的R
2达0.82–0.92,平均冠层高度的R
2为0.69–0.85。但研究发现产品存在系统性偏差:其在树冠覆盖度低时高估,覆盖度高时低估;且普遍低估平均和最大冠层高度,特别是对30米以上的高树冠低估最为显著,最大冠层高度的平均差异达到5-10米。
关于树木计数和树冠尺寸,通过单木分割算法研究发现,从Meta/WRI CHM提取的树木计数与ALS对比表现出较弱的关系(R
2为0.26–0.57)。该数据集一致性地高估了树木数量,每公顷平均多出200至750棵树,且在树木密度大的区域高估情况愈加严重。通过空间可视化对比确认,识别出的树木位置存在显著偏移,证明Meta/WRI CHM缺乏进行可靠单木定位所需的空间精度。同时,由于捕捉冠层高度内部变异的能力有限,其在估算树冠尺寸方面也表现不佳,特别是在高林冠覆盖度区域。
关于坡度、海拔和坡向的影响,研究人员将所有样本合并分析地形因素对数据一致性的作用。结果显示,平均冠层高度的准确度在不同的坡度、海拔和坡向下最为稳定。最大冠层高度的准确度对坡度和海拔不敏感,但在不同坡向间存在剧烈波动。树冠覆盖度的准确度主要受海拔影响,高海拔区表现更好。而树木计数的准确度随海拔降低和坡度增加而显著下降,这可能是因为低海拔林区具有更复杂的林分结构和较高的森林密度。
在讨论与结论部分,研究人员认为,尽管存在时间偏差(ALS采集于2014-2018年,而Meta/WRI主要影像采集于2018-2020年),基于当地林业管理部门的长期监测记录,该期间内未发生大规模森林干扰,且短时间内阿尔卑斯山林木的生长量远小于观察到的5-10米低估误差,因此时间偏差不足以解释最大冠层高度的系统性低估。这种偏差以及单木提取的失败本质上归因于基于光学影像预测模型的固有局限性,包括信号饱和效应、密集冠层与阴影干扰,以及模型训练集中对欧洲山地森林代表性不足。综上所述,研究人员翻译并得出最终结论:在所评估的高山森林环境中,Meta/WRI CHM表现出明确的应用边界。它可以可靠支持林分至景观尺度的树冠覆盖度和平均冠层高度估算,这对于缺乏ALS数据的偏远区域极有价值。然而,由于其显著低估最大冠层高度且高估单木数量和位置偏差,使其不适用于估算地上生物量或开展单木级别的精细结构参数提取。研究人员强调,在条件允许的情况下,涉及最大树高或单木测绘的应用仍应首选ALS数据;未来需进一步优化全球预测模型,引入更多样化的山地参考数据以提升产品精度。