近日，北京大学数字生态研究团队（负责人：郭庆华教授）通过生态网络云平台（https://www.nesdc.org.cn）发布了2019年中国30米分辨率森林冠层高度空间分布数据集，用户可在线访问获取数据。相关研究成果以“Neural network guided interpolation for mapping canopy height of China’s forests by integrating GEDI and ICESat-2 data”为题发表在Remote Sensing of Environment期刊。
国家与全球尺度的高分辨率森林冠层高度产品对估算森林碳储存、理解森林生态系统过程、以及制定森林经营政策等至关重要。新近发射的星载激光雷达传感器GEDI与ICESat-2 ATLAS可以获取全球范围内分米级空间分辨率的森林冠层高度脚点数据，为大尺度森林冠层高度的高分辨率绘制提供了可能。
研究团队设计了一种深度学习指导的空间内插模型（Neural Network Guided Interpolation）NNGI。该模型利用深度神经网络自动学习权重的能力，解决了如何在内插模型中均衡考虑空间、环境与光谱等特征距离的权重贡献，突破了常用内插模型仅使用空间距离的局限。借助团队积累的140平方公里的无人机激光雷达数据训练了NNGI模型，内插GEDI与ICESat-2 ATLAS星载激光雷达脚点数据，成功绘制了全国30米分辨率的森林冠层高度产品。
图1. 2019年中国森林冠层高度空间分布
通过与三套独立的数据（超过100万个的GEDI 脚点数据、33平方千米的无人机激光雷达数据和近6万条的森林清查数据）验证对比，该数据产品精度较高（R2≥0.55，RMSE≤5.5 m），受益于空间内插策略，NNGI生成的产品在森林冠层较高的地区几乎没有出现饱和。此外，与传统的只使用空间距离的内插模型相比，研究团队提出的综合空间、光谱与环境等距离的内插模型NNGI显著提高了森林冠层高度绘制的精度；与只使用单一星载激光雷达数据的内插相比，融合GEDI与ICESat-2 ATLAS 数据可以显著减缓由星载激光雷达数据沿轨道均匀分布为空间内插带来的条带效应。
研究结果表明了团队所提出的NNGI模型在监测国家乃至全球尺度森林冠层高度方面有着较好的应用潜力，所生成的全国森林冠层高度产品有助于提升大尺度森林生物量估算的准确性，为制定气候减缓政策与实现“碳中和”目标提供数据支持。
该项研究工作和数据制备得到了中国科学院先导科技专项（XDA19050401）、中国国家自然科学基金项目（41871332、31971575、41901358）的资助。
论文信息&数据链接：
论文信息：
Liu, X., Su, Y., Hu, T., Yang, Q., Liu, B., Deng, Y., Tang, H., Tang, Z., Fang, J. and Guo, Q., 2022. Neural network guided interpolation for mapping canopy height of China’s forests by integrating GEDI and ICESat-2 data. Remote Sensing of Environment, 269, p.112844. https://doi.org/10.1016/j.rse.2021.112844.
数据链接：点击这里
—— E N D ——
长
按
关
注
国家生态科学数据中心
ID :NESDC2019
国家科技资源共享服务平台之一
