北京大学郭庆华研究团队发布全球森林地上生物量、碳周转时间和SRTM DEM植被区域校正数据产品
- ：数据中心
- ：2022-06-21
近日，北京大学数字生态研究团队（负责人：郭庆华教授）通过国家生态科学数据中心生态网络云平台（http://www.nesdc.org.cn）发布了全球森林地上生物量、碳周转时间空间分布、植被区域校正SRTM DEM等数据产品，包括2004年中国1km森林地上生物量空间分布数据、2004年全球1km森林地上生物量空间分布数据、2004年全球250m红树林地上生物量空间分布数据、2004年全球1km森林碳周转时间数据、2000年全球30m植被区域SRTM DEM校正产品，用户可在线访问获取数据。相关研究成果发表在Remote sensing of environment、Remote Sensing，Global Biogeochemical Cycles，Remote Sensing Letters等期刊。
北京大学数字生态研究团队数据发布主页：点击这里
（1）2004年中国1km森林地上生物量空间分布数据
森林作为重要的陆地生态系统之一，在全球碳循环过程中起着重要作用。准确估算森林地上生物量的碳储量对于理解全球气候变化背景下的碳收支具有重要意义。本研究创新性地结合地面调查数据，星载激光雷达数据（ICESat GLAS），光学影像，气候及地形数据，构建了森林地上生物量估算模型并绘制了中国1km森林地上生物量空间分布图。结果表明，森林地上生物量的估算结果与地面调查数据有较好的一致性，预测结果与验证数据的R2与RMSE为分别为0.75 ，42.39 Mg/ha。本研究中所构建的森林地上生物量估算方法与结果将为中国区域植被碳储量研究提供重要数据支持。
图1. 2004年中国森林地上生物量空间分布
该项研究工作和数据制备得到了中国国家基础研究计划项目（2013CB956604）、中国国家自然科学基金（41471363、31270563）、美国国家科学基金项目（DBI 1356077）的资助。
论文信息：Su, Y., Guo, Q., Xue, B., Hu, T., Alvarez, O., Tao, S., & Fang, J. 2016. Spatial distribution of forest aboveground biomass in China: Estimation through combination of spaceborne LiDAR, optical imagery, and forest inventory data. Remote Sensing of Environment, 173, 187-199. https://doi.org/10.1016/j.rse.2015.12.002
数据链接：点击这里
（2）2004年全球1km森林地上生物量空间分布数据
森林生态系统是全球碳循环的重要组成部分，精确估算全球森林地上生物量对于估算全球森林碳储量具有重要意义。激光雷达技术已被证明能够准确获取森林的水平和垂直结构，实现森林地上生物量的准确估算。本研究利用地面调查数据、光学影像、ICESat GLAS、气候和地形数据，结合随机森林模型构建了森林地上生物量估算模型，并绘制了1km分辨率的全球森林地上生物量分布图。结果表明，全球森林地上生物量平均值为210.09 Mg/ha，标准差为109.31 Mg/ha。研究结果在单点及生态区尺度上分别进行了验证：在单点水平上，预测的结果与地面数据的R2为0.56，RMSE为87.53 Mg/ha；在生态区水平上，R2与均方根误差分别为0.56，101.21 Mg/ha。本研究绘制的森林地上生物量产品与其他区域森林地上生物量产品结果基本一致，但与部分区域性产品相比呈现明显的低估。
图2. 2004年全球森林地上生物量空间分布
该项研究工作和数据制备得到了中国国家基础研究计划项目（2013CB956604）、中国国家自然科学基金（41471363、31270563）、美国国家科学基金项目（DBI 1356077）的资助。
论文信息：Hu, T., Su, Y., Xue, B., Liu, J., Zhao, X., Fang, J., Guo, Q. * 2016. Mapping global forest aboveground biomass with spaceborne LiDAR, optical imagery, and forest inventory data. Remote Sensing. 8(7): 565. https://doi.org/10.3390/rs8070565
数据链接：点击这里
（3）2004年全球250m红树林地上生物量空间分布数据
红树林分布在热带和亚热带地区的海陆交界处，在碳循环和生物多样性保护中发挥着重要作用，准确绘制全球红树林地上生物量对于估算全球蓝碳具有重要意义。本研究将地面调查数据、星载激光雷达、光学图像、气候和地形数据与随机森林模型相结合，结合从文献和共享的数据集中收集了342个地面观测数据来构建训练和验证红树林地上生物量估算模型，并制作了2004年全球红树林地上生物量分布图（分辨率250m）。研究结果表明，全球红树林地上生物量的平均密度为115.23 Mg/ha， 标准差为48.89 Mg/ha。全球红树林总AGB存储量为1.52 Pg。利用预留的地面数据验证，本研究地上生物量的R2和RMSE分别为0.48和75.85 Mg/ha。该数据产品可以帮助了解全球红树林分布，同时也可以作为监测全球红树林生物量趋势的基准。
图3. 2004年全球红树林地上生物量空间分布
全球（a）东南亚局部（b）中美洲局部（c）
该项研究工作和数据制备得到了国家重点研发计划项目（2017YFC0503905）的资助。
论文信息：Hu, T.; Zhang, Y.; Su, Y.; Zheng, Y.; Lin, G.; Guo, Q*. Mapping the Global Mangrove Forest Aboveground Biomass Using Multisource Remote Sensing Data. Remote Sens. 2020, 12, 1690. https://doi.org/10.3390/rs12101690
数据链接：点击这里
（4）2004年全球1km森林碳周转时间数据
碳周转时间（τw）是表明成熟森林生长与死亡之间平衡的重要参数。通过文献收集实测数据，探讨了全球森林τw值，并研究其在全球范围内对地上生物量（AGB）模型模拟的影响。基于收集的实测数据，将降水，总初级生产力，温度，DEM和蒸散量作为预测因子，应用随机森林方法生成了全球1 km分辨率τw值。估算结果表明全球森林τw值平均为66.7年，空间异质性较大。对于当前DGVM或地球系统模型，该τw分布图可以帮助改进模型模拟并降低参数对未来AGB的预测的不确定性。
图4. 全球森林碳周转时间分布格局
该项研究工作和数据制备得到了中国国家自然科学基金项目（41301020）、中国国家基础研究计划项目（2013CB956604）的资助。
论文信息：Xue, B., Guo, Q. *, Hu, T., Xiao, J., Yang, Y., Wang, G, Tao, S., Su, Y., Liu, J. and Zhao, X. Global patterns of woody residence time and its influence on model simulation of aboveground biomass. Global Biogeochemical Cycles. 31(5): 821-835. https://doi.org/10.1002/2016GB005557
数据链接：点击这里
（5） 2000年全球30m植被区域SRTM DEM校正产品
SRTM(shuttle radar topography mission) DEM(digital elevation model)是覆盖近全球范围的高精度地形产品，在水文调查、灾害评估、生态保护等学科领域中应用广泛。然而已有研究表明SRTM DEM在森林区域的地形明显高于真实地面。树木的枝叶、树干等对雷达信号的吸收和反射，以及坡度坡向等地形带来的影响都给SRTM DEM数据带来了误差。本研究在全球范围内收集了超过150,000 km2的机载激光雷达数据作为真值，来修正植被覆盖区域的SRTM DEM。首先，建立不同植被类型下的SRTM DEM误差和坡度、植被覆盖度和冠层高度的回归关系，得到误差模型。基于该误差模型，结合全球的坡度、植被覆盖度、树高和植被类型推算出全球SRTM误差，进而修正SRTM数据。结果表明，在植被覆盖区域，未修正的SRTM DEM高度误差大约在6 m，而修正后的SRTM DEM显著地消除了植被和地形对SRTM DEM的影响，误差降低到约0 m。
图5. 校正前SRTM DEM在植被覆盖区域的误差分布（a）与校正后SRTM DEM产品（b）
该项研究工作和数据制备得到了中国国家重点研发计划项目（2016YFC0500202）、中国国家自然科学基金（41471363、31741016、41401505）、美国国家科学基金项目（DBI 1356077）的资助。
论文信息：Zhao Xiaoqian, Su Yanjun, Hu Tianyu, Chen Linhai, Gao Shang, Wang Rui, Jin Shichao, Guo Qinghua*. 2018. A Global Corrected SRTM DEM Product for Vegetated Areas. Remote Sensing Letters. 9(4): 393-402. https://doi.org/10.1080/2150704X.2018.1425560
数据链接：点击这里
北京大学数字生态研究团队简介
北京大学数字生态研究团队，负责人郭庆华教授，北京大学遥感与地理信息研究所所长，教授，博士生导师；北京大学本科和硕士,美国加州大学伯克利分校博士，回国前系加州大学默塞德分校环境工程学院创始教授、终身正教授；2020年入选科技部创新人才推进计划“中青年科技创新领军人才”。研究团队主要致力于以无人机平台为主的激光雷达相关软硬件研发，及其在生态和城市的应用。近年来通过文献资料整理、野外调查、众源采集、多源近地面遥感扫描、以及卫星遥感数据，以激光雷达遥感为核心技术，结合机器学习和深度学习等技术，研制国家和全球尺度高精度三维植被结构产品，揭示全球变化背景下中国植被格局变化及其驱动机制。基于上述研究内容，研究团队在生态学、地理信息及遥感科学的主流期刊PNAS，Ecology，IEEE GRSM.，RSE，ISPRS 等发表SCI论文130余篇，出版专著《激光雷达森林生态应用——理论、方法及实例》等两部。
欢迎访问团队在国家生态科学数据中心的数据发布主页，获取数据！（点击这里）
欲了解更多团队研究进展，欢迎访问：http://www.3decology.org/