北京大学郭庆华研究团队发布2020年中国林分平均高数据集

• ：北大郭庆华团队
        
• ：2024-11-29

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2020年中国林分平均高数据集，用户可在线访问获取数据。相关研究成果以“Enhancing high-resolution forest stand mean height mapping in China through an individual tree-based approach with close-range lidar data”为题发表在ESSD期刊。

林分平均高表示林分或样地内树木的平均高度，包括算术平均高和加权平均高，是评估森林生长、计算森林蓄积量与碳储量，以及指导可持续森林经营实践的重要指标。国家尺度的高分辨率森林平均高产品对估算森林碳储存、监测森林资源变化、制定可持续森林经营政策以及评估野生动物栖息地等至关重要。然而，目前缺乏大规模、空间连续的森林平均高度地图。这主要是由于每个森林样地内需要精确测量单株树高，而现有全球覆盖的离散足迹卫星平台无法有效实现这一任务。全国范围森林激光雷达数据的大量累积，促进了基于单株树木测量的大规模高分辨率林分平均高度制图。

研究团队基于累积的1117平方公里森林无人机激光雷达数据，计算了样地内单株树木的算术平均高度和加权平均高度。为了克服不同植被分区在大空间尺度上的差异影响，团队提出了一种结合机器学习算法与混合模型的制图框架（图1）。该框架结合了空间连续的气候、土壤、地形、植被及SAR数据，以及团队前期生产的天然林与人工林空间分布数据和林龄数据，生成了2020年中国30米分辨率的森林算术平均高度和加权平均高度分布数据（图2和图3）。结果显示，中国各地的森林平均高和加权平均高分别为 11.3 米和 13.3 米，标准差分别为 2.9 米和 3.3 米。

图1. 中国森林平均高产品生产流程

图2. 2020年中国30米分辨率森林算术平均高空间分布

图3. 2020年中国30米分辨率森林加权平均高空间分布

该数据集将为估算森林碳储存、监测森林资源变化、制定可持续森林经营政策以及评估野生动物栖息地等提供重要的数据支撑。该项研究工作和数据制备得到了国家重点研发计划（2022YFF1300203）和国家自然科学基金项目（42371329 , 32301285）的资助。

论文信息：Chen, Y., Yang, H., Yang, Z., Yang, Q., Liu, W., Huang, G., Ren, Y., Cheng, K., Xiang, T., Chen, M., Lin, D., Qi, Z., Xu, J., Zhang, Y., Xu, G., and Guo, Q.: Enhancing high-resolution forest stand mean height mapping in China through an individual tree-based approach with close-range lidar data, Earth Syst. Sci. Data, 16, 5267–5285, https://doi.org/10.5194/essd-16-5267-2024, 2024.

数据链接：点击这里