大规模树冠高度产品在城市树木碳储量反演中的优势与不足：多尺度评估

《Urban Forestry & Urban Greening》：Gains and gaps of large-scale canopy height products for urban tree carbon stock inversion: A multi-scale assessment

城市树木碳密度反演中全球冠层高度模型的应用效能评估。基于华盛顿特区LiDAR数据验证，Potapov、Lang、Tolan和Malambo四模型在10-30米分辨率下对UTCD预测提升有限，其空间异质性建模不足导致预测增益被噪声掩盖。结论指出现有全球CHMs更适合城市垂直结构粗略描述，未来需开发城市专用CHMs以捕捉亚树垂直异质性。

　　

董赫松|王浩然|邵国凡|唐琳娜

中国科学院城市环境研究所区域与城市生态国家重点实验室，中国厦门361021

摘要

尽管区域和全球冠层高度模型（CHMs）已广泛可用，但它们在复杂城市环境中估算生态系统服务（如碳储量）的实际效用仍缺乏充分研究。现有的评估主要集中在统计准确性上，从而忽略了它们对生态建模预测能力的贡献。本研究评估了四种大规模CHMs（Potapov、Lang、Tolan和Malambo）在城市级别树木碳密度（UTCD）反演中的优势与局限性。以华盛顿特区为测试对象，我们构建了多个随机森林模型，分辨率分别为10米、20米和30米，并将每种CHM整合到基于Sentinel-1/2影像和地形数据的稳健多源基线中。机载LiDAR数据作为真实值基准。结果揭示了全球映射能力与城市精度要求之间的根本脱节：首先，大规模CHMs的预测增益微乎其微；虽然机载LiDAR显著提升了性能，但大规模CHMs并未带来实质性改进，证实了它们无法解析城市细微异质性。其次，我们观察到一种尺度依赖的悖论：从10米到30米的空间聚合通过平滑高频噪声增加了CHMs的相对特征重要性，但这并未转化为有意义的预测增益。这种差异表明，在较粗尺度上出现的结构信号从噪声干扰因素转变为信息冗余的替代品，仍受系统饱和偏差的限制。我们得出结论，当前的大规模模型CHMs更适合用于城市垂直结构的近似描述，而非作为高级反演建模的有效增强特征。未来的研究应优先开发能够捕捉树木亚层垂直异质性的城市特定CHMs。

引言

随着快速的城市化和气候变化的加剧，城市森林已成为重要的基于自然的解决方案，尤其是它们具有固碳和储存大气碳的能力（Livesley等人，2016年；Tang等人，2024年）。因此，准确量化城市树木碳密度（UTCD）已成为制定明智的城市气候政策和可持续规划的前提（Dong等人，2025年）。这一量化的核心是对垂直森林结构的精确描述——特别是冠层高度，它是估算地上生物量的主要异速生长指标（Zhu等人，2024年；Zhu等人，2025年）。

虽然传统的实地调查具有较高的局部精度，但它们本质上劳动密集且空间不连续。因此，遥感成为连续描述城市景观垂直结构的重要手段。在这一领域，机载光探测与测距（LiDAR）已成为准确解析城市植被复杂3D结构的标准方法（Chen等人，2020年；Velasquez-Camacho等人，2021年）。然而，机载调查的高成本和后勤限制限制了其操作的可扩展性。高质量LiDAR数据主要集中在发达国家（Xu等人，2025年），导致全球大多数城市存在关键数据空白（Brzoska和Spā?e，2020年；Moudry等人，2026年）。

为了解决这些数据缺口，地球观测的民主化和人工智能（AI）的进步开启了一个新的全球植被监测时代（Salcedo-Sanz等人，2020年）。通过融合大规模的机载/机载LiDAR测量数据与连续的光学影像，新一代大规模冠层高度模型（CHMs）应运而生，范围从中等分辨率（30米）地图（Potapov等人，2021年）到高分辨率（10米）（Lang等人，2023年），甚至亚米级AI衍生产品（Tolan等人，2024年）。这一进展标志着从传统的2D水平映射向3D垂直描述的转变（Lencinas，2025年）。从概念上讲，这些开放访问的网格为机载调查提供了有吸引力的替代方案，有望以较低的成本提供下游生态应用所需的空间连续结构数据（Dong等人，2025年）。

与此同时，这些数据的激增催生了大量的验证工作。正如最近的研究综述（Lencinas，2025年）和城市特定评估（Dong等人，2025年）所显示的，这些产品的性能限制已经明确。尽管不同生物群落的结果各不相同，但有一个共识：与高精度机载LiDAR相比，这些全球模型存在显著的系统偏差。最值得注意的是，它们无法解析破碎城市冠层的细微异质性。因此，这些缺陷引发了人们对这些数据集在局部应用中操作可靠性的日益怀疑（Moudry等人，2024年；Moudry等人，2026年；Ng等人，2025年；Pletcher等人，2024年）。

然而，现有评估大多局限于严格的统计指标（如均方根误差（RMSE）和平均误差（ME））。虽然这些指标有助于基准测试，但往往无法反映下游生态建模所需的预测效用。因此，关于这些全球产品在实际应用中的有效性仍存在关键知识空白。

在城市领域，这些CHMs常被直接用作描述变量，例如用于研究热岛效应（Wei等人，2025年），这种做法通常基于未经验证的可靠性假设。相反，自然生态系统的证据提供了警示：最近的生物量反演研究表明，与仅使用光谱特征相比，添加冠层高度产品带来的性能提升微乎其微（P?tzschner等人，2022年；Q. Yang等人，2023年）。鉴于这些产品在相对均匀的自然森林中难以提供增量价值，它们在高度破碎的城市景观中的效用尤其值得怀疑。迄今为止，尚无研究系统地量化大规模CHMs是否真的能增强UTCD反演模型，或者它们是否只是引入了随机噪声。

为填补这一空白，本研究系统评估了四种代表性的大规模CHMs——Potapov（Potapov等人，2021年）、Lang（Lang等人，2023年）、Tolan（Tolan等人，2024年）和Malambo（Malambo和Popescu，2024年）——在华盛顿特区复杂城市环境中的UTCD估算效果，并特别关注它们的预测效用如何受空间尺度（10米、20米和30米）的影响。方法上，我们提出了一个新框架，战略性地利用全面的市政树木库存数据作为高密度地面参考。这种方法克服了空间稀疏实地调查的局限性，实现了对较粗分辨率卫星产品的稳健城市级基准评估。通过将每种CHM整合到基于Sentinel的基线中，我们开发了多尺度随机森林模型，并采用了高级可解释技术——SHapley Additive exPlanations（SHAP）和Accumulated Local Effects（ALE）——来解析每种产品的具体贡献机制和尺度依赖性交互作用。最终，这项工作提供了当前大规模CHMs在城市环境中操作限制的首个实证证据，为最大化地球观测数据在城市生态系统评估中的效用提供了关键指导。

研究区域

选择华盛顿特区作为研究地点，主要是因为其明显的结构异质性和近乎普查级别的市政森林库存数据。该市位于美国东海岸（38°54′N，77°02′W），面积约177平方公里，体现了复杂的城市景观（图1）。这里的景观显示出明显的城市化梯度，从中心区域不透水密集区的零散街道树木逐渐过渡到连续的森林斑块

分离CHM误差：冠层分类与高度预测

遵循Dong等人（2025年）的框架，我们将CHM误差分为两个独立部分：冠层分类和高度预测。

冠层分类性能方面，四种CHM的表现各不相同（表3）。Malambo CHM显示出最高的检测灵敏度（98.20%的生产者准确性），有效捕捉了大部分冠层覆盖。相反，Potapov CHM更注重可靠性（98.78%的用户准确性），但存在显著的遗漏

大规模CHMs在城市环境中的优势与局限性

本研究建立了一个综合反演框架，整合了来自Sentinel-1/2影像、纹理和辅助数据的500多个特征。采用如此高维基线的理由是为了创建一个严格的评估基准：有效的辅助特征应理想地提供超出现有最先进多源遥感数据捕获范围的增量结构信息。在此框架下，我们客观评估了这些特征的具体效用

结论

准确描述垂直结构是可靠的城市生态系统服务评估的前提。本研究标志着从传统的统计准确性基准测试向生态建模实际效用评估的重大范式转变。通过系统地将四种最先进的大规模CHMs（包括Potapov、Lang、Tolan和Malambo）整合到一个严格的UTCD反演框架中，我们提供了它们操作价值的首个实证证据

附录A. 补充材料

补充材料提供了支持本研究的全面技术文档，具体包括：（1）Sentinel-2植被指数的公式；（2）特征优化和降维协议；（3）超参数调整细节；以及（4）随机森林与Ridge Regression和XGBoost的稳健性比较结果。

未引用参考文献

(Yang等人，2023)

CRediT作者贡献声明

王浩然：软件、方法论。邵国凡：写作——审稿与编辑、监督、概念化。唐琳娜：写作——审稿与编辑、监督、资金获取、概念化。董赫松：写作——初稿撰写、可视化、验证、软件、方法论、数据整理、概念化。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究得到了中国国家自然科学基金（项目编号32471632）的支持。