一个分辨率为0.6米的美国本土冠层高度模型

《Scientific Data》：A 0.6-meter resolution canopy height model for the contiguous United States

　　

摘要

地面上的垂直结构是生态系统监测、碳核算和土地管理的重要变量。然而，航空激光雷达的高成本和有限的覆盖范围限制了其广泛应用。为了解决这个问题，我们开发了NAIP-CHM，这是一个分辨率为0.6米的冠层高度和结构模型（CHM），覆盖了整个美国本土，数据来源于国家农业影像计划（NAIP）的航空影像。与仅考虑森林特征的模型不同，NAIP-CHM能够全面描述景观的垂直结构，包括植被、建筑物和基础设施。我们使用了带有注意力机制和环境条件的U-Net卷积神经网络，并通过一个经过同行评审的、公开可用的数据集对模型进行了训练和验证。该数据集包含2280万组共注册的NAIP影像和激光雷达生成的CHM数据对，采用分层采样方法以确保在开阔植被生态系统中的模型稳定性。模型的像素级均方根误差（RMSE）为2.28米，r2值为0.87。仅针对森林区域的数据，r2值为0.82，RMSE为3.82米。我们提供了数据集、源代码和基于云的工具，使得无需专门的计算资源即可实现该模型的广泛应用。