城市树木通过提供多种生态服务，构成一种重要的基于自然的解决方案，在提升人居环境品质与促进城市可持续发展方面发挥着关键作用。在这些生态系统服务中，碳汇功能直接关联城市应对气候变化与实现“双碳”目标的能力，对其进行科学、可靠的量化评估具有重要现实意义。城市树木碳储量的估算高度依赖对树木结构特征的刻画，其中树冠高度作为反映森林垂直结构、支撑地上生物量与碳储量反演的关键结构变量，长期以来主要依赖机载LiDAR数据获取。然而，机载LiDAR在成本、数据获取频率和覆盖范围等方面的限制，使其难以支撑大尺度、常态化的城市应用。近年来，多种大尺度、开源树冠高度模型（Canopy Height Models，CHMs）相继发布，为城市树木高度信息获取提供了新的可能，但其在复杂城市环境中能否稳定提升城市树木碳储量反演等应用模型的预测性能，仍缺乏系统而定量的评估。

   针对这一问题，中国科学院城市环境研究所城市生态风险模拟与预警团队唐立娜研究员联合中国科学院空天信息创新研究院、美国普渡大学等单位，以典型城市环境为研究对象，系统评估了四种具有代表性的大尺度树冠高度产品（Potapov、Lang、Tolan 和 Malambo）在城市树木碳密度反演中的应用效用。研究在10 m、20 m和30 m不同空间尺度下，构建了融合Sentinel-1/2多源遥感特征的随机森林反演模型，并以高精度机载LiDAR派生的树冠高度数据作为基准进行对比分析。结果表明，机载LiDAR数据在各尺度下均显著提升了模型精度，而引入大尺度树冠高度产品后，模型性能与不使用树冠高度产品的基线模型基本一致，未表现出稳定的预测增益。尽管在较粗尺度下，这些产品在模型中的相对重要性有所提高，但并未转化为实际精度提升，反映出其在城市复杂景观下存在结构信息冗余和高度饱和等局限。总体而言，当前大尺度树冠高度模型更适用于城市垂直结构的近似刻画，尚难作为高精度城市碳储量反演模型的关键增强变量，高精度机载LiDAR数据在城市尺度碳核算中仍不可替代。

   该研究成果以Gains and gaps of large-scale canopy height products for urban tree carbon stock inversion: A multi-scale assessment为题，发表于城市森林研究领域权威期刊Urban Forestry & Urban Greening。中国科学院城市环境研究所2021级博士研究生董鹤松为第一作者，唐立娜研究员为通讯作者，美国普渡大学邵国凡教授对本研究提供了全面指导，中国科学院空天信息创新研究院王浩然博士也参与了文章的讨论与修改工作。研究工作获得国家自然科学基金项目（32471632）的支持。

   论文链接

图1 不同树冠高度数据对城市树木碳密度反演模型精度的影响

   注：该图对比了在不同空间尺度下，引入不同树冠高度数据后城市树木碳密度反演模型的预测效果。结果显示，只有高精度机载LiDAR数据能够显著提升模型精度，而多种大尺度、开源树冠高度产品与不使用树冠高度数据的基线模型表现接近，未带来稳定的预测改进。这表明，在复杂城市环境中，大尺度树冠高度产品难以为碳储量估算提供实质性的新增信息。

图2 不同树冠高度数据在模型中的响应特征对比

   注：该图展示了不同树冠高度数据在模型中与城市树木碳密度之间的响应关系。高精度 LiDAR 数据与碳密度呈现连续、稳定的正相关关系，整体符合树木生长的异速规律；而大尺度树冠高度产品在多数高度区间内响应较弱，仅在高值区间出现突变式贡献，反映出其在高大树木区域存在高度压缩和信息饱和问题。这种不稳定的响应特征限制了其在城市碳储量反演中的应用效果。