城市树木在缓解热岛效应、提升居民福祉、储存碳汇等方面具有重要作用，而树冠高度是评估城市森林结构与生态服务的关键参数。近年来，大尺度、开源的树冠高度模型（Canopy Height Models, CHMs）为获取城市树木高度提供了潜在替代方案，有望在一定程度上补充机载LiDAR数据。然而，这些产品在复杂城市环境中的适用性和精度仍缺乏系统评估。

基于此，中国科学院城市环境研究所唐立娜研究组联合比利时布鲁塞尔自由大学、美国普渡大学等单位，利用华盛顿特区高精度机载LiDAR数据，对四种最新的大尺度CHM（Potapov、Lang、Tolan和Malambo）在城市环境中的表现进行了全面评估，并在全球范围内布鲁塞尔、墨尔本、基奇纳和圣保罗四个城市开展了验证对比。研究发现，这些CHM在城市树冠分类和高度预测中均存在系统性局限：普遍出现低树冠高度被高估、高树冠高度被低估（OLUH效应），并在城市—森林边缘区域呈现明显空间聚集误差。其中，只有Lang CHM在统计一致性检验中表现合格，整体精度最高；Tolan CHM在树冠分类精度上表现最佳，但仍存在一定偏差。研究还通过可解释机器学习揭示，树冠高度本身是误差的主要驱动因素，其次是地形与建成环境特征。这些结果表明，现有大尺度CHM尚难满足精细化城市林业管理对空间精度和情境适应性的要求，高精度机载LiDAR数据在城市树冠高度测量中依然不可替代。

该研究成果以High-precision airborne LiDAR remains essential for urban forestry: Revealing the limitations of recent large-scale canopy height products in urban contexts为题，发表于遥感领域权威期刊International Journal of Applied Earth Observation and Geoinformation。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。研究工作获得国家自然科学基金（32471632、42307591）和中科院城市环境研究所“揭榜挂帅”项目（IUE-JFGS-202207）的支持。

论文链接

四种待评价的树冠高度模型在公园连续树冠区（上）和行道树离散树冠区（下）的树冠识别能力对比

四种待评价树冠高度模型水平异质性的典型剖面对比

（文：唐立娜研究组；图：唐立娜研究组）