文章总结： 本文介绍了利用AlphaEarth模型生成的地理空间嵌入技术结合多源遥感和清查数据绘制美国东北部10米分辨率森林群落分布图。该成果包含50余种树种分布及地上碳储量等指标精度优于现有产品并提供了GEE下载代码。 综合评分： 10 文章分类： 其他
利用 AlphaEarth Embeddings 绘制森林群落分布图（10m）
原创
LSC6 LSC6
生态遥感监测笔记
2026年2月4日 08:01 河南
今日分享：
利用 AlphaEarth Embeddings 绘制森林群落分布图（10m）
今天来分享下一篇论文 ：
引用方式：
Gao, X., Pasquarella, V.J., Laflower, D., and Thompson, J.R. (2025). Mapping Forest Communities, Including Species Composition, Structure, and Carbon,at 10-m Resolution Using Geospatial Embeddings. Available at SSRN: https://ssrn.com/abstract=5936862
森林群落分布图提供空间连续的信息，描述共存物种群落、森林结构和碳储量。现有方法依赖于统计回归或利用遥感和辅助数据对森林清查属性进行插补。特别是，插补法被广泛用于维持物种共存；然而，标准的插补方法（例如，K近邻算法及其衍生方法）相对过于简单，难以处理复杂的非线性高维特征空间。此外，尽管地球观测数据日益增多，但大多数研究仍然依赖于来自单一或少数遥感源的有限数据类型。
利用AlphaEarth Foundations模型生成的地理空间嵌入来解决这些局限性。该模型综合了来自PB级多源地球观测数据的时空信息，并结合22,658个森林清查样地，生成覆盖美国东北部和中西部地区（超过6500万公顷森林）的10米分辨率的全覆盖森林群落图。我们的数据产品包括50多种树木的群落约束分布图，涵盖总基面积、地上碳储量和树干密度。
AlphaEarth Foundations模型生成的地上碳储量估算精度优于现有产品，其物种分布图能够以可预测的方式，根据物种的具体特征，真实地保留生态群落结构。研究表明，地理空间嵌入技术能够通过将多样化的地球观测数据整合到信息丰富的特征空间中，从而革新生态制图。这种方法能够实现可扩展的森林监测，并支持生物多样性评估、碳核算以及景观模拟和规划等应用。
该数据集具体介绍如下:
-
空间分辨率： 10米
-
时间覆盖范围： 2021 年（基于 2018-2022 年的 FIA 测量数据和 2021 年的 AEF 嵌入数据）
-
覆盖范围：美国林务局第 9 区，包括 20 个州：康涅狄格州 (CT)、特拉华州 (DE)、爱荷华州 (IA)、伊利诺伊州 (IL)、印第安纳州 (IN)、马萨诸塞州 (MA)、马里兰州 (MD)、缅因州 (ME)、密歇根州 (MI)、明尼苏达州 (MN)、密苏里州 (MO)、新罕布什尔州 (NH)、新泽西州 (NJ)、纽约州 (NY)、俄亥俄州 (OH)、宾夕法尼亚州 (PA)、罗德岛州 (RI)、佛蒙特州 (VT)、威斯康星州 (WI) 和西弗吉尼亚州 (WV)。 数据产品属性：
1.物种特异性基面积（SPEC）：以基面积（m² ha⁻¹）为指标，分别绘制了超过50种树木的基面积图。物种组成图通过k近邻插补法（k=1）保留了生态上真实的群落组成。
2.地上碳储量（AGC）：利用随机森林回归方法绘制样地尺度的地上碳储量（Mg C ha⁻¹）。交叉验证 R² = 0.56，RMSE = 26.64 Mg C ha⁻¹。优于县级（R² = 0.47）和州级（R² = 0.90）的现有产品。
3.总基面积（BA）：所有树种的样地级总基面积（m² ha⁻¹）。交叉验证 R² = 0.52，RMSE = 7.96 m² ha⁻¹。
4.树干密度（SD）：样地尺度树干密度（株/公顷）。交叉验证 R² = 0.50，RMSE = 166 株/公顷。
已绘制的树种有：
接下来就是下载数据
01
—
GEE部分下载代码
// 地上碳储量（AGC）var agc = ee.ImageCollection("projects/sat-io/open-datasets/FCM10R9/AGC");// 总基面积（BA）var ba = ee.ImageCollection("projects/sat-io/open-datasets/FCM10R9/BA");// 树干密度（SD）var sd = ee.ImageCollection("projects/sat-io/open-datasets/FCM10R9/SD");// 物种特异性基面积（SPEC）var species = ee.ImageCollection("projects/sat-io/open-datasets/FCM10R9/SPEC");
Map.setCenter(-84.9,41.46,6)var snazzy = require("users/aazuspan/snazzy:styles");snazzy.addStyle("https://snazzymaps.com/style/15/subtle-grayscale", "Subtle Gray");// Create mosaicsvar agcMosaic = agc.mosaic();var baMosaic = ba.mosaic();var sdMosaic = sd.mosaic();
print(species.aggregate_histogram("species_code"))// 糖枫树种var sugarMaple = species.filter(ee.Filter.eq('species_code', 'ACSA')).mosaic();var sugarMapleVis = { min: 0, max: 20, palette: ['ffffd4', 'fee391', 'fec44f', 'fe9929', 'ec7014', 'cc4c02', '993404', '662506']};
// 东部铁杉树种var easternHemlock = species.filter(ee.Filter.eq('species_code', 'TSCA')).mosaic();var easternHemlockVis = { min: 0, max: 20, palette: ['f7fcf5', 'e5f5e0', 'c7e9c0', 'a1d99b', '74c476', '41ab5d', '238b45', '006d2c', '00441b']};// 香脂冷杉var Abiesbalsamea = species.filter(ee.Filter.eq('species_code', 'ABBA')).mosaic();var AbiesbalsameaVis = { min: 0, max: 20, palette: ["e41a1c","377eb8","4daf4a","984ea3","ff7f00"]};//红枫var Redmaple = species.filter(ee.Filter.eq('species_code', 'ACRU')).mosaic();var RedmapleVis = { min: 0, max: 20, palette: ["66c2a5","fc8d62","8da0cb","e78ac3","a6d854"]};
02
—
结果显示
地上碳储量（AGC）
总基面积（BA）
树干密度（SD）
红枫树种群落分布图
香脂冷杉树种群落分布图
东部铁杉树种群落分布图
糖枫树种群落分布图
请在微信客户端打开
请在微信客户端打开
代码完整链接请在微信公众号后台私信“
AlphaEarth Embeddings 绘制森林群落分布图（10m）”
感谢关注，欢迎转发！
声明：仅供学习使用！
希望关注的朋友们转发，如果对你有帮助的话记得给小编点个赞或者在看！
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：生态遥感监测笔记 LSC6 LSC6《利用 AlphaEarth Embeddings 绘制森林群落分布图（10m）》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论