土地排放和清除导航器 (LEARN) 工具 ： 数据源和计算方法 ， 版本 1.1
土地排放和清除导航器 (LEARN) 工具 ： 数据源和计算方法 ， 版本 1.1 艾琳 · 格伦、南希 · 哈里斯和理查德 · 伯赛 摘要 CONTENTS 在国内社区中，维持和扩大森林及城市树木覆盖面积是多管齐下的气候策略的关键组成部分。在美国，城市、县和其他地方社区正在制定气候行动计划（CAPs），以概述减少温室气体（GHG）排放和增强韧性的目标。许多社区缺乏明确的指导和可获取的数据来评估其森林和树木的作用，或它们在CAPs中的角色。为了填补这一空白，土地排放和清除导航工具（LEARN）提供了对任何美国社区内森林和树木相关GHG影响的自动化分析和计算。该工具利用美国林业局（USFS）和美国地质调查局（USGS）的国家数据集，推导出与森林、未受干扰的森林、森林干扰以及社区边界内非森林土地上树冠变化相关的碳排放和清除的空间明确估计。本文档记录了2022年7月发布的LEARN工具版本1.1的数据输入、方法和流程。该工具随附ICLEI美国社区协议附件J：森林和树木，帮助社区估算与森林和树木相关的GHG，并规划本地气候行动（Birdsey等，2019b）。该工具包含所有USFS和USGS的土地覆盖、树冠和干扰数据的最新发布。此外，LEARN工具还提供了来自切萨皮克湾计划的高分辨率（一米）树冠变化数据，显示了2013年和2018年的树冠范围，以及在这段时间内的损失，这些数据对于切萨皮克湾流域内的社区特别有用。同时，LEARN工具继续提供全国覆盖的国家土地覆盖数据库树冠产品（30米分辨率）。到目前为止，已有超过65个州的17个社区试点使用了LEARN工具。随着数据和技术的发展，LEARN及其文档将不断更新、改进和完善，以满足利益相关者的特定需求。 摘要... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... 1 引言与背景... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 技术说明文档记录了出版物、交互应用或工具背后的研究或分析方法。... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...建议引用 ：格伦, E., 哈里斯, N., 和 鸟西, R. 2024. “土地排放与移除导航器（LEARN）工具：数据来源与计算方法。” 技术笔记。华盛顿, DC: 世界资源研究所。在线访问：https://doi.org/10.46830/writn.20.00011. 简介和背景 这些数据来源于美国林业局（USFS）森林调查与分析（FIA）项目的数据（Burrill等，2018年），并应用于感兴趣区域的空间上。本部分详细说明了驱动LEARN工具后台自动地理处理工作流，其中活动数据与排放和移除因子结合进行空间分析，以生成选定兴趣区域及调查期间的温室气体估计值。最后，我们概述了注意事项、限制以及潜在未来的项目方向。本文件应与《美国碳计划》附录J配合使用，该附录提供了关于方法论方法、计算示例、术语定义及其他有关发展和使用森林树木温室气体库存的详细信息。此持续更新的技术文档将随着LEARN工具及其底层数据源的改进而更新。 本技术笔记概述了活动数据（土地覆盖或土地用途变化）、排放和去除因子以及美国社区能够将森林和非森林地带（TOFs）包含在其温室气体（GHG）库存中的方法。通过将活动数据与去除和排放因子相结合，社区可以制定与境内森林和树木相关的碳流基线库存，并监测这些流量随时间的变化。以下描述的数据被整合进了土地排放与去除导航器（LEARN）。1一个互动式网络工具，遵循了在可持续地方政府（ICLEI-USA）美国社区协议（USCP）中关于温室气体排放计算与报告的附录J中发表的方法（Birdsey等，2019b）。 关于限制的说明 学习工具旨在为社区和土地管理者提供一种快速简便的方法，以估算并理解森林和树木的温室气体（GHG）通量及其随时间的变化。从学习工具获取的信息应根据其预期用途和分析范围进行理解和应用。我们注意到，由于许多使用的数据集具有全球性和模型化特性，这些估计可能存在潜在的错误来源和不确定性。截至发布时，学习工具的估计结果无法用于生成或验证碳信用。一般来说，我们建议用户在寻求将结果应用于政策或土地管理决策时进行额外的分析和验证，并确保理解和传达学习工具估计的局限性。 美国碳抵消协议（USCP）旨在为州内的各个社区（城市、县或市镇等）使用。直到最近，该协议并未涵盖森林和树木（TOFs）。该协议提供了标准化且可复制的方法论，便于进行跨库存的空间和时间比较。2019年，首次针对土地部门的库存方法开始在多个社区内发展并进行了测试，首先聚焦于森林和非森林地带的树木。2020年，LEARN项目启动后，协议和工具进一步在超过20个额外的社区中得到了验证与应用。 在2022年，LEARN工具进行了更新，将现有土地用途变化和森林干扰活动数据的时间覆盖范围扩展至2019年。此外，全切萨皮克湾流域在2013年和2018年整合了高分辨率（一米）树冠数据。2022年7月，ICLEI-USA和WRI启动了第二次培训群体，增加了17个额外的社区参与美国持续计划（USCP），以促进用户参与、构建地方能力，并在美国各地试点LEARN工具更新。2正在规划未来数据更新和工具功能改进的计划。此外，2022年7月，世界资源研究所（WRI）发布了关于森林和树木的补充指导，作为全球社区规模温室气体库存协议（WRI、ICLEI & C40, 2022）的一部分，以补充美国综合规划（USCP）附录J的指导，并使这些方法在全球范围内适用。3 估算活动数据的方法概述 活动数据按照每30米的空间分辨率对美国连续州际地区的森林和树木进行计算；也就是说，任何社区的库存边界内的所有土地都被表示为面积约为0.1公顷（0.22英亩）的单个像素网格。所有社区的默认活动数据会在工具中自动使用全国一致的数据产品进行计算。然而，截至2022年，切萨皮克湾流域内的用户还有选择使用高分辨率（一米）树冠变化数据进行分析以计算库存的机会。在未来版本的工具中，类似的一米高分辨率数据可能在更多地区对用户变得可用。 本技术说明介绍了 LEARN 工具中用于估算二氧化碳 (CO2森林与社区内TOF（总有机碳）之间的变动，这些变动源自活动数据和排放及去除因素。引入部分描述了活动数据的来源，而后续部分则解释了排放及去除因素如何影响这一过程。 定期地，并且目前支持了广泛的各种联邦、州、地方以及非政府应用。该产品随着时间的推移系统性地调整，以进行趋势评估，并提供了理解和分析当前及历史的土地覆盖和土地覆盖变化的能力。LEARN工具中使用的NLCD土地覆盖数据作为土地用途的代理指标。作为2019年NLCD发布的一部分，所有年的NLCD数据均进行了更新，以提高可获取年份间的一致性。在2022年，LEARN工具中所有年的土地覆盖和土地覆盖变化数据被更新后的NLCD产品替换。 分析的目标地理规模为社区级别。在LEARN工具中，社区可以选择美国连续领土内的任何县进行分析。此外，社区还可以上传自定义边界文件，以分析城市、区段、市镇或其他任何自定义边界。尽管该工具目前在处理较大区域（如整个州）的能力有限，用户仍可以通过将兴趣区域划分成更小的部分（例如按县或土地所有权划分）来获取相关结果。未来版本的工具可能会提供批量处理多个区域的功能（例如，一个州内所有县）。 森林和土地覆盖变化 数据源 NLCD数据用于指定的起始和结束年份，生成一个土地覆盖变化矩阵（见下方“计算土地覆盖转换矩阵”），将土地分类为森林、剩余森林、森林转变为非森林、非森林转变为森林以及剩余非森林区域。对于LEARN的目的，森林被定义为所有属于NLCD类别的常绿林、落叶林、湿生木地和混合林的土地。TOFs（特定时间点）分析的是剩余非森林且保持为非森林的类别。森林中仍为森林的区域、森林转变为非森林的区域以及非森林转变为森林的区域不在此分析范围内。 LEARN工具的活动数据使用国家土地覆盖数据库（NLCD）进行划分（图1）。多分辨率土地特性联盟负责创建NLCD产品，该联盟由美国地质调查局领导，由联邦机构合作组成。NLCD的地理覆盖范围包括连续48州、阿拉斯加沿海地区、夏威夷和波多黎各，但目前LEARN仅限于连续48州（CONUS）。选择NLCD作为默认选项是因为它在全国范围内保持一致性，并且定期更新。 数据现在涵盖 2011 年、 2013 年、 2016 年、 2019 年和2021 年。5我们希望在未来将这些额外多年的 TCC 产品纳入学习。 非森林转变为森林的区域通过NLCD的土地覆盖变化数据进行概述。在非森林中剩余的非森林类别内，对非森林地带外的树木进行了进一步分析（参见“非森林地带外的树木”）。同样地，在仍为森林的区域内，使用了额外的数据集来研究森林干扰情况（参见“森林干扰”）。 树冠 ： 高分辨率 截至2022年，位于美国东部地区（弗吉尼亚州；华盛顿特区；马里兰州；特拉华州；宾夕法尼亚州；纽约州）的切萨皮克湾流域内的社区，在使用LEARN树木冠层和树木冠层损失计算（切萨皮克保护协会2022年）时，可以选择高分辨率的树木冠层数据（每米分辨率）而非上述所描述的国家土地覆盖动态（NLCD）默认数据。此数据集如图3所示，以二进制形式表示树木冠层，每个像素被分类为“树木冠层”或“非树木冠层”，与NLCD产品提供的给定像素中的树木冠层覆盖率估计不同。2013年和2018年的高分辨率树木冠层数据来源于切萨皮克湾项目的土地覆盖数据，该数据由切萨皮克保护协会、美国地质调查局以及佛蒙特大学空间分析实验室共同开发，并于2022年发布（切萨皮克保护协会2022年）。 森林外的树木 树冠 ： 国家规定 在树冠覆盖范围以及NLCD定义的森林范围之外的树冠损失和树冠覆盖面积，通过默认设置，在LEARN工具中使用NLCD的树冠覆盖率（TCC）产品进行计算，这些产品由美国林业局生产。4作为NLCD系列产品的组成部分，这些产品是由多光谱Landsat影像和其他可用的地面和辅助信息生成的30米栅格地理空间数据。目前，树冠覆盖度产品仅在LEARN中提供2011年和2016年的数据（如图2所示），表示所有土地覆盖类型中每个30米像素的树冠覆盖率百分比。NLCD最近发布了更多的TCC产品的额外年份，这包括了更多详细的数据供研究与应用。 土地排放和清除导航器 (LEARN) 工具 ： 数据源和计算方法 ， 版本 1.1 森林干扰 包括任何可检测到的火区。每个火区还
