近日，中国科学院空天信息创新研究院（空天院）遥感与数字地球全国重点实验室研究员王力团队在全球高分辨率森林扰动监测方面取得重要突破。研究团队基于Landsat卫星遥感数据，结合连续变化检测与分类算法、机器学习和空间特征分析，构建了全球30米分辨率的森林扰动类型数据集（GFD），实现了2000至2020年间全球范围内11种森林扰动类型的高精度分类。
森林作为陆地生态系统的核心组成部分，在气候调节、生物多样性保护、碳汇维持等方面发挥着不可替代的作用。然而，近年来全球森林正面临着日益加剧的自然与人为扰动，包括火灾、轮垦、人工林采伐、城市扩张、农田侵占等多种类型。传统森林监测手段受限于空间分辨率和分类能力，难以精准识别复杂的扰动类型及其演变过程。
为此，研究团队基于Google Earth Engine云计算平台，集成多源遥感数据、土地利用覆盖数据及多种辅助数据集，构建了一套包含18个特征指标的森林扰动分类体系，各类扰动分类精度均在85%以上。结果显示，2000至2020年间，全球受扰动森林总面积达12.47亿公顷，占全球森林面积的31%。其中，人工林更新（44%）、轮垦（24%）和森林火灾（11%）是主导全球森林扰动的三大类型。全球新造林面积约占森林扰动总面积的3%，主要分布在中国、印度和巴西，显示出这些国家在森林恢复方面的积极成效。
与现有全球森林损失驱动因子数据集（CDGFL）对比，GFD数据集在空间分布上表现出高度一致性（R2=0.93），并具备更高的空间分辨率（30米）和更精细的分类体系，为全球森林资源监测、碳核算评估、生态修复规划等提供了关键数据支撑。
以上相关成果以“Global high-resolution forest disturbance type dataset”（全球高分辨率森林扰动类型数据集）为题于2026年3月发表在《地球系统科学数据》（Earth System Science Data）期刊。合作者分别来丹麦哥本哈根大学、清华大学以及中国地质大学（北京）等国内外研究单位。该研究得到了国家重点研发计划政府间国际科技创新合作专项地球观测组织（GEO）合作项目、国家自然科学基金、中国科学院空天院“未来之星”人才计划项目、博士后科学基金等项目的支持。
论文链接：https://doi.org/10.5194/essd-18-1601-2026
图1 全球森林干扰分类图
图2 全球森林扰动特征分布
动态新闻