CHMv2：使用 DINOv3 提升全球林 canopy 高度图的精度

精确的林 canopy 高度信息对于量化森林碳储存、监测恢复与退化以及评估栖息地结构至关重要，但空中激光扫描（ALS）所提供的高保真测量在全球范围内仍分布不均。本文提出CHMv2，一款基于高分辨率光学卫星影像使用基于 DINOv3 构建的深度估计模型并针对 ALS 林 canopy 高度模型训练，生成的全球米分辨率林 canopy 高度图。与现有产品相比，CHMv2在准确性、针对高林区的偏差以及保持细节结构（如林 canopy 边缘和间隙）方面均显著提升。这些提升得益于对地理上多样化训练数据的大幅扩展、自动化的数据精馏与注册，以及专为林 canopy 高度分布量身定制的损失函数 formulation 和数据抽样策略。我们使用独立的ALS测试数据集以及数以百万计的GEDI和ICESat-2观测数据对CHMv2进行验证，结果在主要林区生态系统中表现出一致的性能。