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

摘要

核心观点：
LEARN工具为美国社区提供了一种自动化分析和计算森林及城市树木相关温室气体（GHG）影响的方法，旨在帮助社区评估森林和树木在气候行动计划（CAPs）中的作用。该工具利用USFS和USGS的国家数据集，推导出与森林、未受干扰森林、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。

关键数据：

• 数据源包括USFS的FIA项目数据、USGS的NLCD数据集、切萨皮克湾计划的高分辨率树冠变化数据（2013年和2018年）以及国家土地覆盖数据库树冠产品（30米分辨率）。
• 数据涵盖2011年、2013年、2016年、2019年和2021年，未来计划扩展至更多年份。
• 活动数据以每30米空间分辨率计算，社区可选择自定义边界进行分析。

计算方法：

1. 土地覆盖变化：利用NLCD数据生成土地覆盖变化矩阵，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。
2. 森林和土地覆盖变化：通过NLCD数据定义森林和非森林区域，并利用额外数据集分析森林干扰情况。
3. 森林外树木：使用NLCD的树冠覆盖率产品或切萨皮克湾计划的高分辨率数据计算非森林地带的树冠变化。
4. 森林干扰：结合火灾、昆虫和疾病破坏以及采伐等数据，评估森林干扰对碳储量的影响。
5. 排放和清除因子：基于FIA数据库和Smith等（2006）的方法，按地区、森林类型和年龄类别估算排放和清除因子。

研究结论：

• LEARN工具可帮助社区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。
• 工具采用IPCC指导文件中的方法论，归类为“第二级”和“第三级”策略，结合区域和当地数据进行分析。
• 估算结果可用于规划本地气候行动，但需注意其局限性，如数据分辨率限制和潜在误差来源。

未来方向：

• 计划整合土壤碳储量的变化和非CO2的排放量。
• 扩展高分辨率树木冠层数据的覆盖范围，细化扰动数据的粒度。
• 开发预测森林和树木管理干预措施对未来温室气体减排影响的功能。