深度解析美国本土 WUI野地-城市交界带数据集定义、结构与 GEE 实战应用导语近年来美国加利福尼亚州、科罗拉多州等地频繁发生规模空前、破坏力极大的野火。而这些毁灭性大火的核心蔓延区往往不在于纯粹的原始森林也不在于繁华的市中心而是集中在“野地-城市交界带”Wildland-Urban Interface, 简称 WUI。这个区域是自然生态系统与人类居住区发生接触、交融甚至冲突的“前线”。如何科学、准确、动态地界定 WUI 区域是火灾预警、生态保护评估以及土地政策制定的基石。威斯康星大学麦迪逊分校的 SILVIS 实验室长期致力于此。近日他们发布了第四版美国本土CONUSWUI 空间数据集1990-2020并将其部署在 Google Earth Engine (GEE) 上。本文将为你深入拆解这套数据集的定义逻辑、数据源、更新的技术细节、属性含义并提供 GEE 上的直接调用代码示例助你快速上手进行空间分析与研究。第一部分什么是 WUI定义并非“想当然”在深入研究数据之前我们必须建立严谨的 WUI 定义。美国联邦公报Federal Register 66:751, 2001对 WUI 给出了非常精确的科学定义。根据此定义WUI 区域严格分为两种类型1. 交错带Intermix WUI特征人类房屋直接镶嵌在野生植被之中。也就是说每一栋房屋四周都环绕着自然的森林、草地或灌木。判定标准房屋密度≥ 6.18 套/平方公里且该区域野地植被覆盖率 50%。实际场景你在树林里看到一栋单独的木屋这就属于典型的交错带。2. 交界带Interface WUI特征房屋聚集区与大面积、连续的野生植被相邻但房屋内并没有太多植被。判定标准房屋密度≥ 6.18 套/平方公里野地植被覆盖率≤ 50%但是该区域必须位于距离面积 ≥ 500 公顷、且植被覆盖率 ≥ 75% 的野生植被区域边界 2.4 公里1.5英里以内。实际场景风景优美的别墅区背后紧挨着一片连绵不断的大森林。核心要点6.18 套/平方公里是一个关键的密度阈值低于这个值即使周围全是森林也被定义为“极低密度区域”不构成 WUI。第二部分版本演进与技术方法论——为什么第4版更值得信赖数据来源人口与房屋数据来源于美国十年一次的人口普查U.S. Census的街区级Block-level数据。土地覆被数据来源于USGS 国家土地覆被数据库NLCD用于评估特定区域内的野地植被覆盖率森林、草地、灌木丛、湿地等。第4版V4的重大技术升级相比于前三个版本2015, 2017, 2022年发布第4版在公共土地调整Public Land Adjustment, PLA算法上进行了重大改进。在此之前很多叠加分析会产生错误的数据导致生成奇怪的“细长多边形”Sliver polygons严重影响数据的拓扑结构。第4版的改进之处修复了 PLA 过程中产生的拓扑错误和细长多边形噪声。更精准地剔除了受到公共土地如国家公园、自然保护区、军事基地限制的住宅区影响。提供了更干净、更准确的底层住房密度和 WUI 分类。第三部分数据集结构与字段深度解读实战必读这份数据以矢量多边形Polygons形式提供涵盖美国本土 48 个州及哥伦比亚特区。坐标系统采用NAD 1983 Albers Equal Area Conic投影。在 GEE 中调用并分析时你面对的核心属性字段包括1. 基础标识与地理字段字段名说明BLK202020 年人口普查唯一区块标识符含州、县、街区等复合编码。STATE州名 2 字母缩写。FIPS县的联邦信息处理标准代码。PUBFLAG标志位是否为公共/保护用地1 为是。2. 人口与房屋密度字段四个年代这份数据涵盖了 1990、2000、2010、2020 共 4 个普查年份的数据。字段名示例说明POP2020/HU20202020 年总人口 / 总住房单元数。POPDEN2020/HUDEN20202020 年人口密度人/平方公里/ 住房密度套/平方公里。HU1990~HU2010历史年份的总住房单元数。HUDEN1990~HUDEN2010历史年份的住房密度。3. 野地植被百分比字段考虑到 NLCD 数据发布的时间延迟植被数据分别对应1992, 2001, 2011, 2019年。字段名说明VEG1992PC1992 年该区块野地植被覆盖率%。VEG2001PC,VEG2011PC,VEG2019PC后续年份对应的植被覆盖百分比。BUFVEG标志位该多边形是否位于潜在的交界缓冲区500公顷植被≥75%区域向外2.414公里范围内。WATER20/AWATER20PC水体标志 及 该区块的水体面积百分比。4. 核心指标WUI 分类与标志字段这两个字段是 WUI 数据集最核心的“灵魂”。WUIFLAG1990/2000/2010/20200非 WUI 区域。1属于交错带Intermix。2属于交界带Interface。WUICLASS1990/2000/2010/2020这是一个枚举字段将 WUI 空间进一步细分为了14 种精确定义的类别对于精细的生态建模和火灾风险评估极为关键。第四部分深度解析 14 种 WUI 类别WUICLASS 全解类别名称 (枚举)密度 (套/km²)植被 (%)特殊条件Water(水体)--不解释Uninhabited_Veg(无居住植被区)0 50%无人居住的自然区域Uninhabited_NoVeg(无居住无植被区)0≤ 50%无人居住的荒地Very_Low_Dens_Veg(极低密度植被区) 6.18 50%典型“荒野边缘”Very_Low_Dens_NoVeg(极低密度无植被区) 6.18≤ 50%农业区或稀疏草原Low_Dens_Intermix(低密度交错带)6.18 - 49.42 50%WUI 交错带起点Low_Dens_Interface(低密度交界带)6.18 - 49.42≤ 50%且处在灌木/森林边缘 2.4km 内Low_Dens_NoVeg(低密度无植被区)6.18 - 49.42≤ 50%不在交界缓冲区内的郊区Med_Dens_Intermix(中密度交错带)49.42 - 741.32 50%典型的林间别墅区Med_Dens_Interface(中密度交界带)49.42 - 741.32≤ 50%森林边缘密集小镇Med_Dens_NoVeg(中密度无植被区)49.42 - 741.32≤ 50%典型的城市外围带High_Dens_Intermix(高密度交错带)≥ 741.32 50%可能存在于城市边缘的高密度绿化小区High_Dens_Interface(高密度交界带)≥ 741.32≤ 50%城市边缘线紧邻大面积自然保护区High_Dens_NoVeg(高密度无植被区)≥ 741.32≤ 50%城市核心区域重要解析“交错带”和“交界带”都是火灾风险最高的区域。但“交界带”尤其危险因为它通常是大火从荒野向外蔓延突破的第一道人类防线。第五部分实战指南——在 Google Earth Engine 中调用与使用这份数据被完美托管在了 Google Earth Engine (GEE) 上。你只需几行代码即可访问全国数十万个 WUI 区块进行大规模的时空分析和可视化。5.1 代码示例加载并筛选 2020 年加利福尼亚州的 WUI 数据你可以直接在 GEE Code Editor 中运行以下 Python / JavaScript 代码// 1. 加载 WUI 数据集第四版varwuiCollectionee.FeatureCollection(projects/sat-io/open-datasets/CONUS_WUI);// 2. 筛选 2020 年加利福尼亚州 (FIPS 06) 的数据并提取其 WUI 类别varcaWUI2020wuiCollection.filter(ee.Filter.eq(FIPS,06)).select([WUICLASS2020,HUDEN2020,VEG2019PC]);// 3. 在地图上可视化 (使用调色板表现不同 WUI 类型)varwuiPalette[000000,// 0: 非WUIffff00,// 1: 低密度交错ff9900,// 2: 低密度交界ff0000,// 3: 高密度交错cc0000// 4: 高密度交界];Map.centerObject(caWUI2020,6);Map.addLayer(caWUI2020,{color:red},California WUI Areas);// 4. 打印统计信息查看加州共有多少WUI区块print(加利福尼亚州 2020 WUI 区块数量:,caWUI2020.size());// 5. 导出为 CSV 进行深入的数据分析Export.table.toDrive({collection:caWUI2020,description:CA_WUI_2020_Export,fileFormat:CSV,selectors:[BLK20,WUICLASS2020,HUDEN2020]});代码链接https://code.earthengine.google.com/?scriptPathusers/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/CONUS_WUI5.2 可视化应用SILVIS 团队还提供了一个非常直观的WUI 动态演变 GEE 交互式 Web Apphttps://ee-weidignc.projects.earthengine.app/view/wui-wildfire。你可以在这个网页上滑动时间轴直观观察 1990-2020 年美国各地 WUI 区域的扩张与演变。第六部分WUI 数据的实战应用与科研价值为何一个地理信息系统数据集会引起政策制定者和生态学家的极大关注因为 WUI 数据不仅是地图更是安全与危机的指向标。野火风险预警与城市消防规划通过叠加 WUI 数据与气象数据如干旱指数、风速消防部门可以精准预测“高风险人口密集区”提前部署灭火资源。联邦与地方政府政策制定FEMA美国联邦应急管理局使用该数据评估“灾前减灾计划”的优先级。地方政府利用它调整新住宅开发许可证的发放边界。破碎化、生物多样性与外来物种入侵研究随着 WUI 不断向荒野推进人类活动引入了大量外来物种同时阻隔了野生动物的迁徙廊道。WUI 数据是研究这种“人类-自然冲突”的极佳空间代理变量。全球性比较与推演虽然这份数据主要针对美国本土但其定义标准和 GIS 计算方法Census NLCD 融合已经成为了全球其他国家和地区如澳大利亚、欧洲、中国西南部构建自己 WUI 数据的方法论范本。结语这份由 SILVIS 实验室耗时数十年维护、迭代至第4版的《美国本土 WUI 数据集》是地球大数据在社会生态学领域应用的典范。它不仅打通了人口普查数据和卫星遥感土地覆盖数据之间的壁垒更在时间序列上提供了持续 30 年1990-2020的标准化演变记录。对于地学、遥感、城市规划、乃至公共安全领域的研究者来说掌握在 GEE 中处理、分析 WUI 数据的能力将是一把开启“人类环境耦合系统”研究大门的钥匙。如果你对火灾蔓延模拟或城市扩张感兴趣不妨立刻打开 GEE运行上面的代码看看你所在州在过去 30 年里人类居所与自然植被的交界线是如何交错演变的。引用规范若您在学术论文或报告中使用了这份数据请务必准确引用其原始数据源文献Radeloff, Volker C.; Helmers, David P.; Mockrin, Miranda H.; Carlson, Amanda R.; Hawbaker, Todd J.; Martinuzzi, Sebastián. 2023. The 1990-2020 wildland-urban interface of the conterminous United States - geospatial data. 4th Edition. Fort Collins, CO: Forest Service Research Data Archive. https://doi.org/10.2737/RDS-2015-0012-4