基于无人机LiDAR技术的秘鲁西北部可可农林系统地上生物量与碳储量估算研究

本研究针对可可农林系统生物量与碳储量估算难题，采用无人机载LiDAR技术结合自动分割算法，实现了系统结构参数的精准提取。结果显示树木分割效率达93%，DBH（胸径）和树高估算精度分别为0.93和0.99，成功量化了0.58公顷样地内15,492.5 kg生物量与7,746.25 kg碳储量，其中芒果树和椰子树贡献超80%。该研究为热带农林系统碳汇监测提供了高效非破坏性技术方案。

　　

在应对气候变化的全球行动中，热带农林系统作为重要的碳汇载体备受关注。其中，可可农林系统（Theobroma cacao L.）不仅维系着数百万农户生计，更展现出显著的碳封存潜力（22.9±2.60 Mg/ha）。然而，传统生物量估算方法面临巨大挑战：植被结构复杂、物种多样性高导致测量效率低下，人工目测评估树高和冠幅等参数存在主观偏差，且野外作业在偏远地区实施困难。这些瓶颈严重制约了对农林系统碳汇功能的精准评估和可持续管理。

为突破这些限制，秘鲁国家农业创新研究所（INIA）的研究团队在《Remote Sensing Applications: Society and Environment》发表了一项创新研究，首次将无人机LiDAR（Light Detection and Ranging，激光探测与测量）技术应用于秘鲁可可农林系统的生物量与碳储量估算。该研究通过集成先进遥感技术与物种特异性异速生长方程，建立了高效、精准的生态系统监测新范式。

研究团队采用DJI Matrice 350 RTK无人机搭载Zenmuse L2传感器（水平精度5cm，垂直精度4cm），通过双网格飞行模式（航高35米，相机角度-90°和-45°）获取高密度点云数据。利用LiDAR360软件进行点云去噪、地面点分类和归一化处理，采用自动分割算法（聚类容差0.3，最小树高2米）识别单木结构。基于60棵样本树的实地测量数据（胸围CBH用卷尺测量，树高用尼康Forestry Pro II测高仪测定）验证分割精度，并应用7个树种的异速生长方程（R²均>0.90）计算生物量，最后乘以0.5的碳转换系数得到碳储量。

3.1. 单木分割结果

自动分割成功识别出368棵树木（准确率93.88%），涵盖7个物种。可可树（T. cacao L.）占主导地位（310棵，84.2%），椰子树（C. nucifera）次之（50棵，13.6%），其余物种（芒果树、香椿等）数量较少。未识别树木主要位于茂密冠层下方，揭示了复杂植被结构对探测精度的限制。

3.2. 指标提取

结构指标相关性分析显示：DBH与冠体积（R²=0.84）、冠面积（R²=0.81）呈强相关；树高与平均冠径（R²=0.81）、DBH（R²=0.80）关系密切。这些关联为基于易测指标推算复杂参数提供了理论基础。

3.2.1. 树高估算决定系数

LiDAR估算树高与实地测量高度一致（R²=0.996，MAE=0.28米，RMSE=0.43米）。双网格飞行策略有效提升了冠层穿透能力，确保了垂直结构表征的准确性。

3.2.2. 胸径估算决定系数

DBH估算精度稍低（R²=0.895，MAE=3.19cm），尤其对直径>20cm的树木偏差明显。这主要源于密集冠层对激光束的阻挡，导致树干中部点云密度不足。

3.3. 基于无人机LiDAR的生物量与碳储量估算

系统总生物量为15,492.5kg，碳储量为7,746.25kg。芒果树（M. indica）贡献最大（生物量7,392.8kg，占47.7%），椰子树次之（5,562.7kg，36.6%），可可树仅占13.2%。空间分析显示生物量集中分布于地块边界和西南部，西北部因植被稀疏而储量较低。

研究结论表明，无人机LiDAR技术能高效精准地量化农林系统碳汇功能。讨论部分指出：尽管冠层复杂度会影响DBH估算，但通过优化飞行参数（如降低航高、增加旁向重叠率）可提升数据质量；物种特异性异速生长方程虽存在区域适应性局限，但避免了破坏性采样，更具生态友好性。该技术为制定基于碳汇功能优化的农林管理策略（如优先保护高生物量物种、调整种植布局）提供了科学依据，对推动热带地区气候变化减缓与农业可持续发展具有重要意义。