瑞士10米分辨率小时尺度潜在光可用性地图：全国尺度森林微气候与生态水文过程研究新突破

《Scientific Data》：Hourly potential light availability maps at 10?m resolution over Switzerland

本刊推荐：为量化地形与森林结构对地表光可用性的复杂影响，研究人员开发了瑞士首套全国尺度10米分辨率小时光可用性数据集SwissRad10。通过融合机载激光雷达与地形数据，采用冠层辐射模型(CanRad)计算天空视域因子(SVF)和直接光束透射率(DBT)，首次实现了单棵树级别的阴影模拟。该数据集为森林微生境适宜性评估、生物地球化学循环和积雪模拟等研究提供了关键输入，对生态水文过程机理解析具有里程碑意义。

　　

在瑞士这片拥有80%自然景观的国度，阿尔卑斯山的雄姿与绵延的森林共同编织出复杂的光影画卷。每当太阳升起，地形起伏与树木枝桠便如同自然的雕刻师，在地表塑造出瞬息万变的明暗图案。这些光影变化不仅决定着冰雪消融的节奏，控制着植被的光合作用，更影响着从微生物到大型动物的栖息环境。然而，要精确捕捉这种厘米级的光影舞蹈，特别是在全国尺度上实现小时级精度的动态监测，一直是生态学与水文学研究的重大挑战。

传统的光照测量方法往往受限于站点布设的稀疏性，难以反映山地森林环境的细微差异。而遥感技术虽能提供大范围观测，却往往无法穿透茂密冠层，更不用说捕捉单棵树投下的阴影变化。这种数据缺失直接制约着我们对森林能量平衡、物种分布格局以及水资源循环等关键过程的理解精度。

正是在这样的背景下，来自瑞士雪与雪崩研究所(SLF)等机构的科研团队在《Scientific Data》上发布了突破性的SwissRad10数据集。这项研究首次实现了对瑞士全境10米分辨率、小时时间尺度的全年光可用性精确制图，创新性地将地形遮蔽与每棵树的阴影效应纳入统一计算框架。

研究人员成功融合了多源地理信息数据，主要包括：利用2012-2023年采集的机载激光雷达点云数据构建的1米分辨率冠层高度模型(CHM)，结合5米精度数字地形模型(DTM)准确刻画地形特征；整合瑞士联邦森林、雪与景观研究所(WSL)的森林类型混合率数据集，区分常绿与落叶树种比例；应用自主开发的冠层辐射模型(CanRad)，通过合成半球图像技术同步计算天空视域因子(SVF)和直接光束透射率(DBT)两个关键参数。该模型特别考虑了叶面物候变化，分别生成叶茂(leaf-on)与落叶(leaf-off)两种情景下的光传输数据。

模型核心技术原理在于将地形辐射传输(T2R)与冠层辐射传输(C2R)模块有机结合。T2R模块基于5米局部DTM和50米区域DTM，计算25公里半径内的地形地平线；C2R模块则通过冠层几何排列与统计透射率校正，量化光在冠层中的穿透概率。其中关键公式p_t=exp[-G(θ)∑λl_t]描述了光线穿透冠层的概率，其中G为投影函数，λ为有效叶面积体积密度，l_t为路径长度。

数据生成规模

研究团队共完成了7.7亿次半球图像计算，其中地形数据集覆盖瑞士全境所有10米像素点(4.15亿次计算)，叶茂与落叶数据集覆盖森林像素点(3.56亿次计算)。数据集以GeoTIFF格式存储SVF数据，NetCDF格式存储每小时DBT数据，时间跨度为2020年全年8784个时间点。

模型验证结果

通过90张实地拍摄的半球照片验证显示，SVF预测值与实测值的均方根误差(RMSD)在不同森林类型中均低于0.05。落叶阔叶林在叶茂期的误差最小(0.02)，常绿针叶林为0.03，落叶针叶林在落叶期为0.05。这种精度水平证实了模型在复杂森林环境中的可靠性。

景观尺度验证

将模型输出的DBT与哨兵2号卫星影像对比发现，数据集能准确再现复杂地形造成的阴影分布模式。在1月21日(落叶期)11时的对比中，模型成功捕捉到大范围地形遮蔽；而在9月6日(叶茂期)同一时刻，虽然阴影面积显著缩小，但局部地形阴影仍被精确模拟。

这项研究的创新价值在于首次实现了国家尺度下单棵树级别的光传输动态模拟。数据集已成功应用于多个重要领域：在积雪水文预报业务中，250米分辨率版本的叶落期数据被用于改进冠层结构参数；在微气候制图研究中，20米分辨率的叶茂期数据通过统计模型生成瑞士全境微气候图；在森林边缘结构量化方面，数据集为理解林缘效应提供了新视角。

SwissRad10数据集的发布标志着生态水文过程研究进入了新的阶段。它不仅为科学家提供了探索森林能量平衡的精密工具，更为自然资源管理者和政策制定者提供了科学决策依据。随着气候变化对山地生态系统影响加剧，这种高精度环境数据集将帮助我们更准确地预测森林动态、水资源变化和生物多样性响应，为可持续发展目标的实现提供坚实的数据支撑。

该数据集已通过EnviDat平台公开共享，采用CC0 1.0许可协议，模型代码可在GitHub仓库获取，为相关领域的后续研究提供了重要的基础平台。