基于LiDAR冠层高度模型与实地数据的混合树种城市植物园森林地上生物量建模研究

本研究针对城市森林碳储量评估中传统野外调查成本高、效率低的问题，采用无人机LiDAR技术获取冠层高度模型(CHM)，结合287株树木的实地测量数据(DBH、高度及木材密度)，建立了混合树种(56种)植物园AGB估算模型。结果显示CHM与树高呈强相关(r=0.85)，对数回归模型可解释43%的AGB变异，证实LiDAR技术可作为城市森林生物量监测的有效替代方案，为碳汇管理提供新方法。

　　

随着全球对碳减排需求的日益迫切，城市森林作为重要的碳汇载体受到广泛关注。然而，传统基于胸径(DBH)和树高的野外生物量调查方法在物种多样性高、结构复杂的城市森林中面临巨大挑战——每公顷需测量数百株树木的耗时耗力过程，使得大范围监测难以持续。更棘手的是，混合树种林分的异质性会导致传统异速生长方程精度下降，而卫星遥感因空间分辨率不足难以捕捉单木尺度特征。这些瓶颈促使科学家们探索新型遥感技术解决方案。

Griffith大学的研究团队选择澳大利亚昆士兰亚热带地区一个具有典型代表性的案例——Logan校区10年生、56个树种的5.2公顷城市植物园，创新性地将无人机LiDAR技术与传统生态调查相结合。通过对比287株样木的实测数据与0.25米分辨率的冠层高度模型(CHM)，发现LiDAR数据不仅能准确重建林分三维结构(识别出975株单木，平均冠幅半径3.8米)，其CHM值与实测树高更呈现显著线性关系(R²=0.73)。尽管AGB估算精度(R²=0.43)受多干木定位误差影响有所降低，但该研究首次证实了轻量化无人机平台在年轻混合林生物量监测中的适用性，为城市碳汇动态监测提供了可推广的技术范式。相关成果发表在《Geomatica》期刊。

研究团队采用三项关键技术：1) 无人机LiDAR点云数据(0.25m分辨率)生成数字表面模型(DSM)与数字地形模型(DTM)，通过CHM=DSM-DTM提取冠层高度；2) 基于R语言lidR包的移动窗口算法(搜索半径6m)识别单木顶点，结合分水岭法划定树冠范围；3) 采用Chave异速生长方程AGB=0.0673×(ρD²H)^0.976计算实测生物量，其中ρ为木材密度，D为DBH，H为树高。

【研究结果】
3.1 模拟树顶与实测树木
LiDAR数据成功重建了植物园三维结构，识别出平均高度8.4m的975株单木(187.5株/ha)。五株保留原生树(最高14.9m)与人工林(最高9.1m)形成鲜明对比，印证了10年生人工林的快速生长特性。

3.2 野外数据与遥感数据关系
Pearson相关性分析揭示CHM与实测树高(r=0.85)、DBH(r=0.52)、AGB(r=0.52)均显著相关，而Sentinel-2衍生的植被指数(EVI/LAI)相关性不足0.15，说明光学遥感在单木尺度应用受限。

3.3 基于冠层高度模型的树木特征建模
建立的线性回归模型(树高=1.9436+0.8471×CHM)与对数模型(ln(AGB)=0.4904+0.1335×CHM)表明，CHM对高度预测效果优异，但对AGB估算仍存在改进空间，这与多干木平均定位误差(~5m)和异速生长方程适用性有关。

【讨论与结论】
该研究创新性地验证了无人机LiDAR在年轻混合林生物量评估中的适用性。与伊朗Hyrcarian混合林(R²=0.80)和美国马里兰落叶林(R²=0.66)等研究相比，虽然AGB估算精度稍低，但在10年生人工林场景下已属突破。研究同时发现，加入Sentinel-2植被指数未能提升模型精度，这与10米分辨率数据难以匹配单木冠幅(<5m)的特性相符。

技术层面，智能手机GPS定位误差(~5m)和60%样本的多干木特性是主要误差源，建议后续研究采用RTK定位设备。值得注意的是，该案例中LiDAR数据仅需单次飞行即可覆盖全林，相较传统每公顷2-3人日的调查效率提升显著。这项研究为城市森林碳汇的快速评估提供了标准化技术路径，特别适合政府机构对分散式绿地碳储量的动态监管。未来研究可探索融合多时期LiDAR数据与高光谱特征，进一步提升年轻人工林AGB估算精度。