基于机载激光扫描与对象分类的社区尺度微气候模拟：城市树木分类与降温效益评估

本研究针对城市热岛效应与社区间微气候不平等问题，利用高密度机载激光扫描（ALS，58脉冲/m2 ）和随机森林分类器（准确率67.1%）对波特兰两个社会经济差异社区的树木进行垂直结构分类，结合ENVI-met模型量化不同树种降温效益。结果显示富裕社区因拥有更多大型阔叶树（如槭树科），其1.5米高度气温平均低0.23 K，为城市森林规划提供了对象级数据支撑与模拟工具。

　　

随着城市化进程加速，城市热岛效应（Urban Heat Island, UHI）日益威胁居民健康与生态安全。城市森林通过遮荫和蒸腾作用调节微气候，但不同社区因植被组成、树龄结构的差异导致降温效益不均，加剧了环境不公。传统遥感方法（如NDVI）难以捕捉树木的垂直结构与物种特性，而实地调查成本高昂且覆盖有限。如何精准量化不同城市森林的微气候调节能力，成为城市规划与气候适应的关键难题。

针对这一挑战，国外研究人员在《Landscape and Urban Planning》发表研究，整合高分辨率机载激光扫描（Airborne Laser Scanning, ALS）与ENVI-met微气候模型，提出了一套从树木分类到效益评估的创新工作流。研究选取美国俄勒冈州波特兰市两个社会经济差异显著的社区（富裕的Irvington与欠发达的Centennial），通过ALS数据（58脉冲/m²
）提取单木冠层多边形，结合随机森林（Random Forest, RF）算法对树木科属（7类）和胸径（DBH）进行分类预测，最终利用ENVI-met模拟不同树种组合的降温效果。

关键技术方法包括：1）基于标记控制分水岭分割（MCWS）的单木冠层划分；2）52项激光雷达点云统计指标（如高度百分位、回波强度）的RF分类与DBH回归；3）ENVI-met中基于L-String算法的树种特异性模型（如挪威槭、松树）构建；4）6类情景模拟（现状、无树、树种替换、未来生长等）对比气温差异。

研究结果揭示以下发现：

1. 树木科属分类与尺寸聚类
   RF模型对7类树木（含灌木）的分类准确率达67.1%，其中槭树科（Sapindaceae）和蔷薇科（Rosaceae）占比最高。富裕社区（Site A）的槭树密度达18.0株/公顷，是欠发达社区（Site B）的2.3倍，且拥有更多“老年”大型乔木。

2. 微气候模拟差异
   ENVI-met显示Site A的1.5米气温比Site B平均低0.23 K。移除全部树木后，Site A气温上升0.22 K（最高0.53 K），显著高于Site B的0.05 K，印证了阔叶树的优势。

3. 树种敏感性测试
   将全部树木替换为槭树可额外降温0.10 K，而替换为松树（Pinaceae）则导致升温0.19 K，凸显落叶树种的高效蒸腾作用。

4. 未来情景预测
   若维持现有趋势，Site A因更多树木能生长至“极老”阶段，其降温效益将进一步拉大差距（额外0.11 K vs Site B的0.07 K）。在Site B种植40株年轻槭树，待其成熟后降温效益可达0.37 K，显著优于樱桃树的0.16 K。

讨论部分强调，该工作流首次将ALS驱动的对象级树木分类与ENVI-met模拟结合，突破了传统植被指数（如NDVI）的局限性。研究发现社会经济弱势社区不仅树木覆盖率低，且以小型树种（如蔷薇科）和针叶树为主，导致当前及未来的降温潜力双重劣势。研究为精准化城市森林管理提供了科学依据：优先种植槭树等大型落叶树种、确保长期维护以发挥成熟树木效益，是缩小社区间气候服务差距的关键。

这项研究的创新性在于将高分辨率遥感数据转化为可操作的规划工具，支持从单木特性到社区尺度的微气候调控策略优化。未来可扩展至更大范围，结合叶片面积指数（LAI）等参数进一步细化模型，为气候适应性城市设计提供动态评估框架。