基于LiDAR森林结构变化指数(LFSCI)的冰雪风暴后森林损失评估研究

推荐：针对冰雪风暴导致森林垂直结构变化难以量化的问题，研究人员提出新型LiDAR森林结构变化指数(LFSCI)，通过双时相无人机LiDAR点云数据，在网格和单木尺度验证显示LFSCI与林分蓄积量变化相关性(R2 =0.64)显著优于传统指标(CC/LAI/TH)，为灾害评估提供创新方法。

　　

冰雪风暴对森林生态系统的破坏已成为全球性挑战。传统光学遥感方法主要关注冠层水平变化，难以捕捉冰雪灾害导致的森林垂直结构改变，而地面调查又存在效率低下、标准不统一等问题。中国研究人员在《Plant Phenomics》发表的最新研究，通过创新性开发LiDAR森林结构变化指数(LFSCI)，为这一难题提供了突破性解决方案。

研究团队利用无人机LiDAR技术，以2024年武汉狮子山冰雪灾害为案例，采集灾害前后点云数据(密度177 pt/m²
)，结合43个20m×20m样地实测数据，构建了基于点云垂直分布积分的LFSCI指数。该指数包含冠层变化分量(LFSCI_C
)和林下变化分量(LFSCI_U
)，通过量化点密度曲线差异综合反映结构变化。关键技术包括：双时相LiDAR数据采集、CSF滤波地面点分类、体素下采样点密度控制(5-177 pt/m²
)，以及基于流域算法的单木分割。

研究结果显示：1) LFSCI在网格尺度与蓄积量变化相关性达R²
=0.64，显著优于CC(R²
=0.52)、LAI(R²
=0.38)和TH(R²
=0.16)；2) 点密度50 pt/m²
为最佳性价比阈值；3) 纯樟树林受损最严重(LFSCI均值7.2)，混交林抗性较强；4) 树高>22m、坡度>20°、阴坡林分更易受损。

讨论部分强调，LFSCI的创新性在于首次通过积分运算量化垂直结构整体变化，能识别传统方法遗漏的亚冠层损伤(如弯曲树枝)。该研究为森林灾害监测提供了自动化解决方案，同时揭示植被类型、地形因子与抗灾性的关联规律，对指导灾后生态修复具有重要意义。值得注意的是，季节性物候变化和枯立木可能影响精度，未来可结合LiDAR强度信息或多源数据融合进一步优化。