基于定量结构模型的树木体素叶面积密度估算对比研究：减少落叶乔木研究工作量与数据冗余的新方法

为解决落叶乔木研究中叶面积密度(LAD)估算需重复扫描导致的工作量冗余问题，研究人员创新性地利用定量结构模型(QSM)与体素化方法，通过16株悬铃木的叶期与落叶期地面激光扫描(TLS)数据，建立叶面积密度预测模型。研究采用Hist梯度提升回归器(HGBR)实现最佳预测性能(R2 =0.56，平均绝对误差0.0187 m2 /m3 )，为城市树木功能评估提供高效工具，并为园林管理提供数字化决策支持。

　　

在城市绿化与气候适应研究中，落叶乔木的叶面积密度(LAD)是评估遮阳、蒸腾等生态功能的关键参数。传统方法需分别在叶期和落叶期进行地面激光扫描(TLS)，导致数据采集工作量大且存在冗余。更棘手的是，当前技术无法在落叶期扫描中捕获连接叶片的所有细小枝条，使得基于枝条结构预测叶分布的可行性存疑。这一瓶颈制约了城市树木数字化管理的效率，也限制了园艺实践中通过冬季修剪调控夏季叶分布的精准性。

针对这一挑战，来自德国慕尼黑工业大学等机构的研究团队在《Science of Remote Sensing》发表创新成果。研究团队以16株街道种植的悬铃木(Platanus x hispanica)为对象，通过多季节TLS扫描获取高精度点云数据，首次建立定量结构模型(QSM)与体素叶面积密度的关联体系。研究发现，通过Hist梯度提升回归器(HGBR)模型，仅需落叶期扫描数据即可预测叶期体素LAD，预测误差仅16.33%，为城市树木研究提供了高效新范式。

研究团队运用三项核心技术：1) 采用treeQSM算法从落叶期TLS数据重建树木枝干定量结构模型(QSM)，通过 Voronoi 分区和最小二乘拟合优化圆柱体建模；2) 基于VoxLAD方法处理叶期扫描数据，通过光束接触频率和叶片倾角分布(设定为斜向型)计算0.8m体素LAD；3) 创新设计138维QSM指数体系，将枝干圆柱体的几何拓扑特征(如数量、体积、相对位置等)与体素空间关联，并引入3体素(2.4m)和5体素(4.0m)缓冲框捕捉空间上下文特征。

【研究结果】

1. 模型性能与关键特征：HGBR模型表现最优(R²
   =0.56)，3体素缓冲框内圆柱总数对预测贡献达50%，结合圆柱起始高度差(贡献20%)等特征，证实枝干空间分布与叶密度存在显著关联。

2. 冠层分布规律：预测LAD准确反映实测数据的垂直与水平分布趋势，冠层中心(枝密叶少区)存在20%高估，而冠缘区域(距主干3.5m处)峰值LAD 0.08 m²
   /m³
   与实测一致。

3. 跨尺度验证：应用于13株苗圃悬铃木时，胸径(DBH)20cm的树木叶面积指数(LAI)预测与半球摄影测量仅偏差0.12 m²
   /m²
   (8.6%)，但小规格树木(DBH 9cm)适应性有待优化。

【结论与意义】
该研究开创性地证明：基于落叶期枝干QS