基于机载激光雷达与森林调查数据的温带桉树林多层细小可燃物负荷建模研究

本研究针对气候变化下野火频发加剧的全球性挑战，创新性地利用机载激光扫描(ALS)和森林调查数据，开发了温带桉树林多层细小可燃物负荷(FFL)的垂直分层建模方法。研究通过分层随机森林模型实现了冠层(精度R2 =0.74)、冠下层(R2 =0.55)、近地表层(R2 =0.56)和地表层(R2 =0.42)可燃物的精准预测，揭示了地表与冠层FFL对火灾损失的显著影响。该成果为可燃物三维动态监测提供了新范式，对易燃森林的火灾风险评估具有重要实践价值。

　　

野火正以史无前例的强度席卷全球，从澳大利亚"黑色夏季"到加拿大创纪录的火灾季，气候变化使极端火灾事件预计到2050年将增加30%。在易燃性极高的温带森林中，直径小于6毫米的细小可燃物(FFL)是火灾发生和蔓延的关键驱动因素。然而现有研究多局限于冠层可燃物监测，忽视了对火灾传播起关键作用的地表和冠下层可燃物。这一认知空白严重制约了火灾行为预测和燃料管理策略的制定。

维多利亚州公共土地管理局等机构的研究团队在《Science of Remote Sensing》发表重要成果，首次实现了温带桉树林四层垂直可燃物的高精度建模。研究创新性地将ALS点云分层为乔木层(平均高20.7米)、亚乔木层(11.8米)、灌木层(3.7米)和草本层(0.4米)，开发了基于Lorey平均高度的局部动态分层算法。通过提取129个垂直结构特征，构建随机森林模型发现：整合多层特征的组合模型性能最优，其中冠层FFL预测精度最高(R²
=0.74)，关键受冠层高度(zq5、zq25)和叶面积体积(LAHV)影响；地表FFL预测中冠层密度指标解释力超预期，证实了森林垂直结构的复杂互作。

关键技术包括：(1)基于核密度估计的ALS点云垂直分层；(2)129维分层特征提取(高度、叶面积密度、体素指标等)；(3)VSURF算法特征选择；(4)随机森林模型构建与模型无关解释方法；(5)利用2019-2020年维多利亚州火灾前后ALS数据验证可燃物-火灾损失关联。

研究结果显示：

1. 分层特征显著提升模型性能，组合模型较单层模型R²
   提升达34%。
2. 地表FFL与火灾密度损失相关性最强(R=0.47)，而冠层FFL主要关联高度损失。
3. 典型相关分析(CCA)表明预燃FFL可解释35%的森林损失变异，其中地表FFL贡献最大。

该研究突破了传统可燃物监测的平面视角，首次构建了三维可燃物预测框架。其创新性体现在：(1)开发动态垂直分层方法，克服固定高度阈值的局限性；(2)揭示上层冠层结构对下层可燃物的调控作用，如冠层开度40-60%时近地表FFL下降；(3)证实ALS在难以到达区域的可燃物监测优势。研究成果为易燃森林的精准燃料管理提供了科学依据，特别是验证了地表燃料管理在减轻火灾损失中的核心地位。未来通过融合卫星数据，该方法有望扩展至大尺度可燃物动态监测，为应对气候变化的森林适应性管理提供新工具。