手持激光扫描与无人机摄影测量在地中海开放林地火灾风险评估中的实用工具评估

《Small-scale Forestry》:Practical Tools for Fire Risk Assessment in Mediterranean Open Woodlands Using Handheld Laser Scanning and Unmanned Aerial Vehicle Photogrammetry

【字体: 大 中 小 】 时间:2026年10月23日 来源:Small-scale Forestry 2.4

编辑推荐:

  摘要专业翻译 地中海森林正日益面临野火威胁。鉴于这一现状,迫切需要获取高精度、高分辨率的林冠燃料特征数据,以支持火灾行为建模并指导风险缓解工作。本研究评估了手持移动激光扫描(HMLS)与低成本无人机数字航空摄影测量(UAV-DAP)在估算关键林冠燃料参数和林分

  
摘要专业翻译 地中海森林正日益面临野火威胁。鉴于这一现状,迫切需要获取高精度、高分辨率的林冠燃料特征数据,以支持火灾行为建模并指导风险缓解工作。本研究评估了手持移动激光扫描(HMLS)与低成本无人机数字航空摄影测量(UAV-DAP)在估算关键林冠燃料参数和林分结构属性方面的表现,这些参数包括林冠基高、林分高、林冠燃料载量、林冠体密度和林冠覆盖度。研究人员在伊比利亚半岛西南部以栓皮栎(Quercus suber)或冬青栎(Quercus ilex)为主的开放林地(dehesas)中,从12个圆形样地收集了野外数据。每个样地分别采用传统森林清查、配备GeoSLAM ZEB Horizon扫描仪的HMLS,以及通过运动恢复结构(SfM)技术处理的RGB影像UAV-DAP进行调查。两种方法获取的点云均使用LiDAR360软件处理,以提取林冠燃料参数。HMLS对大多数变量提供了最准确的估算,其相对均方根误差(RMSE%)范围为林冠燃料载量的4%至林冠基高的23.3%。UAV-DAP的RMSE%范围较宽,从林分高的5.9%至林冠体密度的41.2%,且对于需要表征林冠下层结构的变量(如林冠燃料载量和林冠体密度)效果明显较差。研究结果表明,HMLS是小型森林管理者获取林冠下数据以评估火灾风险并提供高分辨率燃料制图参考数据的可靠且高效的工具,而UAV-DAP则可能是管理者在难以进入或需要低成本清查区域作业时的可行选择。
论文解读文章
研究背景与问题
全球范围内,野火的规模、严重程度和发生频率正在不断增加,这一趋势加剧了生物多样性丧失、削弱了CO2固存能力、扰乱了水文过程,并造成土地退化和土壤侵蚀,同时带来巨大的经济和社会成本。地中海地区尤其容易遭受极端森林野火的侵袭,每年约占欧洲总过火面积的85%。气候变化(表现为气温升高和持续干旱)进一步加剧了火灾风险,增加了发生大规模、猛烈且难以控制火灾的可能性。在此背景下,野火建模工具发挥着至关重要的作用,其目标包括识别火灾高易发区域以制定预防策略,以及优化灭火物资和人力资源的配置。这类建模需要最新的大尺度空间数据来预测与潜在火灾行为相关的变量,其中林冠火概率和行为的预测模型依赖于特定的林冠燃料参数,包括林冠燃料载量、林冠体密度、林冠基高、林分高和林冠覆盖度。
激光雷达(LiDAR)技术已被广泛用于预测林分变量,国家尺度的机载激光扫描(ALS)数据在欧洲、北美和澳大利亚日益普及,但基于这些数据生成的高分辨率燃料图需要利用样地实测数据进行校准才能保证可靠性。传统森林野外清查既昂贵又耗时,且容易产生人为误差,无法重建树木几何结构。相比之下,地面激光扫描(TLS)能够自动、快速且极其准确地表征树木结构,但其在林业中的推广受到技术成本、操作人员专业要求以及单站扫描遮挡效应等因素的制约。为简化TLS部署,近年来研究者探索了背包式激光扫描和手持移动激光扫描(HMLS)等多种移动扫描形式。与此同时,无人机(UAV)凭借高空间分辨率和频繁的时间覆盖能力,以相对较低的设备和运行成本,已成为林业研究中极具价值的工具,其搭载的RGB相机通过摄影测量技术可生成三维点云。然而,这些方法在地中海开放林地中估算林冠燃料特征方面的应用尚未得到验证。
研究目的与意义
本研究旨在评估和比较HMLS与搭载RGB相机的低成本UAV在估算火灾行为相关变量方面的准确性,研究对象为以栓皮栎和冬青栎为主、具有多变林冠结构和林分密度的地中海开放林地。研究评估了UAV数字航空摄影测量(UAV-DAP)能否作为HMLS的可行替代方案,用于获取与火灾风险相关的林冠参数,并为校准应用于国家尺度LiDAR数据集(如西班牙PNOA计划提供的数据)的模型提供参考数据。该研究填补了这些方法在此类林地中估算林冠燃料特征方面的空白。
关键技术方法
研究在伊比利亚半岛西南部的阿拉塞纳山脉和阿拉切自然公园开展,该区域为地中海气候,开放林地(dehesa)约占公园总面积的40%,优势树种为冬青栎和栓皮栎。研究人员按优势树种将区域分层,每层选取6个样地,共12个半径为18米的圆形样地,总计清查113棵树。每个样地采用三种方法调查:传统森林清查(使用Vertex 4测高仪测量树高和林冠基高,用卡尺测量胸径);使用GeoSLAM ZEB Horizon扫描仪进行HMLS数据采集(采用平行样线步行路径设计,样线间距9米,平均点密度为30,046点/m2);使用大疆Phantom 4 Pro四旋翼无人机搭载2000万像素RGB相机进行UAV-DAP数据采集(飞行高度35米,航向和旁向重叠度80%,地面采样距离0.96厘米/像素,平均点密度为3,249点/m2)。点云数据均导入LiDAR360软件处理,包括去噪、地理配准、地面点分类、地形归一化、样地裁剪和单木分割。由于UAV-DAP无法直接估算胸径,研究人员基于先前研究中225棵树的HMLS数据(12个冬青栎样地121棵树和12个栓皮栎样地104棵树),建立了以冠面积为预测变量的线性混合效应模型来预测胸径,最终模型为:Ln(胸径)= 1.5997 + 0.4932 × Ln(冠面积)。
研究结果
林冠燃料参数与林分结构属性
三种方法(HMLS、UAV-DAP和传统清查)获取的林冠燃料参数和林分结构属性均值在表1中列出。Wilcoxon秩和检验显示,冬青栎样地林冠基高、林冠燃料载量和林冠体密度显著高于栓皮栎样地(p < 0.05);栓皮栎样地在树密度、断面积和平均胸径方面均值较高,但差异未达显著水平。
基于冠面积的胸径预测
协方差分析表明两个树种在斜率和截距上均无显著差异,因此拟合了适用于两个树种的合并模型。样地级随机效应高度显著(p = 0.0007),约占总方差的40%,表明冠面积与胸径的关系存在局部变异,可能归因于林分密度的差异。在独立验证数据集(n = 112)上,模型表现出良好的预测性能:偏差为?0.59 cm(偏差% = 1.48%),Nash-Sutcliffe效率(EF)为0.67,表明观测值与预测值之间具有令人满意的一致性。残差分析验证了线性模型的同方差性、正态性和无异常值假设均得到满足。
清查方法的相对表现
以传统清查测量值为参考,HMLS在估算所有林冠燃料参数方面均优于UAV-DAP,RMSE%范围为4%至23%。林冠燃料载量的RMSE为3.7%,林冠体密度为15.9%,两者与传统清查的相关性均达R = 0.99。林冠基高表现最差,RMSE为23.29%,偏差为?20.47%,且相关性最低(R = 0.58)。散点图显示HMLS倾向于低估林冠基高、林冠燃料载量和林冠体密度。UAV-DAP在树高相关变量(林分高和林冠基高)上的表现与HMLS相当,RMSE%非常接近,偏差略优,林分高的R值为0.94,林冠基高为0.71。然而,UAV-DAP在估算林冠燃料载量和林冠体密度方面表现较差,RMSE和偏差均显著高于HMLS,其RMSE%分别达37.43%和41.23%,相关性分别为R = 0.79和0.78。UAV-DAP倾向于低估林冠燃料载量、林冠体密度和林分高。对于林冠覆盖度,UAV-DAP表现良好,偏差为?4.11%,RMSE为8.35%,与HMLS测量值的相关性达R = 0.99。
林分特征对测量误差的影响
Pearson相关分析显示,UAV-DAP估算的林冠覆盖度绝对误差与平均胸径呈显著负相关(R = ?0.61,p < 0.05),表明对于平均胸径较小的样地,基于摄影测量的林冠覆盖度估算可靠性较低。UAV-DAP估算的林冠基高绝对误差与林分高呈显著正相关(R = 0.64,p < 0.05),而HMLS估算的林冠体密度绝对误差与林分高呈显著负相关(R = ?0.65,p < 0.05)。这些结果表明林分结构特征可能影响基于激光扫描或摄影测量的林冠燃料估算精度,但由于分析基于样地级数据(n = 12)且未进行多重比较校正,这些相关性应视为探索性结果。
树种对测量误差的影响
Wilcoxon秩和检验比较了冬青栎和栓皮栎样地之间各变量的绝对误差,仅发现HMLS估算的林冠体密度绝对误差存在显著差异(W = 33,p < 0.05)。由于大多数变量未显示显著差异,树种特有的结构特征对HMLS或UAV-DAP性能的影响似乎很小。林冠体密度的RMSE和偏差绝对值在冬青栎中高于栓皮栎,但两个树种的相对误差相当。同样,由于样本量有限且未进行多重比较校正,这一单一显著差异应视为探索性结果。
讨论与结论
讨论部分指出,HMLS在估算林冠体密度和林冠燃料载量方面表现出色,RMSE分别为15.9%和3.7%,与传统清查的相关性达R = 0.99,优于西班牙西北部使用TLS在纯同龄辐射松和海岸松中的结果(林冠体密度R = 0.71,林冠燃料载量R = 0.65),与美国新泽西州松林地带使用背包式剖面LiDAR系统的结果相当(林冠体密度R = 0.97,林冠燃料载量R = 0.96)。UAV-DAP在林冠燃料载量估算方面的表现受限于被动遥感系统的固有局限性,即主要捕获林冠上层信号,难以表征林冠下层或亚冠层参数。研究强调,三种方法均未直接测量林冠燃料载量或林冠体密度,林冠燃料载量通过基于胸径的异速生长方程获得,因此方法的差异仅在于胸径的测量或估算方式;UAV-DAP通过冠面积重建胸径,其误差主要来源于这一转换过程而非冠面积测量本身。这一发现凸显了重新审视胸径作为森林清查关键变量的必要性,随着遥感技术提供越来越精确的结构属性直接估算,应优先更新基于胸径的生物量模型,转而开发基于遥感可更便捷准确测量的变量的模型,这对资源有限的小型森林管理者尤为重要。对于林冠覆盖度,UAV-DAP被证明是一种有效方法,RMSE仅为8.4%,与HMLS相比表现良好,这与先前研究发现UAV-DAP是估算林冠覆盖度的可靠方法一致。
研究结论表明,HMLS是小型森林管理者获取林冠下数据以评估火灾风险并提供高分辨率燃料制图参考数据的可靠且高效的工具,而UAV-DAP则可能是管理者在难以进入或需要低成本清查区域作业时的可行选择。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号