《Agricultural and Forest Meteorology》:Estimation of nadir clumping index (NCI) using airborne laser scanning data over global forest sites
编辑推荐:
冠层聚集指数(CI)和天底聚集指数(NCI)描述了叶片空间分布,对于冠层辐射传输和陆面过程模拟至关重要。经典方法,如对数间隙分数平均法(LX)、间隙大小分布法(CC)以及组合间隙大小和对数平均法(CLX),已被探索用于在野外研究中估算CI。然而,使用经典方法从
冠层聚集指数(CI)和天底聚集指数(NCI)描述了叶片空间分布,对于冠层辐射传输和陆面过程模拟至关重要。经典方法,如对数间隙分数平均法(LX)、间隙大小分布法(CC)以及组合间隙大小和对数平均法(CLX),已被探索用于在野外研究中估算CI。然而,使用经典方法从机载激光扫描(ALS)数据中估算森林NCI仍然具有挑战性,因为这些方法不直接适用于ALS数据,且估算精度受到脉冲密度和足迹大小的严重阻碍。这里,研究人员通过考虑脉冲密度、足迹大小和其他约束条件,改进了经典方法以从45个全球森林站点的ALS数据中估算NCI。结果显示,CC方法得到了最高的平均NCI(0.82 ± 0.20),其次是LX方法(0.65 ± 0.19)和CLX方法(0.54 ± 0.18)。与野外测量验证表明,通过LX和CLX方法导出的植物面积指数(PAI)与从数字半球摄影(DHP)和地面激光扫描(TLS)获得的野外PAI吻合良好(|偏差| ≤ 0.31),而CC方法导出的PAI显示出系统性低估(偏差 = ?1.35)。CLX方法整体表现最佳,对于PAI实现了R2 = 0.76,RMSE = 1.31,偏差 = ?0.24;对于NCI实现了R2 = 0.22,RMSE = 0.14,偏差 = ?0.07。LX NCI随着FVC、CHM、PAIe和PAI的增加而减小,而CC NCI则显示出相反的趋势。CLX NCI总体上更接近LX NCI,并随着结构参数的增加而减小。所提出的方法可扩展到更大尺度的NCI估算。反演的NCI值可用于冠层反射率模型、陆面模型以及方向性CI估算。
### 论文解读:基于机载激光扫描数据的全球森林天底聚集指数估算
**研究背景与问题**
冠层聚集指数(CI)定量描述叶片空间分布,对辐射传输、光合作用、降水截留和蒸散等植被过程至关重要。CI在生态模型、陆面过程模型和冠层辐射传输模拟中列为关键参数,并影响森林生物物理参数反演和可持续管理。然而,CI随观测角度变化,天底聚集指数(NCI)作为方向性CI的基础参数,与Landsat、Sentinel-2、GEDI等天底视角卫星系统对齐,但野外NCI数据稀缺,制约了对NCI特性的理解。经典方法(LX、CC、CLX)主要针对野外光学测量开发,若直接应用于机载激光扫描(ALS)数据,因离散采样、足迹大小和低脉冲密度,NCI估算面临挑战,且现有方法尚未系统验证。因此,研究人员旨在从ALS数据中估算全球森林站点的NCI,并评估不同方法的适用性。论文发表在《Agricultural and Forest Meteorology》。
**主要技术方法**
研究人员基于45个全球森林站点(包括美国NEON的42个站点、德国2个站点、中国1个站点)的离散回波ALS数据,适配经典LX、CC、CLX方法估算NCI。关键技术包括:①使用BL指数(基于回波强度与数量的激光穿透指标)估算段级间隙分数(GF
seg),并设定2米高度阈值区分冠层回波;②LX方法通过30米网格剖分,分段计算GF
seg后按对数平均公式求NCI;③CC方法以ALS足迹直径为间隙大小阈值,去除非随机大间隙后计算NCI;④CLX结合LX与CC,在段内先进行CC校正再对数平均。此外,采用数字半球摄影(DHP)和地面激光扫描(TLS)数据作为验证参考,野外数据采集时间与ALS同步。样本队列来源涵盖NEON、德国SYSSIFOSS项目和中国塞罕坝国家森林公园。
**研究结果**
**4.1 ALS与野外PAI及NCI的对比**
通过对比不同段大小(0.5–15米)下的PAI估算,LX和CLX方法在2米段大小时整体偏差最低(PAILX偏差=?0.31,PAICLX偏差=?0.24),CLX方法精度最高(R
2=0.76,RMSE=1.31)。CC方法估算的PAI系统性低估(偏差=?1.35)。ALS NCI与TLS NCI直接对比显示,NCILX和NCICLX相关性较低(R
2=0.20–0.22)但偏差小(0.00和?0.07),而NCICC相关性高(R
2=0.80)但系统性高估(偏差=0.20)。
**4.2 影响ALS NCI估算的因素**
- **4.2.1 GF
seg变异性对LX和CLX的影响**:在低GF(高PAI)区域,CVGF(段GF变异系数)较高,导致NCILX和NCICLX低估,PAI高估;低脉冲密度是主要误差来源。
- **4.2.2 间隙大小阈值对CC的影响**:ALS足迹大小作为阈值,与TLS导出阈值接近时效果较好;但ALS的半截获第一回波标记导致P
>footprint_size低估,进而高估Fmr和NCICC。
- **4.2.3 扫描角阈值的影响**:扫描角阈值从8°增至14°时,PAI
e精度提升,之后稳定;LX和CLX的偏差随阈值增加而略增,CC受影响小。
**4.3 ALS NCI的特征**
NCI地图显示,CC方法结果平滑且均值最高(0.82±0.20),LX次之(0.65±0.19),CLX最低(0.54±0.18)。不同植被类型中,灌木的NCILX最高(0.80),而NCICC和NCICLX较低。部分站点出现条带伪影,与脉冲密度空间变化相关。
**4.4 ALS NCI与冠层结构参数的关系**
NCI随FVC、CHM、PAI
e和PAI变化:NCILX随结构参数增加而下降,NCICC上升,NCICLX在低值时接近CC,高值时接近LX。
**讨论与结论**
讨论部分强调,LX方法适合段内GF变异较大的森林(如落叶阔叶林和混交林),CC方法适合大间隙丰富的森林(如针叶林和灌木),CLX则广泛适用。ALS采集参数(脉冲密度、足迹大小、扫描角)是主要影响因素。未来研究可进一步评估飞行高度、地形等的影响,并利用光学遥感结构参数外推NCI。研究结论:研究人员成功适配LX、CC、CLX方法,从全球45个森林站点的ALS数据中估算NCI。CLX方法通过捕获段内和段间聚集效应,在PAI估算中表现最佳(偏差=?0.24);LX精度相近(偏差=?0.31),CC系统性低估(偏差=?1.35)。整体上,LX适用于段级GF异质性高的森林,CC适用于大间隙丰富的森林,CLX在不同冠层结构下具有更广适用性。三种方法性能受ALS采集规格影响:LX和CLX需高脉冲密度数据,并需根据段大小选择扫描角阈值;CC受足迹大小和第一回波标记影响,更适合小足迹ALS数据。本研究导出的NCI数据可支持冠层辐射传输、生态过程和陆面模型应用。