《Forest Ecology and Management》:Integrating environmental drivers into airborne laser scanning (ALS)-driven mixed-effects models for tree-level growing stock volume prediction
编辑推荐:
•利用ALS得到的竞争指数与场地数据预测树木体积生长情况•混合效应模型显示存在与样地编号相关的物种直接效应及交叉随机效应•模型均方根误差下降了35%,随机效应会随生长阶段和植被类型而变化•气候和场地条件对模型性能有一定影响,但作用较为微弱.引言对单株树木生长进行建模,有助于了解复
- •
利用ALS得到的竞争指数与场地数据预测树木体积生长情况
- •
混合效应模型显示存在与样地编号相关的物种直接效应及交叉随机效应
- •
模型均方根误差下降了35%,随机效应会随生长阶段和植被类型而变化
- •
气候和场地条件对模型性能有一定影响,但作用较为微弱
.
引言
对单株树木生长进行建模,有助于了解复杂的树木与环境之间的相互作用,而这些相互作用往往会被以整个样地或林分层面的平均值所掩盖。了解树木如何分配水分、养分和光照等资源,对于维持生物量积累、碳封存、木材生产以及生物多样性等重要的生态系统功能和服务而言至关重要(Knoke等人,2021;Cienciala等人,2016;Pont等人,2021;Rohner等人,2018;Salekin等人,2024;Weiskittel等人,2011)。随着气候温度和降水模式的变化(Combaud等人,2024;Tomá? Hlásny等人,2017;Pretzsch等人,2014),以及植被结构的变化(Latifi等人,2016;Salekin等人,2024;Sparks和Smith,2021;Del Río等人,2017),树木的资源分配也会随之改变,这就使得准确描述树木的生长动态和生态过程变得十分困难。此外,传统的野外调查方法很少能提供如此详细的单株树木生长信息,因此,如今在构建单株树木生长模型时,越来越多地依赖远程获取的数据来提升森林清查和管理水平。
传统的森林清查往往在空间覆盖范围、时间频率以及信息含量方面存在不足,难以应对现代森林管理带来的挑战(Dalponte等人,2019;Sparks和Smith,2021;White等人,2013)。在这种背景下,机载激光扫描技术已成为一种先进的遥感技术,它能够提供连续、高分辨率的3D空间数据,用于描述森林结构。与传统清查方法不同,高分辨率的机载激光扫描数据可以准确且客观地估算出树木的高度和树冠形状,进而间接得出林木蓄积量和生物量(Cao等人,2016;Zhao等人,2018)。机载激光扫描数据具备提供3D信息的独特优势,它在单株树木检测和特征描述方面具有巨大潜力(Ma等人,2018;Persson等人,2002;Sparks等人,2024),这对于了解森林发展的不同阶段具有重要意义。利用机载激光扫描技术检测单株树木,在计算竞争指数以及资源可用性的替代指标方面也取得了不错的成果(Lo和Lin,2013;Ma等人,2018;Pont等人,2021;Salekin等人,2024)。在这些研究中,竞争指数被分为基于空间距离的指数和基于树木大小的指数两类。基于距离的竞争指数用于衡量指定半径范围内的邻近树木对目标树木的影响,而基于树木大小的指数则不考虑距离因素,只关注竞争者的大小(Biging和Matthias,1995;Burkhart和Tomé,2012;HEGYI,1974;Kuehne等人,2019;Lo和Lin,2013;Ma等人,2018;Tomi等人,1989)。虽然基于距离的指数更为常用,但研究也表明,基于距离的指标在生长预测方面的表现与基于大小的指标相当,能够得到类似的结果(Kuehne等人,2019)。在这方面,机载激光扫描数据在计算和评估单株树木模型中的半基于距离的指标方面也展现出了良好效果(Ma等人,2018;Pedersen等人,2012)。因此,通过多个时间段来评估由机载激光扫描技术得出的指标性能,有助于更全面地了解森林生态系统中的生长动态。
大多数基于机载激光扫描技术的单株树木生长研究主要关注植被结构的变化,往往忽视了资源分配情况(Pont等人,2021;Salekin等人,2024),以及通过其他数据源获得的生态环境变化信息(Yu等人,2005;Zhao等人,2018)。这些因素非常重要,因为局部生态环境因素可能会被机载激光扫描数据遗漏或无法准确反映。此外,与生态数据的层次结构相关的间接因素,比如不同样地、不同物种或特殊场地条件之间的差异,如果能够得到恰当量化,就能显著降低模型的偏差(Cienciala等人,2016;Hauglin等人,2021;Riofrío等人,2017;Rohner等人,2018)。因此,需要一些建模框架,既能有效应对这些挑战,又能为森林生长动态提供具有针对性的见解。
混合效应模型因其强大的适应能力和灵活性,在应对这些挑战方面越来越受到重视,尤其是能够处理森林清查数据中常见的观测值非独立性问题(Kearsley等人,2017;Westfall,2016)。通过按样地、物种或环境条件对方差进行分组和划分,混合效应模型克服了传统回归分析的诸多局限,提升了预测精度,减少了模型偏差(Bates等人,2015;Bolker等人,2009;Harrison等人,2018;Zuur等人,2009)。
本研究运用混合效应模型来提升单株树木林木蓄积量的预测精度。研究目的是探讨来自2007年和2015年两次机载激光扫描得到的竞争指标,结合当地环境数据,是如何影响树木生长动态的,以及在不同类型的混交林中,层次化数据结构会对预测精度产生怎样的影响。具体研究目标包括:(1)通过将来自多次机载激光扫描数据得到的结构指标和资源可用性替代指标与特定场地的环境数据相结合,验证单株树木体积生长模型;(2)量化树木生长的时间变化趋势;(3)分析在混交林中,层次化数据结构(样地层面和物种层面)对模型精度的影响。为了实现这些目标,我们提出了两个核心问题:
- 1.
将特定场地的环境数据(气候、土壤类型、湿度)与机载激光扫描得到的植被和竞争指标相结合,能否提高单株树木林木蓄积量估算的精度?
- 2.
在考虑物种差异和样地效应的情况下,这些协变量对林木蓄积量的影响是否会因胸径类别的不同而有所差异?
章节节选
研究区域
本研究区域位于波兰西南部的米利奇森林区,距离弗罗茨瓦夫以北约50公里处(见图1)。该地区以混交林为主,树木的年龄从1年到120年以上不等。其中,年龄在40到60年之间的树木占所有树木的大约30%,但却仅占该地区森林总面积的15%左右(Parkitna等人,2021;Stereńczak等人,2018)。该地区的优势树种是苏格兰松,其覆盖面积约占整个区域的70%。
生长变化
图2展示了2007年和2015年之间植被结构的变异情况及其变化趋势。正如预期,植被属性的分布整体向右侧移动。两年间的树木高度分布具有很高的相关性(实地数据的相关系数为0.83,机载激光扫描数据的相关系数为0.86),但树木高度有略微上升的趋势(见图2a-b)。从视觉上可以看出,机载激光扫描数据对应的树木平均高度增加了约4.5米,而实地数据对应的增加幅度约为2.5米。
生长与植被结构
我们研究了植被结构在垂直和水平方向上的变化,以及资源竞争状况和局部环境条件(森林气候和特殊场地类型)对树木生长动态的影响,重点关注林木蓄积量这一指标。分析结果显示,在这八年的时间里,树木的生长更多地体现在树冠的扩展上,而非树高的增长。这种趋势很可能与间伐措施有关,间伐措施能够增加树木可利用的资源。
结论
这项研究表明,在基于机载激光扫描技术的混合效应模型中,植被结构和资源竞争状况是影响树木生长的重要因素,对于理解树木的生长动态具有关键意义。我们采用自上而下的研究方法,先根据植被类型和胸径大小对森林群落进行分层,然后再应用混合效应模型,以此探索如何利用多次机载激光扫描数据来量化这些影响树木生长的因素。同时,我们还整合了当地的环境数据,包括森林气候和特定场地的环境信息。
CRediT作者贡献说明
Mi?osz Mielcarek:撰写——审阅与编辑、可视化、验证、数据整理。Elvis Tangwa:撰写——审阅与编辑、撰写——初稿、可视化、方法学、数据整理、概念构建。Torana Arya Garcia:撰写——审阅与编辑、数据整理。Maksymilian Kulicki:撰写——审阅与编辑、正式分析、数据整理。Wiktor Tracz:撰写——审阅与编辑、撰写——初稿、概念构建。Yousef Erfanifard:撰写——审阅与编辑,
资金支持
这项研究是由波兰的IDEAS NCBR Sp. z o.o.公司提供的内部资金支持的。
关于写作过程中生成式人工智能及人工智能辅助技术的声明
在撰写本文的过程中,作者们合理使用了Copilot工具来对文章进行语言编辑和修改。对于文中呈现的所有内容,作者们承担全部责任。
利益冲突声明
作者们声明,自己不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
我们要感谢森林研究所提供的机载激光扫描数据和森林清查数据。机载激光扫描数据以及实地数据的采集工作得到了波兰国家研究与开发中心的支持,相关项目包括BIOSTRATEG计划(项目协议编号为BIOSTRATEG1/267755/4/NCBR/2015)、REMBIOFOR项目“基于遥感技术的森林木质生物量与碳储存评估”,以及另一项名为“基于……的森林清查方法开发”的研究项目。
Elvis Tangwa|Mi?osz Mielcarek|Yousef Erfanifard|Wiktor Tracz|Maksymilian Kulicki|Torana Arya Garcia|Marek Lisańczuk|Krzysztof Stereńczak