《Ecological Informatics》:Improving selection of forest fuel metrics using synthetic lidar point clouds
编辑推荐:
燃料特征是火灾行为的关键驱动因素,也是火灾管理中的重要考量因素。地面激光扫描仪(TLS)已成为利用三维点云量化燃料结构的重要工具,这些点云可通过多种度量指标在林分尺度上进行概括。尽管可以计算出大量TLS衍生度量指标来理解燃料特征,但研究人员尚不清楚哪些指标最为
燃料特征是火灾行为的关键驱动因素,也是火灾管理中的重要考量因素。地面激光扫描仪(TLS)已成为利用三维点云量化燃料结构的重要工具,这些点云可通过多种度量指标在林分尺度上进行概括。尽管可以计算出大量TLS衍生度量指标来理解燃料特征,但研究人员尚不清楚哪些指标最为有用或最具意义。此外,目前描述的许多度量指标是针对特定森林类型设计的,限制了其广泛应用。确定一个有用的最优度量子集,需要在已知燃料属性的多个林分扫描数据上评估度量指标。然而,这种大规模的数据采集将非常昂贵且耗时。为应对这一挑战,研究人员开发了一个利用从真实激光雷达数据子集构建的合成点云来测试燃料度量的框架,并在加拿大安大略省西北部的北方短叶松林中进行了验证。该方法通过改变四个结构参数(树干密度、树干死亡率、林下植被密度和平均树高),快速生成具有预定义且已知燃料属性的人工林分。生成的林分代表了广泛的燃料场景,并具有相关的特征,如垂直燃料连通性或林冠间隙。随后,根据度量指标作为燃料场景聚类预测变量的表现对其进行评估。研究结果确定了一组简约的度量指标,这些指标在短叶松林的燃料表征中可能具有可靠性。该研究还可作为一种稳健方法,适用于任何其他森林类型中度量指标的识别。
**基于合成激光雷达点云的森林燃料度量优化选择研究解读**
**一、研究背景与问题**
火是北方森林中一种自然且常见的干扰,对森林健康、更新和生态系统功能发挥着关键作用。然而,气候变化正加剧火灾活动,增加了火灾对森林生态系统和社区的负面影响风险。燃料是野火行为的关键组成部分,也是火灾管理中的重要考量因素。燃料结构描述了可燃物料在林分内部和之间的垂直与水平空间排列,直接影响火行为,包括蔓延速度、火强度和地表火转变为树冠火的概率。梯状燃料和冠层水平连通性等结构要素对树冠火的发生和传播至关重要。然而,由于燃料的复杂性、变异性和三维结构,准确量化燃料属性仍具挑战性。
在加拿大,燃料通常被表示为16种基于遥感影像分类的类别化燃料类型之一,这些二维景观燃料类型图以栅格格式呈现,虽适用于业务应用,但其约30米的分辨率和类别化特性可能过度简化燃料结构,无法捕捉与火行为相关的林分内和林分间的关键变异。林分尺度的燃料结构传统上通过基于森林测树学技术的人工野外观测进行量化,再结合异速生长方程推算林分水平的燃料特征。然而,野外观测植被测量耗时、昂贵且精度有限,导致较高不确定性。
近年来,激光雷达技术已被越来越多地用于快速、精确地绘制不同尺度的三维森林结构。虽然机载激光扫描仪(ALS)能覆盖大范围区域,但点密度较低,主要适用于推导简单的森林度量。相比之下,地面激光扫描仪(TLS)能在较小区域内提供更密集的点云数据,更适合推导超越林分尺度参数的森林结构属性。然而,尽管TLS点云信息丰富,从中提取有意义且可操作的燃料信息仍具挑战性。大量度量指标已被开发用于概括激光雷达点云,但尚未确定一组能够可靠捕获所有森林类型和扫描方法燃料信息的度量指标。度量指标通常针对特定森林类型设计,其在不同生态系统或采样方法中的表现尚不明确。更重要的是,人们对不同度量指标在多大程度上捕获森林结构的相似或互补方面了解有限。由于燃料数据必须准确可靠以支持业务决策,直接评估度量指标集能否准确捕获真实林分燃料结构需要大量有效的参考数据,而获取这些数据的过程耗时、昂贵且易出错。一种既能满足严格测试需求又避免不切实际的数据采集的成熟替代方案是使用模拟数据。
**二、研究内容与结论**
针对上述问题,研究人员开发了一种利用合成点云测试燃料度量的新框架,该框架从真实世界激光雷达数据子集构建合成林分。研究在加拿大安大略省西北部的北方短叶松林中进行验证。通过改变四个结构参数(树干密度、树干死亡率、林下植被密度和平均树高),快速生成具有预定义且已知燃料属性的人工林分。研究从80个TLS扫描中手动分割出树木和林下植被对象,构建了包含20棵活树、10个枯死树干和3个林下对象(灌木或幼树更新)的对象库。利用泊松盘采样算法确定对象在圆形样地内的位置,通过旋转和平移组合对象生成合成点云。生成的7587个合成林分代表了广泛的燃料场景,涵盖了与火行为相关的垂直燃料连通性和林冠间隙等特征。
研究人员计算了十二种候选度量指标,包括可触类度量(冠层高度CH、冠层基部高度CBH、燃料层间隙FSG、林下高度UH、冠层比CR)和概念类度量(1D有效层数、2D有效层数、扫描范围1D有效层数、扫描范围2D有效层数、2D有效层数变异系数、总空隙度、异质性指数)。通过Pearson相关分析,在0.8阈值下识别出六个非冗余度量指标:燃料层间隙(FSG)、林下高度(UH)、冠层比(CR)、2D有效层数变异系数(2D ENL CV)、扫描范围1D有效层数(Scan-wide 1D ENL)和总空隙度(Total Lacunarity),这些指标解释了结构参数变异的78.9%。进一步通过多元回归树(MRT)分析,基于四个度量指标(FSG、CR、2D ENL CV和Scan-wide 1D ENL)将合成林分划分为11个结构不同的聚类,这四个指标解释了78.0%的参数变异,与六个非冗余指标的解释力相当。通过与48个真实TLS扫描数据的对比验证,模拟方法对2D ENL CV和FSG存在系统性低估,对UH存在高估,但CR、Scan-wide 1D ENL和Total Lacunarity的表现一致。
**三、主要技术方法**
研究人员使用了以下关键技术方法:(1)利用Leica BLK360 G1扫描仪在加拿大安大略省西北部获取80个短叶松林分的TLS扫描数据,采用下一代加拿大森林火险等级系统(NG-CFFDRS)燃料采样协议的多站扫描方案;(2)使用CloudCompare软件手动分割点云对象构建对象库;(3)采用泊松盘采样算法实现合成林分中对象的空间分布;(4)使用凸包方法约束参数空间以确保生成的林分代表真实条件;(5)利用caret包进行相关性分析和冗余度量去除;(6)使用mvpart包实现多元回归树(MRT)进行林分聚类;(7)使用vegan包进行冗余分析(RDA)评估度量指标的预测能力;(8)通过z-score比较合成与真实林分的度量输出以验证框架。
**四、研究结果**
**1. 非冗余度量指标识别**
通过计算7587个合成TLS点云的十二种候选度量输出,采用Pearson相关阈值0.8进行相关性分析,研究人员识别出六个非冗余度量指标:燃料层间隙(FSG)、林下高度(UH)、冠层比(CR)、2D有效层数变异系数(2D ENL CV)、扫描范围1D有效层数(Scan-wide 1D ENL)和总空隙度(Total Lacunarity)。基于冗余分析(RDA),这六个度量指标解释了结构参数变异的78.9%,表明它们能够有效捕获合成林分的结构差异。
**2. 度量指标排序与简约子集确定**
通过多元回归树(MRT)分析,研究人员进一步缩减度量指标集。MRT基于四个度量指标(FSG、Scan-wide 1D ENL、2D ENL CV和CR)将结构场景划分为11个聚类。在RDA中,这四个度量指标解释了78.0%的结构参数变异。与六个非冗余指标的78.9%解释力相比,省略总空隙度和林下高度两个指标对结果影响不大,表明这四个度量指标构成了一个简约且有效的燃料特征描述子集。
**3. 与实测TLS数据对比验证**
为验证模拟框架的有效性,研究人员将48个真实TLS扫描的度量输出与具有相同结构参数的50个合成林分的度量输出进行比较。结果显示,模拟方法系统性低估了2D ENL CV和FSG,高估了UH,但对CR、Scan-wide 1D ENL和Total Lacunarity的表现一致。其中,MRT识别的结构度量指标(FSG、Scan-wide 1D ENL、CR)中,真实数据的值通常在一个标准差范围内大于合成等价数据,但FSG系统性高出1到5个标准差。这表明当前的模拟框架在生成林分时,对林下植被的多样性表征不足,但偏差方向的一致性表明整体趋势仍被正确捕获。
**五、讨论与结论**
本研究提出的框架为在受控条件下评估和解释结构度量指标提供了一种通用方法。尽管研究从十二种先验度量指标开始,但该框架本身对评估的度量数量或类型没有限制,可以轻松纳入其他度量指标并按其区分结构场景的能力进行排序。合成点云框架也可进一步改进,例如扩展对象库的多样性,特别是林下对象,以及采用更先进的空间分布技术。然而,这些改进需与计算可行性相平衡。
研究结论部分指出,这项研究丰富了利用激光雷达理解森林燃料的工作。TLS衍生的燃料特征是实现精确燃料建模的优良工具,但数据复杂,确定如何概括数据中的信息具有挑战性。尽管激光雷达能够收集精确的结构数据,但将其丰富的信息转化为有意义的见解仍相当困难,凸显了数据可用性与可操作理解之间的差距。因此,研究人员建议研究者和实践者仔细测试所用度量指标,以确保其被正确解读。由于真实数据往往有限,合成数据为评估用于表征和推断燃料结构的分析工具提供了一种有价值的替代或补充方案,能够在广泛的可能条件下进行测试。合成点云使得评估度量指标在各种森林结构条件下的表现成为可能,而这些条件在经验数据集中往往代表性不足。通过在短叶松林背景下测试现有燃料度量指标,本研究促进了激光雷达在安大略省西北部北方森林燃料理解中的应用。该合成数据协议也可通过修改参数用于其他森林类型的研究,以捕获感兴趣的场景范围并测试度量指标和其他算法。有效解读这些抽象度量指标将使未来研究能够充分利用激光雷达数据的复杂性,而不必将分析局限于复制传统测量的度量指标。