《Agricultural and Forest Meteorology》：Improving accuracy and precision of TLS-derived gap fraction: Comprehensive evaluation of acquisition and synthesis parameters
编辑推荐：
孔隙度作为量化森林光环境及推导关键冠层结构参数的基础变量，半球摄影法虽为其估算的标准方法，但在量化三维林分结构与光梯度方面能力有限。地面激光扫描（terrestrial laser scanning，TLS）的进步通过捕获完整的三维结构信息克服了上述局限。然而
孔隙度作为量化森林光环境及推导关键冠层结构参数的基础变量，半球摄影法虽为其估算的标准方法，但在量化三维林分结构与光梯度方面能力有限。地面激光扫描（terrestrial laser scanning，TLS）的进步通过捕获完整的三维结构信息克服了上述局限。然而，TLS衍生的孔隙度对采集与合成参数敏感，且扫描期间风致冠层运动可能进一步损害这些估算的可靠性。研究人员评估了这些参数如何影响TLS衍生孔隙度在冠层密度梯度上的准确度与精度。研究人员从八种TLS配置中生成了19，968张合成半球图像，涉及角分辨率（ar12：1.75亿点；ar14：4400万点）、扫描模式（单站与多站）、扫描质量（q1–q6，对应每站3–30分钟）、波束发散度（0.01–0.21°）及图像分辨率（2000–20000像素）。研究人员将TLS估算值与参考半球摄影结果进行比较，以量化偏差（准确度）与方差（精度）。单站扫描的点云密度在很大程度上决定了多站扫描的有效性，其中ar12的准确度显著高于ar14（误差：0.12对0.20）。波束发散度主导了估算准确度，0.09°为最优值。高扫描质量因风致冠层运动而抵消了精度收益。在中等质量设置下的多站扫描表现出最强的方差降低效果，尤其在高天顶角区域。研究结果表明，充足的单站扫描点密度能够放大多站扫描的收益，而非单纯依赖多个扫描位置来弥补稀疏采样。研究人员建议优先考虑角分辨率而非扫描时长，并采用中等波束发散度以优化估算准确度、精度及野外效率。这些结果为TLS数据采集提供了实用指导，并强调了参数配置的必要性。然而，该阈值具有地点特异性，应根据当地风况确定。波束发散度约0.09°时表现出平衡点云采样密度与计算效率的最优取值范围。上述结果为标准化基于TLS的森林光环境表征提供了实用指导，并强调了点云至半球图像工作流程中参数校准的必要性。采集与合成参数间所揭示的相互作用表明，最优方案必须考虑完整处理链而非孤立地看待单个参数。未来研究应在不同森林类型和季节条件（叶盛期与落叶期）下评估这些参数建议的普适性，探索时间扫描协议以量化和校正动态冠层环境中的风致误差，并沿林分垂直梯度扩展孔隙度测量，以实现森林三维光环境的精确量化。
论文解读：TLS衍生孔隙度估算的采集与合成参数综合评估
一、研究背景与科学问题
森林生态系统具有复杂的三维冠层结构，形成异质性的光环境，对林下植被更新至关重要。孔隙度（gap fraction）作为量化森林光可利用性的基础变量，定义为从冠层下方某一点仰视时可见天空的比例，是光合有效辐射的重要代理指标，也是推导冠层开阔度、叶面积指数（leaf area index，LAI）和孔隙光指数等冠层结构参数的基础。准确估算孔隙度对于更新预测和碳循环模拟具有关键意义。
半球摄影法（hemispherical photography，HP）自20世纪80年代末以来一直是估算孔隙度的标准方法，但存在固有局限：首先，受相机架设位置限制，通常只能在2 m以下高度拍摄，难以刻画垂直方向的光梯度；其次，单张照片仅代表单点的孔隙度，描述林分尺度的空间光分布需要大量采样；此外，准确的天空-冠层分类要求均匀阴天条件，且图像解译对曝光设置和操作者判断敏感，引入研究间的变异性。
地面激光扫描（terrestrial laser scanning，TLS）作为地基LiDAR系统，能够捕获完整的三维冠层几何信息，不受天空光照条件限制，并提供标准化流程以减少操作者相关的变异性。TLS点云可从任意虚拟位置合成半球图像，相较于固定拍摄位置的相机方法具有显著优势。然而，TLS衍生孔隙度面临若干方法学挑战：单站扫描存在冠层元素遮挡问题，多站扫描虽可缓解遮挡，但其精度提升幅度及对点云密度的依赖尚缺乏量化；TLS衍生孔隙度对野外扫描采集参数和点云合成半球图像的合成参数均敏感；更重要的是，扫描期间风致冠层运动会损害点云质量并引入孔隙度估算误差，但风速暴露对估算精度的影响尚未得到充分量化。
本研究通过系统评估不同林分结构下TLS采集与合成参数对孔隙度估算的影响，回答两个核心问题：（1）何种TLS采集协议（扫描模式、角分辨率、扫描质量）能使孔隙度估算在统计上等效于高分辨率半球摄影？（2）图像合成参数（波束发散度、分辨率）和环境因素（风致冠层运动）如何影响TLS衍生孔隙度的准确度与精度？
二、研究区域与数据
研究在位于辽宁省清原森林生态系统国家野外观测研究站（41°51′N，124°54′E）开展。该区域属典型温带大陆性气候，年均气温4.7°C，年均降水量811 mm。研究区域以约70年树龄的次生林为主，主要冠层树种包括核桃楸（Juglans mandshurica Maxim.）、蒙古栎（Quercus mongolica Fisch.）、色木槭（Acer mono Maxim.）和花曲柳（Fraxinus rhynchophylla Hance）等。
研究人员在清原铁塔（50 m高通量塔）周边500 m范围内选定10个候选林分，排除灌木或草本更新密集以及藤本植物缠绕严重的林分后，保留4个25 m × 25 m样地，代表从稀疏到郁闭的冠层密度梯度。每个样地内按系统采样设计设置13个采样位置（1个中心点、内环6个点半径5 m、外环6个点半径10 m，内外环错开30°），同时用于半球摄影和TLS扫描。
半球摄影使用配备8–15 mm鱼眼镜头的Nikon D850全画幅相机在1.8 m高度拍摄，所有图像以8256 × 5504像素最大分辨率记录，曝光补偿+1至+2 EV，在均匀阴天条件下采集以确保准确的二值分类。共获取52张半球照片（4样地 × 13位置）。
TLS点云数据使用Faro Focus S350扫描仪在相同13个位置采集，扫描高度1.0 m，预处理时去除1.8 m以下点云以确保与相机照片的有效高度一致。初步测试评估了四种角分辨率（ar11、ar12、ar14、ar18）与多种质量设置的组合，最终保留两种角分辨率与四种质量设置的八种配置：ar12（q1、q2、q3、q4）和ar14（q2、q3、q4、q6）。每种配置依次在每个扫描位置采集后移动至下一位置，确保时间相关的环境变异均匀分布在所有参数水平。共采集416个质量受控扫描（13位置 × 8配置 × 4样地），累计88.4小时野外数据。
TLS衍生半球图像使用基于光线追踪算法的自定义Python脚本合成，采用等积投影（equisolid projection）将三维点坐标转换为以扫描位置为中心的二维半球图像。研究人员在波束发散度梯度（0.01°、0.03°、0.06°、0.09°、0.12°、0.15°、0.18°、0.21°；8个水平）和图像分辨率梯度（2000、4000、8000、12000、16000、20000像素；6个水平）下生成图像，结合八种采集配置，共生成19，968张合成半球图像（8配置 × 8发散度 × 6分辨率 × 13位置 × 4样地）。
三、研究方法
所有半球图像（52张相机照片和19，968张TLS合成图像）均按5个15°间隔的天顶角环带（0–15°、15–30°、30–45°、45–60°、60–75°）计算孔隙度，即每个环带内可见天空像素比例的平均值。相机照片提取蓝色通道后采用Otsu自动阈值法进行二值分类，TLS图像的二值分类在光线追踪合成过程中固有完成。
统计分析采用Beta广义线性混合模型（Beta-GLMM），因估算误差（TLS与相机衍生孔隙度的绝对差）是有界比例数据[0，1]且存在异方差性。首先对全数据集拟合模型，检验扫描模式与角分辨率的交互作用，结果显示交互作用显著（χ2 = 971.5，df = 1，p < 0.001），表明多站扫描的有效性强烈依赖于点云密度，因此后续分析按角分辨率分层进行。随后对ar12和ar14数据集分别建立均值子模型和离散子模型，量化各因素对准确度（平均误差）和精度（误差变异性）的影响。精度改进通过方差比（variance ratio，VR）量化，即多站扫描方差与单站扫描方差之比。风况分析利用2022年通量塔八个垂直高度（0.5–36 m）的超声风速仪高频数据，拟合Weibull分布并计算不同扫描时长下风速>1 m/s的发生概率。
四、研究结果
4.1 角分辨率依赖的扫描效应初步分析
全数据集分析显示扫描模式与角分辨率对孔隙度估算误差存在显著交互作用，表明多站扫描的有效性受单站点云密度强烈制约。两种角分辨率下扫描模式和角分辨率均具有显著独立效应，因此后续分析按ar12和ar14分层进行。
4.2 采集与合成参数对估算准确度的影响
在高角分辨率（ar12）条件下，所有测试因素及其交互作用均显著影响孔隙度估算误差，其中虚拟波束发散度效应最强，其次为扫描模式及扫描模式与天顶角的交互作用。多站扫描的平均估算误差（0.123）显著低于单站扫描（0.206），降低幅度达0.083单位。多站扫描的优势在高天顶角（45–75°）最为显著（差异0.130–0.188单位），低天顶角（0–30°）差异较小（0.026–0.027单位）。扫描质量的影响表现为多站扫描改进在低和中等质量设置（q1–q3）下最大（0.087–0.090单位），高设置（q4）下较小（0.063单位）。合成参数方面，波束发散度呈单调效应，平均误差从最窄设置0.01°的0.364降至最宽设置0.21°的0.111。图像分辨率效应相对较弱，误差从最低分辨率2000像素的0.132增加至最高分辨率20000像素的0.175。
在低角分辨率（ar14）条件下，多站扫描平均误差（0.198）显著低于单站扫描（0.371），但误差水平较ar12近乎翻倍。多站扫描改进同样在高天顶角更大（0.230–0.292单位），改进幅度大于ar12。波束发散度效应更强，平均误差从0.01°的0.565降至0.21°的0.142。图像分辨率效应从2000像素的0.244增至20000像素的0.291。
对比两种角分辨率，虽然ar14从单站到多站的绝对改进更大，但其基准误差显著更高，即使经多站校正后总体准确度仍低于ar12。ar12在多站模式下展现出明显更宽的最佳参数组合区域，可实现接近零的误差。
4.3 采集参数对估算精度的影响
在ar12条件下，多站扫描显著降低估算变异性，总体方差比为0.66，即方差降低34%（t = -5.53，df = 19，p < 0.001）。方差降低幅度随天顶角从0–15°的15%增至60–75°的60%。扫描质量方面，低到中等质量设置（q1–q3）下多站扫描持续降低方差46–49%，但最高质量设置（q4）下精度改进可忽略（降低0.4%，p = 0.974）。模型比较确认异质离散模型显著改善拟合（ΔAIC = 2279.9，边际R2从0.47提升至0.62）。
在ar14条件下，多站扫描总体方差比为0.75，即方差降低25%，小于ar12的34%。方差降低比例仅85%的配置中观察到（20个组合中的17个）。天顶角效应呈现非单调模式：极端天顶角下显著降低（0–15°：46%；60–75°：39%），中间天顶角（15–60°）无显著效应。扫描质量的精度效应不显著。模型改善幅度大于ar12（ΔAIC = 5675.7，边际R2从0.63提升至0.85）。
4.4 扫描期间的风况条件
八个冠层高度（0.5–36 m）的风速监测显示风况存在系统性垂直和时间异质性。风速均值从下冠层（<15 m）的0.7–0.8 m/s到上冠层（>25 m）的1.4–1.7 m/s。风速>1 m/s的检测概率随扫描时长非线性增加：单站扫描在4分钟时为13–65%，15分钟时为20–74%，30分钟时为24–78%。多站扫描（13个连续位置）在4分钟协议下预期影响1.7–8.4个扫描，15分钟协议下2.6–9.7个，30分钟协议下3.1–10.1个。
五、讨论与结论
5.1 单站点云密度放大多站扫描策略的有效性
扫描模式与角分辨率的显著交互作用表明，多站扫描在高密度条件（ar12：每扫描1.748亿点）下显著降低孔隙度误差，但在低密度条件（ar14：每扫描4370万点）下改进有限。这一密度依赖性效应反映了点采样与遮挡缓解之间的基本关系。当点间距过粗时，细小冠层元素可能落在激光束之间而未被采样，即使从多个位置观测也无法恢复低于单站空间分辨率的信息。因此，野外采集规划中应优先考虑角分辨率选择，单纯增加扫描位置不能完全弥补单站采样密度不足。
5.2 决定孔隙度准确度的采集与合成参数
多站扫描在高天顶角（45–75°）最有效，因该角度下斜向观测路径穿越林分距离更长、遮挡概率更高。低天顶角下多站扫描收益有限，因不同扫描位置提供几何相似的向上视角。扫描质量对多站扫描有效性的影响在两种角分辨率下表现一致：最高质量水平下改进减弱，说明在计算资源或时间受限时，投入更高扫描质量的边际收益低于维持充足点密度。然而，扫描质量对测量精度的效应，尤其在风况条件下需单独考虑。
波束发散度在合成参数中影响最强，窄波束（0.01°）因无法桥接合成图像中的点间间隙而产生人工“透视”区域，导致孔隙度高估；而过宽波束通过过度平滑冠层结构掩盖细尺度异质性，在低密度条件下看似“最优”的结果实为以牺牲结构精度为代价的补偿。ar12多站扫描在0.09°波束发散度附近展现出显著更宽的最优区域，此设置可平衡间隙填充与结构精度。图像分辨率效应较弱且呈饱和趋势，当点云密度显著超过像素密度时，继续提高分辨率的收益递减。
5.3 精度改进与扫描时长的关键作用
多站扫描通过空间分布扫描位置间的统计平均降低孔隙度估算方差，在ar12下降低34%，ar14下降低25%，提供遮挡缓解（准确度）和测量平均（精度）的双重收益。ar12条件下方差降低随天顶角单调递增，反映遮挡概率随观测路径长度增加时多位置平均的重要性。ar14的非单调模式可能是稀疏点采样与天顶极端边缘效应的相互作用结果。
短时长扫描（q1–q3：每站4–15分钟）下多站扫描提供一致精度改进，但延长扫描时长后精度收益显著减弱。这归因于长时间扫描期间风致冠层运动：遮挡导致系统高估孔隙度，而风致枝干移动关闭小间隙导致系统低估，两种相反误差源在合并多站扫描时表现为增大的方差而非一致的方向性偏差。气象分析显示风暴露累积概率随扫描时长非线性增加，13个扫描位置在每站4分钟协议下遭遇扰动风（>1 m/s）的概率为88%，30分钟时超过99.9%。值得注意的是，ar14下扫描质量对精度影响极小，表明稀疏点采样的限制主导了风相关变异性，风影响仅在点密度达到冠层重建阈值后才成为主要方差来源。
5.4 TLS与半球摄影的互补性
TLS提供任意冠层高度的垂直灵活性、不受光照条件限制、标准化测量消除操作者主观性，并同时捕获三维结构信息，支持光梯度制图、虚拟间伐模拟和数字孪生框架等集成应用。但多站协议显著增加野外时间和处理复杂度，且对参数敏感、易受风干扰。半球摄影则通过智能手机系统、无人机搭载和深度学习阈值分割持续发展。两种方法应视为互补：TLS适合详细结构表征和长期监测，半球摄影适合快速调查和大规模采样。未来方向包括开发减少单站时长同时保持高密度的多传感器系统，以及利用机器学习自适应选择参数的自动化框架。
本研究得出以下主要结论：单站扫描点云密度在很大程度上决定多站扫描策略的有效性，高密度扫描（约每扫描1.75亿点）在多站模式下平均误差为0.12，单站模式为0.21，而低密度扫描（约每扫描4400万点）分别为0.20和0.37。高密度多站扫描降低方差34%，低密度仅降低25%。当点间距超过冠层间隙和叶片聚集的特征尺度时，即使从互补视角也无法可靠重建遮挡模式。野外实践应优先选择角分辨率而非简单增加扫描位置。扫描质量效应呈非线性：每站超过15分钟的采集时长因风致冠层运动消除精度收益，但该阈值具有地点特异性。约0.09°的波束发散度表现出平衡点云采样密度与计算效率的最优取值范围。研究结果为标准化基于TLS的森林光环境表征提供了实用指导，强调了点云至半球图像工作流程中参数校准的必要性，揭示了采集与合成参数间的相互作用要求综合考虑完整处理链而非孤立参数。
