多维冠层结构实现跨站点可扩展性：基于地基激光雷达的地上生物量估计模型开发工作流

《Plant Phenomics》：Multi-dimensional canopy structure enables cross-site scalability: a model development workflow for aboveground biomass estimation from terrestrial LiDAR

　　

森林地上生物量（AGB）是森林碳储量的关键度量，在全球碳监测中发挥重要作用。尽管地基激光扫描（TLS）是AGB估计的有力工具，但现有方法存在关键局限性，包括依赖计算密集的单木分割，在冠层重叠的密林中效果不佳，或依赖过度简化的结构属性，如胸径（DBH）和树高，或具有站点特异性。研究人员提出了一种跨站点可扩展且计算高效的建模工作流，用于群落水平AGB估计，利用多平台TLS衍生的度量，无需树木级别的点云分割。除了通过无分割工作流提取的群落水平DBH外，研究人员还选择了群落水平冠层结构度量，如叶面积密度、冠层熵等，以通过随机森林（Random Forest）训练AGB估计模型。研究人员使用了东亚五个生态多样性站点的数据，跨越20°纬度梯度，用于训练和交叉验证模型。该模型实现了高预测精度（），并在所有站点表现出一致的性能。与站点特定模型相比，跨站点模型同样准确，冠层结构特征解释了超过40%的方差，并且相对于仅使用DBH和树高的站点特定模型，性能提高了13.89%。此外，证据表明这种改进确实是由包含冠层结构信息驱动的。然而，留一站点验证显示模型对环境差异明显的站点的迁移性有限，强调需要更广泛的训练数据集。总体而言，该工作流为群落水平AGB估计提供了一种高效替代方案，并强调了多维冠层属性在改善异质生态系统森林碳评估中的重要性。

森林作为陆地生态系统的主体，通过碳汇功能在减缓气候变化中发挥关键作用，地上生物量（AGB，即单位面积内所有存活植物的总干物质质量）是评估森林碳储量的核心指标。地基激光扫描（TLS）能以毫米级精度获取森林三维结构，显著提升了AGB估计的准确性和效率。然而，现有TLS-based方法存在明显局限：传统异速方程法仅依赖胸径（DBH）和树高等简化参数，难以捕捉群落结构的复杂性，且模型往往受限于特定区域或森林类型；定量结构模型（QSM）虽能三维重建树木架构，但高度依赖单木点云分割，在冠层重叠的密林中准确率常低于60%，且对移动激光扫描（MLS）产生的噪声点云敏感。此外，TLS点云中蕴含的群落水平冠层结构信息（如冠层复杂性、叶面积分布等）在现有AGB估计中未被充分利用。因此，迫切需要开发一种跨站点可扩展、计算高效且无需单木分割的AGB估计方法。

研究人员提出了EASEComm-AGB工作流，旨在利用多平台TLS/MLS点云中的群落水平结构特征估计AGB，绕开点云分割，实现跨森林类型和传感器的性能一致性。该工作流在东亚五个生态异质样地（中国长白山CBS、东灵山DLS、鼎湖山DHS、香港大埔滘TPK和韩国首尔SEL）开展研究，这些样地跨越20°纬度梯度，涵盖温带针叶林、温带落叶林、亚热带常绿林等类型。研究人员从点云中提取群落水平DBH（无需单木分割）和多种冠层结构特征（如叶面积密度LAD、叶面积指数LAI、冠层熵CE、冠层孔隙度CPor、盖度%CC等），使用随机森林回归构建AGB估计模型。结果表明，多站点模型在log(AGB)尺度上取得高精度（R²=0.93，iNRMSE=0.92），各站点表现稳定；冠层结构特征单独贡献了44.92%的解释方差，使模型相对于仅用DBH和树高的站点特定模型性能提升13.89%。留一站点验证显示模型对未见过站点的迁移性有限，提示需要扩大训练数据的生态覆盖范围。该工作流为群落水平AGB估计提供了一种高效、可扩展的替代方案，对区域乃至全球森林碳监测具有重要意义。研究成果发表于《Plant Phenomics》。

## 主要技术方法
研究使用了五个样地的TLS数据，其中CBS和SEL采用静态地基扫描（sTLS，RIEGL VZ-400），DLS和DHS采用背包激光扫描（BLS，LiBackpack），TPK采用手持激光扫描（HLS，LiGrip H120）。AGB参考值由区域异速方程计算，并用香港破坏性采样数据验证了方程的低偏差。将样地分割为6.67m×6.67m子样地，提取五类共70个特征：高度相关特征（如分位数）、密度相关特征、冠层结构特征、DBH特征（通过椭圆拟合自动提取，无需单木分割）和点离散特征。采用随机森林递归特征消除（RF-RFE）和方差膨胀因子（VIF）筛选出8个关键特征，使用随机森林回归模型和贝叶斯优化超参数，以10折交叉验证评估精度。

## 研究结果
### 模型性能评估
通过100次10折交叉验证，多站点模型在log(AGB)尺度上R²=0.93，iNRMSE=0.92，反变换到原始尺度后R²=0.80，RMSE=102.44 Mg/ha。各站点iNRMSE在0.89及以上，表明模型能同时捕捉站点内和站点间的AGB变异。与站点特定模型（S-models）相比，多站点模型在除DLS外的所有站点性能相似或更优，证明了其跨站点可扩展性。

### 变量重要性评估
基于置换特征重要性分析，DBH和高度相关特征合计贡献55.07%的解释方差，冠层结构特征贡献44.92%。在站点特定模型中，冠层结构特征的重要性显著低于多站点模型（p<0.0005），而DBH特征重要性更高，这一差异提示冠层结构特征是多站点模型可扩展性的关键驱动力。

### 冠层结构特征与跨站点可扩展性
通过特征组合测试发现，加入冠层结构特征（D+H+CS）使多站点模型的OOB R²比仅用DBH和高度特征（D+H）提高13.89%（ΔR²=+0.10），但使站点特定模型的平均精度下降6.47%（ΔR²=-0.03）。当用与高度分位数h95高度相关但包含部分结构信息的线性调整特征h95,linear代替h95时，多站点模型精度提升11.11%，而加入随机噪声版本的特征无此效果，证实了冠层结构信息的真实增益。

### 计算效率
子样地分割和特征提取的运行时间随点云大小线性扩展，处理超过2亿点的点云数据耗时少于3分钟，提取全部70个特征在2000万点的典型点云上不超过10分钟，展现了该工作流在生态应用中的实际高效性。

## 讨论与结论
讨论部分指出，冠层结构特征（如LAD、%CC）与森林年龄和林分净初级生产力（NPP）存在正相关，这些生态联系为冠层结构特征提升跨站点可扩展性提供了机制解释。与QSM传统流程相比，EASEComm-AGB在复杂森林中产生偏差更小的AGB估计，且对MLS点云有更好的兼容性，还能处理内存受限的大型点云。子样地大小测试（10m vs 6.67m）表明模型对子样地大小不敏感。研究局限性包括迁移性有限、依赖区域异速方程，但独立破坏性数据验证了方程可靠性。

结论部分翻译如下：通过提取群落水平森林结构属性并应用随机森林算法，研究人员提出了一种高效、准确且跨站点可扩展的群落水平AGB估计方法。该方法解决了传统QSM技术的关键局限性，包括点云分割和QSM构建引起的误差传播，以及与MLS点云的低兼容性。研究结果突出了冠层结构特征（包括冠层结构复杂性）的重要性，显著提高了模型准确性和泛化能力。这为加深对群落水平森林结构-生长关系的理解提供了宝贵框架。随着精确碳监测需求日益迫切，该工作流为构建跨站点可扩展的森林生物量估计模型提供了一种新颖而快速的途径，为更动态、更具包容性和全球相关的碳监测工作铺平了道路。