基于机载激光扫描数据的单木直径生长建模

《Canadian Journal of Forest Research》:Modelling individual tree diameter growth based on airborne laser scanning data

【字体: 大 中 小 】 时间:2026年09月19日 来源:Canadian Journal of Forest Research 2.3

编辑推荐:

  精确的树木生长预测对于森林经营决策以及减缓气候变化行动均不可或缺。遥感数据的使用,尤其是机载激光扫描(airborne laser scanning, ALS)数据,通过获取精细的结构信息,彻底改变了森林信息的收集方式。因此,利用ALS数据构建新型树木生长模型

  
精确的树木生长预测对于森林经营决策以及减缓气候变化行动均不可或缺。遥感数据的使用,尤其是机载激光扫描(airborne laser scanning, ALS)数据,通过获取精细的结构信息,彻底改变了森林信息的收集方式。因此,利用ALS数据构建新型树木生长模型极具吸引力。本研究基于2009年和2014年采集的野外观测数据与ALS数据(均位于所考察生长时段2014–2019年之前),构建了三种不同的直径生长模型。研究目标是比较野外观测数据与ALS数据,并评估在树木直径生长预测中,野外观测数据是否可被ALS数据替代。各模型之间的差异较小,所有模型的均方根误差(RMSE)约为55%。预测精度中等,可能受到数据量有限、ALS数据质量不均以及树木检测和冠幅分割潜在问题的影响。由于模型间差异较小,研究人员得出结论:ALS数据可作为野外观测数据的一种可行替代方案。此外,代表研究期之前高生长情况的ALS时间序列变量具有统计学显著性,这为未来进一步发展基于ALS的生长模型展现了良好前景。
**基于机载激光扫描数据的单木直径生长建模论文解读**

**1. 研究背景与问题**

森林作为碳汇和碳储存库,在减缓气候变化中扮演关键角色,树木生长是碳固存的重要组成部分。因此,准确的生长预测对于理解森林固碳能力和支持森林经营决策至关重要。然而,环境因素(如极端高温和干旱)会增加树木胁迫并降低生长,传统统计生长模型通常假设数据收集期间的环境条件保持不变,在气候变化背景下难以准确预测生长。传统的树木生长模型构建依赖大量野外实测数据,成本高昂,且空间覆盖有限。近年来,机载激光扫描(airborne laser scanning, ALS)等遥感技术能够获取详细的森林三维结构信息,为实现大范围、低成本的单木生长预测提供了新途径。但目前基于生长时段前单次或多次ALS数据建立生长模型的研究仍十分有限,亟需进一步探索。

**2. 研究目的与研究内容**

研究旨在开发预测胸高直径(diameter at breast height, DBH)生长的单木水平模型,并探讨在树木生长预测中能否用ALS数据部分或完全替代传统野外实测数据,从而降低数据采集的劳动和成本。同时,研究尝试将遥感数据融入新一代生长模型,以支持林业决策。研究测试了三种数据来源的模型构建方案:(1)仅使用野外实测数据;(2)仅使用ALS数据;(3)结合野外实测数据与ALS数据。遥感数据分别于2009年和2014年采集,均位于所考察生长时段(2014–2019年)之前。

**3. 关键技术与方法**

研究区位于芬兰南部Evo(61.19°N, 25.11°E),属于SCAN Forest研究网络。野外数据来自37个32 m × 32 m样地,于2014年和2019年测量,共包含3110株树木(644株欧洲赤松、1601株挪威云杉、865株阔叶树)。2009年和2014年分别使用Leica ALS50-II和Leica ALS70-HA激光扫描仪采集ALS数据。研究中主要采用以下关键技术方法:利用LAStools软件对ALS点云进行预处理,使用无坑算法构建分辨率为0.5 m的冠层高度模型(canopy height model, CHM);通过R软件中lidR包的locate_trees函数检测单木树顶,并利用ForestTools包的mcws函数进行标记控制分水岭分割,以描绘树冠边界;将检测到的树顶与野外实测树木进行三维距离(<5 m)匹配链接;计算多种树冠、样地级属性及竞争指数;构建线性混合效应模型(linear mixed-effects model),以对数变换后的直径生长量为响应变量,固定效应包含树木大小、竞争、立地条件等预测变量,随机效应为样地;采用留一交叉验证评估模型预测精度。

**4. 主要研究结果**

**4.1 基于野外实测数据的模型**

以对数直径生长为响应变量,最终模型包含DBH、树高(h)、Oxalis-Myrtillus立地类型(OMT)、湿地、优势高(hdom)、挪威云杉哑变量、阔叶树哑变量以及冠基高(crown)等预测变量。所有变量均在p < 0.05水平显著(湿地p = 0.051)。边际R2为0.136,条件R2为0.249。固定部分%RMSE为55.2%,交叉验证后为58.4%。方差组分显示约13%的变异来自样地间差异。树高和优势高增加与直径生长降低相关,云杉与较高生长相关,阔叶树与较低生长相关。

**4.2 基于ALS数据属性和指数的模型**

以对数直径生长为响应变量,最终模型包含首回波高度均值(Hfmean)、2009–2014年首回波最大高度差(difHfmax)、竞争指数CIMPR(剔除北侧树)、全回波覆盖指数(ACI)和云杉哑变量。所有变量均显著。边际R2为0.092,条件R2为0.244。固定部分%RMSE为58.2%,交叉验证后为61.2%。增加竞争和更密集的样地冠层结构与降低的直径生长相关,前期较高的高生长与随后较低的直径生长相关。

**4.3 结合模型**

结合野外实测数据和ALS数据的最佳模型包含DBH、difHfmax、hdom和云杉哑变量。所有变量均显著。边际R2为0.058,条件R2为0.178。固定部分%RMSE为56.4%,交叉验证后为58.7%。优势高越大,直径生长越小;云杉与生长增加有关;前期高生长越大,后续直径生长越小。

**4.4 模型比较**

整体上,三种模型之间的差异较小。基于交叉验证RMSE值,野外实测数据模型和结合模型的预测精度几乎相同,仅含ALS数据的模型精度最低,但差异很小。所有模型中,树种哑变量均是最重要的预测变量之一,而树高或优势高重要性相对较低。

**4.5 与现有生长模型的比较**

将研究构建的模型与Pukkala等(2021)的直径增量模型及Bianchi等(2023)的断面积增量模型进行比较。原始模型预测趋向于高估生长,%RMSE约比本研究所建模型高20%–30%,且偏差更大。当将现有模型重新拟合至研究数据后,其预测精度与本研究所建模型接近,但交叉验证显示较高的RMSE增幅,表明模型形状对有限数据过于复杂,存在过拟合。

**5. 讨论与结论**

研究表明,无论使用何种数据源,预测单木直径生长均具有挑战性。野外实测模型与结合模型表现相当,ALS数据模型稍差,但差异总体较小。相比先前基于样地水平的研究,ALS数据模型预测精度仍有差距,需要进一步开发。限制因素包括:研究区地理范围小、数据量有限、未覆盖所有林分发育阶段、不同传感器获取的多时相ALS数据可能引入随机变异、单木检测在密幼林中容易漏检下层木等。树种在所有模型中均为重要预测变量,说明未来应针对树种分别建模,或需精确的树种遥感估计。研究未估算树种,而是直接使用野外实测的树种信息;在实践中可利用Mets??n.fi等公开数据库获取优势树种,或通过多光谱/高光谱数据辅助树种分类。研究还发现,代表生长时段前高生长的ALS时间序列变量(difHfmax)在ALS模型和结合模型中均显著,表明将ALS反演的前期生长信息纳入传统生长模型可能改善预测。结论指出,传统基于野外实测数据的模型未来有望被ALS数据模型替代,但现有模型仍需进一步改进以提高预测精度;声呐?回波最大高度的前期变化具有统计学显著性,将其加入生长模型或能改进生长预测。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号