3DSO：利用LiDAR数据量化林冠表面以上的森林三维结构组织

《Remote Sensing of Environment》：3DSO: Quantifying forest three-dimensional structural organization beyond the canopy surface using LiDAR data

　　

• •
  3DSO量化了激光雷达可观测的森林三维结构组织。
• •
  3DSO将对称不变体素模式与空间部署相结合。
• •
  加入3DSO后，样地水平胸高断面积（BA）的样本内R²从0.54提高至0.69。
• •
  3DSO方差的22.67%与六个基准指标不共享。

引言

森林结构广义上指的是森林中树木和植被生物量在三维空间中的分布（Atkins等，2023；Zenner和Hibbs，2000）。该结构为生态系统功能提供了重要的物理基础，包括光线截获、碳储存、生产力、微气候调节和栖息地提供（Deng等，2025；Liu等，2024；Pickering等，2025；Wu等，2024）。因此，对森林结构的可靠表征对于理解森林架构与生态系统功能之间的关系、比较跨越发育和环境梯度的森林、以及评估结构对管理和干扰的响应至关重要。激光雷达（LiDAR）的最新进展使得森林结构得以在前所未有的三维细节水平上、跨越多个组织尺度进行表征（Calders等，2020；Maeda等，2025）。尽管取得了这些进展，对森林结构复杂性的全面表征仍然是一个核心挑战。

本研究将森林结构复杂性定义为一个多维构念，描述在给定空间域内植被元素和其间空隙在结构内容、几何形态和三维空间组织方面的多样性与异质性（Atkins等，2023；de Conto等，2024；McElhinny等，2005；Zenner和Hibbs，2000）。该构念并非结构属性的简单累加，而是反映了它们的整合表达以及有占据空间和未占据空间在森林中组织的空间关系（LaRue等，2023；Maeda等，2025；Seidel等，2016）。因此，森林结构复杂性产生于结构元素和空隙跨越空间与组织尺度的层次组织，从而产生无法从任何单一属性推断的高阶模式（Coverdale和Davies，2023；Loke和Chisholm，2022）。不同的三维构型可能产生相似的结构属性值，而相同的结构可能因空间粒度、范围和感知视角的不同而被不同地表征（Atkins等，2023；LaRue等，2023；Maeda等，2025）。因此，不应期望任何单一标量指标都能代表森林结构复杂性的所有维度；每个指标都应被解释为在特定尺度下、在既定观测条件下对选定维度的操作性表征（Kacic等，2025；McElhinny等，2005；Reich等，2022）。

已开发出多种方法来量化不同结构维度上的森林结构复杂性（表S1；Calders等，2020；Maeda等，2025）。在属性层面，第98百分位高度（H98）和林冠覆盖率（CC）分别概括了林冠高度和覆盖度（Jennings等，1999；N?sset和?kland，2002）。基于分布的指标，包括叶量高度多样性（FHD）和林冠熵（CE），表征植被的垂直或投影空间分布（Liu等，2022b；MacArthur和MacArthur，1961）。几何方法和体素方法以不同的方式扩展了这种表征：郁闭度结构复杂性指数（SSCI）概括了林分尺度的点云几何形态，分形维数（FD）表征树木或树冠几何的分形缩放，三维空隙度（3DLAC）量化了体积占据的异质性和斑块性，空间占据指数（SOI）在单株树冠尺度上集成了树冠体积占据与结构描述符（Allain和Cloitre，1991；Ehbrecht等，2017；Seidel等，2019；Smeds等，2025；Zhao等，2026）。这些方法的开发反映了一个从粗糙的单属性描述向越来越详细且具有空间明确性的三维森林结构表征广泛演进的过程。在这一演进中，林冠一直是森林结构表征的核心，因为它构成了森林植被与大气之间能量交换的主要界面（de Conto等，2024；Leiterer等，2015）。然而，林冠复杂性仅代表森林结构复杂性的一个方面。森林内部包含大量关于木质部和叶部元素分布、垂直空间填充、林下结构和内部空隙的结构信息（Huang等，2025；Jarron等，2020；Maeda等，2025）。许多这些结构细节无法被林冠表面或垂直聚合描述符充分捕获（Gril等，2023；Maeda等，2025；Trew等，2024）。

在这一更广泛的差距中，局部三维结构构型在林分体积中的组织仍然是森林结构复杂性中表征不足的一个方面。例如，具有相似林冠高度和覆盖度的林分，在内空间填充、林下结构、空隙构型和垂直分化方面可能仍然存在差异（Blanchard等，2023；Huang等，2025；Jarron等，2020；Lee等，2026；Maeda等，2022）。为解决这一量化问题，我们开发了三维结构组织（3DSO）指标，这是一种基于激光雷达的计算方法，通过激光雷达可观测林分体积中局部三维构型的结构内容和空间部署来量化林分水平的结构组织。3DSO将点云体素化，并将每个非空的3×3×3体素块转换为对水平旋转和翻转不变的规范化局部模式。对于每种规范化模式类型，结构内容分量整合了局部占据构型和模式丰度，而空间部署分量量化了其在三维样地体积中的分布范围和均匀度。这两个分量共同产生了一个可解释的林分水平度量，可以为未来检验三维结构组织与生态系统功能之间关系的测试提供支持。

我们使用两个互补的数据集评估了3DSO。德国BioDiv-3DTrees数据集提供了单株树木点云、定量结构模型（QSM）派生的结构属性、重建的样地水平点云场景和树木水平清查属性，用于组分解释、坐标打乱下的敏感性测试和样地胸高断面积（BA）评估。钱岩洲无人机（UAV）激光雷达数据集捕获了连续森林区域从林冠到林下的样地水平点云观测数据，并用于评估实施稳定性、指标空间互补性以及受约束或压缩林冠条件下的判别能力。因此，本研究通过三个相互关联的目标开发和评估了3DSO：（1）建立基于模式的量化林分水平三维结构组织框架，评估其核心组分的可解释性，并评估该指标对体素化结构内容和空间部署联合变化的敏感性；（2）在实际和林冠受限条件下评估3DSO相对于现有结构指标的稳健性和互补性；（3）以样地BA为例，检验3DSO是否为实际应用提供附加价值。

节选片段

研究区域

• (1)
  钱岩洲研究区域

钱岩洲研究区域位于中国江西省吉安市泰和县的钱岩洲生态系统研究站（26°44′13.61″N–26°45′30.10″N，115°03′07.70″E–115°04′25.66″E）。该站点位于亚热带针叶林人工林中的中国通量站（ChinaFLUX）（Yu等，2008）。年平均气温和年降水量分别为17.9°C和1485毫米（Yu等，2008）。主要土壤类型为红壤（Yu等，2008）。人工林

结构内容与分枝

在树木尺度上，$I_c$与分枝数量表现出强烈但依赖分辨率的关联（图3a-c）。随着体素尺寸增大，$I_c$绝对值下降，对数-对数分枝数量模型的$R^2$从0.84降至0.68，而与树木体积的关联增强，体积控制后的分枝数量关联减弱（图3a-e）。然而，在2.5厘米时，控制树木体积后分枝数量的关联仍然强烈（偏$r$=0.94，$p$<0.001；图3f）；后续

3DSO的解释

组分级分析支持将3DSO解释为林分水平三维结构组织的一个激光雷达可观测方面的信息论操作性表征，联合整合了局部结构内容（$I_c$）和空间部署（$H_{\mathit{sd}}$）。

$I_c$是一个位标度的结构内容分量，其中规范化模式标识保留了局部三维构型，公式项结合了占据状态多重性与出现加权的模式信息（公式（4）–（8

结论

本研究开发了3DSO作为体素化、基于模式的指标，将林分水平三维结构组织操作化用于基于激光雷达的分析。通过将规范化模式集合中的结构内容与空间部署相结合，3DSO表征了林分体积中局部三维结构模式的多样性、集合复杂性和空间部署。

对德国BioDiv-3DTrees数据集的分析支持了结构内容和

CRediT作者贡献声明

杨鑫（Xin Yang）：写作——审阅与编辑，写作——初稿，可视化，验证，软件，方法学，形式分析，数据管理，概念构思。肖雯（Wen Xiao）：写作——审阅与编辑。戴文霞（Wenxia Dai）：写作——审阅与编辑。郑广（Guang Zheng）：写作——审阅与编辑，指导，资金获取，数据管理，概念构思。

利益冲突声明

我们声明不存在利益冲突。

致谢

本研究的资金和资源由国家重点研发计划（项目编号：2024YFF1308103）和国家自然科学基金（项目编号：42571464）提供。本研究在南京大学地球系统科学国际研究院开展。我们感谢由Griese、Ritzert和N?lke开发并通过GRO.data公开提供的BioDiv-3DTrees数据集，该数据集提供了标注的单株树木点云

杨鑫 | 肖雯 | 戴文霞 | 郑广