《Trees, Forests and People》：LiDAR-based assessment of above-ground biomass and carbon stocks in coffee agroforestry systems: Implications for climate mitigation and smallholder livelihoods at different elevations
编辑推荐：
咖啡农林复合系统（Coffee Agroforestry Systems, CAS）具有减缓气候变化的潜力，但其结构复杂性阻碍了碳的精确量化。研究人员将机载LiDAR与实地数据相结合，评估了秘鲁北部六个咖啡农林复合样地（包含1,559,858个LiDAR衍生的
咖啡农林复合系统（Coffee Agroforestry Systems, CAS）具有减缓气候变化的潜力，但其结构复杂性阻碍了碳的精确量化。研究人员将机载LiDAR与实地数据相结合，评估了秘鲁北部六个咖啡农林复合样地（包含1,559,858个LiDAR衍生的观测单元）在三个海拔梯度（1,277–1,710 m a.s.l.）上的植被高度、地上生物量（Above-Ground Biomass, AGB）和碳储量。平均冠层高度（2.47–8.79 m）、地上生物量（1.55–40.59 Mg ha?1）和碳储量（0.73–19.08 Mg C ha?1）变化范围较大；变异系数常超过100%，反映了高度的空间异质性。以LiDAR衍生的高度为固定效应、样地农场为随机效应的混合效应对数模型揭示了显著的高度-生物量正相关关系（β? = 2.400；p < 0.001）。该模型的估计参数为农场级随机效应的重要性提供了定量证据。虽然高度-生物量关系的全局固定效应斜率为2.400，但混合效应框架允许该尺度化规则因农场而异。例如，模型量化了某个特定农场的随机斜率为3.065，这表示该农场单位冠层高度的生物量积累速率比全局平均值高出27.7%。这种跨农场的异速生长尺度化定量分歧直接证明，局地条件显著改变了生物量动态，从而验证了相较于传统固定效应模型采用随机效应结构的合理性。随机效应捕捉了由经营管理和物种组成驱动的局地变化，其中一个农场表现出独特的积累动态（β? = 3.065）。由于LiDAR指标与实地校准的生物量估算之间存在部分依赖性，模型性能反映的是内部结构一致性而非独立的预测验证。因此，LiDAR高度应被解读为稳健的结构指标而非完全独立的指示变量。尽管如此，LiDAR衍生的高度仍能可靠地指示CAS中的AGB，但模型跨区域应用需要农场尺度的校准。这种非破坏性、空间显式的方法增强了热带农林复合系统中碳监测的能力。通过降低测量、报告和核证（Measurement, Reporting, and Verification, MRV）的成本与不确定性，该工作流程降低了小农户融入碳市场和REDD+计划的门槛，将精确的碳核算直接与改善生计激励联系起来。
**基于LiDAR的咖啡农林复合系统地上生物量与碳储量评估——论文解读**
**1. 研究背景与问题**
咖啡农林复合系统（Coffee Agroforestry Systems, CAS）是将农业生产与重要生态功能相结合的综合景观系统，在保护生物多样性、调节微气候和固碳方面发挥着关键作用。在秘鲁等安第斯国家，大量咖啡以农林复合方式种植，遮荫树、咖啡植株与地形条件之间的相互作用导致了高度的结构异质性。然而，近几十年来咖啡种植的集约化和向全日照系统的转变，大幅削弱了生态系统服务的供给，尤其是碳储存能力和冠层结构复杂度。这种结构简化不仅降低了生产系统应对气候变化的韧性，还增加了咖啡景观生物量与碳区域估算的不确定性。
准确量化CAS中的地上生物量（Above-Ground Biomass, AGB）和碳储量，已成为科学研究和环境管理的优先事项。传统上，农林复合系统生物量估算依赖地面调查和异速生长模型，但这些方法受限于高作业成本、破坏性采样要求，以及最关键的一点——无法捕捉复杂多冠层系统在整个景观尺度上的连续精细空间变异性。特别是在热带海拔梯度上，海拔作为主控环境变量驱动着生态生理响应，迫使农民调整管理策略，从根本上改变三维植被结构。传统的均一化生物量模型在这些景观中失效。
激光雷达（Light Detection and Ranging, LiDAR）技术已成为三维植被结构表征及生物量与碳估算的有力工具。然而，先前在农林复合系统中的LiDAR应用存在方法论上的简化问题：多数研究将农林复合景观视为结构均质，依赖区域或全球尺度的传统固定效应回归模型，忽视了局地农场管理实践、不同的遮荫树种组合和微地形的重要影响。一个关键的研究空白仍然存在：高度-生物量异速生长关系不仅沿宽幅海拔梯度变化，而且在具有不同管理制度的不同农场微尺度上的变化程度仍属未知。本研究旨在通过超越统一预测框架来填补这一空白，采用混合效应建模方法评估LiDAR衍生高度作为结构代理变量的效用，同时分离并量化影响这些复杂系统中生物量积累的农场级随机效应。
**2. 研究目标**
本研究假设LiDAR衍生的冠层高度是咖啡农林复合系统中AGB的稳健一致指标，且该高度-生物量关系的幅度受农场尺度的结构异质性和管理条件调控。为检验该假设，研究旨在通过整合高密度无人机UAV-LiDAR数据与实地测量，评估秘鲁北部海拔梯度上咖啡农林复合系统的植被结构、地上生物量和碳储量。具体而言，研究人员分析了LiDAR衍生冠层高度与AGB之间的异速生长关系，同时将农场作为随机因素纳入模型，以捕捉与管理、物种组成和冠层结构相关的异质性。
**3. 研究方法概述**
研究在秘鲁北部亚马孙大区和卡哈马卡大区的咖啡农林复合系统中开展，选取六个样地（每个≥1 ha），覆盖低（1,277–1,373 m a.s.l.）、中（1,349–1,521 m a.s.l.）、高（>1,525–1,708 m a.s.l.）三个海拔梯度。使用DJI Matrice 350 RTK平台搭载Zenmuse L2传感器以地形跟随模式在离地70米高度采集机载LiDAR数据，通过地面控制点（Ground Control Points, GCPs）进行地理配准，经过去噪、滤波和分类处理后，利用数字高程模型（Digital Elevation Model, DEM）归一化点云并生成冠层高度模型（Canopy Height Model, CHM）。生物量估算采用Chave et al.（2014）泛热带异速生长方程，该方程以胸径（Diameter at Breast Height, DBH）、总树高和木材密度为协变量。研究在每个样地内设置2个半径为10 m的圆形子样地，共测量了112棵遮荫树，树种鉴定后使用全球木材密度数据库（Global Wood Density Database）匹配相应木材密度值，碳含量以0.47的生物量-碳转化系数估算。统计建模采用对数混合效应模型，以LiDAR衍生高度为固定效应、农场为随机效应，并进行了k折交叉验证（k=5）和留一农场交叉验证（Leave-One-Farm-Out, LOFO）。
**4. 研究结果**
**4.1 海拔特征**
海拔分析显示六个样地可明确划分为三个海拔梯度带。不同海拔梯度样地间的成对比较大多呈现高t值和极显著差异（p < 0.001），确认了系统间存在显著的海拔分离。同一海拔带内部分样地比较无显著差异，表明特定海拔范围内存在相对的海拔均质性。中海拔带表现出过渡位置特征。结果证实海拔与所评估咖啡农林复合系统的结构特征密切相关，可作为后续分析的关键分层变量。
**4.2 LiDAR衍生的植被高度分布**
LiDAR估算的树高沿海拔梯度呈现清晰一致的差异，但并非简单的随海拔单调递增。HSP1（高海拔）平均冠层高度较高（7.81 m），而低海拔样地LSP2整体平均冠层高度最高（8.79 m），由个别极高树木（最大29.23 m）驱动。相反，高海拔样地HSP2平均冠层高度意外偏低（2.47 m）。所有样地的高度频率分布均呈显著不对称和右偏形态，具有长尾特征，反映出高度结构异质性。不同样地间的分布形态差异明显，表明LiDAR数据能够有效区分不同农场的冠层垂直组织差异。
**4.3 LiDAR衍生的冠层高度样地间比较**
大多数样地对之间的冠层高度存在统计学显著差异（p < 0.001）。低海拔样地（LSP1和LSP2）的冠层高度明显低于中海拔（MSP1和MSP2）和高海拔样地（HSP1和HSP2），证实植被高度随海拔递增的趋势。最大t值出现在低与中、低与高海拔带之间的比较中。同一海拔带内的比较显示了内部结构变异性，而高海拔带内两样地间无显著差异（p > 0.05）。箱线图直观展示了从低到高海拔带中位冠层高度的逐步增加，且每个样地内均存在高度的点值离散。
**4.4 生物量与碳测定**
地上生物量值在所有样地中均呈现高度离散分布，变异系数超过80%，多例达到190%以上。HSP1具有最高平均AGB（40.59 Mg ha?1）和平均地上碳含量（19.08 Mg C ha?1），与大型遮荫树的存在和更发达的垂直结构相关。对比之下，HSP2平均生物量较低（1.55 Mg ha?1），碳值最低（0.73 Mg C ha?1），变异系数最高（281.7%），表明以低生物量值为主伴随少数高积累点的异质冠层结构。中海拔样地MSP2平均生物量（13.47 Mg ha?1）和碳含量（6.33 Mg C ha?1）相对较高，而MSP1较低（2.49 Mg ha?1，1.17 Mg C ha?1）。低海拔样地LSP1和LSP2平均生物量最低（分别为2.32和2.66 Mg ha?1），变异系数超过190%。这些极高的像元级变异系数并非模型不稳定或异常值的指示，而是在1 m2高空间分辨率下分析农林复合系统的数学必然结果。
**4.5 LiDAR衍生AGB的样地和海拔带间比较**
不同海拔带样地间的AGB比较几乎均呈高t值和极显著差异（p < 0.001）。低海拔样地AGB明显低于中、高海拔样地，确认AGB随海拔递增。样地内也存在显著差异：低海拔带内两样地间差异显著（p < 0.001），中海拔带内两样地间亦显著（p < 0.001），而高海拔带内两样地间无显著差异（p > 0.05）。箱线图显示从中海拔到高海拔样地，中位AGB和最大值逐步增加，离散度增大，表明低生物量区域与个别优势木高生物量积累点共存。
**4.6 LiDAR衍生植被高度与AGB的关系**
在所有样地和海拔带中，随着冠层高度增加，AGB呈现系统性增长，表明高度明确控制着咖啡农林复合系统中的生物量积累。高海拔样地在最高高度区间达到超过120 Mg ha?1的生物量最大值。中海拔样地的AGB集中在中等高度区间，而低海拔样地主要因高度范围缩减而AGB值最低。每个高度区间内的变异性在高、中海拔样地中尤为突出，反映了局地管理差异带来的结构异质性。标准化的坐标轴尺度使样地间直接可比，证实尽管生物量水平在不同海拔带间存在差异，冠层高度与AGB之间的正相关关系在所有评估系统中保持一致。
**4.7 模型性能与约束评估**
由于数据非正态分布和高结构异质性，采用Spearman秩相关评估LiDAR衍生冠层高度与AGB的关系。各样地的Spearman相关系数介于0.85至0.98之间，均达到高度显著水平（p < 0.001）。模型的决定系数（R2）在0.70至1.00之间。需要强调的是，由于实地校准的AGB估算源自包含树高的异速生长方程，指示变量（LiDAR高度）与响应变量（AGB）之间存在部分数学依赖性。因此，模型性能指标应被解读为内部结构一致性指标，而非独立的预测精度衡量。对数尺度上的近零平均绝对误差（Mean Absolute Error, MAE）表明异速生长关系中残差结构噪声极小，而非不存在真实世界的预测误差。
**5. 讨论与结论**
**5.1 讨论总结**
LiDAR测量的冠层高度与AGB之间的密切关系反映了基本异速生长原理：较高的植被因茎体积增加和冠层扩展而积累更多生物量。在CAS中，遮荫树主导垂直结构并对总生物量贡献不成比例的份额，而咖啡灌木对总AGB的贡献在生态上可忽略不计（通常低于样地总AGB的10%），因此LiDAR无法完全穿透灌木层对总AGB估算的影响可忽略。研究观测到的AGB值范围与热带咖啡农林复合系统在多样化管理下的广泛报告值一致，证实了LiDAR工作流程捕捉了现实的生物量梯度。
高结构变异性是农林复合系统多层性质的直接结果，源于遮荫管理强度、物种组成、种植密度和林龄等交互因素。混合效应模型的应用代表了方法论上的进展：通过将农场作为随机效应，模型有效吸收了异质性人为管理造成的噪音，允许建立农场特异的基线，显著降低了残差中的未解释方差。这证明在估算小农景观生物量时，将"人为因素"（管理）作为统计随机变量与测量物理冠层结构同样关键。
农场级随机效应的显著贡献表明，局地生态和管理条件强烈影响生物量积累。海拔梯度上的表观不一致性（如LSP2平均高度高于高海拔样地，或HSP2在海拔高度下结构和生物量极低）恰好说明了传统固定效应模型在小农农林复合系统中失效的原因。这些异常值确认了初始假设：海拔环境梯度设定了宽泛边界，但局地人为管理决定了系统实际的结构表达和生物量积累。
尽管LiDAR有效捕捉了冠层垂直结构，其对生物量的估算能力有限，因为对木材密度和分枝结构等植物内部属性不敏感。仅依赖机载UAV-LiDAR的一个关键局限是林下植被被上层冠层物理遮蔽。在本研究的具体系统中，遮荫树主导碳储量，因此这一林下遗漏对总AGB影响可忽略，但在其他林下植被对总生物量贡献显著的农林复合配置中，可能导致严重低估。模型性能指标主要反映内部结构一致性而非独立预测验证，因此冠层高度应被解读为生物量的结构代理变量而非完全独立的指标。未来研究应纳入独立的实地生物量测量进行外部验证，整合冠层密度剖面和叶层高度多样性等垂直结构指标，并与多光谱或高光谱数据融合，以提高模型在高度异质系统中的预测能力和可迁移性。
对测量、报告和核证（Measurement, Reporting, and Verification, MRV）实践而言，研究结果证明采用通用的景观级生物量方程会导致显著的估算误差，碳项目必须采用农场特异的基线校准。LiDAR对"隐形"随机效应（如高海拔农场HSP2因强度修剪导致的生物量损失）的空间成图能力，为农民和技术人员提供了可视化具体管理决策如何影响碳储量的有力工具。将该工作流程纳入气候智能农业（Climate-Smart Agriculture, CSA）计划，可使小农户定量展示其作为气候减缓者的角色，将可持续冠层管理与切实的经济激励直接关联。
**5.2 研究结论**
本研究评估了UAV-LiDAR在秘鲁北部安第斯山脉海拔梯度上表征咖啡农林复合系统植被结构和估算地上生物量（AGB）的潜力。研究结果揭示了各评估梯度带间的显著定量变异性：平均冠层高度范围为2.47至8.79 m，转化为高度异质的AGB（1.55–40.59 Mg ha?1）和碳储量（0.73–19.08 Mg C ha?1）。尽管存在极端结构变异性（变异系数常超过100%），LiDAR衍生的冠层高度始终一致地指示AGB格局。然而，研究结果也表明，咖啡农林复合系统中的生物量并非仅由海拔等宽泛环境梯度或冠层高度单独决定。局地因素——特别是管理实践、物种组成和林分结构——对生物量积累的调节影响强于海拔单独的作用。在这一背景下，纳入农场级随机效应对于捕捉局地变异性和改进异速生长过程的表征至关重要。
从方法论角度看，模型性能指标主要反映内部结构一致性而非独立预测验证，因为LiDAR衍生变量依赖于生物量估算。因此，冠层高度应被解读为生物量的结构代理变量，而非完全独立的指示变量。尽管存在这些局限，LiDAR为表征复杂农林复合系统中的植被空间结构提供了稳健框架，是热带景观非破坏性监测的有力工具。
该研究结果对REDD+和自愿碳市场具有直接可行的意义。传统地面调查在结构复杂地形中的高成本和物流困难，加之通用区域碳均值的采用，往往将小农户排除在碳金融的公平参与之外。本研究所展示的UAV-LiDAR工作流程为山地热带农林复合系统提供了一种可扩展且成本效益高的MRV解决方案。通过实现考虑局地管理和地形的农场特异碳精确量化，LiDAR技术可确保小农户获得公平透明的生态系统服务补偿，将荫蔽种植咖啡从单一商品作物转变为双重收入策略，同时保障环境韧性、促进国家气候承诺的实现，并确保安第斯地区小农户生计的经济可持续性。鉴于样地数量有限和本研究特定的地理背景，这些发现应被解读为方法论蓝图，而非普遍可迁移的预测方程，在大规模应用前需要局地校准。
