基于机载LiDAR新型垂直层指标的温带混交林多尺度森林类型学研究

《Ecological Indicators》：Multi-scale forest typologies using novel vertical layer metrics from airborne LiDAR in temperate mixed forests

　　

精确量化森林垂直结构是理解生物多样性、生产力及生态系统功能的基础。机载激光扫描（Airborne Laser Scanning，ALS）具备捕捉三维冠层架构的卓越能力，然而现有指标常常忽视各个层的属性特征。为克服这些局限性，本研究开发了新颖的垂直层指数，应用聚类方法，并测试其跨尺度的稳健性。研究使用了覆盖韩国温带混交林5.6 km²区域的高密度ALS数据（点密度超过200 points·m^?2），涵盖了多样的物种组成和演替阶段。为开展尺度依赖性分析，研究采用了半径分别为5米和10米的圆形分析单元。研究人员优化了垂直层分割流程，与野外评估结果高度吻合（平均绝对误差Mean Absolute Error，MAE ≈ 0.4 m），并获取了垂直层的数量及其范围。基于这些结果，研究人员创建了十个指数，用于在物种和单元尺度上量化层高度、间隙大小和多样性。这些指数经主成分分析（Principal Component Analysis，PCA）和基于层次密度的含噪空间应用聚类（Hierarchical Density-Based Spatial Clustering of Applications with Noise，HDBSCAN）聚类为四到五种可解释的类型，可解释超过70%的结构方差。对于10米分析单元，森林被分类为单层针叶林、混合中层林、阔叶多层林、分层晚演替林和噪声（结构不确定的未分配单元），分别占31.8%、39.8%、11.3%、5.9%和11.2%。尺度比较显示，累积层范围（Cumulative Layer Range，CLR）较为稳定，八个物种中有六个的差异在±1.7%以内。相反，Shannon's H′较为敏感，在赤松（Pinus densiflora）的5米单元中增加了0.08（25%）。这种基于指数的方法量化了森林的结构特征，并捕捉了尺度依赖的垂直复杂性。

**研究背景与意义**

森林结构作为植被的三维空间排列，是维持生物多样性、调节微气候和支撑生产力等核心生态功能的基础。垂直分层（即植被从林地表面到冠层上部组织为不同层次）日益被认为是生态系统复杂性和功能的核心特征。传统的森林结构表征依赖于野外调查，虽在局部尺度上准确，但通常劳动密集、空间受限且在描述连续垂直排列时存在主观性。被动遥感如卫星或机载光谱影像虽促进了景观尺度评估，但其二维特性限制了其捕捉复杂垂直分层细节的能力。光探测与测距（Light Detection and Ranging，LiDAR）尤其是机载激光扫描（ALS）的出现，通过提供直接、高分辨率的三维冠层架构测量，革新了森林结构分析。

然而，现有方法在应用于温带混交林时面临挑战。这些生态系统是具有不同冠形和生长速率的共存物种的镶嵌体，形成高度复杂和垂直异质的冠层。计数层数会忽略层内和层间的关键特征，如厚度、垂直间距及其对整体冠层架构的相对贡献；单一复杂度指标如叶面高度多样性（Foliage Height Diversity，FHD）虽提供整体异质性度量，但常错过支撑生态功能的特定结构配置。因此，迫切需要开发能够量化已识别层的多个不同方面的综合指标体系。

研究人员开发了基于LiDAR的方法以对韩国温带混交林中的垂直和水平结构类型进行分类，开发了十个新的垂直层指数，并应用PCA与HDBSCAN确定结构类型学。结论表明，所提出的指数体系能够准确表征物种特异性结构特征，多尺度比较揭示了统计学上显著的尺度依赖性，PCA–HDBSCAN无监督聚类成功将景观分层为可解释的结构类型。该研究发表于《Ecological Indicators》，为多角度结构评估提供了经验证的工具集，为未来结构-功能关系研究、生物多样性建模及可持续森林管理的循证策略奠定了基础。

**主要技术方法**

研究使用了2024年5月28日采集的高密度ALS数据（平均点云密度超过200 pts/m²），覆盖韩国京畿道杨州市约5.65 km²的可分析森林区域。采用半径为5米和10米的圆形分析单元开展多尺度分析。垂直层分割采用基于Hamraz等（2017）协议的方法，包括点云体素化、地面点过滤、冠层高度直方图绘制（使用高斯核平滑）以及二阶导数函数应用。通过对54种参数组合进行系统优化（包括两种单元半径、三种地面点过滤高度、三种体素化选项和三种直方图设置），并与四位韩国森林专家对326个5米样地和220个10米样地的实地调查结果进行验证。最终选用PCA进行降维和HDBSCAN进行无监督聚类。

**研究结果**

*层分割结果验证*：最优参数集（0.25米体素化、1.0米地面点过滤高度、1.0米直方图分箱大小与1.0米高斯核）实现了MAE约0.4的精度。地面点过滤高度和直方图设置是最具影响力的因素，体素化效应较小且具有轻微的尺度依赖性。

*十个垂直层指数的物种和单元尺度统计分析*：阔叶落叶物种（如C. crenata、Q. acutissima和Q. variabilis）一致地表现出比针叶林更大的结构复杂性。MAX指数显示物种特异性的上层优势：在5米单元中，最高冠层见于Q. acutissima（19.31 m）、C. crenata（18.85 m）和P. koraiensis（18.89 m），而P. densiflora的MAX最低（13.51 m）。CLR在尺度间保持稳定（六个物种的ΔCLR在±0.12 m以内），而TR由于包含间隙空间而表现出更大的变异性。在层间隙方面，P. densiflora展现出极小的AG值，反映其紧凑的单层冠层；LDI在P. densiflora中最高，凸显其密集的分层。在层多样性方面，阔叶物种持续表现出比针叶林更高的结构不规则性，H′揭示了整体结构复杂性的最强梯度，从C. crenata和P. koraiensis（0.74）到P. densiflora（0.31）。

*PCA–HDBSCAN聚类的冠层类型学和尺度效应*：PCA–HDBSCAN分析揭示了四到五个不同的结构聚类（标记为A到E）和一个噪声组。在5米数据集中，前两个主成分解释了59.4%（PC1）和14.5%（PC2）的方差；在10米数据集中，PC1和PC2分别解释了62.7%和13.5%。聚类A代表最简单的垂直结构类型，以P. densiflora和P. rigida为主，占5米单元的26.0%和10米单元的31.8%。聚类B和C代表中等结构复杂性，呈现部分分层的冠层和混合物种组成。聚类D（5米）和聚类C（10米）展现出比中间聚类更高的垂直不规则性。聚类E（5米）和聚类D（10米）展示了结构最复杂和垂直不规则的森林林分，特征为最高的RV、LRVI和HVI值，代表混合物种、晚演替森林的典型条件。

**讨论与结论**

研究人员系统评估了54种参数组合，证明了LiDAR衍生产品对处理选择高度敏感。十个垂直层指数提供了垂直结构的多方面量化，揭示了显著的物种特异性特征和对不同分析尺度的敏感性。层高度指数提供了关于森林冠层垂直范围和整体发展的基本信息；层间隙指数提供了对垂直层孔隙度和紧凑度的关键见解；层多样性指数概括了垂直异质性。研究确立了优化的森林层分割协议，并引入了多尺度、多指数方法用于使用高密度ALS数据对森林垂直层进行详细评估和聚类。

研究的主要结论包括：第一，十个垂直层指数在捕捉物种特异性结构特征方面表现出高保真度，有效区分了阔叶林冠层的异质复杂性与针叶林林分较为均质的形态；第二，多尺度比较揭示了在物种和指数上具有统计学显著的尺度依赖性，例如层多样性指标（特别是VLD）与分析空间范围密切相关；第三，PCA–HDBSCAN无监督聚类方法成功地将景观分层为生态可解释的结构类型学，揭示了从简单单层林到结构复杂的晚演替系统的清晰梯度。该研究为多角度结构评估提供了经验证的工具集，并为森林保育、生物多样性评估和政策导向的生态系统管理建立了稳健的定量基础。