《Journal of Forest Research》：Enhancing thinning efficiency in closed-canopy conifer plantations using dynamic threshold-derived live crown ratio and canopy cover from airborne discrete-return LiDAR data
编辑推荐：
本研究针对中低密度机载LiDAR在密闭冠层针叶人工林管理中，难以通过传统单木识别准确评估林分拥挤度的问题，提出了一种独立于林分密度的评估框架。研究人员通过从LiDAR高度分布中提取动态阈值，分离冠层点云，并拟合双参数零位移威布尔概率密度函数，从而稳健估算了平均冠基高（CBH）、平均树高（H）、活冠率（CR）和垂直冠层郁闭度（CC）。该方法在日本茨城县和福冈县单一树种针叶林中进行验证，有效生成了20米分辨率林冠拥挤状况图，为疏伐作业优先级的确定提供了技术支持，其框架计算高效，具有跨国应用的潜力。
在日本，大面积的针叶人工林正面临着一个紧迫的管理难题。由于林权分散、所有者老龄化以及历史原因导致的疏伐滞后，许多林分形成了密闭的冠层。这种过度拥挤的状态抑制了树木生长，影响了森林健康和生产力的可持续性。传统的森林资源调查依赖于野外实地测量，不仅耗时费力，在陡峭偏远的山区更是难以开展。自2010年代后期以来，许多日本地方政府开始采用机载激光雷达（LiDAR）辅助的森林经营调查，以期实现大范围、高效率的资源监测。
然而，一个技术瓶颈随之浮现。成本考量使得这些调查通常使用中低密度（例如每平方米4-10个点）的离散回波LiDAR数据。在这种数据密度下，常规的基于单木树冠识别的方法在探测被压木和中庸木时力有不逮，导致对林分内树木数量的严重低估。这使得林业管理者对依赖LiDAR估算的林分密度指标（如收获指数、相对间距）在密闭林分中的可靠性心存疑虑。那么，能否绕过棘手的单木识别，直接评估整个林分的“拥挤”程度，从而精准定位那些急需疏伐的区域呢？这正是发表于《Journal of Forest Research》的这项研究旨在破解的核心问题。
研究人员巧妙地转换了思路，将关注点从“有多少棵树”转向了“树冠的状态如何”。他们选取了两个与树冠结构密切相关的关键生物物理指标：活冠率（CR，即树冠活枝部分长度与树高的比值）和垂直冠层郁闭度（CC，即树冠垂直投影覆盖地面的比例）。这两个指标直接反映了树木的竞争状态和冠层通透性，是判断林分是否需要疏伐的实用标准。本研究的目标，正是开发一种基于中低密度机载LiDAR数据，能够稳健、独立地估测样地水平CR和CC的新方法框架。
为实现这一目标，研究团队主要运用了以下几项关键技术：首先，利用LiDAR数据生成冠层高度模型（CHM），并创新性地提出了一个“动态阈值”来从包含地面、灌草等噪音的点云中分离出纯粹的“冠层点”。这个阈值并非固定值，而是根据每个样地点云高度分布的十分位数动态计算得出，从而能自适应不同林下植被高度的变化。其次，对提取出的冠层点的高度分布，采用双参数零位移威布尔概率密度函数（PDF）进行拟合。通过寻找该威布尔分布的分位数与野外实测平均冠基高（CBH）之间一致性最高的概率点，来稳健地反演CBH。同样，平均树高（H）也可从威布尔分布的高分位数（如第88百分位数）稳健获得。最后，垂直冠层郁闭度（CC）的估测则基于Korhonen等人提出的方法，利用动态阈值所定义的冠层点占所有激光脉冲的比例来计算，并对扫描角的影响进行了校正。研究数据来源于日本茨城县（100个样地）和福冈县（47个样地）的私有针叶人工林（日本柳杉和日本扁柏），涵盖了广泛的林分密度范围。
CBH和H的估测结果
研究结果显示，通过威布尔分布法估测的CBH精度显著优于传统的基于固定百分位数（如上十分位数）的方法。在茨城和福冈站点，CBH的估测偏差分别仅为0.17米和0.25米，均方根误差分别为1.64米和1.94米。同时，平均树高HM和洛雷平均高HL的估测也表现出高精度，偏差和误差均较小。重要的是，分析表明估测误差与扫描角和地形坡度之间不存在显著的系统性依赖关系，证明了方法的稳健性。
CR的计算与CC的估测
基于威布尔法得到的CBH和HM计算出的活冠率（CR），其估测误差在广阔的林分密度范围（250–2800 棵/公顷）内没有显示出系统性依赖。与之形成鲜明对比的是，基于单木识别法得到的林分密度估测值，其低估程度随着实际林分密度的增加而急剧恶化。在垂直冠层郁闭度（CC）方面，使用动态阈值得到的结果，相比常用的固定阈值（如1.3米、2.0米），显著降低了下层植被高度变异带来的影响，使CC估测更为可靠。
林冠拥挤状况制图与应用
结合估测出的CR和CC，研究成功生成了20米网格分辨率的林冠拥挤状况图。制图规则结合了日本森林经营的实际经验与学术标准：首先，将CC < 80%的林分定义为近期经过疏伐、经营良好的“已管理林分”；对于CC ≥ 80%的密闭林分，则根据CR进一步细分：CR ≥ 30%为健康“已管理林分”，20% ≤ CR < 30%为“拥挤林分”，CR < 20%为“过度拥挤林分”。最终地图直观展示了两个研究区域林分的空间异质性，例如福冈站点存在更大比例的拥挤和过度拥挤林分，凸显了其疏伐需求的紧迫性。
结论与讨论
本研究证实，结合动态阈值与威布尔分布的方法，能够从中低密度机载LiDAR数据中高效、准确地估测密闭针叶人工林的冠层结构参数。该方法的核心优势在于其独立于林分密度估测的稳健性，有效规避了单木识别法在密闭林分中的固有缺陷。CR和CC分别从垂直和水平维度刻画了冠层状况，二者的结合使用提供了对林分“拥挤度”更全面、更现实的表征：CR反映了因竞争导致的冠基上升和活冠缩短，而CC则直接指示了冠层间隙的大小。特别是在刚完成疏伐的林分，CC会因冠层开口而迅速下降，从而能与那些因长期未经营导致CR极低的“过度拥挤”林分区分开来，避免了仅用CR可能产生的误判。
研究还探讨了将该框架应用于实际森林经营调查时的潜在简化方案。例如，研究发现威布尔分布的第88百分位数Q(0.88)与单木识别法得到的优势高HITCA高度一致，而HITCA又与HL紧密相关，这为在缺乏野外树高实测数据时估算H提供了可行路径。尽管不同站点最优的CBH对应威布尔分位数概率存在差异，但选取一个中间值（如Q(0.04)）仍可作为一个有效的初步近似。这些简化对于正在推广LiDAR辅助调查、但难以开展详尽树冠测量的地方 municipality 尤为宝贵。
综上所述，该研究提出的框架为利用广泛可得的中低密度机载LiDAR数据进行大范围人工林健康诊断和疏伐优先级排序，提供了一个计算高效、结果可靠且易于操作的实用工具。它不仅有助于解决日本当前面临的森林经营难题，其方法本身也具有扩展到其他国家单一树种针叶人工林的潜力，为精准森林管理和森林可持续经营提供了有力的技术支撑。
