基于LiDAR并结合叶生物量改进热带森林补植人工林地上碳储量估算的方法

《Land》：A LiDAR-Based Method for Incorporating Foliar Biomass in Aboveground Carbon Estimates in Tropical Forest Enrichment Plantations

　　

准确量化热带森林补植人工林(enrichment plantations)中的地上生物量(Aboveground Biomass, AGB)仍具挑战性，特别是在受管理的再生林分中，其树冠结构、径级结构和物种组成不同于用于校准经典异速生长方程(allometric equations)的数据集。本研究评估是否通过将移动激光扫描(Mobile Laser Scanning, MLS)重建的树木个体木质体积与显式叶生物量组分相结合，能更准确地估算热带森林补植人工林中的AGB。研究人员结合83棵树的破坏性测量数据与高分辨率MLS点云以量化生物量组分、校准叶质量模型并评估叶片对总AGB的贡献。树干占总生物量的大部分(65%)，而叶片平均仅占3%。在测试的模型中，包含胸径(Diameter at Breast Height, DBH)、投影冠幅面积(Projected Crown Area, PCA)和木材密度(Wood Density, WD)的模型3表现最佳(R2= 54.4%；RMSE = 2.43 kg)。相对于区域异速方程(?20.4%)和泛热带异速方程(?25.6%)，主要增益源于使用MLS衍生的木质体积结合物种木材密度，而纳入预测的叶生物量对剩余偏差提供了适度的额外修正。这些结果强调了冠层结构在此类人工林和生物量估算中的重要性，并支持在此背景下使用LiDAR数据作为AGB评估的稳健替代方案。

论文解读：基于LiDAR并结合叶生物量改进热带森林补植人工林地上碳储量估算的研究

一、研究背景与立项依据

传统地上生物量(Aboveground Biomass, AGB)估算依赖基于胸径(DBH)、树高(H)和木材密度(Wood Density, WD)的经验异速生长方程(allometric equations)，这类方程多在天然林校准，难以适用于树冠架构、径级结构和物种组成不同的热带森林补植人工林(enrichment plantations)及管理再生林分，应用时常产生显著偏差。近年来地基LiDAR——包括地面激光扫描(Terrestrial Laser Scanning, TLS)和移动激光扫描(Mobile Laser Scanning, MLS)——可通过定量结构模型(Quantitative Structure Model, QSM)以高精度重建树木三维木质结构并估算木质体积，结合物种WD可非破坏性地获取木质生物量。然而现有LiDAR流程多聚焦木质组分，叶片因薄且重叠常被处理时剔除，虽叶片占AGB比例较低，但在幼树和再生林分中相对贡献可能升高，且冠层结构本身与叶生物量相关。目前少有研究利用配对破坏性采样与LiDAR数据，探讨能否从MLS衍生冠层指标预测叶生物量，以及在已用MLS重构木质生物量基础上显式加入叶组分能否进一步提升AGB精度。本文即针对此开展研究，论文发表于《Land》。

二、主要关键技术方法

研究人员于喀麦隆东南部Pallisco-CIFM管理的Forest Management Units(FMUs) 10?030/042/044内年龄4–15年的热带半落叶湿润林补植人工林开展研究。使用GeoSLAM ZEB?HORIZON手持MLS对19块0.2–1.6 ha样地进行扫描；从已扫描样地中按代表性选取9科9种（先锋种与非先锋耐荫光需求种non?pioneer light?demanding, NPLD）共83株树进行破坏性采样，测定DBH、树高、干/桩立体段鲜重与体积(Smalian公式)、枝叶鲜重并取叶片亚样烘至恒重计算含水率，以物种水平WD（Global Wood Density Database）将干材体换算为木质生物量，叶干质量即为叶生物量(TLM)，三者加和得破坏性实测AGB。MLS点云用semi?automatic workflow配准并单木分割，LeWoS分离木质与叶片点，ITSMe R包提取DBH、树高、投影冠幅面积(Projected Crown Area, PCA)、冠深(Crown Depth, CrD)等；对木质点云运行TreeQSM重建QSM估算木质体积×WD得MLS木质AGB(AGB_{wood_MLS})，再加叶生物量预测值得出含叶AGB(AGB_MLS+leaf)。以对数?对数嵌套模型(DBH；DBH+PCA；DBH+PCA+WD)拟合TLM，比较AIC/R²/RMSE与树水平和物种水平交叉验证；用偏差(Bias%)、相对误差(RMSE%)对比AGB_MLS+leaf、AGB_{wood_MLS}与区域(Fayolle et al.)及泛热带(Chave et al.)异速方程相对于破坏性AGB的表现，并按DBH分级分析尺寸依赖误差。

三、研究结果

3.1 Leaf Mass Contribution to Total Aboveground Biomass（叶片质量对总地上生物量的贡献）

研究人员对83株树的干/枝/叶生物量做等组成分析(isometric log?ratio, ilr)并做多元方差分析(MANOVA)。结果显示物种间生物量分配显著不同(Pillai's trace = 0.414, p = 0.003)，DBH径级间亦显著(p < 0.001)，功能生态位(先锋 vs NPLD)无显著影响(p = 0.133)。描述性统计：茎干占AGB约60%–80%(均值65%)，枝条约20%–40%，叶片均值为总AGB的3%(种间0.034–0.067)，小树(<10 cm DBH)叶片与枝条占比相对较高，大树(>30 cm DBH)茎干占比升高。结论：叶生物量绝对占比低但随径级变化，物种差异显著，功能 guild 差异不显著。

3.2 Model Calibration and Validation Based on MLS Metrics（基于MLS指标的模型校准与验证）

以log?log形式建立三个叶干质量(TLM)预测模型：Model 1(DBH)、Model 2(DBH+PCA)、Model 3(DBH+PCA+WD)。Model 1: R²=48.2%, RMSE=2.77 kg；Model 2略优：R²=52.5%, RMSE降低；Model 3最优：R²=54.4%, AIC=173.96, RMSE=2.43 kg。树水平交叉验证RMSE 2.68–2.82 kg，物种水平相近，无严重过拟合但预测精度中等。结论：冠层指标PCA改善叶生物量预测，WD提供额外信息，最佳模型为含DBH、PCA及WD者，但叶生物量本身变异大，模型仅能解释约半数方差。

3.3 Tree Level Biomass Estimations（单木生物量估算）

选用Model 3预测TLM加至AGB_{wood_MLS}得AGB_MLS+leaf。AGB_{wood_MLS}相对破坏性AGB偏差?2.0%，AGB_MLS+leaf偏差+1.91%；区域异速方程偏差?20.38%，泛热带异速方程偏差?25.64%。按DBH分级：小树(<8 cm DBH)MLS略高估，异速方程低估；中径级(10–30 cm DBH)MLS接近零误差，异速方程持续负偏?20%~?40%；大径木误差趋近但MLS仍更接近1:1线。结论：MLS重构木质体积结合物种WD是AGB精度提升的主要来源，显式加入预测叶生物量提供次要但有效的偏差修正，尤其对小树；传统异速方程在该补植人工林明显低估AGB。

四、讨论与结论总结

讨论指出叶片占AGB平均约3%，随树径增大占比下降，物种间分配差异显著而先锋/NPLD guild差异不显著；以MLS冠层指标(尤PCA)并纳入WD可改进叶生物量模型但解释力仍有限，WD效应部分反映物种分类结构。核心发现为：相对于传统异速方程，AGB估算精度提高的主因是用MLS?QSM木质体积×物种WD替代经验DBH?H?WD公式，叶组分是在此基础上的微调(refinement)。尺寸依循误差分析印证MLS直接捕获三维结构尤其中小径木优势明显。局限含WD为物种均值未实测、叶含水率校正引入一定不确定、样本树种分布不均、QSM算法影响等；建议未来完善叶生物量预测、扩展森林类型验证及显式传播不确定度。

结论(翻译)：本研究表明，热带森林补植人工林AGB估算精度提升主要源于以MLS重建树木木质体积结合物种木材密度取代通用异速生长预测。LiDAR衍生AGB在大多数径级近乎无偏，而经典异速方程因无法表征冠层结构与物种特异性分配策略呈现持续负偏差。结果强调冠层架构为管理再生林分生物量变异的重要驱动因子；叶生物量虽量少，但在物种与径级间非常量，当木质生物量已由LiDAR结构直接估算时，显式计入叶组分可提供有意义的额外修正。本研究通过组分显式(compartment?explicit)方法联结破坏性与LiDAR生物量评估，支持在补植人工林、恢复林分及类似管理再生热带森林中使用LiDAR进行生物量监测，但谨慎对待向一般热带森林的外推。