机载激光雷达亚热带森林乔木层垂直结构分类方法

周相贝,李春干,余 铸,陈中超,苏 凯

(广西大学 林学院,南宁 530004)

森林群落的垂直结构泛指林分内树高的分布[1],具体指森林群落在空间中的垂直分化或成层现象[2],即由上到下可分为乔木层、灌木层和草本层等不同层[3-4]。森林垂直结构分层影响生态系统的能量传递与养分循环、野生动物栖息地、物种多样性、林分生产力、林分演替、可燃物梯级分布[5-7]等。因此,探明森林垂直分层状况,不但有助于加深对森林生态系统的认识,而且有助于森林防火、经营管理决策制定。

长期以来,森林垂直分层均以地面数据为基础,通过手工绘制的树冠剖面图描述林分垂直分层[8],或通过量化技术确定树冠内的分层[9],这些方法都存在着工作量大、劳动强度高、效率低和成本高等问题,并且这些方法无法做到全覆盖的区域制图,限制了大面积的应用。机载激光雷达(Airborne Laser Scanning,ALS)具有精确测距和穿透树冠的能力,能够精确描绘森林冠层三维结构[10-12],被广泛用于森林垂直结构研究。Morsdorf等[13]以地中海松树—常绿栎混交林地和Leiterer等[14]以普通山毛榉、欧洲白蜡树和梧桐枫树为研究对象,都采用ALS数据将林分垂直结构分为单层林、双层林和多层林；Latifi等[15]在作垂直冠层覆盖度估测中,将乔木层分为第1乔木层、第2乔木层、第3乔木层；Kwon等[16]使用神经网络的机器学习方法将阔叶林、针叶林和混交林划分为单层林,复层林和多层林,总体分类精度达71.1%；Adnan等[17]利用分类回归树将针叶林和落叶林分为单层结构、多层结构；Xu等[18]采用树冠分割算法将森林划分为冠层和树冠下层；Jarron等[19]通过计算加权平均高将针叶林垂直结构分为主冠层和亚冠层。然而,现有研究都未考虑到各个林层的空间位置,没有考虑到即使同为单层林或复层林,林层位置不同也存在较大的结构差异——这种差异有可能造成森林的生态功能也存在较大的差异。鉴于此,本文通过离散机载激光雷达点云对森林垂直冠层结构进行刻画,开发了一种适用于大区域亚热带森林乔木层垂直结构分类制图的新方法,为大区域森林生态评估和林业应用提供理论技术支撑。

1 研究区与数据

研究区为广西壮族自治区(20°54′～26°24′N,104°28′～112°04′E),总面积为23.76万km2。将乔木林分为4个森林类型:杉木林、松树林、桉树林、一般阔叶林,其中:杉木(Cunninghamialanceolata)林均为人工林,大部分为同龄纯林,少部分为杉木×天然马尾松(Pinusmassoniana)混交林和杉木×天然阔叶树混交林；松树林中马尾松约占90%,其余为细叶云南松(Pinusyunnanensisvar.tenuifolia)林、湿地松(Pinuselliottii)林等,85%为天然林,约60%的松树林为同龄纯林,其余为马尾松×天然阔叶树混交林；桉树林主要为尾叶桉(Eucalyptusurohpylla)林、巨尾桉(Eucalyptusgrandis×E.urohpylla)林,且绝大部分为单层纯林；阔叶林几乎全部为天然混交林,树种多且组成复杂。

样地调查于2017—2020年进行。根据总体上均匀、局部上集中(群团状)分布的原则,采用目的抽样方法[20]在研究区内布设样地。样地规格为30m×20m,分为4个15m×10m亚样地。用RTK测量样地西北角和东南角的坐标,样地坐标定位误差小于1m。在每个亚样地内,对胸径≥5.0cm的林木进行每木检尺,优势树种(组)和伴生树种(组)各选取3株平均木、1株高优势木和1株粗优势木,用超声波测高仪测定树高。采用广西的各优势树种(组)形高模型计算林分蓄积量。1 147个样地的基本情况如表1所示。

表1 样地基本信息表

机载激光雷达数据获取与样地调查基本同步进行。激光雷达扫描仪为Riegl VQ-1560和Riegl VQ-1560i,发束散角为0.25mrad,光斑直径约为0.6m左右,脉冲发射频率为1 000kHz,扫描频率为146Hz,最大扫描角为±30°,飞行的相对高度为2 500m左右,飞行速度为200～240km/h,旁向重叠21%～25%,航带间隔1.3～2.2km。平均点云密度≥2.0点/m2。激光点云高程中误差优于0.15 m。

2 乔木层垂直结构分类方法

2.1 垂直冠层结构分层与伪波信息提取

生态学家们提出了很多树冠分层的定义。在本研究中,综合考虑冠层中不同高度的不同生命形式或年龄组和植物物质的一般变异[21]对林分垂直结构进行分层,采用国际林联(IUFRO)的标准[3,22],根据林分优势高将乔木层进一步分为主林层(T1)、次林层(T2)和亚冠层(T3)。将冠层从顶端到地面分为100个高度层,通过激光点云计算各个高度层的覆盖率[23](图1(a)),得到高度—相对频率直方图(图1(b)),对相对频率直方图曲(折)线采用10次多项式进行拟合,生成冠层高度—频率分布的伪波(pseudo-wave)[14,24](图1(c))。伪波拟合过程由Python软件包中的NumPy库实现。伪波模拟了冠层物质(枝、叶等)的连续分布,直观地反映了冠层的垂直结构状态。通过伪波可以提取峰、谷、有效峰、有效谷及它们相应的密度及高度、冠层表面高(HCS)、林层表面高(HLS)、层下高(HUL)、林层高(长)度(HLA)等冠层结构参数。首先根据极值点,找出曲线的峰与谷,满足峰高大于或等于1.0m,覆盖率大于或等于0.05且其相邻的2个谷的最大覆盖率大于25%的条件为有效峰,2个有效峰之间覆盖度最小处为有效谷。有效峰与有效谷之间为一个剖面层,在有效峰与其上的有效谷之间的最大斜率Kmax处,向上计算相邻高度层的斜率之差,若Ki-Ki-1>0,则第i层对应的高度为所在剖面层的表面高(第1剖面层的表面为林分冠层表面高)。采用类似方法,在有效峰与其下的有效谷确定剖面层的层下高,剖面层表面高与层下高之差即林层高(长)度,如图1(c)所示。

图1 采用LiDAR点云生成伪波并提取冠层结构参数

根据乔木层的林层组成和各个林层的空间位置特征,乔木层划分为6个垂直结构类型:UT1,OT1,UT1T2,OT1T2,T1T3,T1T2T3,如图2所示。

注:O,U表示不同的空间结构，即上(overstory)、下(understory)结构；T表示乔木层，T1表示大于hp99分位数高度的2/3，T2表示在hp99分位数高度的1/3与hp99分位数高度的2/3之间，T3表示hp99分位数高度的1/3与3m之间。

2.2 分类规则

对全部样地的连续剖面进行观察和统计分析,结果表明:1)乔木层开始分层后出现T1+T2层时99%分位数高度(hp99)的最小值为9.2m,95%的T1+T2层林分的hp99均高于10.63m,出现T1+T2+T3时,hp99最小值为13.83m,95%的T1+T2+T3层林分的hp99均高于15.10m,据此确定当hp99≥10.0m时,林分开始分层,当hp99≥15.0m时,乔木层可能存在3层；2)对hp99≥10 m的林分的HLA/HCS的统计分析结果表明,单层林、2层林和3层林的HLA/HCS的变动范围分别为0.20～0.80,0.50～1.00,0.65～1.00,根据误差最小原则,确定单层林和2层林的HLA/HCS的分界阈值为0.65,2层林和3层林的HLA/HCS的分界阈值为0.80；3)有效峰的个数、各个峰的高度、各个林层的表面高、层下高、层高(长)等特征,决定了冠层中林层的组成和各个林层的空间位置。根据伪波的形状,将全部样地归纳为46个类型,每个峰选取1个典型的剖面作为模式剖面。无峰剖面有1个模式剖面(图3(a)),单峰、双峰和3峰剖面分为有20、21和4个模式剖面,图3(b)、图3(c)和图3(d)分别为单峰、双峰和3峰剖面中的1个模式剖面(限于篇幅,其余模式剖面文中省略)。根据剖面的特征参数,以有效峰的个数为基础,构建林分乔木层垂直结构的分类规则(表2)。

2.3 样地乔木层垂直结构分类的目视解译和分类精度检验

根据点云垂直分布和伪波,采用目视解译方法逐一确定每个样地的垂直结构类型,用作垂直冠层结构分类的检验数据。采用混淆矩阵评估分类精度。为进一步分析各个林层检测的准确性,计算了漏检率、误检率和检测精度。选取广西中部的大明山(23°9′48″～23°35′50″N,108°18′25″～108°44′9″E,面积1 369km2)为制图区域,通过分类规则的覆盖率评估其可推广性。

表2 基于冠层连续剖面的乔木层垂直结构分类规则

图3 分类规则中不同峰的伪波图

3 结果

3.1 分类精度和林层检测精度

全部样地分类结果表明:乔木层垂直结构分类的总体精度为93.9%,Kappa系数为0.913(表3),说明总体分类精度优良。

由表3可知,6个类型中,UT1与OT1的用户精度最高,分别为99.5%与98.3%,UT1T2用户精度最低,为79.8%；6个类型的生产者精度都高于84%,其中以OT1最高,为98.3%。分类错误由林层高与冠层表面高比值的阈值、hp99的阈值、高度-频率拟合连续剖面不准确等造成。进一步分析结果表明:1)单峰、双峰、3峰剖面中分类错误率分别为:6.2%,7.4%,9.1%；2)杉木林、松树林、桉树林和阔叶林的分类错误率分别为:9%,6.4%,2.4%,6.9%；3)T2,T3层的检测精度分别为98.3%,96.2%,漏检率分别为1.7%,3.9%,误检率差分别为9.5%,8.1%。

表3 冠层垂直结构分类的混淆矩阵

图4 大明山的森林乔木层垂直结构分类图

3.2 分类规则的可推广性

大明山森林乔木层垂直结构分类结果如图4所示。格网大小为30m×20m,共有2.30×106个网格,其中,属于森林的像元1.82×106个,非森林像元为0.46×106个。森林像元中,完成垂直结构分类的像元为1.814×106个,未作分类的像元4.39×103个,分类规则的覆盖率达99.8%,表明所建立的分类规则具有良好的可推广性。在1 147个样地分类结果中,类型UT1,OT1,UT1T2,OT1T2,T1T3,T1T2T3的样地数量占全部样地数量的比重分别为:16.7%,47.3%,7.3%,16.8%,2.2%和9.7%,在大明山的分类结果中,上述类型的比重分别为:24.7%,13.0%,26.5%,12.4%,1.2%和22.1%。说明尽管两者的垂直结构类型的结构相差很大,但未作分类的像元仅占0.2%,进一步表明本文提出的分类规则具有极高的可靠性与优良的推广性。未分类像元中,主要为样地中不存在4峰剖面。

4 讨论

不同的树种、森林类型(如,针叶林、阔叶林、混交林、松树林、杉木林、桉树林等)、年龄或龄组,冠层垂直结构不同,表现为冠层物质(枝、叶)的垂直分布不同。它们的差异在激光点云高度-覆盖度频率直方图上得到了准确的反映。通过对直方图进行曲线拟合后得到的伪波准确地反映了冠层物质的连续垂直分布,可以准确地提取林层/剖面层表面高、层下高、剖面层高(长)度等冠层结构参数,为乔木层垂直结构分类提供了基础信息。

很多研究已经证实了利用机载激光雷达数据进行森林垂直结构分层的有效性[14,17,19],但分类结果均未反映各个林层的空间位置。如图2所示,OT1和UT1都属单层林,但冠层所处的空间位置相差很大,OT1T2,UT1T2和T1T3均为2层林,但它们的空间结构也相差很大,这些空间结构上的差异,必将导致林分在生态功能(能量传递、鸟类分布、物种多样性、减轻降雨对土壤冲击等)和林业管理(异龄林经营管理、森林防火等)的差异。本研究以垂直冠层剖面为基础,采用基于规则的方法进行冠层垂直结构分类,其特点是:1)由于连续冠层垂直剖面直观地反映冠层物质的垂直分布,因此,该方法更接近实地观测结果；2)分类结果不但准确地反映了林分的垂直分层状况(如，单层林、2层林和3层林),而且明确了各个林层的垂直空间位置,为更广泛、更深入的生态学和林学应用奠定了坚实的数据基础；3)分类结果只与冠层物质垂直分布有关,不需考虑林分的树种组成、森林类型、年龄或龄组等因素,具有良好的普适性。

5 结论

本研究开发了一种森林乔木层垂直结构分类新方法。该方法以离散机载激光雷达点云高度-覆盖度频率分布为基础,通过10阶多项式拟合的连续垂直冠层剖面(伪波)提取冠层结构信息,构建了乔木层垂直结构分类规则。该方法具有分类精度高、普适性强、可推广性好,并且分类结果具有明确的空间信息的特点,为大区域森林生态学和林学应用奠定了可靠的数据基础。