基于地基激光雷达对校园行道树地上碳储量无损估测

李春海

（南宁师范大学地理科学与规划学院，广西南宁 530001）

行道树是指沿道路两旁或者公园种植的给车辆与行人遮荫并构成街景的乔木，其以“线”的形式，将分散在城市内，将以“点”和“面”形式的绿化关联起来，构成完整的城市生态系统[1-2]。作为城市绿地生态系统的重要组成部分，行道树具备的生态功能是维持城市碳平衡重要的手段。当前国内针对行道树生态功能的研究主要聚焦于调节小气候、净化空气和滞尘减噪等方面，针对行道树碳汇功能的研究还不够深入[3]。虽然也有国外学者利用航空影像与激光雷达等实测数据对城市树木生物量进行估算，但是大多是从区域的尺度来估算，结果通常具有较大的误差与随机性[4-6]。传统的基于天然林分调查的单木材积及碳储量模型没有考虑城市绿化树种在人工干预下所形成的结构、形态及功能上的差异，不能较好地测算行道树碳储量[7]。同时城市绿化树种因其园林美学价值，不宜以破坏性取样的方式开展立木碳储量研究。因此开展无损测算单木体积及碳储量对于评价城市森林碳汇水平以及探索城市森林对于减轻气候变化的作用具有重要意义。

地基激光雷达（TLS，Terrestrial laser scanning）作为一种主动遥感技术，能够直接、高效、自动和精确地获取目标表面的三维空间坐标，并提供关于树木空间位置、株数、胸径以及树高等森林结构参数信息。相对于传统的林业调查方法，因为TLS 具有非接触性、快速性、主动性和数据丰富等特点，使得该技术更适合现代林业调查工作[8]。近年来已有研究开展了基于TLS 的森林结构参数提取及碳储量测算的探索。Simonse 等[9]与Bienert 等[10]通过使用二维Hough 变换法与优化最小二乘圆拟合法在估算树干、胸径及胸径断面面积方面取得重大突破。有学者基于单木三维形态学的特点构建出三维模型，并计算出部分测树因子[11-12]。Liang 等[13]与徐诗宇等[14]则通过使用分段求积法对树干点云数据进行切片分段研究，从而实现对单木材积和树干碳储量无损估算研究。目前国内外研究虽然对部分测树因子进行研究，但是针对单木总体测树因子的综合研究较浅，因此得到的单木碳储量结果会存在偶然性。

该次研究基于TLS 并结合部分采样的方法对扁桃树单木总体积以及各器官碳储量进行无损估算研究，旨在为城市绿化树种的碳储量计算提供无损化估测方法和数据基础，同时也为城市园林生态效益评价和改善城市生态环境提供科学依据。

1 研究区概况

研究区位于南宁师范大学明秀校区内，地形以平地为主，属于典型的亚热带季风气候，夏长冬短，年平均气温为21.0℃，平均相对湿度约为79.0%[15]。校区内绿化植物组成丰富，多为常绿乔木、灌丛地被与草本植物，人为干预性强。常绿乔木以扁桃树（Mangifera persiciforma）、芒果树（Mangifera indica）和大王椰子（Roystonea regia）为主，其中校区行道树主要由扁桃树组成。扁桃树为常绿阔叶乔木，属蔷薇科桃属，主要分布于以广西为主的南方省份，是亚热带地区常见的道路绿化树种[16]。

2 数据获取与研究方法

2.1 点云数据获取与样本采集

2.1.1 点云数据获取。研究于2021年5月和12月对校园2 条道路两侧共30 株扁桃树进行数据采集工作。在进行扫描前先将12 枚直径0.145 m 球形标靶与对中杆+支架以矩形分布方式布设在扁桃树四周，同时在每株样木旁放置数字标识牌，并随机选取6 株单木，使用宽度3 cm 的钢圈捆绑在其距离地面1.3 m 和1.8 m 胸高处。为保证目标单立木点云数据完整性，且有研究表明单站扫描参数提取精度低于多站扫描[17]，因此针对单木至少需要3个不同视角对其进行扫描采集，且在确定球形标靶位置后，必须保证每个架站都能同时完整扫描到至少3个同名球形标靶。

2.1.2 样本数据采集。

（1）待点云数据采集工作完成后，使用胸径尺对每株样木垂直距地面1.3 m 与1.8 m 胸高位置进行胸径量测。（2）树枝、树叶样品采集：选取5 株不同胸径的样木，使用高枝剪在样木不同高度及冠幅中部东南西北4个方向剪取树枝，接着使用普通枝剪再次切分。（3）站在样木上坡位置，在垂直于坡向上距离地面1.3 m 胸高处使用生长锥钻取树芯。

2.2 研究方法以及数据处理

该次研究的点云数据处理是基于Z+F、LiDAR360 软件与树木定量结构模型“AdQSM”[18]。

2.2.1 点云数据预处理。

（1）点云去噪：基于Z+F 软件噪声滤波组件将机器原始噪点去除，再基于空间分布算法将单木间的噪点去除。（2）点云配准与合并：使用LiDAR360 手动拾取至少3个同名标靶球，接着将不同架站的点云数据配准至同一坐标系内，同时控制点云拼接残差在0.9～5.0 mm。（3）地面点分类及点云归一化：使用改进的渐进加密三角网滤波算法[19]分离出地面点与非地面点，再根据每一个点的高程值减去地面点高程值以实现点云归一化。（4）单木分割：采用Tao 等[20]于2015年提出的比较最短路径算法实现对单木点云的分割。（5）数据裁剪：基于LiDAR360 的矩形裁剪与内、外裁切工具将单木从其他地物中裁切出来。

2.2.2 单木参数提取。

（1）胸径（DBH）基于最小二乘圆拟合算法对单木垂直于地面 1.25～1.35 m 处胸高处点云拟合得出[21]。（2）树高与冠幅提取则是使用归一化的点云数据进行单木分割后直接得出。（3）叶面积指数（LAI）是指单位地表面积上所有总叶表面积的1/2，该次研究基于Li 等[22]开发的算法求出叶面积指数，同时根据单木冠幅大小进行外接矩形处理，计算出矩形的面积即土地面积。（4）树干体积与树枝体积提取则是基于“AdQSM”模型从TLS 点云中重建单木的三维枝干几何结构，并定量计算出树干和树枝体积等诸多属性。

2.2.3 样品处理。

（1）树干与树枝密度提取：使用排水法量测出树芯与树枝的新鲜体积，接着将样品放入65℃烘箱烘干72 h，同时每隔一定的时间测定其干量，直到衡重为最佳。（2）树叶样品处理：比叶面积（cm2/g）是指单面叶面积与叶干重比值，将叶片放置于扫描仪中开展叶片扫描工作，接着利用ImageJ 软件计算叶片面积。将扫描完成后的叶片置于65℃烘箱烘干72 h；烘干完毕后称取叶片及信封的干重，最后再减去信封的干重，即可得到叶片的干重。（3）单木各个器官样品碳储量测定：使用重铬酸钾氧化-外加热法测定含碳率，重复3 次[23]。

2.2.4 基于激光雷达对单木各器官碳储量的无损估测。该次研究的扁桃地上碳储量主要由树干、树枝与树叶的碳储量组成。根据排水法与天平称量结合求出树干和树枝的平均密度（g/cm3），同时基于AdQSM 模型求出目标单木的树干与树枝体积（cm3），将树干、树枝密度与体积相乘可得单木树枝和树干的总干量（g）即生物量，最后结合树芯和树枝样品中的有机碳储量（g/kg）得出单木树干与树枝碳储量。通过比叶面积（cm2/g）与单木总叶表面积（cm2）结合得出单木总叶干重（g）即生物量，最后结合树叶样品中的碳储量（g/kg）得出单木树叶碳储量。

2.2.5 基于异速生长方程估算单木碳储量方法。

计算单木生物量：借鉴汪珍川等[24]提出的软阔叶树种异速生长方程（表1）。该方程适用胸径范围为6.31～36.45 cm。

表1 扁桃异速生长方程

采用下式计算单木碳储量。

C=B×Cc

式中，C 为碳储量，Cc为含碳率，B 为乔木生物量。

因不同树种的含碳系数不同，目前国内外研究者大多采用的含碳系数区间为0.45～0.50[25-26]。为提高碳储量计算的精度，采用李海奎等[27]给出的软阔叶林的含碳率0.495 6。

3 结果与分析

3.1 胸高位置精度

基于归一化的点云数据使用单点选择工具查询得出6 株单木钢圈高程，并与单木钢圈实际高程进行比较分析（图1）可见，该次研究使用的钢圈宽度为3 cm，因此TLS量测的钢圈误差范围在（130±3）cm 或（180±3）cm 都属于因野外人工操作造成的正常误差范围，这也说明TLS量测树的高程即树高也属于正常误差范围。

图1 TLS 量测钢圈高程与实测钢圈高程对比

3.2 单木DBH 提取精度

将基于TLS 测算的30 株扁桃树的DBH 和实测DBH进行比较，发现1.3 m 处基于TLS 测算的扁桃树DBH 的标准误差（RMSE）为±1.01 cm，平均相对误差（MRE）为2.38%，R2=0.982 5（图 2）；1.8 m 处基于 TLS 测算的扁桃树 DBH 的RMSE 为±0.54 cm，MRE 为 1.42%，R2=0.996 4（图2）。因此针对胸径而言，基于TLS 量测的扁桃DBH 与实测值具有很高的一致性。

图2 扁桃树提取DBH 与实测值比较

3.3 单木LAI 与1/2 总叶表面积

30 株扁桃树 LAI 最大值为3.13，最小值为0.82，平均值为1.57；1/2 总叶表面积最大值为537.24 m2，最小值为83.14 m2，平均值为226.84 m2。胸径在 30～40 cm 范围 LAI 和 1/2总叶表面积均值为1.68、283.18 m2，大于胸径在20～30 cm 范围LAI 和1/2总叶表面积均值为1.46、138.23 m2，说明随着单木生长扁桃的郁闭度越高（表2）。

表2 扁桃单木LAI 与1/2 总叶表面积

3.4 单木树干与树枝体积

由表5 可见，30 株扁桃树树干体积最大值为2.63 m3，最小值为0.30 m3，平均值为 1.14 m3；树枝体积最大为 1.30 m3，最小值 0.16 m3，平均值为 0.48 m3。胸径在 30～40 cm 范围树干体积均值为1.37 m3，大于胸径在20～30 cm 范围体积均值0.65 m3；同理，胸径在 30～40 cm 范围树枝体积均值为 0.60 m3，大于胸径在20～30 cm 范围树枝体积均值0.25 m3，说明扁桃整体树干和树枝体积是随着单木的生长而增大（表3）。

表3 扁桃单木树干与树枝体积 m3

3.5 单木地上碳储量

根据内业处理5 株扁桃各器官样品得出树干平均密度为552.21 kg/m3、树干平均碳含量为437.52 g/kg、树枝平均密度为529.06 kg/m3、树枝平均碳含量为414.75 g/kg、平均比叶面积为64.56 cm2/g，树叶平均碳含量为401.13 g/kg。

30 株扁桃树地上总碳储量最大值为1 379.78 kg，最小值为133.94 kg，平均值为442.23 kg。胸径在30～40 cm范围单木地上碳储量均值为532.80 kg，大于胸径在20～30 cm 范围体积均值207.10 kg，说明扁桃单木地上碳储量随着单木的生长而增大（表4）。

表4 扁桃单木地上碳储量 kg

3.6 单木地上碳储量测算精度随单木生长变化研究

将异速生长方程测算扁桃各器官及地上碳储量与基于TLS 测算的碳储量结果（该研究中作为实测值）进行对比分析可见，使用异速生长方程测算的扁桃树干R2=0.96（图3a）；使用异速生长方程测算的扁桃树枝碳储量R2=0.78（图3b）；使用异速生长方程测算的扁桃树叶碳储量R2=0.40（图3c）；使用异速生长方程测算的扁桃树枝碳储量R2=0.95（图 3d）。

利用异速生长方程测算的树干碳储量在胸径较小时具有较高精度，但随着单木的不断生长，异速方程计算的树干碳储量逐渐偏离参考线y=x，这说明精度随着胸径的增大逐渐降低。同理，由图3 可看出基于异速方程测算的树枝和树叶碳储量随着胸径的不断增大，所测算碳储量精度不断下降，表明基于现有异速生长方程计算单木地上碳储量的精度随着单木的生长在整体上呈现下降趋势。

图3 异速生长方程测算扁桃碳储量与TLS 测算结果比较

3.7 不同方法测算单木各器官碳储量比较

由表5 可见，利用现有的异速生长方程测算的树干碳储量为（169.56±82.54）kg，极显著低于基于 TLS 测算的树干碳储量（202.44±75.24）kg（P＜0.01）。利用现有的异速生长方程测算的树枝碳储量为（40.02±16.58）kg，极显著低于基于TLS 测算的树枝碳储量（80.68±38.29）kg（P＜0.01）。而利用现有的异速生长方程测算的树叶碳储量为（5.59±1.64）kg，虽然低于基于TLS 测算的树叶碳储量（6.02±3.50）kg，但两者间的差异并不显著（P＞0.05）。

表5 不同方法测算扁桃各器官与整体碳储量比较

4 讨论与结论

4.1 讨论

（1）该研究通过基于TLS 量测单木1.3 m 和1.8 m 处的钢圈高程值，并与实际钢圈高程值对比分析，发现误差均在因野外人工操作造成的正常范围。通过基于TLS 提取的30 株扁桃树1.3 m 和1.8 m 胸径与实际样木胸径值比较，发现两者1.3 m 处胸径标准误差为±1.01 cm，平均相对误差为2.38%，R2=0.98；1.8 m 处胸径标准误差为±0.54 cm，平均相对误差为1.42%，R2=0.99。因此说明基于TLS 采集得到的扁桃单木点云数据具有极高的还原度和真实性。

（2）利用现有异速生长方程测算的扁桃各器官碳储量精度随着单木的生长而降低，说明城市行道树绿化树种在生长过程中会受到周围环境、人文因素和热岛效应等影响，从而导致随着单木不断生长基于异速生长方程测算的扁桃各器官碳储量误差越来越大。

（3）现有的异速生长方程测算单木各器官碳储量在总体上要低于TLS 测算的单木各器官碳储量，这说明城市绿化树种与野外林分在枝形上存在显著差异，且随着胸径的增大，其差异逐渐增大，说明现有的异速生长方程并不能很好地与之相匹配。史琰等[28]也发现城市中复杂的环境条件、人为的频繁干预，在一定程度上对立木的生长起着促进或抑制的作用，使其生长态势与野外林分相比存在更多的不确定性。

（4）此外，目前地基激光雷达在量测冠层结构参数存在一定的误差。这是因为地基激光雷达在冠层下穿透性差，对于不同单木之间出现的树冠交叉和枝叶交叠现象对点云数据后期处理以及提取LAI 和总叶表面积带来一定的困难。虽然在该次研究中基于异速生长方程计算的扁桃叶片碳储量与TLS 测算的叶片碳储量差异并不显著（P＞0.05），但树叶所含的碳储量相对于树枝与树干所含碳储量而言远小很多，因此这部分误差并不会影响最后计算单木地上碳储量的精度。但仍希望后续研究可以使用轻型机载激光雷达与地基激光雷达一起进行数据的融合和互补，保证构建精度更高的单木三维结构。

综上所述，现有的异速生长方程通常都是基于野外林分研究得到的，但城市绿化行道树树的特殊性，可能目前现有的异速生长方程并没有针对其作出相应的要优化。因此基于现有异速生长方程测算城市绿化行道树地上碳储量的精度是否能满足现如今精准林业的需求仍待进一步考究。

4.2 结论

基于TLS 提取的单木高程值、胸径都能达到极高的精度。通过与外业实测值对比分析基于TLS 提取的扁桃钢圈高程值、1.3 m 和1.8 m 胸径值，其中钢圈高程误差在±3 cm 内，且胸径值平均相对误差为2.38%和1.42%。这说明基于TLS 提取单木点云数据具有极高的精确度和客观真实性，同时也证明基于TLS 可以无损、精确地测算单木测树因子。基于TLS 提取的扁桃单木测树因子可知，扁桃整体树高、冠幅、郁闭度、树干体积、树枝体积和地上碳储量会随着单木的生长而增大。

城市绿化树种的单木体积及碳储量受环境因素和人为干扰影响与野外林分相比较存在显著差异。基于现有的异速生长方程计算城市绿化树种各器官碳储量在总体上与城市绿化树种的匹配程度较低，并不适用于城市绿化树种的碳储量测算。