融合机载LiDAR的天然混交林优势高估算方法

摘要

【目的】针对天然混交林结构复杂、优势高估算困难的问题，本研究旨在利用机载LiDAR技术获取的高精度树高数据，系统评估多种优势高估算方法在针叶混交林、阔叶混交林及针阔混交林中的适用性，并为不同林分类型筛选出最优的估算方法。【方法】基于42块天然混交林样地数据，结合机载LiDAR点云提取的高精度单木树高信息，构建了由3类基础估算算法（传统估算法、调整最大树法和U估计法）与4种优势木选择标准组合而成的10种优势高估算方法（TH1～TH10）。通过不确定性分析、差异性检验及相关性分析等统计手段，并与普适方法进行对比，系统评价其在不同林分条件下的表现。【结果】（1）在3种林分类型中，所得优势高估计值各有不同但总体呈现一致的规律性，总体呈现“传统估算方法>调整最大树法> U估计法”的趋势，另外，将树种差异纳入考量会导致估算值偏低。（2）各方法间差异显著性因林分类型而异。阔叶混交林中仅挑选最高树且不考虑树种差异的传统估算方法（TH2）与综合考虑最高树及不同树种差异的U估计法（TH10）差异显著；针叶混交林中TH10与其他多种方法存在显著区别；针阔混交林的情况最为复杂，呈现多组显著乃至极显著的差异组合。（3）所有估算方法在各林分类型中均呈正相关，其中阔叶混交林内各方法间关联性最强（r=0.71～0.99）。（4）3种林分类型中，绝大多数优势高方法估计值与加权林分密度指数（SDI）仅表现出微弱的正相关，表明这些方法受密度影响较小。（5）不确定性分析显示，TH9（仅挑选最粗树的U估计法）与TH2在针叶混交林中表现最佳，TH10和TH6则分别在阔叶混交林和针阔混交林中表现出最低的不确定性，结果最为可靠。（6）各优势高估算方法均与林分平均高呈中度至极强正相关，但与林分生物量和断面积生长量的相关性则普遍较弱，在3种林分类型中表现出一致的规律。【结论】本研究证实，在天然混交林优势高估算中，通过机载LiDAR数据针对不同林分类型匹配特定算法，比采用单一通用方法更为科学可靠。推荐如下最优方案：针叶混交林宜采用仅挑选最高树且不考虑树种差异的传统估算方法（TH2），针阔混交林宜采用仅挑选最高树且不考虑树种差异的调整最大树法（TH6），阔叶混交林宜采用综合考虑最高树及树种差异的U估计法（TH10）进行优势高估算。研究进一步明确了天然混交林条件下优势高估算方法的合理选型，为机载LiDAR数据在复杂森林结构的应用提供了重要的参考价值。

关键词

激光雷达 / 天然混交林 / 优势高 / 林分分类 / 精度评估 / 不确定性分析