1、No.3FORESTRESOURCESMANAGEMENT第3期June20232023年6 月林业资源管理基于LiDAR技术的杉木人工林碳储量估算研究闫保银，姜文龙，范俊俊？，项铮，黄俊3（1.南京国图信息产业有限公司，南京2 10 0 0 0；2.金陵科技学院，南京2 10 0 38；3.南京逐鹿景观工程有限公司，南京210028）摘要：采用机载LiDAR技术对江苏连云港南云台林场杉木人工林进行林分因子调查，基于调查结果和含碳系数，运用生物量方程法估测生物量和碳储量，旨在为杉木林经营管理和开展固碳增汇提供依据。结果表明：1）y=4.6642e127（R=0.8 0 12）为胸径优选反演模型
2、；2）杉木人工林碳储量随径级的增大而不断增加，其地上碳储量（4.3172.79hm）显著高于地下碳储量（1.17 2 1.44hm），在全株碳储量（5.48 9 4.2 3/hm）中占绝对优势；3）对比不同径组间全株碳储量倍数关系，中径组是小径组的3.4倍；大径组是中径组的2.6 8 倍；特大径组是大径组的1.8 9 倍，碳储量增速随径级增大呈逐渐降低趋势；4）从杉木碳储量在不同器官中的分配来看，树干和树枝中的碳储量随径级的增加而增多，叶片随径级的增加而减少。关键词：LiDAR；杉木；碳汇；碳储量中图分类号：S757.2文献标识码：A文章编号：10 0 2-6 6 2 2(2 0 2 3)0
3、3-0 134-0 6D0I:10.13466/ki.lyzygl.2023.03.018Research on Carbon Storage Estimation of Cunninghamialanceolata Plantation Based on LiDAR TechnologyYAN Baoyin,JIANG Wenlong,FAN Junjun,XIANG Zheng,HUANG Jun3(1.Nanjing GTMAP Information Industry CO.Ltd,Nangjing 210000,China;2.Jinglin Institute of Technol
4、ogy,Nanjing 210038,China;3.Nanjing Zhu Lu Jing Guan Information Industry CO.Ltd,Nangjing 210028,China)Abstract:In this study,the airborne LiDAR technology was used to investigate the stand factors of theCunninghamia lanceolata plantation in Nanyuntai Forest Farm.Based on the survey results,the bioma
5、ss andcarbon storage were estimated using the biomass equation method combined with the carbon coefficient,inorder to provide a basis for the management of Cunninghamia lanceolata and the development of carbonsequestration and sink increase actities.The results indicate that 1)y=4.642ea1237(R?=0.801
6、 2)is123the optimal inversion equation for diameter at breast height(DBH);2)The carbon storage of Cunninghamialanceolata plantation increased with the increase of DBH class,and its aboveground carbon storage 4.31 72.79 t/hm)was significantly higher than underground carbon storage 1.17 21.44/hm?),acc
7、ountingfor absolute advantage in the whole plant carbon storage(5.48 94.23 hm);3)Comparing themultiple relationship of carbon storage of the whole plant among different DBH groups,the medium DBHgroup is 3.4 times of the small DBH group;The large DBH group is 2.68 times larger than the medium收稿日期：2 0
8、 2 3-0 4-2 3；修回日期：2 0 2 3-0 5-2 1基金项目：江苏省产学研合作项目“园林植物智慧养护分析系统研发与应用”（BY2022576）作者简介：闫保银（19 8 0），男，江苏南京人，高级工程师，主要研究方向：森林资源调查监测及信息化。Email:135闫保银等：基于LiDAR技术的杉木人工林碳储量估算研究第3期DBH group;The extra large DBH group is 1.89 times of the large DBH group,and the growth rate isgradually decreasing;4)From the distr
9、ibution of carbon storage in different organs of Cunninghamialanceolata,the carbon storage in the trunk and branches increases with the increase of DBH class,whilethe leaves decrease with the increase of DBH class.Key words:LiDAR;Cunninghamia lanceolata;carbon sink;carbon storage森林能够维持地球的碳氧平衡，进而对全球的
10、气候调节产生重大影响。联合国政府间气候变化专门委员会（IPCC）将陆地生态系统碳库分为地上部分、地下部分、枯落物、枯死木、土壤5大碳库，地上部分所储存的有机碳占大多数，在减缓全球气候变暖、实现碳中和等方面发挥着不可替代的作用2 。杉木（Cunninghamia lanceolata）是我国南方地区特有的优良速生乡土用材树种3，同时也是江苏连云港南云台林场的主要优势树种之一。本研究以杉木人工林为研究对象，应用机载激光雷达(LiDAR）技术调查树高、胸径等林分因子,基于调查结果，采用生物量方程对杉木地上/地下生物量、碳储量进行估测，探讨不同径级杉木碳储量的变化规律和分配格局，旨在为杉木林经营管理和
11、开展固碳增汇提供依据1石研究区概况研究区南云台林场（34353440 N1191311922E）地处连云港市云台山风景名胜区花果山南麓，森林覆盖率9 5.6 1%，属暖温带南缘向北亚热带过渡地带，具有典型的季风气候特征，四季分明，气候温和，光照充沛，雨量适中。地形为东南缓、西北陡的低山丘陵，侵蚀构造，山头林立，海拔50 625.4m。森林植被以黑松（Pinusthunbergi）、杉木、赤松（Pinus densiflora）、水杉（Pinus densiflora）、柳杉（Cr y p t o me r i a j a p o n i c a v a r.s i n e n s i s）、金
12、钱松（Pseudo-larix amabilis）、麻栎（Quercus acutissima）、楸树（Ca-talpa bungei）、黄连木（Catalpa bungei）、构树（Catal-pa bungei）、朴树（Celtis sinensis）等为主。2研究方法2.1林分因子获取采用机载LiDAR结合地面调查的方式，通过建立回归模型，获取杉木林分因子（胸径、树高）。选择天气晴朗、少量高云、风速较低的环境，采用机载LiDAR获取杉木人工林点云数据，覆盖杉木人工林范围34.7 3hm。L i D A R 系统采用华测大黄蜂无人机+AU20，飞行航高2 8 0 m，激光旁向重叠度6 0%
13、，航飞速度为7 m/s，点频8 0 0 khz。具体扫描位置如图1所示。2图例南云台林场边界范围LiDAR飞行边界范围杉木人工林地地面实测样点图1试验区范围示意图Fig.1 Schematic diagram of the scope of the experimental area选择4个具有代表性的点位布设样方（1号样方用于精度检验；2,3，4号样方用于反演模型构建），按照森林资源规划设计调查技术规程4 中的相关要求，在样方内采用胸径尺、测高器等工具进行每木检尺，记录树种、胸径、树高、郁闭度等林分因子，按照江苏省主要树种一元材积表计算蓄积量。将LiDAR获取的点云数据进行去噪、归一化等处理
14、，生成数字地面模型（DigitalTerrainModel,DTM）、数字表面模型（Digital SurfaceModel,DSM)和冠层高度模型（CanopyHeightModel,CHM），基于CHM生成种子点进行单木分割，直接提取单木树高、冠幅直径、冠幅体积等参数。研究表明，树木的树高、冠幅与胸径具有相关性5,结合现有研究的普遍做法，本研究以树高、冠幅直径为自变量，地136第3 期林业资源管理面实测胸径为因变量建立模型，通过对比相关系数（R）筛选优选模型，实现杉木平均胸径的估测2.2生物量与碳储量估测基于LiDAR技术获取胸径、树高等数据，参考立木生物量模型及碳计量参数(一杉木6 中的
15、相关公式，计算地上/地下生物量、各器官生物量（树干、树皮、树枝、树叶）。采用C=MCF计算碳储量,其中C为杉木碳储量,M为杉木生物量，CF为含碳系数。具体公式及各生物量含碳系数如表1、表2 所示。表1杉木地上/地下生物量计算模型Tab.1 Calculation model for aboveground/underground biomass of Cunninghamia lanceolata类别模型相关系数(R2)含碳系数地上生物量/kgMA=0.065388D2.0173 H0.49425(D5 cm)0.968 80.5003地下生物量/kgM;=0.016385 D2.52941
16、H-0.174(D 5 cm)0.91850.4880注：MA为地上林木生物量（kg）；M g 为地下林木生物量（kg）;D 为胸径（cm）；H 为树高（m）。表2 杉木分项生物量计算模型Tab.2 A model for calculating the partial biomass of Cunninghamia lanceolata类别模型含碳系数比例函数树干M,=(1+g1+g2+gs)-1 MA0.501 481=0.37301 H-0.29282树皮M2=g1(1+g1+g2+g3)-1 MA0.499 9g2=0.80058D.79058 H-1.29690树枝M,=g2(1+g
17、1+g2+gs)-1 MA0.494.7g3=3.23395 DO.48038 H-1.71324树叶M4=g3(1+g1+g2+g3)-1 MA0.503.3注：MA为地上林木生物量估计值（kg）;8 1,8 2,g 3分别为树皮、树枝、树叶的比例函数；M1,M2,M3,M4分别表示树干、树皮、树枝、树叶的生物量(kg);D为胸径(cm);H为树高(m）。3结果与分析3.1杉木林分因子估测3.1.1LiDAR与样地测量数据分析通过处理点云数据，可直接获得树高、冠幅直径、冠幅面积和冠幅体积。提取样地内点云，共获得9 3株单木，与实测单木10 9 株相比，单木识别率达8 5%。从表3中的LiDA
18、R估测数据可知,数据离散程度较高。3.1.2胸径反演模型构建建模前对样本数据进行异常值处理，分别设置两组反演模型（表4）：1)实测胸径与LiDAR估测树高反演模型;2)实测胸径与LiDAR估测冠幅直径反演模型。根据相关系数（R）进行模型比选，选出较优模型。从反演结果（图2）可以看出，模型1的R（0.8 0 12）明显高于模型2 的R（0.356 1），因此推荐使用模型1（y=4.6642e.1237*）作为杉木人工林的胸径优选估测模型。表3杉木LiDAR估测与样地实测数据统计表Tab.3 Statistical table for LiDAR of Cunninghamia lanceolat
19、aand sampleland data数据类型参数平均值最大值最小值标准差树高/m8.813.42.62.2冠幅直径/m3.15.31.60.7LiDAR估测冠幅面积/m8.122.31.93.7冠幅体积/m329.7101.33.318.3样地实测胸径/cm14.326.56.63.9表4胸径反演模型比选Tab.4 Comparison and selection of DBH inversion models序号模型R21y=4.6642e0.1237 x0.801.22y=-0.0955x3+0.4925x2+3.2355x+2.53170.3561注：为实测胸径；模型1中，表示估测树
20、高；模型2 中，x为估测冠幅直径。137闫保银等：基于LiDAR技术的杉木工林碳储量估算研究第3期3030y=4.6642e0.1237xy=-0.0955x3+0.4925x2+3.2355x+2.531725R2=0.801225R2=0.3561202015151010：5501002468101214160123456(a)模型1(b)模型2图2胸径反演模型估测结果Fig.2 Estimation results of the DBH inversion model3.1.3LiDAR估测精度验证1号样方的LiDAR估测平均树高为8.8 m，将LiDAR估测单木树高代人模型1计算平均胸
21、径，估测结果（表5）为13.8 cm。根据江苏省主要树种一元材积表，杉木平均胸径所对应径阶的材积为0.0680，估测得到的公顷蓄积量为31.6 2 m/hm。表5样地实测与LiDAR估测数据对比Tab.5 Comparison of measured and LiDAR estimateddataonsamplesites平均胸径/平均树高/公项蓄积量/数据来源cmm(m/hm)样地实测14.38.534.7LiDAR估测13.88.831.61号样方的实测结果为：平均胸径14.3cm，平均树高8.5m，公顷蓄积量34.7 m/hm，误差分别为3.5%，3.5%和8.9%，符合精度要求（平均胸
22、径、平均树高、公项蓄积量的误差分别在5%，5%，15%以内4 )3.2杉木碳储量估测3.2.1全株碳储量估测根据试验区范围内估算的单木胸径，将其划分为小径组6,13）cm、中径组13,2 5）cm、大径组25,36)cm和特大径组（36 cm），并按照杉木地上/地下生物量方程以及含碳系数估算碳储量，估算结果如表6 所示。表6 杉木全株碳储量按径组划分表Tab.6 Carbon storage of Cunninghamia lanceolata by DBH Groups面积/比例/地上碳储量/地下碳储量/全株碳储量/径组hm2%(Vhm)(Vhm)(/hm)小径组15.5244.694.31
23、1.175.48中径组15.0343.2814.853.8118.66大径组3.329.5639.2510.6949.94特大径组0.862.4872.7921.4494.23合计34.73100.00由表6 可知，杉木地上部分碳储量在4.3172.79/hm之间，地下部分碳储量在1.17 2 1.44Vhm之间，全株碳储量在5.48 9 4.2 3/hm之间。地上碳储量显著高于地下碳储量，在全株碳储量中占绝对优势。随着径级的不断增加，碳储量也呈增长趋势发展。3.2.2分项碳储量估测由表7 可知，不同径级的杉木林各器官碳储量所占比例不同。各器官碳储量排序列分别为：小径组,树叶 树干 树枝 树皮
24、；中径组，树干 树叶 树枝 树皮；大径组和特大径组，树干 树枝 树叶 树皮。从各径组碳储量分配来看，树干、树枝部分随径级的增加而增加，树叶部分随径级的增加而减小。而树皮部分在小径至中径阶段增加，此后逐渐减小。综上所述，树干在中径阶段逐渐占据优势，树枝在大径阶段逐渐占据优势，而树叶则随着树木的生长，优势逐渐减弱。138第3期林业资源管理表7 木杉木分项碳储量按径组划分表Tab.7 Subdivisional carbon storage of Cunninghamia lanceolata by DBH groups树干树皮树枝树叶总计/径组碳储量/比例碳储量/比例/碳储量/比例碳储量/比例(V
25、hm)(Vhm)%(/hm)%(t/hm)%(Vhm)%小径组2.0336.910.448.000.9417.092.0938.005.50中径组8.4850.121.569.222.9917.673.8922.9916.92大径组23.4854.313.959.148.1218.787.6817.7743.23特大径组43.7755.316.998.8316.0220.2412.3615.6279.144结论与讨论4.1讨论4.1.1LiDAR可快速提取林分信息将LiDAR技术应用于森林资源调查可节省大量的人力物力，同时可快速获得调查数据，提升调查效率7 。然而，受采样密度、林分复杂程度等因
26、素的制约,LiDAR技术所获取的数据仍有一定的误差 。相关研究表明,树高与胸径相关性较高9-10 ,一般表现为胸径随树高的增长而增长,在林分成熟后趋于平缓。本研究借鉴了刘清旺11 的做法，以LiDAR估测树高和冠幅直径为自变量、实测胸径为因变量构建模型，最终确定y=4.6642e0.1237为优选模型，计算获得的胸径在允许误差范围内。研究表明,LiDAR技术能够快速准确获取森林资源参数，将LiDAR技术与生物量方程相结合，可快速获取区域内的碳储量。4.1.2杉木碳储量变化规律杉木人工林碳储量与林分年龄密切相关12 。随着林分的不断成熟，林分的固碳能力会逐渐降低13,在老龄阶段的杉木人工林碳储量
27、增幅有限14，而幼龄林阶段的净碳累积速率增幅较快15O本研究基于估测胸径、树高数据，分径级对杉木人工林碳储量进行计算，小径组、中径组、大径组、特大径组全株碳储量分别为5.48，18.6 6，49.9 4，94.23hm。对比各径组间碳储量倍数关系，发现中径组是小径组的3.4倍,大径组是中径组的2.6 8 倍，特大径组是大径组的1.8 9 倍，呈随径级增大逐渐降低趋势，表明杉木林在中径组阶段时，固碳能力最强,这与Chen等15 的研究相符。此外,随着树木的生长,杉木碳储量在树干和树枝的分配增多，在树叶部分却逐渐减少，可解释为树干和树枝是杉木主要碳积累部位，而叶片在碳积累时部分组织衰老脱落，这与兰
28、斯安等16 的研究结论相符。4.1.3杉木固碳增汇潜力与方式杉木是优良的固碳增汇树种，其碳储量水平与林分年龄密切相关。在本研究中，杉木人工林碳储量随径级的增加而增多，在中龄阶段时碳储量增速最快，此后逐渐趋缓。而试验区范围内杉木林地生产力仅为31.6 2 m/hm，固碳增汇潜力巨大。研究表明,栽植杉木针阔混交林17 ，同时将初植密度18 控制在3330 49 9 5株/hm，能进一步增强碳吸收能力，提升生产力。此外，通过控制杉木人工林的间伐强度19 、轮伐期管理2 0 均能提升增汇能力。综上所述，鉴于南云台林场内的杉木人工林多处于中、小径（中、幼龄）阶段，可考虑采用针阔混交的方式造林，同时保持低
29、强度间伐以促进碳储量累积；对于成、过熟阶段的林木可选择延长轮伐期（2 550a)的方式，促进杉木人工林的可持续经营。4.2结论杉木林具有较强的固碳增汇潜力，在中径组阶段时，固碳能力最强，此后随着林分的不断成熟，固碳能力不断降低，到老龄阶段碳储量增幅有限。对于南云台林场内存在较多的中、幼杉木林，可通过改变造林方式、控制初植密度、抚育间伐等手段，增强中、幼林的固碳能力，对于成过熟林，可通过轮伐期管理的方式，促进林分更新，增强碳汇效益。参考文献：1 Malhi Y,Baldocchi D D,Jarvis P G.The carbon balance of tropical,temperate an
30、d boreal forests J.Plant,Cell and Environment,1999,22(6):715740.139闫保银等：基于LiDAR技术的杉木人工林碳储量估算研究第3 期2陶玉华，冯金朝，曹书阁，等.广西沙塘林场马尾松和杉木人工林的碳储量研究J.西北农林科技大学学报：自然科学版，2012,40(5):38-44.3付尧.杉木人工林生态系统生物量及碳储量定量估测D.北京：北京林业大学，2 0 16.【4】D B32/T 2 16 8 2 0 12，森林资源规划设计调查技术规程S.5郝红科.基于机载激光雷达的森林参数反演研究D.西安：西北农林科技大学,2 0 19.6L
31、Y/T 2 2 542 0 14,立木生物量模型及碳计量参数杉木S.【7 付甜，庞勇，黄庆丰，等.亚热带森林参数的机载激光雷达估测J.遥感学报,2 0 11,15(5)：10 9 2-110 4.【8 李增元，刘清旺，庞勇.激光雷达森林参数反演研究进展J.遥感学报,2 0 16,2 0(5)：1138-1150.9】马利群，李爱农.激光雷达在森林垂直结构参数估算中的应用J.世界林业研究,2 0 11,2 4（1：41-45.10刘浩，张峰男，曹林.机载激光雷达森林垂直结构剖面参数的沿海平原人工林林分特征反演J.遥感学报，2 0 18,2 2（5）：872-888.11刘清旺.机载激光雷达森林参
32、数估测方法研究D.北京：中国林业科学研究院，2 0 0 9.【12 王姣娇，高唤唤，康宏樟.杉木人工林碳储量影响因素研究进展J】.西北林学院学报，2 0 18,33（3）：7 4-8 1.13林卓.不同尺度下福建省杉木碳计量模型，预估及应用研究D.福州：福建农林大学.【14钟羡芳，杨玉盛，高人，等.老龄杉木人工林生态系统碳库及分配J.亚热带资源与环境学报，2 0 0 8,3（2）：11-18.15 Chen Qingqing,Xu Weiqiang,Li Shenggong,et al.Abovegroundbiomass and corresponding carbon sequestrat
33、ion ability of fourmajor forest types in south China J.Chinese Science Bulletin,2013,58(13):1551-1557.16兰斯安，杜虎，曾馥平，等.不同林龄杉木人工林碳储量及其分配格局J.应用生态学报，2 0 16,2 7（4）：112 5-1134.【17 刘延惠，丁访军，崔迎春，等.黔中地区不同林龄杉木人工林碳贮量及其分配特征J.水土保持学报，2 0 15，2 9（4）：278-283.【18】方奇.不同密度杉木幼林系统生产力和生态效益研究J.林业科学,2 0 0 0,36(S1):28-35.19丁波，丁贵杰，李先周，等.短期间伐对杉木人工林生态系碳储量的影响J.中南林业科技大学学报，2 0 16,36（8）：6 6-7 1.【2 0 王伟峰，段玉玺，张立欣，等.不同轮伐期对杉木人工林碳固存的影响J.植物生态学报，2 0 16,40（7）：6 6 9-6 7 8.
