基于LiDAR三维点云数据的乔木群落生态绩效评价研究

 

摘要：生态绩效评价是科学表征和掌握生态效益与价值的关键手段，乔木群落是重要的景观设计要素之一，对景观空间生态效益有着显著影响。地面激光雷达技术(LiDAR)实现了对植物群落三维点云模型的高精度重建，为生态绩效评价奠定了数据基础。运用LiDAR技术采集乔木群落三维点云数据，基于LiDAR360软件平台，提取乔木参数，通过整合绩效评价工具，选择具有可测度的指标，对生态绩效进行讨论(增加碳汇、缓解热岛效应、清洁空气、调节雨洪、保护生物多样性)；运用模糊综合分析法，对石家庄市滹沱河生态修复区内的6种代表性乔木群落进行生态绩效评价。

结果表明，叶面积指数是提高综合生态绩效的关键因素；针叶树具有更高的清洁空气效益；阔叶树具有更高的固碳能力；乔木规格对增加景观空间的生物多样性有正向作用。建立了一套基于地面激光雷达技术的生态绩效评价途径，为乔木群落生态绩效精准评价提供了技术支撑。

 

生态系统的状况和变化与人类福祉息息相关。随着中国生态文明建设的推进[1]，构建高品质绿色空间是社会主义现代化建设的时代之需[2]。绩效评价是一种管理建成项目并指导未来决策的手段，为揭示生态系统现状与变化趋势、引领未来实践提供了依据。因此，生态绩效评价对于形成人与自然和谐发展的新格局具有重要意义。

 

绩效评价是实现风景园林循证的路径之一[3]，美国风景园林基金会(LAF)将景观绩效定义为“持续发展的风景园林实践在完成其预设目标和助力于可持续性方面的效能和效益的度量”[4]，其中生态绩效是衡量项目可持续特征的重要维度。生态绩效的评估内容包括水、土地、生境、碳、能源、空气等，以直接或间接的方式量化评估可持续设计对生态环境的改善程度[5]。

关于生态绩效的研究可以追溯至20世纪80年代，在环境问题日益凸显的背景下，可持续发展理念被提出。为实现可持续设计目标，SITES评价体系于2009年发布，以生态修复、气候调节、雨洪管理等环境效益为主，依据生态系统服务理论[6]，通过事先制定评估标准，以等级评定的方式对项目可持续性进行综合评估并提供实践指导[7]。

随着城市建设逐渐进入存量发展阶段，为了提升景观建设品质并为设计实践的可持续性提供科学、可靠、有效的证据，景观绩效系列(LPS)在POE与SITES的研究基础上建立了基于生态系统服务与人类福祉的景观绩效评价体系[8]，运用指标和多源数据来量化效益[9]进行反馈式评价。生态绩效的相关理论与实践研究在此基础上不断发展，例如，应用LPS效益计算器将抽象的环境景观绩效转化为量化数据[10]；基于生态系统服务理论建立景观绩效评价的指标体系[11]；运用一系列算法对绿色空间生态系统服务进行评估与优化[12]；使用地理信息系统(GIS)与遥感数据构建算法模型对城乡尺度的生态效益进行评价[13-15]等。由此可见，针对景观空间生态系统服务功能的量化研究是风景园林研究的重要领域之一，已有许多研究提供了算法公式、指标体系、评价模型等，研究成果多用于指导宏观尺度的景观空间规划。而在城市建设由粗放式增长转向精细化高品质发展的背景下，如何在微观层面运用设计要素进行景观空间生态绩效提升具有研究价值。

 

乔木群落是重要的景观设计要素之一。利用乔木群落可以有效地营造多样化景观空间，例如疏林草地、密林、林荫道等。同时，乔木群落对景观空间生态效益有着显著影响[16]：乔木能够通过光合作用固碳释氧；宽大的树冠为人们提供阴凉；利用叶片吸附空气颗粒物、滞留雨水；为生物提供栖息地等。乔木群落的科学营建能够更好地满足人居环境需求，对乔木群落生态绩效进行研究能够为具体的风景园林设计工作提供指导。

 

当代智慧城市与数字景观语境下，高效、智能、便捷地进行数据采集与分析是开展生态绩效评价的必然需求。激光雷达技术(LiDAR)已广泛应用于地学、林学及生态学领域[17]，在乔木群落调研工作中，已有较多研究验证了激光雷达的测树精度[18-19]，证实其在微观尺度的乔木参数获取上具有精准、高效、便捷等优势，郭庆华等[20]就激光雷达等遥感技术在生态学研究领域的应用进行了综述与展望，应用遥感数据对生态系统进行综合分析是未来的研究趋势和发展方向。

 

因此，建立一套基于激光雷达技术的乔木群落生态绩效评价途径，有利于实现对生态绩效的精准、快速估算，为具体的风景园林设计工作提供指导。目前激光雷达技术多应用于林业清查，但就激光雷达数据与生态绩效的进一步耦合推导上，仍需要进行新技术路径探索。本文基于地面激光雷达技术，采用GeoSLAMZEB-Horizon手持式激光扫描仪，在石家庄市滹沱河生态修复一期工程明曦湖公园内进行调研，获取了6种乔木群落点云数据。应用LiDAR360平台进行乔木参数提取，代入生态绩效评估工具与回归模型，运用模糊综合分析法评估不同群落营建模式的生态绩效，构建了乔木群落生态绩效的评估路径。

 

1研究范围与样方选择

 

研究范围位于河北省石家庄市滹沱河生态修复工程明曦湖公园内。自2015年滹沱河生态修复工程启动以来，河岸从荒沙滩变为蓝绿交织的生态福地，为石家庄城市建设带来新契机。滹沱河沿岸的诸多公园以生态修复为目标开展规划设计，其中乔木群落的营建是发挥绿色空间生态功能的重要部分。因此，研究滹沱河生态修复工程范围内不同乔木群落的生态绩效表现，可以为相似气候区内的生态景观营建工作提供参考。

 

样方选择以代表性、相异性为原则。“代表性”表示样方本身可以体现研究范围内某类乔木群落的普遍特征；“相异性”表示不同样方之间需具有明显差异，例如具有不同的生活型或形态特征。获取了研究范围2020年的worldview遥感影像，基于ENVI5.3平台，使用最大似然法区别植被类型，初步实现了对阔叶林、针叶林、草地的划分。

依据分类结果，对各类乔木群落进行实地调研，其中阔叶林内发现了性状各异且具有相当数量的多种乔木群落，分别进行标记：阔叶林Large1(L1)，由毛白杨组成，树高较大，树形呈竖直感强的笔形，枝叶密集；阔叶林Large2(L2)，由旱柳组成，乔木高大，树形呈倒卵形，枝叶稀疏；阔叶林Medium1(M1)，由国槐组成，乔木规格中等，树形呈广卵形，枝叶密集；阔叶落叶林Medium2(M2)，由栾树组成，乔木中等偏小，尤其是胸径偏小，树形呈广卵形，枝叶较稀疏。综上，选择了6种具有不同生活型、形态、规格的乔木群落样方进行研究，用以对比分析它们的生态绩效。样方包括常绿针叶林，疏林草地，落叶阔叶林L1、L2、M1、M2，样方大小均为20m×20m。

 

2研究方法

 

基于地面激光雷达数据构建乔木群落点云模型，导入LiDAR360平台提取乔木群落参数，通过整合相关文献与绩效评价工具，选择反映乔木群落生态功能的指标，在激光雷达获取的乔木群落参数与相关生态绩效之间构建回归模型，利用自然断点法、模糊综合分析法进行绩效分析，建立基于地面激光雷达技术的乔木群落生态绩效评价路径。具体工作流程如表1所示。

 

2.1指标选择

 

受乔木群落特征影响的典型生态系统服务包括缓解热岛效应、调节暴雨径流、减少面源污染、生物多样性保护等[21]。此外，植被具有重要的碳汇功能[22]。本文围绕人居环境需求选择指标，确定了“增加碳汇”“缓解热岛效应”“清洁空气”“调节雨洪”“保护生物多样性”作为乔木群落生态绩效的典型指标，并阐述与之关联的乔木群落参数，匹配能够与之耦合的生态绩效评价工具与回归模型(表2)。

 

1)增加碳汇：固碳量是评价绿地碳汇效益的主要指标。i-Tree效益计算模型将乔木固碳效益与乔木群落参数联系起来，为土地管理者提供了一种快速简便的方法来评估城市森林生态系统服务效益[23]。i-TreeEco根据树木生长模型和生物量方程计算城市森林的碳汇效益，表明与树种、胸径、冠部覆盖率和树木健康具有明确的关系[24-25]。i-TreeEco使用150个异速方程式，每个方程式代表不同的树种。

如果给定树种没有相应的方程，则使用属级聚合方程。在没有属级方程的情况下，使用族级聚合方程。但目前，该模型的原始参数仍需要进行校正以适应不同气候区域。因此，在不同区域的碳汇效益估算中，在使用前需要上传许多参数(包括树种、气象、空气质量、降水、气候带、研究区域)，使得模型能够匹配更多的原始参数。

 

 

2)缓解热岛效应：降温能力是植被缓解热岛的主要体现，降温主要由树冠遮阴、蒸腾作用[26]引起，这些因素受植被覆盖度、叶面积指数、树种等因素影响。Rahman等[27]在广泛的文献检索基础上通过元分析模型总结并建立了热调节能力与树木特征之间的关系，确定了对缓解热岛起到突出作用的树木参数：叶面积指数、树高、冠幅、胸径、叶厚度。该研究提供了不同气候带与下垫面条件下降温效应与树木参数之间的回归模型，为基于树木参数的降温效应评估提供了参考。

 

3)清洁空气：植物可以通过沉积作用拦截空气中的颗粒物[28]，相较于植物吸收特定的污染气体而言，植物对颗粒物的沉降作用更广泛地存在于各个树种中，因此更具有普适性，可以作为绿地清洁空气效益的一般性指标。Zhang等[29]研究表明，单叶面积、叶面积指数、叶片长宽比对树木沉降颗粒物能力影响较大，针叶树比阔叶树具有更强的滞留颗粒物能力。通常，植物捕获颗粒物的能力与叶面的粗糙度和叶面积指数成正比[30]。较大的叶面积指数使植物叶子之间更容易形成空气涡旋。局部气体循环的存在会增加颗粒物与植物叶子接触的可能性，植物叶子中颗粒物的保留量也会增加[31]。

 

4)调节雨洪：树冠的降雨拦截效应是生态系统中重要的水文过程之一，雨水拦截量是反映树木调节雨洪作用的主要指标。Yan等[32]研究表明雨水拦截能力与叶面积指数在统计学上具有显著关系。Li等[33]提出树木的雨水拦截能力与生物量(木质生物量、总生物量)、表面积(总叶面积、总表面积)和分支性状(最小分支密度)相关性最强。依据树木生物量参数与雨水拦截能力之间的相关性系数确定权重，可以估算树木的调节雨洪效益。

 

5)保护生物多样性：在乔木群落尺度，鸟类具有传播果实和种子、控制害虫等能力，对保护生物多样性起着重要作用[34]。更高的树冠覆盖率提供了更多的昆虫猎物，因此鸟类密度更高[35]。Buba等[36]通过聚类数据方差分析，表明树高、叶面积密度和冠幅对鸟类访问次数和物种多样性有积极影响，发现在具有更高高度、叶面积密度和冠幅更大的单个树木上，鸟类的访问量和物种多样性更高。鸟类-森林相互作用已被广泛用于创建生境指数[37]，以跟踪评估对于生物多样性的保护效果。

 

2.2数据采集

 

GeoSLAMZEB-Horizon手持激光雷达由扫描仪(scanner)与主机(Datalogger)两部分组成，主机包括数据处理模块与电源。作业时将扫描仪与主机相连，手持激光雷达进行扫描。地面激光雷达技术要求在规定时间内形成路径闭环，保持初始与终止扫描仪姿态一致，以形成闭合的扫描周期。单个扫描周期时长应控制在25min以内，并确保所有目标可获得均匀的点云数据。

 

2.3数据处理与参数提取

 

将数据导入LiDAR360，进行重采样、点云去噪、归一化、点云分割。利用地基林业模块进行分析，提取一系列林业参数以估计树木数量，批量提取胸径，分割单个树，并计算乔木参数(位置、高度、冠幅、叶面积指数、树冠体积等)，构建植被参数体系。可视化点云数据，从2D俯视图直观获得植物群落的平面特征，从3D轴测视图获得植物群落的垂直结构特征。

 

2.4计算分析

 

汇总所有乔木的性状参数，导入生态效益计算模型(表2)，得到每棵乔木的生态绩效值；随后运用自然断点法对样本总体进行分类排序，依据绩效值由低到高分别赋予1~5的分值，由此，每个乔木在整体样本中相对绩效的高低便得到评判；再将每棵乔木归属于它原所在的群落，以群落为单位，运用模糊综合分析法，对受多种因素影响的对象进行总体评价，量化得到群落各项生态效益分值。具体分析步骤如下。

 

1)建立指标集与评语集。依据前文所述，设指标集U=(U1，U2，U3，U4，U5)=(增加碳汇，缓解热岛效应，清洁空气，调节雨洪，保护生物多样性)；设评语集C=(C1，C2，C3，C4，C5)=(差，一般，良好，优秀，非常优秀)，设定其对应的分值为1、2、3、4、5分。

 

2)建立生态绩效数据库。基于乔木群落的LiDAR三维点云数据，每一棵乔木的性状参数均已被提取。将参数导入效益计算器，可得到对应乔木的生态绩效值。将各个群落所有乔木的生态绩效值汇总于一个Excel工作簿中，形成数据库。

 

3)运用自然断点法进行聚类分析与排序。对所有乔木的各项生态绩效计算结果进行聚类分析，运用自然断点法，使得每组内部的相似性最大，而外部组与组之间的相异性最大。将计算结果分为5类，与评语集分类数目相同。将所有乔木的生态绩效值依据自然断点法分类结果进行排序赋分，绩效值由低到高分别赋予1~5的分值。

 

4)建立模糊关系矩阵。统计群落中不同分值分别对应的乔木数量，确定指标U对评语集C各个等级的隶属度。构建模糊关系矩阵：式中，R表示隶属度矩阵；第m行第n列元素rmn表示被评价对象从指标Um来看对Cn各项分值的隶属程度的大小。

 

5)确定指标集的权重向量。本次评价以平等的视角对反映了生态绩效的不同方面的5个指标在统一维度下进行评判，由此，赋予各项生态绩效指标相同的权重W=(W1，W2，…，Wn)。

 

6)合成模糊综合评价结果矩阵。根据模糊关系矩阵R与指标权重向量W进行模糊转换，合成评价结果矩阵，包含了各个被评价对象的模糊综合评价结果向量S，即1,m2,,mn1,2,…,式中，Sn为乔木群落的某项生态绩效隶属于Cn评语的程度。根据最大隶属度原则，确定该项目的评分。由此，得到群落的分项生态绩效评分表。

 

7)计算综合生态绩效得分。将分值乘以隶属度并相加，得到群落的综合生态绩效得分，公式如下：15式中，P为乔木群落的综合生态绩效得分；Cn为分值(值域为1~5)；Sn为该项分值的隶属度。由此，得到群落的综合生态绩效评分表。

 

3结果

 

3.1不同乔木群落的生态绩效差异

 

基于乔木群落LiDAR三维点云数据，分别得到样方的平面图(图1)与轴测图(图2)，通过点云分析可得到乔木性状参数(表3)。随后，运用自然断点法、模糊综合分析法，依据最大隶属度原则得出6种乔木群落的生态绩效评分。

 

从分项评分来看(表4)，常绿针叶林具有突出的清洁空气效益，对于评语“非常优秀”的隶属度可达1，可见针叶树表现出更理想的拦截空气颗粒物的能力；然而，在碳汇能力方面，对于评语“差”“一般”的隶属度分别为0.67、0.23，说明其碳汇能力相对较低。相反，疏林草“优秀”的隶属度分别为0.32、0.37，种植在开敞空间的阔叶树表现出了更高的碳汇能力，而其他的生态效益表现一般。

阔叶落叶林L1由密集、竖高的毛白杨组成，具有较高的叶面积指数，在各项生态绩效上均表现为“良好”或“优秀”。而由树木高大、树冠稀疏的旱柳组成的阔叶落叶林L2仅在保护生物多样性效益、增加碳汇效益上表现优良，其中保护生物多样性效益对评语“优秀”的隶属度可达0.88。落叶阔叶林M1由规格中等、茂密的槐树组成，叶面积指数高，大多数生态绩效表现良好，其中缓解热岛效应对于评语“优秀”的隶属度为0.68，较之于阔叶林L1仅在保护生物多样性、调节雨洪方面稍有逊色；落叶阔叶林M2中的乔木规格小，尚处于初期生长阶段，各项生态绩效均不突出，最大隶属度均指向评语“一般”。

 

3.2综合生态效益

 

基于分项生态绩效评分，对反映了生态绩效不同方面的5个指标赋予相同的权重进行评判，得到各个乔木群落的综合生态绩效评分(表5)，并绘制各个群落的分值雷达图(图3)。总评分由评语集C内的分值(1~5)乘以对应的隶属度得到。落叶阔叶林L1具有最高的生态绩效总分3.429，其次是落叶阔叶林M1，总分为3.004。常绿针叶林的综合生态绩效相对处于中游水平，评分为2.669。落叶阔叶林M2与疏林草地具有相近的评分，分别为2.127与2.113。具有最低生态绩效综合评分的乔木群落为落叶阔叶林L2，分值为1.900。

 

4讨论

 

结果表明，叶面积指数的提升是改善乔木群落生态效益最有影响力的因素，具有高叶面积指数的落叶阔叶林L1、M1均表现出相对优秀的生态绩效，这与更大的叶面积可以更多地阻挡太阳辐射、滞纳雨水、吸收二氧化碳、拦截空气颗粒物有关。树种的差异对清洁空气、增加碳汇绩效的影响更大。可能由于叶片表面特性不同，如叶片含蜡量[38]与表面自由能[39]，针叶树清洁空气效益明显优于阔叶树。相反，阔叶树普遍相较针叶树具有更强的碳汇能力，这从不同乔木的异速生长方程可以看出[40]。此外，乔木的规格也是影响生态绩效的因素之一，尤其对生物多样性的改善具有显著作用。树高、冠幅对鸟类访问次数和物种多样性有着正向影响，更高大的乔木具有更好的潜力为鸟类提供筑巢或栖息的场所[36]。

 

基于LiDAR技术的乔木群落生态绩效评价研究在数据轻量化处理、应用范围拓展上仍存在一定的局限性。本方法适用于微观尺度的研究，而处理大规模的乔木群落样方时，繁重的数据体量给计算带来难度。面对海量点云数据，进行计算模型减负、轻量化分析是该评估方法得以推广的前提。其次，该方法主要从乔木形态特征出发对其生态绩效进行了评价，而面对灌木、地被等其他植物群落，LiDAR技术尚不能较好地进行识别、分析，仍需不断探索新技术路径以开展植被生态绩效评价研究。

 

5结论与展望

 

地面LiDAR技术为生态绩效评估提供了一种微观尺度的量化方法，本文运用LiDAR三维点云数据，通过自然断点法、模糊综合分析法对6种乔木群落生态绩效进行了评价，提供了基于生态绩效提升的乔木种植建议。乔木群落生态绩效评价可以与基于宏观遥感数据开展的生态绩效评估研究形成互补，在保持最优生态系统服务效益的同时兼顾微观层面的植物群落管理，使得规划更具落地性，管理更具准确性。为促进生态绩效评估研究成果更好地服务于循证设计，提出以下建议。

 

1)激光雷达获取的乔木群落关键参数与生态绩效仍需进一步耦合推导，以建立适用于不同地区的数据-效益回归模型库，并搭建模型共享平台，生成具有普适性的效益评估工具，实现针对不同生态系统的高效精准分析。

 

2)生态评估模型的轻量化。面对海量数据，进行计算模型减负、轻量化分析是精简操作流程的必然需求。运用代表性样方概括群体特征是数据轻量化的途径之一。代表性样方的选取、规格制定、样方内个体的差异性控制需要后续深化研究，在保障精度的同时促进模型轻量化。

 

3)多尺度遥感联动监测。地面激光雷达与卫星遥感可以实现不同尺度、不同精度的优势互补，利用宏观遥感数据可以进行研究区域的整体把控，利用激光雷达数据可以进行地面数据的精准采集，不同尺度数据的配准与分析平台构建是整合现有遥感工具对生态系统进行多尺度监测评估的基础。

 

4)推动生态系统数字孪生体建设。数字孪生体可以监测及预测生态环境变化以支持可持续发展。随着监测工具的进步，来自遥感、地面或地下仪器采集的数据为生态系统数字孪生体的建设提供了可能性。基于地面激光雷达技术的绩效评估为生态系统的数字化管理搭建了新路径。

 

注：文中图片均由作者绘制。致谢：感谢北京林业大学园林学院提供的帮助；感谢北京林业大学园林学院博士生刘喆、硕士生李昊冉对数据收集提供的帮助。