广西桉树人工林叶面积指数的估测及其校正

谢贤胜,卢 峰,杨元征,罗蔚生, 徐占勇,苏宏新,2,*

1 广西地表过程与智能模拟重点实验室(南宁师范大学),南宁 530001

2 中国科学院植物研究所植被与环境变化国家重点实验室,北京 100093

3 广西壮族自治区森林资源与生态环境监测中心,南宁 530028

作为森林生态系统重要结构参数,叶面积指数(Leaf area index,LAI)通常被定义为单位土地面积上的总叶表面积的一半,常用于模拟森林雨水拦截、光合作用、呼吸作用与蒸腾作用等方面,对量化森林生态系统生产力与生态过程具有重要意义[1—2]。由于森林结构的复杂性和地物信息的非均一性,通过遥感技术获得的LAI,需要地面提供准确的实测数据进行验证[3]。目前,地面LAI测量方法主要分为直接法和间接法。直接法通过比叶面积(Specific leaf area,SLA)结合生物量来估算LAI,通常包括凋落物收集法、异速生长法(Allometry)和破坏性取样法[4]。间接法主要通过传统光学仪器或地基激光雷达技术估算LAI[5]。基于辐射的光学仪器,如植物冠层分析仪(Plant canopy analyzer,LAI- 2200)、跟踪辐射和冠层结构分析仪(Tracing radiation and architecture of canopies,TRAC)通常假定林冠叶子是随机分布,但现实中往往会存在聚集现象；基于图像的光学仪器,如数码相机+鱼眼镜头的半球摄影法(Digital hemispherical photography,DHP)测量结果往往会包含树干、树枝等木质部贡献[6-7]。地基激光雷达(Terrestrial laser scanning,TLS)利用海量三维点云数据重建林冠结构,通过间隙率反演LAI,同样受到聚集效应和木质部影响[8]。

为去除上述因素干扰,常用木质比例(木质部面积与总面积之比)和聚集指数进行量化[9—10]。木质比例可通过破坏性采集法、背景值法、PS法获取[11]。聚集指数主要包括ΩLX(基于冠层孔隙度)、ΩCC(基于冠层空隙大小)、ΩCLX(联合ΩLX和ΩCC)、ΩLXG(基于有序加权平均的冠层孔隙度)等算法,可通过冠层半球图像或点云数据获取[12]。近年来,不少学者利用木质比例和聚集指数校正了间接法的测量结果。例如,苏宏新等[13]通过背景值法、刘志理和金光泽[10]通过PS法获取木质比例,发现LAI- 2000和DHP校正后的结果与凋落物法呈现显著的相关性,测量精度得以提高。周明等[7]以凋落物法为对照,分别考虑了无叶期木质部全部、木质部中的树干成分、树干成分在有效LAI占比等情况,发现考虑第三种情况用于木质部校正更为合理。Zhu等[14]分别基于几何特征和ΩCC算法从点云数据中提取出木质比例和聚集指数,发现其对TLS的校正效果优于DHP。Zou等[15]对比了破坏性采集法和背景值法对获取木质比例的效果差异,发现利用后者进行LAI校正时会存在较大程度的低估；同时,还基于ΩCC、ΩLX、ΩCLX三种算法从半球图像中提取聚集指数,发现ΩLX和ΩCLX算法更适用于校正DHP。上述研究虽对不同间接法进行了有益的校正尝试,但主要以温带、寒温带的典型森林为研究对象,对南方亚热带常绿阔叶林研究较少,其适用性和有效性仍需进一步验证。

桉树(Eucalyptusrobusta)是桃金娘科(Myrtaceae)桉树属(Eucalyptus)植物,属于典型的常绿阔叶乔木[16],我国桉树引种地区主要在海南、广西、广东、福建等省份。截至2018年,广西桉树人工林面积达到266.67×104hm2,其种植面积和产量居全国首位,在保障木材供给和改善生态环境方面发挥着巨大作用[17]。对于我国桉树的相关研究,主要集中于林冠结构[18]、凋落物及养分[19]、生物量及碳储量[20]方面,对于桉树林的LAI研究相对较少。部分学者已利用传统光学仪器对广西国营东门林场[21]、广东湛江[22]、广西公净水库[23]、广西都安[24]等地的桉树林分LAI进行测定,但测定结果均未考虑木质部和聚集效应的影响。本研究选取广西国有高峰林场不同林龄(幼龄林、成熟林和过熟林)的桉树人工林为对象,以Allometry为对照,综合利用LAI- 2200、TRAC、DHP和TLS估测样地的LAI,并考虑木质成分以及聚集效应影响,进行相应的校正处理,以期提高地面桉树人工林LAI测量的准确性。

1 材料与方法

1.1 研究区概况

本研究实验样地位于广西国有高峰林场(22°49′—23°15′N,108°8′—108°53′E)内,地处广西南宁市西部(图1)。该区域属亚热带季风气候,雨水充沛、气候温和、阳光充足、干湿分明。根据距离最近的南宁市国家气象观测站(22°38′N,108°13′E,海拔121.6 m)1961—2020年的观测数据显示,年平均最低气温为(18.6±1.2)℃,年平均最高气温为(26.4±1.5)℃,年平均气温为(21.7±1.2)℃,年平均降雨量为(1303.6±63.9) mm,年平均相对湿度为79.1%±4.2%,年平均日照百分率为36.0%±10.2%。广西国有高峰林场主要以丘陵地形为主,海拔高度在100—200 m,坡度一般为10°—30°,地带性植被为亚热带常绿阔叶林。由于长期人类活动,目前以人工林为主,主要树种有桉树、杉木(Cunninghamialanceolata)、马尾松(Pinusmassoniana)等,森林覆盖率高达87%。

图1 研究区域位置Fig.1 Location of study area

1.2 样地设定

采用典型样地法。选取广西国有高峰林场内林相完整、不同林龄的桉树人工林设置固定样地10块(图1,表1),并进一步划分10 m×10 m的二级小样方。以小样方为调查单元,对样方内林木进行每木检尺,记录物种名、胸径、树高等信息。同时记录样地相应的经纬度、海拔、坡度与坡向。

表1 样地信息Table 1 Sample plot information

1.3 LAI测定方法

本研究所有LAI测定的野外数据采集时间为2020年8月中下旬,正值夏季,是林木生长最为旺盛时期,叶子已经完全伸展。

1.3.1异速生长法

比叶面积测定：首先,分别对10块样地的叶片进行取样,每块样地随机选取3个个体,在每个个体林冠中选取15片成熟、完整的叶片,装入自封袋后标记。带回实验室内用剪刀除去叶柄,运用扫描仪(Cano Scan LiDE 300,北京,中国)和图像处理软件(Image J 1.49,https://imagej.nih.gov/ij)测量其单面叶面积。完成后,分别将样本装入信封袋,置于65℃的烘箱中烘干(48 h)至恒重。然后用精度为万分之一的电子天平(FA2204,上海精科公司,中国)称取其叶片干重,比叶面积即为单面叶面积与叶干重比值(cm2/g)。

总叶生物量：利用每木检尺数据,结合周国逸等[25]给出的广西桉树叶生物量异速生长方程(W为叶生物量,单位kg；D为胸径,单位cm),估算出每个二级小样方(10 m×10 m)的总叶生物量：

W=0.7392×D0.2565

(1)

最后,小样方的总叶生物量与比叶面积的乘积即为总叶面积的一半,按照LAI定义,用总叶面积的一半除以小样方的面积即可得到每个小样方的LAI。

1.3.2传统光学仪器

传统的光学仪器测量LAI基本是通过冠层透过率或间隙率进行反演,由于不同仪器间的传感器不一,对光环境的需求有所差异,具有一定适用条件(表2),相应的测量方案也有所不同(图2)。

表2 传统的叶面积指数光学测量仪器参数Table 2 Traditional optical instrument parameters for leaf area index

图2 不同的传统光学仪器测量方案Fig.2 Different traditional optical instrument measurement schemes

(1)LAI- 2200植物冠层分析仪

本研究使用两台经相互定标匹配的LAI- 2200(LI-COR,Lincoln,USA)进行同步测量,一台置于林外空地上每隔30 s自动记录A值(即Above值,冠层上方值),另一台在样方内测量5个B值(即Below值,冠层下方值),选用90°遮盖帽,在距地面1.5 m左右开展工作,测量前创建相应的散射校正文件,以便校正,测量时始终背对太阳。后期利用软件FV2200 v2.1将测量时间最接近的A值插入到对应的 B值序列,完成匹配后开始计算LAI。

(2)跟踪辐射和冠层结构分析仪

将TRAC(Wave Engineering,Nepean,Canada)水平放置,保持距地面1.5 m左右,沿着小样方中间样线匀速行走,速度保持在0.3 m/s左右,测量轨迹垂直于太阳入射方向。在遇到障碍物时,暂停采集数据,但不关闭电源。每条样线来回测量两次,取其平均值作为测量结果,相应的数据处理在TRAC Win 5.9.0软件实现。

(3)半球摄影法

将数码相机(Canon EOS 70D)和鱼眼镜头(Sigma EX-DC 4.5 mm)组合,通过三脚架固定在测量点地面以上的1.5 m处,将相机变焦镜头拉至最远,曝光模式调整为自动曝光,保持鱼眼镜头水平向上,手动拍摄小样方中心点的冠层全天空影像,获得的原始影像先通过Sidelook软件(http://www.appleco.ch)计算图像二值化阈值(天空和树冠成分的区分值),再导入HemiView v2.1.1(Delta-T,Cambridge,UK)软件进行处理。

1.3.3地基激光雷达

选用Scanning System S- 3180三维激光扫描仪(PENTAX,Saitama,Japan)(分辨率0.1 cm),在每个小样方中心点架站(高度约为 1.5 m)扫描,并向四周安插花杆和粘贴标靶纸(用做特征点,便于数据拼接),设置扫描质量和分辨率为高等级。利用Z+F Laser control(Zoller+Fröhlich GmbH,Germany)软件进行数据去噪预处理,然后导入LiDAR 360软件(北京数字绿土公司,中国)进行配准和拼接、分离地面点等操作,最终计算LAI(图3)。

图3 地基激光雷达数据处理Fig.3 Data processing by terrestrial laser scanning

1.4 校正处理

研究根据Chen等[26]提出的校正公式进行校正处理：

(2)

图4 基于DHP冠层影像的木质组分处理Fig.4 Wood component treatment based on Canopy image of DHP

α=(L1-L2)∕L1

(3)

式中,L1为未处理前HemiView计算的LAI,L2为经过去除处理HemiView再次计算的LAI。

对于集聚指数ΩE,直接通过TRAC获得。

1.5 数据分析

利用SPSS Statistics 22(IBM,USA)软件对不同方法测定的比叶面积、叶面积指数、校正系数进行单因素方差分析(one-way ANOVA),并利用LSD进行差异显著性检验。间接法估算差异 =(间接法-直接法)/直接法×100%。

2 结果

2.1 比叶面积

桉树人工林的比叶面积最大值为167.45 cm2/g,最小值为106.58 cm2/g,平均值为(125.37±13.38)cm2/g(表3)。

表3 不同林龄桉树人工林的比叶面积Table 3 The specific leaf area of Eucalyptus plantations in different growth stage

2.2 直接法LAI

通过异速生长法得到的桉树人工林LAI在不同林龄间的差异均显著(P<0.05)(表4)。相对于幼龄林和过熟林,成熟林LAI更为稳定(变异系数为5.66%)。同时,可以看出LAI随着林龄的增加呈现先增加后减少的趋势,在成熟林中达到峰值,与桉树的生长发育状况相吻合。

表4 不同林龄桉树人工林LAI(异速生长法)Table 4 The LAI of Eucalyptus plantations in different growth stage (Allometry)

2.3 间接法LAI

不同间接法估算的LAI存在显著差异(图5)。幼龄林中,LAI- 2200、TRAC、DHP、TLS测定的LAI分别为1.81—2.61、2.10—3.88、1.48—2.43、0.64—1.22。与直接法相比(图6),LAI- 2200和TRAC存在高估现象(平均高估9.99%、42.12%),DHP和TLS表现为低估(平均低估14.54%、57.58%)；成熟林中,LAI- 2200、TRAC、DHP、TLS测定的LAI分别为1.07—1.62、1.36—3.41、1.05—1.24、0.78—1.66。与直接法相比(图6),4种间接法均存在低估现象,平均低估60.73%(LAI- 2200)、31.68%(TRAC)、66.98%(DHP)、71.47%(TLS)；过熟林中,LAI- 2200、TRAC、DHP、TLS测定的LAI分别为1.75—2.74、0.95—2.97、0.97—1.96、0.82—1.71。同样地,4种间接法均存在低估现象,平均低估7.74%(LAI- 2200)、16.34%(TRAC)、41.05%(DHP)、53.79%(TLS)。

图5 直接法和间接法得到的LAI(平均值±标准差) Fig.5 The LAI obtained by direct and indirect method (Mean±SD)不同大写字母和小写字母分别表示同一方法不同林龄间、同一林龄不同方法间得到的结果差异显著(P<0.05);LAI- 2200：LAI- 2200植物冠层分析仪 LAI- 2200 Plant canopy analyzer；TRAC：跟踪辐射和冠层结构分析仪Tracing radiation and architecture of canopies；DHP：数字半球摄影 Digital hemispherical photography；TLS：地基激光雷达Terrestrial laser scanning

在 PS仿制法(表5)中,桉树人工林的木质比例变化范围在0.33%—25.95%,幼龄林与成熟林、过熟林的木质比例差异显著(P<0.05),其平均值(木质部高估贡献)分别为5.65%(幼龄林)、17.11%(成熟林)、16.30%(过熟林)；在完全去除法中,木质比例的变化范围在15.25%—52.13%,不同林龄间差异均显著(P<0.05),其平均值(木质部高估贡献)分别为24.58%(幼龄林)、37.77%(成熟林)、45.47%(过熟林)。桉树人工林的聚集指数(表6)变化范围在0.63—1.00,波动较小,最大变异系数为9.92%,幼龄林与成熟林的聚集指数差异显著(P<0.05),其平均值分别为0.93、0.88、0.92,则由聚集效应引发的低估程度分别为7.53%(幼龄林)、13.64%(成熟林)、8.70%(过熟林)。

表5 不同林龄桉树人工林的木质比例Table 5 The woody-to-total area ratio of Eucalyptus plantations in different growth stage

表6 不同林龄桉树人工林的聚集指数Table 6 The clumping index of Eucalyptus plantations in different growth stage

经过木质部和聚集效应校正后发现(图6),利用PS仿制法得到的LAI校正值和未校正时的LAI不存在显著差异,完全去除法得到的LAI校正值与未校正时的LAI存在显著差异(P<0.05),但校正结果进一步偏离了直接法,扩大了与直接法的差异程度,除幼龄林校正TRAC较好之外,其余均存在过度校正现象。 因而,相对于完全去除法,利用PS仿制法校正木质部影响更为合理。

图6 不同间接法校正前后与直接法的估算差异(平均值±标准差)Fig.6 Estimation difference between direct method and indirect method before and after correction (Mean±SD)不同大写字母和不同小写字母分别表示同一校正方法不同测量仪器、同一测量仪器不同校正方法得到的结果差异显著(P<0.05);差异 =(间接法-直接法)/直接法×100%

3 讨论

3.1 直接法下桉树人工林的LAI对比

桉树林冠较小,林冠孔隙度大,林分郁闭度低,LAI普遍较小[28]。有学者认为,我国桉树人工林的LAI一般在1—4,平均为2[29—30]。通过直接法测定桉树LAI,能够代表其真实值[31]。本研究通过异速生长法测得桉树人工林的LAI在1.65—3.84,平均为2.73,与上述学者的观点相近。由于桉树的速生性,不同林龄下的桉树形态特征存在较大差异,LAI也会有所不同。Van Bich等[32]通过破坏性取样法测得幼龄的桉树人工林LAI为 1.2—2.9;Mattos等[33]通过破坏性取样法测得成熟的桉树人工林LAI为3—6；竹万宽等[34]通过异速生长法测得过熟的桉树人工林LAI为 0.88—1.12,进一步说明桉树人工林的LAI在成熟阶段将达到峰值,之后随着林龄的增长,林冠逐渐衰退,新叶生长停滞,枝叶变得更为稀疏,LAI随之减低。

3.2 直接法与间接法的差异

在测量林分LAI时,由于直接法在操作上耗时耗力且难以重复,间接法凭借其快速、有效的特点已被广泛运用在实际测量当中[31]。然而,相比于直接法,间接法的测量精度仍然有限,进行相应的校正处理以更接近真实值是必要的[35]。本研究中,不同的间接法获得的桉树人工林LAI在大多数情况下都发生了低估(图6)。类似的,Liu等[36]、Mattos等[33]发现LAI- 2000和DHP在测量LAI时均存在低估现象,平均低估30%；Sprintsin等[37]、Li等[38]认为TRAC和TLS在测量LAI也会发生低估。本研究考虑了影响间接法测量精度的两大因素——木质部和聚集效应影响。一方面,校正木质部偏差将去除其引发的高估贡献(表5)。另一方面,校正聚集效应将弥补其引发的低估程度(表6),故而在校正过程中会存在一定的抵消作用。本研究发现,在桉树人工林中,两者对间接法估测LAI的影响相当,校正后LAI与未校正时不存在显著差异,后续研究仍需要考虑其他影响因素。

3.3 不同间接法之间的对比

传统的光学仪器基于通用的Beer定律反演LAI,光环境的演变以及林冠层的复杂性会严重影响其测量精度[39]。总的来看,在没有校正的情况下,LAI- 2200的测量值比其它方法更接近于对照值,这与LAI- 2200内置精密的仪器配置以及可以选用不同的遮盖帽有关,最大程度上减小了直射光的影响[13,40]。在校正的情况下,选用DHP+TRAC能够较为快速获取木质比例和聚集指数。与此同时,TRAC的低估程度小于DHP,其测量值更为准确[15,41],主要是由于DHP在测量时还容易受到相机曝光设置的影响,过度曝光会导致较大的图像亮度,计算时容易将明亮的林冠误认为天空而忽略计算,最终发生低估[42]。另外,不同天顶角范围也会影响其测量LAI,在45°—60°天顶角范围内,其校正效果较优[8]。对于TLS,虽然不受光环境的限制,但树木之间的遮挡效应会严重阻碍了其完整获取数据[43]。在林木较高,林冠复杂的环境下,也难以完整获取冠层上方的点云数据[8,44],最终导致其发生低估。同时,在TLS的数据处理过程中,不同的滤波算法[45]、不同的间隙率模型[46]对其反演LAI也会产生重要影响,未来研究仍需要进一步考虑反演模型或是融合机载点云数据,将冠层上方的点云数据进行适当补充。

4 结论

(1)不同林龄桉树人工林的LAI存在显著差异,随着林龄的增加呈现先增加后减少的趋势。

(2)LAI- 2200、TRAC、DHP、TLS等间接法估算桉树人工林的LAI存在显著差异,与直接法相比,大部分情况下存在低估现象。在没有校正的情况下,选用LAI- 2200可以获得相对准确的LAI。

(3)相对于完全去除法,利用PS仿制法校正木质部影响更为合理。桉树人工林的木质成分和聚集效应对间接法测量LAI的影响程度相当。