基于LiDAR三維點(diǎn)云數(shù)據(jù)的喬木群落生態(tài)績效評價研究

來 昕

劉 喆

李昊冉

鄭 曦*

生態(tài)系統(tǒng)的狀況和變化與人類福祉息息相關(guān)。隨著中國生態(tài)文明建設(shè)的推進(jìn)[1]，構(gòu)建高品質(zhì)綠色空間是社會主義現(xiàn)代化建設(shè)的時代之需[2]。績效評價是一種管理建成項(xiàng)目并指導(dǎo)未來決策的手段，為揭示生態(tài)系統(tǒng)現(xiàn)狀與變化趨勢、引領(lǐng)未來實(shí)踐提供了依據(jù)。因此，生態(tài)績效評價對于形成人與自然和諧發(fā)展的新格局具有重要意義。

績效評價是實(shí)現(xiàn)風(fēng)景園林循證的路徑之一[3]，美國風(fēng)景園林基金會(LAF)將景觀績效定義為“持續(xù)發(fā)展的風(fēng)景園林實(shí)踐在完成其預(yù)設(shè)目標(biāo)和助力于可持續(xù)性方面的效能和效益的度量”[4]，其中生態(tài)績效是衡量項(xiàng)目可持續(xù)特征的重要維度。生態(tài)績效的評估內(nèi)容包括水、土地、生境、碳、能源、空氣等，以直接或間接的方式量化評估可持續(xù)設(shè)計對生態(tài)環(huán)境的改善程度[5]。關(guān)于生態(tài)績效的研究可以追溯至20世紀(jì)80年代，在環(huán)境問題日益凸顯的背景下，可持續(xù)發(fā)展理念被提出。為實(shí)現(xiàn)可持續(xù)設(shè)計目標(biāo)，SITES評價體系于2009年發(fā)布，以生態(tài)修復(fù)、氣候調(diào)節(jié)、雨洪管理等環(huán)境效益為主，依據(jù)生態(tài)系統(tǒng)服務(wù)理論[6]，通過事先制定評估標(biāo)準(zhǔn)，以等級評定的方式對項(xiàng)目可持續(xù)性進(jìn)行綜合評估并提供實(shí)踐指導(dǎo)[7]。隨著城市建設(shè)逐漸進(jìn)入存量發(fā)展階段，為了提升景觀建設(shè)品質(zhì)并為設(shè)計實(shí)踐的可持續(xù)性提供科學(xué)、可靠、有效的證據(jù)，景觀績效系列(LPS)在POE與SITES的研究基礎(chǔ)上建立了基于生態(tài)系統(tǒng)服務(wù)與人類福祉的景觀績效評價體系[8]，運(yùn)用指標(biāo)和多源數(shù)據(jù)來量化效益[9]進(jìn)行反饋式評價。生態(tài)績效的相關(guān)理論與實(shí)踐研究在此基礎(chǔ)上不斷發(fā)展，例如，應(yīng)用LPS效益計算器將抽象的環(huán)境景觀績效轉(zhuǎn)化為量化數(shù)據(jù)[10]；基于生態(tài)系統(tǒng)服務(wù)理論建立景觀績效評價的指標(biāo)體系[11]；運(yùn)用一系列算法對綠色空間生態(tài)系統(tǒng)服務(wù)進(jìn)行評估與優(yōu)化[12]；使用地理信息系統(tǒng)(GIS)與遙感數(shù)據(jù)構(gòu)建算法模型對城鄉(xiāng)尺度的生態(tài)效益進(jìn)行評價[13-15]等。由此可見，針對景觀空間生態(tài)系統(tǒng)服務(wù)功能的量化研究是風(fēng)景園林研究的重要領(lǐng)域之一，已有許多研究提供了算法公式、指標(biāo)體系、評價模型等，研究成果多用于指導(dǎo)宏觀尺度的景觀空間規(guī)劃。而在城市建設(shè)由粗放式增長轉(zhuǎn)向精細(xì)化高品質(zhì)發(fā)展的背景下，如何在微觀層面運(yùn)用設(shè)計要素進(jìn)行景觀空間生態(tài)績效提升具有研究價值。

喬木群落是重要的景觀設(shè)計要素之一。利用喬木群落可以有效地營造多樣化景觀空間，例如疏林草地、密林、林蔭道等。同時，喬木群落對景觀空間生態(tài)效益有著顯著影響[16]：喬木能夠通過光合作用固碳釋氧；寬大的樹冠為人們提供陰涼；利用葉片吸附空氣顆粒物、滯留雨水；為生物提供棲息地等。喬木群落的科學(xué)營建能夠更好地滿足人居環(huán)境需求，對喬木群落生態(tài)績效進(jìn)行研究能夠?yàn)榫唧w的風(fēng)景園林設(shè)計工作提供指導(dǎo)。

當(dāng)代智慧城市與數(shù)字景觀語境下，高效、智能、便捷地進(jìn)行數(shù)據(jù)采集與分析是開展生態(tài)績效評價的必然需求。激光雷達(dá)技術(shù)(LiDAR)已廣泛應(yīng)用于地學(xué)、林學(xué)及生態(tài)學(xué)領(lǐng)域[17]，在喬木群落調(diào)研工作中，已有較多研究驗(yàn)證了激光雷達(dá)的測樹精度[18-19]，證實(shí)其在微觀尺度的喬木參數(shù)獲取上具有精準(zhǔn)、高效、便捷等優(yōu)勢，郭慶華等[20]就激光雷達(dá)等遙感技術(shù)在生態(tài)學(xué)研究領(lǐng)域的應(yīng)用進(jìn)行了綜述與展望，應(yīng)用遙感數(shù)據(jù)對生態(tài)系統(tǒng)進(jìn)行綜合分析是未來的研究趨勢和發(fā)展方向。

因此，建立一套基于激光雷達(dá)技術(shù)的喬木群落生態(tài)績效評價途徑，有利于實(shí)現(xiàn)對生態(tài)績效的精準(zhǔn)、快速估算，為具體的風(fēng)景園林設(shè)計工作提供指導(dǎo)。目前激光雷達(dá)技術(shù)多應(yīng)用于林業(yè)清查，但就激光雷達(dá)數(shù)據(jù)與生態(tài)績效的進(jìn)一步耦合推導(dǎo)上，仍需要進(jìn)行新技術(shù)路徑探索。本文基于地面激光雷達(dá)技術(shù)，采用GeoSLAM ZEB-Horizon手持式激光掃描儀，在石家莊市滹沱河生態(tài)修復(fù)一期工程明曦湖公園內(nèi)進(jìn)行調(diào)研，獲取了6種喬木群落點(diǎn)云數(shù)據(jù)。應(yīng)用LiDAR360平臺進(jìn)行喬木參數(shù)提取，代入生態(tài)績效評估工具與回歸模型，運(yùn)用模糊綜合分析法評估不同群落營建模式的生態(tài)績效，構(gòu)建了喬木群落生態(tài)績效的評估路徑。

1 研究范圍與樣方選擇

研究范圍位于河北省石家莊市滹沱河生態(tài)修復(fù)工程明曦湖公園內(nèi)。自2015年滹沱河生態(tài)修復(fù)工程啟動以來，河岸從荒沙灘變?yōu)樗{(lán)綠交織的生態(tài)福地，為石家莊城市建設(shè)帶來新契機(jī)。滹沱河沿岸的諸多公園以生態(tài)修復(fù)為目標(biāo)開展規(guī)劃設(shè)計，其中喬木群落的營建是發(fā)揮綠色空間生態(tài)功能的重要部分。因此，研究滹沱河生態(tài)修復(fù)工程范圍內(nèi)不同喬木群落的生態(tài)績效表現(xiàn)，可以為相似氣候區(qū)內(nèi)的生態(tài)景觀營建工作提供參考。

樣方選擇以代表性、相異性為原則。“代表性”表示樣方本身可以體現(xiàn)研究范圍內(nèi)某類喬木群落的普遍特征；“相異性”表示不同樣方之間需具有明顯差異，例如具有不同的生活型或形態(tài)特征。獲取了研究范圍2020年的worldview遙感影像，基于ENVI 5.3平臺，使用最大似然法區(qū)別植被類型，初步實(shí)現(xiàn)了對闊葉林、針葉林、草地的劃分。依據(jù)分類結(jié)果，對各類喬木群落進(jìn)行實(shí)地調(diào)研，其中闊葉林內(nèi)發(fā)現(xiàn)了性狀各異且具有相當(dāng)數(shù)量的多種喬木群落，分別進(jìn)行標(biāo)記：闊葉林Large1(L1)，由毛白楊組成，樹高較大，樹形呈豎直感強(qiáng)的筆形，枝葉密集；闊葉林Large2(L2)，由旱柳組成，喬木高大，樹形呈倒卵形，枝葉稀疏；闊葉林Medium1(M1)，由國槐組成，喬木規(guī)格中等，樹形呈廣卵形，枝葉密集；闊葉落葉林Medium2(M2)，由欒樹組成，喬木中等偏小，尤其是胸徑偏小，樹形呈廣卵形，枝葉較稀疏。綜上，選擇了6種具有不同生活型、形態(tài)、規(guī)格的喬木群落樣方進(jìn)行研究，用以對比分析它們的生態(tài)績效。樣方包括常綠針葉林，疏林草地，落葉闊葉林L1、L2、M1、M2，樣方大小均為20m×20m。

2 研究方法

基于地面激光雷達(dá)數(shù)據(jù)構(gòu)建喬木群落點(diǎn)云模型，導(dǎo)入LiDAR360平臺提取喬木群落參數(shù)，通過整合相關(guān)文獻(xiàn)與績效評價工具，選擇反映喬木群落生態(tài)功能的指標(biāo)，在激光雷達(dá)獲取的喬木群落參數(shù)與相關(guān)生態(tài)績效之間構(gòu)建回歸模型，利用自然斷點(diǎn)法、模糊綜合分析法進(jìn)行績效分析，建立基于地面激光雷達(dá)技術(shù)的喬木群落生態(tài)績效評價路徑。具體工作流程如表1所示。

表1 工作流程

2.1 指標(biāo)選擇

受喬木群落特征影響的典型生態(tài)系統(tǒng)服務(wù)包括緩解熱島效應(yīng)、調(diào)節(jié)暴雨徑流、減少面源污染、生物多樣性保護(hù)等[21]。此外，植被具有重要的碳匯功能[22]。本文圍繞人居環(huán)境需求選擇指標(biāo)，確定了“增加碳匯”“緩解熱島效應(yīng)”“清潔空氣”“調(diào)節(jié)雨洪”“保護(hù)生物多樣性”作為喬木群落生態(tài)績效的典型指標(biāo)，并闡述與之關(guān)聯(lián)的喬木群落參數(shù)，匹配能夠與之耦合的生態(tài)績效評價工具與回歸模型(表2)。

表2 喬木群落生態(tài)績效評價指標(biāo)與效益評價工具

1)增加碳匯：固碳量是評價綠地碳匯效益的主要指標(biāo)。i-Tree效益計算模型將喬木固碳效益與喬木群落參數(shù)聯(lián)系起來，為土地管理者提供了一種快速簡便的方法來評估城市森林生態(tài)系統(tǒng)服務(wù)效益[23]。i-Tree Eco根據(jù)樹木生長模型和生物量方程計算城市森林的碳匯效益，表明與樹種、胸徑、冠部覆蓋率和樹木健康具有明確的關(guān)系[24-25]。i-Tree Eco使用150個異速方程式，每個方程式代表不同的樹種。如果給定樹種沒有相應(yīng)的方程，則使用屬級聚合方程。在沒有屬級方程的情況下，使用族級聚合方程。但目前，該模型的原始參數(shù)仍需要進(jìn)行校正以適應(yīng)不同氣候區(qū)域。因此，在不同區(qū)域的碳匯效益估算中，在使用前需要上傳許多參數(shù)(包括樹種、氣象、空氣質(zhì)量、降水、氣候帶、研究區(qū)域)，使得模型能夠匹配更多的原始參數(shù)。

2)緩解熱島效應(yīng)：降溫能力是植被緩解熱島的主要體現(xiàn)，降溫主要由樹冠遮陰、蒸騰作用[26]引起，這些因素受植被覆蓋度、葉面積指數(shù)、樹種等因素影響。Rahman等[27]在廣泛的文獻(xiàn)檢索基礎(chǔ)上通過元分析模型總結(jié)并建立了熱調(diào)節(jié)能力與樹木特征之間的關(guān)系，確定了對緩解熱島起到突出作用的樹木參數(shù)：葉面積指數(shù)、樹高、冠幅、胸徑、葉厚度。該研究提供了不同氣候帶與下墊面條件下降溫效應(yīng)與樹木參數(shù)之間的回歸模型，為基于樹木參數(shù)的降溫效應(yīng)評估提供了參考。

3)清潔空氣：植物可以通過沉積作用攔截空氣中的顆粒物[28]，相較于植物吸收特定的污染氣體而言，植物對顆粒物的沉降作用更廣泛地存在于各個樹種中，因此更具有普適性，可以作為綠地清潔空氣效益的一般性指標(biāo)。Zhang等[29]研究表明，單葉面積、葉面積指數(shù)、葉片長寬比對樹木沉降顆粒物能力影響較大，針葉樹比闊葉樹具有更強(qiáng)的滯留顆粒物能力。通常，植物捕獲顆粒物的能力與葉面的粗糙度和葉面積指數(shù)成正比[30]。較大的葉面積指數(shù)使植物葉子之間更容易形成空氣渦旋。局部氣體循環(huán)的存在會增加顆粒物與植物葉子接觸的可能性，植物葉子中顆粒物的保留量也會增加[31]。

4)調(diào)節(jié)雨洪：樹冠的降雨攔截效應(yīng)是生態(tài)系統(tǒng)中重要的水文過程之一，雨水?dāng)r截量是反映樹木調(diào)節(jié)雨洪作用的主要指標(biāo)。Yan等[32]研究表明雨水?dāng)r截能力與葉面積指數(shù)在統(tǒng)計學(xué)上具有顯著關(guān)系。Li等[33]提出樹木的雨水?dāng)r截能力與生物量(木質(zhì)生物量、總生物量)、表面積(總?cè)~面積、總表面積)和分支性狀(最小分支密度)相關(guān)性最強(qiáng)。依據(jù)樹木生物量參數(shù)與雨水?dāng)r截能力之間的相關(guān)性系數(shù)確定權(quán)重，可以估算樹木的調(diào)節(jié)雨洪效益。

5)保護(hù)生物多樣性：在喬木群落尺度，鳥類具有傳播果實(shí)和種子、控制害蟲等能力，對保護(hù)生物多樣性起著重要作用[34]。更高的樹冠覆蓋率提供了更多的昆蟲獵物，因此鳥類密度更高[35]。Buba等[36]通過聚類數(shù)據(jù)方差分析，表明樹高、葉面積密度和冠幅對鳥類訪問次數(shù)和物種多樣性有積極影響，發(fā)現(xiàn)在具有更高高度、葉面積密度和冠幅更大的單個樹木上，鳥類的訪問量和物種多樣性更高。鳥類-森林相互作用已被廣泛用于創(chuàng)建生境指數(shù)[37]，以跟蹤評估對于生物多樣性的保護(hù)效果。

2.2 數(shù)據(jù)采集

GeoSLAM ZEB-Horizon手持激光雷達(dá)由掃描儀(scanner)與主機(jī)(Datalogger)兩部分組成，主機(jī)包括數(shù)據(jù)處理模塊與電源。作業(yè)時將掃描儀與主機(jī)相連，手持激光雷達(dá)進(jìn)行掃描。地面激光雷達(dá)技術(shù)要求在規(guī)定時間內(nèi)形成路徑閉環(huán)，保持初始與終止掃描儀姿態(tài)一致，以形成閉合的掃描周期。單個掃描周期時長應(yīng)控制在25min以內(nèi)，并確保所有目標(biāo)可獲得均勻的點(diǎn)云數(shù)據(jù)。

2.3 數(shù)據(jù)處理與參數(shù)提取

將數(shù)據(jù)導(dǎo)入LiDAR360，進(jìn)行重采樣、點(diǎn)云去噪、歸一化、點(diǎn)云分割。利用地基林業(yè)模塊進(jìn)行分析，提取一系列林業(yè)參數(shù)以估計樹木數(shù)量，批量提取胸徑，分割單個樹，并計算喬木參數(shù)(位置、高度、冠幅、葉面積指數(shù)、樹冠體積等)，構(gòu)建植被參數(shù)體系。可視化點(diǎn)云數(shù)據(jù)，從2D俯視圖直觀獲得植物群落的平面特征，從3D軸測視圖獲得植物群落的垂直結(jié)構(gòu)特征。

2.4 計算分析

匯總所有喬木的性狀參數(shù)，導(dǎo)入生態(tài)效益計算模型(表2)，得到每棵喬木的生態(tài)績效值；隨后運(yùn)用自然斷點(diǎn)法對樣本總體進(jìn)行分類排序，依據(jù)績效值由低到高分別賦予1～5的分值，由此，每個喬木在整體樣本中相對績效的高低便得到評判；再將每棵喬木歸屬于它原所在的群落，以群落為單位，運(yùn)用模糊綜合分析法，對受多種因素影響的對象進(jìn)行總體評價，量化得到群落各項(xiàng)生態(tài)效益分值。具體分析步驟如下。

1)建立指標(biāo)集與評語集。依據(jù)前文所述，設(shè)指標(biāo)集U=(U1，U2，U3，U4，U5)=(增加碳匯，緩解熱島效應(yīng)，清潔空氣，調(diào)節(jié)雨洪，保護(hù)生物多樣性)；設(shè)評語集C=(C1，C2，C3，C4，C5)=(差，一般，良好，優(yōu)秀，非常優(yōu)秀)，設(shè)定其對應(yīng)的分值為1、2、3、4、5分。

2)建立生態(tài)績效數(shù)據(jù)庫。基于喬木群落的LiDAR三維點(diǎn)云數(shù)據(jù)，每一棵喬木的性狀參數(shù)均已被提取。將參數(shù)導(dǎo)入效益計算器，可得到對應(yīng)喬木的生態(tài)績效值。將各個群落所有喬木的生態(tài)績效值匯總于一個Excel工作簿中，形成數(shù)據(jù)庫。

3)運(yùn)用自然斷點(diǎn)法進(jìn)行聚類分析與排序。對所有喬木的各項(xiàng)生態(tài)績效計算結(jié)果進(jìn)行聚類分析，運(yùn)用自然斷點(diǎn)法，使得每組內(nèi)部的相似性最大，而外部組與組之間的相異性最大。將計算結(jié)果分為5類，與評語集分類數(shù)目相同。將所有喬木的生態(tài)績效值依據(jù)自然斷點(diǎn)法分類結(jié)果進(jìn)行排序賦分，績效值由低到高分別賦予1～5的分值。

4)建立模糊關(guān)系矩陣。統(tǒng)計群落中不同分值分別對應(yīng)的喬木數(shù)量，確定指標(biāo)U對評語集C各個等級的隸屬度。構(gòu)建模糊關(guān)系矩陣：

式中，R表示隸屬度矩陣；第m行第n列元素rmn表示被評價對象從指標(biāo)Um來看對Cn各項(xiàng)分值的隸屬程度的大小。

5)確定指標(biāo)集的權(quán)重向量。本次評價以平等的視角對反映了生態(tài)績效的不同方面的5個指標(biāo)在統(tǒng)一維度下進(jìn)行評判，由此，賦予各項(xiàng)生態(tài)績效指標(biāo)相同的權(quán)重W=(W1，W2，…，Wn)。

6)合成模糊綜合評價結(jié)果矩陣。根據(jù)模糊關(guān)系矩陣R與指標(biāo)權(quán)重向量W進(jìn)行模糊轉(zhuǎn)換，合成評價結(jié)果矩陣，包含了各個被評價對象的模糊綜合評價結(jié)果向量S，即：

式中，Sn為喬木群落的某項(xiàng)生態(tài)績效隸屬于Cn評語的程度。根據(jù)最大隸屬度原則，確定該項(xiàng)目的評分。由此，得到群落的分項(xiàng)生態(tài)績效評分表。

7)計算綜合生態(tài)績效得分。將分值乘以隸屬度并相加，得到群落的綜合生態(tài)績效得分，公式如下：

式中，P為喬木群落的綜合生態(tài)績效得分；Cn為分值(值域?yàn)?～5)；Sn為該項(xiàng)分值的隸屬度。由此，得到群落的綜合生態(tài)績效評分表。

3 結(jié)果

3.1 不同喬木群落的生態(tài)績效差異

基于喬木群落LiDAR三維點(diǎn)云數(shù)據(jù)，分別得到樣方的平面圖(圖1)與軸測圖(圖2)，通過點(diǎn)云分析可得到喬木性狀參數(shù)(表3)。隨后，運(yùn)用自然斷點(diǎn)法、模糊綜合分析法，依據(jù)最大隸屬度原則得出6種喬木群落的生態(tài)績效評分。

圖1 喬木群落點(diǎn)云平面圖

圖2 喬木群落點(diǎn)云軸測圖

表3 喬木群落性狀參數(shù)

從分項(xiàng)評分來看(表4)，常綠針葉林具有突出的清潔空氣效益，對于評語“非常優(yōu)秀”的隸屬度可達(dá)1，可見針葉樹表現(xiàn)出更理想的攔截空氣顆粒物的能力；然而，在碳匯能力方面，對于評語“差”“一般”的隸屬度分別為0.67、0.23，說明其碳匯能力相對較低。相反，疏林草地具有較高的碳匯效益，對于評語“良好”“優(yōu)秀”的隸屬度分別為0.32、0.37，種植在開敞空間的闊葉樹表現(xiàn)出了更高的碳匯能力，而其他的生態(tài)效益表現(xiàn)一般。闊葉落葉林L1由密集、豎高的毛白楊組成，具有較高的葉面積指數(shù)，在各項(xiàng)生態(tài)績效上均表現(xiàn)為“良好”或“優(yōu)秀”。而由樹木高大、樹冠稀疏的旱柳組成的闊葉落葉林L2僅在保護(hù)生物多樣性效益、增加碳匯效益上表現(xiàn)優(yōu)良，其中保護(hù)生物多樣性效益對評語“優(yōu)秀”的隸屬度可達(dá)0.88。落葉闊葉林M1由規(guī)格中等、茂密的槐樹組成，葉面積指數(shù)高，大多數(shù)生態(tài)績效表現(xiàn)良好，其中緩解熱島效應(yīng)對于評語“優(yōu)秀”的隸屬度為0.68，較之于闊葉林L1僅在保護(hù)生物多樣性、調(diào)節(jié)雨洪方面稍有遜色；落葉闊葉林M2中的喬木規(guī)格小，尚處于初期生長階段，各項(xiàng)生態(tài)績效均不突出，最大隸屬度均指向評語“一般”。

表4 生態(tài)效益分項(xiàng)評分表

3.2 綜合生態(tài)效益

基于分項(xiàng)生態(tài)績效評分，對反映了生態(tài)績效不同方面的5個指標(biāo)賦予相同的權(quán)重進(jìn)行評判，得到各個喬木群落的綜合生態(tài)績效評分(表5)，并繪制各個群落的分值雷達(dá)圖(圖3)。總評分由評語集C內(nèi)的分值(1～5)乘以對應(yīng)的隸屬度得到。落葉闊葉林L1具有最高的生態(tài)績效總分3.429，其次是落葉闊葉林M1，總分為3.004。常綠針葉林的綜合生態(tài)績效相對處于中游水平，評分為2.669。落葉闊葉林M2與疏林草地具有相近的評分，分別為2.127與2.113。具有最低生態(tài)績效綜合評分的喬木群落為落葉闊葉林L2，分值為1.900。

“我院正在籌劃遼寧省第一家互聯(lián)網(wǎng)醫(yī)院的建設(shè)。”王立明告訴記者，“繼續(xù)推進(jìn)院內(nèi)互通、院際互通，不斷升級迭代系統(tǒng)，這是醫(yī)院信息化未來的目標(biāo)。”

表5 生態(tài)效益綜合評分表

圖3 喬木群落生態(tài)績效評分雷達(dá)圖

4 討論

結(jié)果表明，葉面積指數(shù)的提升是改善喬木群落生態(tài)效益最有影響力的因素，具有高葉面積指數(shù)的落葉闊葉林L1、M1均表現(xiàn)出相對優(yōu)秀的生態(tài)績效，這與更大的葉面積可以更多地阻擋太陽輻射、滯納雨水、吸收二氧化碳、攔截空氣顆粒物有關(guān)。樹種的差異對清潔空氣、增加碳匯績效的影響更大。可能由于葉片表面特性不同，如葉片含蠟量[38]與表面自由能[39]，針葉樹清潔空氣效益明顯優(yōu)于闊葉樹。相反，闊葉樹普遍相較針葉樹具有更強(qiáng)的碳匯能力，這從不同喬木的異速生長方程可以看出[40]。此外，喬木的規(guī)格也是影響生態(tài)績效的因素之一，尤其對生物多樣性的改善具有顯著作用。樹高、冠幅對鳥類訪問次數(shù)和物種多樣性有著正向影響，更高大的喬木具有更好的潛力為鳥類提供筑巢或棲息的場所[36]。

基于LiDAR技術(shù)的喬木群落生態(tài)績效評價研究在數(shù)據(jù)輕量化處理、應(yīng)用范圍拓展上仍存在一定的局限性。本方法適用于微觀尺度的研究，而處理大規(guī)模的喬木群落樣方時，繁重的數(shù)據(jù)體量給計算帶來難度。面對海量點(diǎn)云數(shù)據(jù)，進(jìn)行計算模型減負(fù)、輕量化分析是該評估方法得以推廣的前提。其次，該方法主要從喬木形態(tài)特征出發(fā)對其生態(tài)績效進(jìn)行了評價，而面對灌木、地被等其他植物群落，LiDAR技術(shù)尚不能較好地進(jìn)行識別、分析，仍需不斷探索新技術(shù)路徑以開展植被生態(tài)績效評價研究。

5 結(jié)論與展望

地面LiDAR技術(shù)為生態(tài)績效評估提供了一種微觀尺度的量化方法，本文運(yùn)用LiDAR三維點(diǎn)云數(shù)據(jù)，通過自然斷點(diǎn)法、模糊綜合分析法對6種喬木群落生態(tài)績效進(jìn)行了評價，提供了基于生態(tài)績效提升的喬木種植建議。喬木群落生態(tài)績效評價可以與基于宏觀遙感數(shù)據(jù)開展的生態(tài)績效評估研究形成互補(bǔ)，在保持最優(yōu)生態(tài)系統(tǒng)服務(wù)效益的同時兼顧微觀層面的植物群落管理，使得規(guī)劃更具落地性，管理更具準(zhǔn)確性。為促進(jìn)生態(tài)績效評估研究成果更好地服務(wù)于循證設(shè)計，提出以下建議。

1)激光雷達(dá)獲取的喬木群落關(guān)鍵參數(shù)與生態(tài)績效仍需進(jìn)一步耦合推導(dǎo)，以建立適用于不同地區(qū)的數(shù)據(jù)-效益回歸模型庫，并搭建模型共享平臺，生成具有普適性的效益評估工具，實(shí)現(xiàn)針對不同生態(tài)系統(tǒng)的高效精準(zhǔn)分析。

2)生態(tài)評估模型的輕量化。面對海量數(shù)據(jù)，進(jìn)行計算模型減負(fù)、輕量化分析是精簡操作流程的必然需求。運(yùn)用代表性樣方概括群體特征是數(shù)據(jù)輕量化的途徑之一。代表性樣方的選取、規(guī)格制定、樣方內(nèi)個體的差異性控制需要后續(xù)深化研究，在保障精度的同時促進(jìn)模型輕量化。

3)多尺度遙感聯(lián)動監(jiān)測。地面激光雷達(dá)與衛(wèi)星遙感可以實(shí)現(xiàn)不同尺度、不同精度的優(yōu)勢互補(bǔ)，利用宏觀遙感數(shù)據(jù)可以進(jìn)行研究區(qū)域的整體把控，利用激光雷達(dá)數(shù)據(jù)可以進(jìn)行地面數(shù)據(jù)的精準(zhǔn)采集，不同尺度數(shù)據(jù)的配準(zhǔn)與分析平臺構(gòu)建是整合現(xiàn)有遙感工具對生態(tài)系統(tǒng)進(jìn)行多尺度監(jiān)測評估的基礎(chǔ)。

4)推動生態(tài)系統(tǒng)數(shù)字孿生體建設(shè)。數(shù)字孿生體可以監(jiān)測及預(yù)測生態(tài)環(huán)境變化以支持可持續(xù)發(fā)展。隨著監(jiān)測工具的進(jìn)步，來自遙感、地面或地下儀器采集的數(shù)據(jù)為生態(tài)系統(tǒng)數(shù)字孿生體的建設(shè)提供了可能性。基于地面激光雷達(dá)技術(shù)的績效評估為生態(tài)系統(tǒng)的數(shù)字化管理搭建了新路徑。

致謝：感謝北京林業(yè)大學(xué)園林學(xué)院提供的幫助；感謝北京林業(yè)大學(xué)園林學(xué)院博士生劉喆、碩士生李昊冉對數(shù)據(jù)收集提供的幫助。