激光雷达量化多尺度森林三维结构及其在研究降雨再分配规律中的应用

Quantization of forest structure is primary for the forest structure adjustment and ecosystem service improvement. Water conservation is one of the most important forest ecosystem services; however, the practices for improving the capacity of water conservation cannot be conducted due to the lack of detailed and three-dimensional information of forest structure. The rainfall partitioning process in tree canopy is the main object of this study by the focus of forest structure quantization. Multi-scale forest structure (leaf-branch-tree-stand) is quantized through terrestrial Light Detecting And Ranging (LiDAR), unmanned aerial vehicle LiDAR and tower- and field-based observations. Machine learning approaches will be used for analyzing the relationship between characters of rainfall partitioning and parameters of forest structure. Through quantizing contributions of the structural parameters to rainfall partitioning, the process and mechanism of rainfall partitioning in tree canopy will be explored, as well as a novel structural parameter will be designed for characterizing rainfall partitioning better. Taking the novel structural parameter as the input parameter for rainfall interception model, the model will be improved and the modelling accuracy will be enhanced. Based on the improved model, rainfall partitioning in a watershed area will be modeled, and forest management practices will be proposed. This study will break through the barrier of traditional method and improve our knowledge of relationship between forest structure and rainfall partitioning. The results are supposed to contribute the theory basis and technology for improving the capacity of forest water conversation.

森林结构的精准量化是结构调控与功能优化的首要前提。然而，森林关键结构参数难以准确获取，森林的重要功能——水源涵养服务功能优化无法精准实施，已成为该研究领域的瓶颈。本项目以林冠层降雨再分配过程为研究对象，以多尺度森林结构精准量化为主线，采用地基激光雷达（LiDAR）-无人机扫描测量与野外定位塔群监测相结合的手段，重点开展叶片-枝条-单木-林分三维结构量化研究；在此基础上，采用机器学习方法分析降雨再分配特征（冠层截留、树干茎流）与森林三维结构参数关系，量化结构参数对降雨再分配量的贡献率，明确冠层降雨再分配过程与影响机制，提出表征降雨再分配特征的关键结构参数。以此为模型主要输入参数，改进冠层截留模型并提高其预测精度，模拟集水区尺度的降雨再分配量，提出不同类型水源涵养林的结构调控措施。研究将突破传统方法的瓶颈，增进对森林三维结构与降雨再分配关系的认识，为优化森林水源涵养能力提供基础理论与技术支撑。

森林结构的精准量化是结构调控与功能优化的首要前提。然而，森林关键结构参数难以准确获取，森林的重要功能——水源涵养服务功能优化无法精准实施，已经成为该研究领域的瓶颈。本项目以林冠层降雨再分配过程为研究对象，以森林结构精准量化为主线，采用激光雷达扫描测量、野外定位塔群监测相结合的手段，开展典型水源涵养林三维结构量化研究，分析影响降雨再分配量的关键冠层结构参数，改进冠层截留模型并提高其预测精度，模拟典型水源涵养林的降雨再分配量。主要结果如下：.（1）阐明典型水源涵养林的林冠截留特征及其影响因素的贡献率。明确了典型水源涵养林的林冠截留特征，发现针叶林型的林冠截留比例显著高于阔叶林型。降雨特征对林冠截留比例的影响最大（贡献率：42.1%；下同），林冠结构次之（34.8%），气象条件最弱（24.0%）。四类林型中，森林结构的平均贡献率约30%；其中，叶面积指数的平均贡献率为17.0%，低于降雨总量的平均贡献率（38.5%），高于其它影响因素的平均贡献率。.（2）提出表征林冠截留的新结构参数——林冠持水指数（CII）。针对林冠截留的生态水文学过程，从理论上提出量化林冠截留的新结构参数——林冠持水指数（CII）。为验证CII的应用性，利用地基激光雷达获取点云数据，计算了典型水源涵养林的CII：4种林型样方水平的CII取值范围为3.3~21.0，针叶林CII显著高于阔叶林。研究发现CII与林冠截留的相关性均明显高于与其它结构参数，对林冠截留具有更强的预测能力（解释率：58%~63%）。.（3）应用CII提高林冠截留模型模拟精度。采用CII计算的林冠持水能力，并作为Gash sparse模型的输入参数。引入CII的Gash sparse模型较传统抽样方法的模拟精度提高了7.1%。其中，人工林针叶林提高的精度（9.8%）高于阔叶林提高的精度（4.3%）。该结果证明了引入CII可以提高样地尺度林冠持水能力的计算准确性，进而提高Gash Sparse模型的模拟精度；对于受CSC影响更大的人工针叶林，其林冠截留模拟效果更佳。.研究提高了森林水文模型的模拟表现，增进了对冠层截留过程的理解；以CII为依据，可为水源涵养林的抚育间伐、整形修枝等结构调控手段提供理论依据和实践参考。

内容获取失败，请点击重试