徐詩(shī)宇， 施擁軍， 馮晟斐

（1.浙江農(nóng)林大學(xué) 亞熱帶森林培育國(guó)家重點(diǎn)實(shí)驗(yàn)室，浙江 杭州311300；2.浙江農(nóng)林大學(xué) 浙江省竹資源協(xié)同創(chuàng)新中心，浙江 杭州 311300；3.浙江農(nóng)林大學(xué) 浙江省森林生態(tài)系統(tǒng)碳循環(huán)與固碳減排重點(diǎn)實(shí)驗(yàn)室，浙江 杭州311300；4.浙江農(nóng)林大學(xué) 環(huán)境與資源學(xué)院，浙江 杭州 311300）

城市森林是森林碳儲(chǔ)量的重要組成部分之一，對(duì)調(diào)節(jié)局部乃至全球水平的氣候變化起著重要作用。綠化樹(shù)種在城市森林的碳吸收、碳固存中占主導(dǎo)地位，其中樹(shù)干約占喬木總碳儲(chǔ)量的58.2%［1］。城市綠化樹(shù)種的樹(shù)干干形在復(fù)雜的環(huán)境條件和頻繁的人為干擾下相比野外林分存在一定差異，傳統(tǒng)的基于野外林分調(diào)查擬合的材積模型及樹(shù)干碳儲(chǔ)量模型并不能很好地與之相匹配［2－3］；并且城市綠化樹(shù)種因具有生態(tài)景觀、保護(hù)生物多樣性等生態(tài)功能［4－6］，觀賞經(jīng)濟(jì)價(jià)值較高，不宜通過(guò)伐倒收獲進(jìn)行研究。因此，無(wú)損精確地測(cè)算立木材積及樹(shù)干碳儲(chǔ)量對(duì)于評(píng)估城市森林碳匯功能以及城市森林對(duì)于緩減氣候變化的貢獻(xiàn)具有重要意義。三維激光掃描技術(shù)又稱(chēng)地面激光掃描技術(shù)（terrestrial laser scanning，TLS），是一種能夠采集目標(biāo)物體表面的三維坐標(biāo)和反射強(qiáng)度等數(shù)據(jù)，并最終以點(diǎn)云形式表達(dá)在計(jì)算機(jī)上的技術(shù)［7－10］。在現(xiàn)有的 TLS 在林業(yè)調(diào)查領(lǐng)域的研究中， LIANG 等［11］、 梁子瑜［12］、 尤磊［13］雖然利用建模法［13－15］和干曲線法［11－12］測(cè)算了干形通直的杉木Cunninghamia lanceotala材積，并通過(guò)與實(shí)際量測(cè)或通過(guò)材積方程測(cè)算得到的材積進(jìn)行簡(jiǎn)單的比較分析，揭示了TLS在樹(shù)干材積測(cè)算方面的巨大潛力。采用不同分段間隔對(duì)立木材積測(cè)算精度的影響，以及TLS在測(cè)算樹(shù)干碳儲(chǔ)量方面的潛力等研究并未有后續(xù)深入地展開(kāi)。無(wú)患子Sapindus mukorossi為落葉闊葉喬木，樹(shù)干通直、枝葉廣展，是中國(guó)長(zhǎng)江流域以南地區(qū)極為常見(jiàn)的城市綠化樹(shù)種之一。本研究基于TLS結(jié)合局部采樣的方法對(duì)無(wú)患子立木材積以及樹(shù)干碳儲(chǔ)量進(jìn)行無(wú)損測(cè)算研究，旨在探索TLS在測(cè)算城市綠化樹(shù)種材積及樹(shù)干碳儲(chǔ)量的方面潛力，分析不同區(qū)分段長(zhǎng)度對(duì)立木材積及碳儲(chǔ)量計(jì)算精度的影響，找出適用于材積測(cè)算的區(qū)分段長(zhǎng)度并分析城市綠化樹(shù)種樹(shù)干與野外林分的異同，為中國(guó)城市綠化樹(shù)種固碳能力的測(cè)算及生物量擴(kuò)展因子（BEF）的研究提供依據(jù)。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

研究區(qū)域位于浙江省杭州市臨安區(qū)的浙江農(nóng)林大學(xué)校園（29°56′～30°23′N(xiāo)， 118°51′～119°52′E）。 研究區(qū)為典型的亞熱帶季風(fēng)氣候，四季分明；年平均氣溫為16.0℃，年降水量為1 614.0 mm，無(wú)霜期為237.0 d，全年光照充足。研究區(qū)有無(wú)患子，銀杏Ginkgo biloba，玉蘭Magnolia denudata等城市常用綠化樹(shù)種；植被覆蓋率高，種類(lèi)豐富，人為干擾強(qiáng)，是典型的城市綠地類(lèi)型。

1.2 TLS掃描原理及掃描特點(diǎn)簡(jiǎn)介

使用的Leica ScanStation C5脈沖式三維激光掃描儀主要通過(guò)激光器不斷發(fā)射脈沖信號(hào)，通過(guò)接收接觸物體表面后返回的信號(hào)計(jì)算飛行時(shí)間，結(jié)合相應(yīng)信號(hào)發(fā)射時(shí)的水平角和豎直角，得到并記錄目標(biāo)的三維坐標(biāo)點(diǎn)云數(shù)據(jù)。TLS特點(diǎn)：①精準(zhǔn)高效。TLS在低精度下完成單測(cè)站360°×270°的全景掃描僅需2～3 min。TLS在1.50～50.00 m測(cè)距范圍內(nèi)采集點(diǎn)云數(shù)據(jù)的點(diǎn)位精度為±6.0 mm，測(cè)距精度為±1.0 mm。②無(wú)損。TLS通過(guò)非接觸性激光對(duì)目標(biāo)進(jìn)行測(cè)量，不會(huì)對(duì)立木以及周邊的環(huán)境產(chǎn)生任何影響及破壞，可以實(shí)現(xiàn)對(duì)立木的動(dòng)態(tài)監(jiān)測(cè)。③信息豐富。TLS是對(duì)目標(biāo)表面的致密精細(xì)化測(cè)量，得到的點(diǎn)云數(shù)據(jù)具有極高的還原度，可以提取樹(shù)高、胸徑等豐富的測(cè)樹(shù)信息。

1.3 點(diǎn)云數(shù)據(jù)獲取與樣本采集

于2017年7月利用Leica ScanStation C5脈沖式三維激光掃描儀進(jìn)行了單立木三維點(diǎn)云的采集工作。在進(jìn)行點(diǎn)云數(shù)據(jù)采集前，以5.00 cm為起測(cè)胸徑分別用胸徑尺和全站儀懸高測(cè)量法對(duì)實(shí)驗(yàn)區(qū)內(nèi)所有無(wú)患子的胸徑、枝下高、樹(shù)高進(jìn)行測(cè)量，按《原木材積表》中所規(guī)定的2.00 cm為一徑階對(duì)無(wú)患子進(jìn)行徑階的劃分與統(tǒng)計(jì)，采用徑階等比法按比例從各徑階中選取無(wú)患子共計(jì)30株進(jìn)行實(shí)驗(yàn)（徑階分布如圖1），由于徑階10.00 cm以下（18.00 cm以上）的樣本過(guò)少，因此將10.00 cm以下（18.00 cm以上）的立木劃分到18.00 cm（18.00 cm）徑階中。在選取無(wú)患子樣本后，進(jìn)行點(diǎn)云數(shù)據(jù)的采集。采集方法：本研究中為獲取完整的單立木點(diǎn)云數(shù)據(jù)，無(wú)患子都經(jīng)過(guò)3～4站·株－1的掃描，相應(yīng)測(cè)站的布設(shè)近似呈等邊三角形或矩形分布。并且根據(jù)地形及布設(shè)測(cè)站的通視情況，在目標(biāo)立木周?chē)胖?個(gè)公共參考標(biāo)靶，確保在不同的測(cè)站都能被完整掃描到。在完成測(cè)站及標(biāo)靶地布設(shè)后，進(jìn)行儀器地架設(shè)并整平，并將掃描參數(shù)設(shè)置如下：掃描范圍采用單立木窗掃描，即用戶自定義掃描范圍；采用低分辨率，并在設(shè)置相應(yīng)的保存文件夾后開(kāi)始掃描。掃描過(guò)程中平均掃描時(shí)間約為 10 min·株－1·站－1［16］。

圖1 無(wú)患子樣木的徑階分布Figure 1 Diameter grade distribution of Sapindus mukorossi samples

待樣本點(diǎn)云數(shù)據(jù)采集完成后，在各徑階內(nèi)選取3株標(biāo)準(zhǔn)木（若數(shù)量不滿3株則取該徑階內(nèi)全部立木），利用直徑5.15 mm的瑞典手持式取芯器CO250分別在樹(shù)干基部處、樹(shù)高1.00 m處及1.30 m對(duì)樣木鉆芯進(jìn)行取樣，并用游標(biāo)卡尺量測(cè)記錄鉆孔孔徑［17］。將樣本分徑階裝袋帶回實(shí)驗(yàn)室中，置于100℃下烘干至恒量（間隔2.0 h 2次稱(chēng)量所得的樣本質(zhì)量差不超過(guò)0.5%即視為恒量），用0.000 1 g精密電子天平稱(chēng)取各徑階的鉆芯總干質(zhì)量［18］；利用取芯器標(biāo)定的直徑與記錄孔徑的均值作為圓柱模型的截面直徑計(jì)算鉆芯體積，將計(jì)算得到的均值作為該徑階的樹(shù)干生物量密度。

1.4 數(shù)據(jù)預(yù)處理及基本測(cè)樹(shù)因子提取

點(diǎn)云數(shù)據(jù)預(yù)處理及部分測(cè)樹(shù)因子的提取在Cyclone軟件中完成。點(diǎn)云數(shù)據(jù)的預(yù)處理主要包括以下幾個(gè)方面：①坐標(biāo)配準(zhǔn)。利用每個(gè)測(cè)站所采集的3個(gè)公共標(biāo)靶的信息可將不同測(cè)站的單立木（枝葉樣本）點(diǎn)云數(shù)據(jù)匹配到同一坐標(biāo)系下。②點(diǎn)云拼接。通過(guò)軟件中點(diǎn)云拼接（unify cloud）功能將原本各測(cè)站獨(dú)立的點(diǎn)云數(shù)據(jù)拼接成一個(gè)完整點(diǎn)云，并舍去重復(fù)的點(diǎn)和距離小于設(shè)定閾值的點(diǎn)（默認(rèn)1.0 mm），從而減小數(shù)據(jù)冗余。點(diǎn)云拼接誤差為1.0～2.0 mm。③點(diǎn)云去噪。依靠人工判別剔除在單立木點(diǎn)云數(shù)據(jù)采集過(guò)程中產(chǎn)生的噪聲點(diǎn)、孤立點(diǎn)以及無(wú)用的地面點(diǎn)。

提取的單立木基本測(cè)樹(shù)因子包括樹(shù)高、枝下高以及胸徑。其中：樹(shù)高采用單立木三維點(diǎn)云坐標(biāo)中的高程直方圖提取；枝下高通過(guò)在點(diǎn)云圖像中依靠人工判別獲取樹(shù)冠起始位置的高程值并結(jié)合高程直方圖提?。?9－20］；干徑、胸徑則采用最小二乘圓擬合算法對(duì)立木胸高處（距水平地面1.30 m）厚度為2.00 cm的切片點(diǎn)云進(jìn)行擬合后提?。?1－23］。

1.5 基于三維點(diǎn)云的樹(shù)干材積及碳儲(chǔ)量測(cè)算方法

基于三維激光點(diǎn)云的材積測(cè)算方法采用精細(xì)區(qū)分段求積法：將樹(shù)干點(diǎn)云以固定間距進(jìn)行分段，通過(guò)最小二乘圓擬合算法提取各分段截面直徑，采用圓臺(tái)模型測(cè)算各分段體積，匯總后得到立木材積VS。碳儲(chǔ)量CS則用材積VS與樹(shù)干單位體積生物質(zhì)量ρS及含碳率的乘積進(jìn)行測(cè)算。

其中：VS表示立木材積；hi表示分段間隔；Ri表示下截面半徑；ri表示上截面半徑。

1.6 樹(shù)干材積及碳儲(chǔ)量參考值測(cè)算方法

采用浙江省全省通用的闊葉樹(shù)二元材積模型計(jì)算立木材積模型值VS2；而一元材積模型因受地域影響較大，因此，采用浙江省浙西北丘陵山區(qū)專(zhuān)用的一元材積模型計(jì)算立木材積模型值VS1［24］，計(jì)算公式如下所示。碳儲(chǔ)量測(cè)算方法則與上述2.4節(jié)中基于三維點(diǎn)云的樹(shù)干碳儲(chǔ)量測(cè)算方法相同。

其中：D為胸徑；H為樹(shù)高。

樹(shù)干碳儲(chǔ)量參考值CS采用基于第7次全國(guó)森林資源清查資料的《中國(guó)森林植被生物量和碳儲(chǔ)量評(píng)估》中的其他硬闊葉樹(shù)類(lèi)單立木碳儲(chǔ)量模型。計(jì)算公式如下：

其中：D為胸徑；H為樹(shù)高；CMS表示樹(shù)干碳儲(chǔ)量（去皮）；CMP表示樹(shù)皮碳儲(chǔ)量。

1.7 單因素方差分析及精度評(píng)估方法

使用Excel 2010和SPSS 20.0進(jìn)行單因素方差分析（one-way ANOVA）檢驗(yàn)不同處理方法間的差異顯著性，顯著性水平設(shè)定為α＝0.05。并采用標(biāo)準(zhǔn)誤差（ERMSE）和乖離率（sbias）檢測(cè)不同處理方法間的誤差。計(jì)算公式如下：

其中：y表示TLS測(cè)算值；y＾表示實(shí)測(cè)值。

2 結(jié)果與分析

2.1 基本測(cè)樹(shù)因子的提取及分析

對(duì)基于TLS測(cè)算的不同徑階共計(jì)30株無(wú)患子的樹(shù)高與胸徑數(shù)據(jù)與實(shí)測(cè)值進(jìn)行比較（圖2），發(fā)現(xiàn)兩者均具有極高的精度。其中，胸徑標(biāo)準(zhǔn)誤差（ERMSE）為±0.34 cm，平均相對(duì)誤差為1.97%；樹(shù)高標(biāo)準(zhǔn)誤差（ERMSE）為±0.36 m，平均相對(duì)誤差為4.58%。

圖2 TLS提取的胸徑、樹(shù)高與實(shí)測(cè)值比較Figure 2 Comparison of diameter and height extracted base on TLS with actual measurement

2.2 不同區(qū)分段長(zhǎng)度對(duì)材積測(cè)算的影響分析

在以0.10 m區(qū)分段長(zhǎng)度計(jì)算的材積值作為標(biāo)準(zhǔn)值的前提下（本研究中在對(duì)不同方法測(cè)算的材積、碳儲(chǔ)量精度的比較中，均以此為前提），由表1可見(jiàn)：30株無(wú)患子利用不同區(qū)分段長(zhǎng)度計(jì)算得到的材積均值變化范圍為37.93～40.10 dm3，其中各區(qū)分段長(zhǎng)度計(jì)算材積值的標(biāo)準(zhǔn)誤差（ERMSE）變化范圍從最低的0.44dm3到最高的2.79 dm3，變化幅度并不明顯，各區(qū)分段長(zhǎng)度測(cè)算得到的材積值之間均無(wú)顯著差異（P＞0.05）。 乖離率（sbias）變化范圍則從最低的0.02 dm3到最高的2.17 dm3，表明隨區(qū)分段長(zhǎng)度增加，測(cè)算的材積值逐漸偏離真實(shí)值。

表1 不同區(qū)分段長(zhǎng)度下測(cè)算的材積比較Table 1 Comparison of volume measured based on different section lengths

由圖3可見(jiàn)：當(dāng)區(qū)分段長(zhǎng)度≤0.40 m時(shí)，材積測(cè)算誤差集中、近似呈正態(tài)分布，材積測(cè)算精度高且穩(wěn)定；而當(dāng)區(qū)分段長(zhǎng)度由0.40 m變?yōu)?.50 m時(shí)，平均誤差及誤差離散度迅速變大；當(dāng)區(qū)分段長(zhǎng)度大于0.50 m時(shí)，隨著區(qū)分段長(zhǎng)度的增加，平均誤差及誤差離散度持續(xù)變大，在區(qū)分段長(zhǎng)度為1.00 m時(shí)達(dá)到最大。說(shuō)明隨著區(qū)分段長(zhǎng)度的增加，測(cè)算的立木材積更易偏離真值，出現(xiàn)異常情況如：區(qū)分段長(zhǎng)度為0.60 m下的普通異常點(diǎn)whz10和whz17，極端異常點(diǎn)whz16以及區(qū)分段長(zhǎng)度為0.80 m下的普通異常點(diǎn)whz19和whz26。

圖3 不同區(qū)分段長(zhǎng)度下材積測(cè)算誤差的分布及比較Figure 3 Distribution and comparison of volume measurement error in different section lengths

2.3 立木材積、碳儲(chǔ)量不同測(cè)算方法比較

表2對(duì)基于4種不同方法測(cè)算的30株無(wú)患子立木材積進(jìn)行方差分析，發(fā)現(xiàn)利用現(xiàn)有一元材積模型和二元材積模型測(cè)算的立木材積之間并無(wú)顯著差異（P＞0.05）。但基于一元材積模型和二元材積模型測(cè)算的立木材積卻均要顯著高于基于TLS區(qū)分求積得到的立木材積（P＜0.05）。其中，利用一元材積模型測(cè)算的材積值最高（68.77 dm3±36.58 dm3），分別是以0.10 m為區(qū)分段長(zhǎng)度測(cè)算的材積值（37.93 dm3±10.97 dm3）的1.67倍和以1.00 m為區(qū)分段長(zhǎng)度測(cè)算的材積值（40.10 dm3±11.57 dm3）的1.58倍，可見(jiàn)利用一元材積模型測(cè)算城市綠化樹(shù)種材積誤差之大。相比較而言，利用二元材積模型測(cè)算的材積值（54.54 dm3±31.91 dm3）與以區(qū)分求積得到的材積值之間的差距要小的多。

利用5種不同方法測(cè)算的30株無(wú)患子CS之間也存在不同程度的差異：其中利用一元材積模型測(cè)算的CS（22.26 kg±11.80 kg）最高，并與其他方式測(cè)算的CS存在顯著差異（P＜0.05）。而二元材積模型以及樹(shù)干碳儲(chǔ)量模型測(cè)算的CS（17.64 kg± 10.25 kg， 17.92 kg± 9.59 kg）與以1.00 m為區(qū)分段長(zhǎng)度測(cè)算的CS（13.09 kg±5.77 kg）之間無(wú)顯著差異（P＞0.05），但均要顯著高于以0.10 m為區(qū)分段長(zhǎng)度測(cè)算的CS（12.38 kg ± 5.64 kg）（P＜0.05），表明利用二元材積模型和碳儲(chǔ)量模型僅能實(shí)現(xiàn)CS的粗略測(cè)算。本研究中利用材積模型測(cè)算CS是以材積與樹(shù)干生物量密度以及含碳率的乘積實(shí)現(xiàn)的，但研究發(fā)現(xiàn)利用二元材積模型測(cè)算的CS與一元材積模型測(cè)算的CS之間存在顯著差異，而與以1.00 m為區(qū)分段長(zhǎng)度測(cè)算的CS之間并無(wú)顯著差異，這與上述研究中材積顯著性差異的表現(xiàn)并不一致。

表2 不同方法測(cè)算的材積、樹(shù)干碳儲(chǔ)量比較Table 2 Comparison of volume and stem carbon storage measured by different methods

圖4A將現(xiàn)有模型測(cè)算的材積和作為標(biāo)準(zhǔn)值的基于TLS測(cè)算的材積進(jìn)行比較發(fā)現(xiàn)：利用現(xiàn)有模型測(cè)算的材積在立木自身材積較小時(shí)具有較高精度，但隨著立木自身材積的不斷增大，模型測(cè)算的立木材積逐漸開(kāi)始偏離參考線y＝x，即精度不斷下降，并且偏離速度隨材積的增大逐漸變快。由圖4B可見(jiàn)：利用現(xiàn)有模型測(cè)算的立木CS精度在隨立木自身CS變化的趨勢(shì)上與利用模型測(cè)算的立木材積精度具有一致性——即利用現(xiàn)有模型測(cè)算的CS在立木自身CS較小時(shí)具有較高精度，但隨著立木自身CS的不斷增大，模型測(cè)算的CS逐漸開(kāi)始偏離參考線y＝x，即精度不斷下降，并且偏離速度隨CS的增大逐漸變快。表明利用現(xiàn)有模型測(cè)算的材積和CS精度隨立木的生長(zhǎng)在總體上呈下降趨勢(shì)。而一元材積模型測(cè)算的材積和CS精度均為現(xiàn)有模型中最差。

3 討論與結(jié)論

3.1 討論

基于不同區(qū)分段長(zhǎng)度測(cè)算的立木材積值之間并沒(méi)有顯著差異，說(shuō)明在對(duì)精度沒(méi)有較高要求的研究或調(diào)查中，≤1.00 m的區(qū)分段長(zhǎng)度均可滿足立木材積測(cè)算的需要，這與傳統(tǒng)林業(yè)伐倒木的材積測(cè)算過(guò)程中通常將樹(shù)干按長(zhǎng)短以0.50或1.00 m進(jìn)行分段相一致［25］。

LIANG等［11］和 SAARINEN等［26］在對(duì)高大通直的杉木材積研究中的干圖像反映：立木干曲線雖然隨著樹(shù)高的增加總體呈減小趨勢(shì)，但仍存在大量比上一級(jí)分段截面干徑要大的情況，即不同的干徑提取間隔會(huì)對(duì)立木材積測(cè)算造成一定影響。本研究通過(guò)以0.10 m區(qū)分段長(zhǎng)度測(cè)算的立木材積為真值，對(duì)比分析各區(qū)分段下材積測(cè)算誤差曲線圖，發(fā)現(xiàn)隨區(qū)分段長(zhǎng)度的增加材積測(cè)算的平均誤差及誤差的離散度也會(huì)隨之增加，主要是因?yàn)殡S著區(qū)分段長(zhǎng)度的增加就會(huì)忽略越多的樹(shù)干形變現(xiàn)象，而該現(xiàn)象在區(qū)分段長(zhǎng)度由0.40 m增加0.50 m時(shí)尤其明顯。這表明當(dāng)區(qū)分段長(zhǎng)度大于0.40 m時(shí)，測(cè)算的立木材積與真值之間的差距會(huì)明顯增大，這也為T(mén)LS在如何精細(xì)高效分段測(cè)算材積提供了重要補(bǔ)充。

對(duì)比分析4種不同方法測(cè)算的立木材積，發(fā)現(xiàn)利用現(xiàn)有二元或一元材積模型測(cè)算的材積在總體上都要顯著高于TLS區(qū)分求積值，并且測(cè)算的材積精度隨立木胸徑的增大的生長(zhǎng)降低。這說(shuō)明城市綠化樹(shù)種干形與野外林分相比存在明顯差異，而且隨林齡的增大，其干形差異逐步趨大，現(xiàn)有的材積模型并不能很好地與之相匹配。史琰［17］、嵇浩翔等［27］也發(fā)現(xiàn)城市中復(fù)雜的環(huán)境條件、頻繁的人為干擾，在不同程度上促進(jìn)或抑制著立木的生長(zhǎng)，使其生長(zhǎng)態(tài)勢(shì)相比野外林分存在極大的不確定性，如樹(shù)干起始分叉位置的復(fù)雜多變，并且這種現(xiàn)象會(huì)隨立木的不斷生長(zhǎng)而累積，與本研究結(jié)果具有一致性。

此外，本研究對(duì)5種不同CS測(cè)算方法的分析研究表明：基于一元材積模型測(cè)算CS會(huì)產(chǎn)生嚴(yán)重高估，主要是由測(cè)算立木材積過(guò)程中僅用胸徑單一因子無(wú)法得到精確的材積數(shù)據(jù)導(dǎo)致的，因此，不建議利用一元材積模型測(cè)算城市綠化樹(shù)種的立木材積及碳儲(chǔ)量；基于二元材積模型以及樹(shù)干碳儲(chǔ)量模型測(cè)算的CS與以1.00 m為區(qū)分段長(zhǎng)度測(cè)算的CS無(wú)顯著差異，但相比以0.10 m為區(qū)分段長(zhǎng)度測(cè)算的CS均顯著偏高，說(shuō)明兩者作為常用的樹(shù)干碳儲(chǔ)量測(cè)算模型僅能對(duì)城市綠化樹(shù)種樹(shù)干碳儲(chǔ)量進(jìn)行粗略的測(cè)算，但與真實(shí)值存在一定的差距。該問(wèn)題可能主要是由兩大原因所引起，其一是由于存在材積測(cè)算誤差，其二則是由于不同樹(shù)種的樹(shù)干單位體積碳儲(chǔ)量存在差異，甚至相同樹(shù)種不同徑階之間的樹(shù)干單位體積碳儲(chǔ)量也存在微小的差異，而現(xiàn)有的碳儲(chǔ)量模型為保證廣泛通用性大多采用多種闊葉樹(shù)的均值來(lái)擬合構(gòu)建。此外，不同碳儲(chǔ)量測(cè)算方法間的顯著性差異與材積間的顯著性差異并非一致也說(shuō)明CS是由材積及樹(shù)干單位體積碳儲(chǔ)量共同決定的。

圖4 現(xiàn)有模型測(cè)算的城市綠化樹(shù)種材積及樹(shù)干碳儲(chǔ)量與TLS測(cè)算結(jié)果的比較Figure 4 Comparison of the urban greening tree species volume and stem carbon storage measured based on existing model

3.2 結(jié)論

基于TLS提取的胸徑、樹(shù)高能達(dá)到極高的精度。通過(guò)對(duì)比分析30株無(wú)患子基于TLS胸徑和樹(shù)高與外業(yè)實(shí)測(cè)值，其平均相對(duì)誤差分別僅為1.97%和4.85%。表明基于TLS材積的單立木點(diǎn)云數(shù)據(jù)具有較高的還原度和客觀真實(shí)等特點(diǎn)，也表明基于TLS提取的基本測(cè)樹(shù)因子可在無(wú)需伐倒立木的情況下精確測(cè)算立木的材積，并結(jié)合樹(shù)干鉆芯取樣，在對(duì)立木的正常生長(zhǎng)不造成影響的前提下精確地測(cè)算樹(shù)干碳儲(chǔ)量。

不同的區(qū)分段長(zhǎng)度對(duì)基于TLS測(cè)算的樹(shù)干材積結(jié)果雖無(wú)顯著影響，但隨著區(qū)分段長(zhǎng)度的增加，材積的測(cè)算精度仍會(huì)不斷下降。因此，在對(duì)樹(shù)干材積精度有較高要求的研究中，建議利用≤0.40 m的區(qū)分段長(zhǎng)度進(jìn)行樹(shù)干材積的測(cè)算。該結(jié)論同樣適用于伐倒木的材積精確測(cè)算。

城市綠化樹(shù)種的主干材積及碳儲(chǔ)量受環(huán)境因子和人為干擾影響與野外林分相比較存在顯著差異。現(xiàn)有材積模型及碳儲(chǔ)量模型僅能用于粗略測(cè)算城市綠化樹(shù)種的材積及樹(shù)干碳儲(chǔ)量，但并不能到達(dá)高度匹配，尤其是一元材積模型。