龔粵寧，楊昌騰，周光益，李兆佳，李超榮，楊 龍，孫中宇

（1. 廣東南嶺國(guó)家級(jí)自然保護(hù)區(qū)管理局，廣東乳源 512727；2. 中國(guó)林業(yè)科學(xué)研究院熱帶林業(yè)研究所，廣州 510520；3.廣東省科學(xué)院廣州地理研究所，廣州 510070）

樹冠性狀和樹干性狀之間（如冠幅與胸徑之間）存在密切的數(shù)量關(guān)系（Attiwill,1966;Norton et al. 2005; Blanchard et al., 2016），可以用于彼此反演，進(jìn)行生物量和蓄積量計(jì)算（Troxel et al.,2013），也可用在造林過(guò)程中制定合適的林分密度，獲得更合理的林分結(jié)構(gòu)（Hemery et al.,2005；王小蘭等，2019）。相較樹干性狀，樹冠性狀通常更難獲取，所以以往研究多用樹干性狀的實(shí)測(cè)數(shù)據(jù)，通過(guò)數(shù)學(xué)公式計(jì)算樹冠性狀，其中用胸徑計(jì)算冠幅的案例（Bechtold, 2003；王旭東 等，2016；許林紅 等，2018；郝建等，2019）較多。近年來(lái)，無(wú)人機(jī)遙感技術(shù)逐漸成熟（Ancin-Murguzur et al.,2020），成為獲取樹冠性狀的便捷工具（李赟等，2017；Wu et al.,2020），以樹冠性狀為基礎(chǔ)反演樹干性狀的研究（劉文萍等，2017；王枚梅等，2017）逐漸增多。通過(guò)樹冠性狀計(jì)算得出的胸徑信息，可以代入樹木的異速生長(zhǎng)方程，用于大范圍估算森林生物量（朱思名等，2020）。探討樹冠性狀與樹干性狀間的關(guān)聯(lián)性，有助于深入理解樹木對(duì)環(huán)境變化的響應(yīng)策略，同時(shí)對(duì)提升森林碳儲(chǔ)量遙感評(píng)估的精度亦有重要意義。

目前國(guó)內(nèi)外以人工林和針葉林為研究對(duì)象的案例居多，以自然林和闊葉林為研究對(duì)象的案例相對(duì)較少，多數(shù)案例往往只針對(duì)某一特定的樹種（Hetherington, 1967; Iizuka et al., 2018；許 林 紅 等，2018；郝建等，2019），缺少群落尺度或針對(duì)混合樹種的樹冠-樹干性狀關(guān)系研究?，F(xiàn)有研究顯示，樹冠和樹干性狀間的數(shù)量關(guān)系在不同林型和不同地域間往往存在較大差異（張冬燕等，2019），且不是每個(gè)樹種的樹冠性狀與樹干性狀間都存在較高的相關(guān)性（韋雪花等，2013）。因此，在運(yùn)用樹冠與樹干性狀回歸關(guān)系開展研究時(shí)，需要充分考慮地域、林型、物種，以及地形差異對(duì)結(jié)論產(chǎn)生的影響（Bechtold,2003）。

現(xiàn)有研究表明，中國(guó)北方森林闊葉樹種的胸徑與冠幅相關(guān)系數(shù)可達(dá)0.90 以上（戴福 等，2009），相比之下，位于華南地區(qū)廣東省主要用材林樹種冠幅與胸徑的相關(guān)系數(shù)略低，基本穩(wěn)定在0.62～0.79（何開倫等，2006）。南嶺山地位于廣東省北部，地帶性森林集中分布在海拔400～1 900 m，從山底到山頂隨著物種組成和生境的變化，群落冠層樹木個(gè)體存在明顯的矮化現(xiàn)象，即海拔因素對(duì)群落冠層樹木的樹高、樹干直徑以及樹冠的形態(tài)均產(chǎn)生較大影響，這進(jìn)一步增加了樹干-樹冠性狀關(guān)系的復(fù)雜性，也引發(fā)了一系列新的科學(xué)問(wèn)題。如：在南嶺山地是否存在用樹冠性狀反演樹干性狀的生物學(xué)基礎(chǔ)？南嶺山地不同海拔樹冠性狀與樹干性狀間的關(guān)系是否存在差異？在南嶺山地運(yùn)用樹冠與樹干性狀關(guān)系計(jì)算生物量時(shí)，是否要考慮海拔因素？上述問(wèn)題的解決，對(duì)于大范圍開展南嶺山地森林生物量的遙感反演，提高反演精度具有重要意義。

因此，本研究基于無(wú)人機(jī)遙感技術(shù)，以南嶺山地海拔600～1 600 m 的冠層樹木為研究對(duì)象，系統(tǒng)探討南嶺山地冠層樹木的樹冠性狀和樹干性狀間的關(guān)聯(lián)以及這種關(guān)聯(lián)隨海拔的變化規(guī)律，以期為南嶺山地森林群落結(jié)構(gòu)研究以及生物量估算提供參考。

1 研究方法

1.1 樹干性狀的測(cè)量方法

隨機(jī)選取了南嶺山地海拔600 m（8 株）、800 m（11 株）、1 000 m（12 株）、1 400 m（10 株）和1 600 m（8株）5個(gè)海拔高度的49株冠層優(yōu)勢(shì)樹木（表1），依照測(cè)樹學(xué)的基本方法對(duì)目標(biāo)樹木的樹高、基徑、胸徑、2米徑和4米徑進(jìn)行測(cè)定。其中，樹高采用激光測(cè)高儀測(cè)定，基徑、胸徑、2米徑和4米徑采用胸徑尺測(cè)定，在量取樹木樹干性狀的同時(shí)，用手持差分GPS（Trimble Geo X7）記錄每棵樹的地理坐標(biāo)。受到坡度、樹冠密度和樹冠交叉錯(cuò)位等影響，在較高飛行高度上獲取的樹冠影像上，某些樹冠仍會(huì)存在定位及分割較難的情況。因此，為了提高樹冠性狀的提取精度，在目標(biāo)樹冠正上方用無(wú)人機(jī)在不同高度拍攝影像，進(jìn)一步確定樹冠的相對(duì)位置和輪廓，用于后期輔助樹冠的定位和分割（圖1）。

圖1 利用無(wú)人機(jī)獲取的影像輔助定位樹冠Fig.1 Images obtained by drones are used to assist in locating tree crowns

表1 樹種及其分布海拔Table 1 Tree species and their distribution at altitude

1.2 樹冠性狀測(cè)定方法

主要測(cè)定冠幅、冠周長(zhǎng)和冠面積等3個(gè)樹冠性狀。其中，冠幅為樹冠南北向和東西向冠幅的平均值，冠周長(zhǎng)為樹冠垂直投影的周長(zhǎng)，冠面積為樹冠垂直投影的面積。上述樹冠性狀通過(guò)無(wú)人機(jī)遙感獲取，采用的無(wú)人機(jī)型號(hào)為DJI Phantom 4 RTK，重量1 391 g，最長(zhǎng)飛行時(shí)間約30 min，懸停精度±0.1 m，攜帶的傳感器類型為可見光（RGB）相機(jī)，傳感器為1英寸CMOS，有效像素2 000萬(wàn)，照片最大分辨率4 864 pix×3 648 pix。樹冠無(wú)人機(jī)遙感數(shù)據(jù)的具體采集方法為：于2019 年11―12 月，選擇晴朗天氣的T 10:00―14:00 進(jìn)行無(wú)人機(jī)飛行作業(yè)。首先在DJI GS pro地面站上規(guī)劃覆蓋研究區(qū)的無(wú)人機(jī)作業(yè)航線，飛行高度設(shè)置為60 m，航向重疊率和旁向重疊率各設(shè)置為80%，飛行作業(yè)時(shí)在現(xiàn)場(chǎng)同步設(shè)置地面控制點(diǎn)用于后期的影像校準(zhǔn)。在海拔600、800、1 000、1 400 和1 600 m 處分別獲取了250、369、242、269 和370 張林冠正射影像，將正射影像導(dǎo)入Photoscan 軟件，經(jīng)排列、生成密集點(diǎn)云、生成網(wǎng)格、生成紋理和生成數(shù)字高程模（DEM）等過(guò)程后，得到研究區(qū)樹冠的正射鑲嵌影像（DOM），隨后將DOM導(dǎo)入ArcGIS 中，根據(jù)GPS 坐標(biāo)以及不同高度無(wú)人機(jī)影像的輔助，將地上測(cè)量過(guò)樹干性狀的個(gè)體與影像中的樹冠逐一匹配，確定目標(biāo)后，對(duì)目標(biāo)樹冠進(jìn)行勾取，獲得冠幅、冠周長(zhǎng)和冠面積（圖2）。

圖2 基于無(wú)人機(jī)遙感影像的樹冠性狀提取Fig.2 Extraction of tree crown traits based on UAV remote sensing images

1.3 統(tǒng)計(jì)學(xué)方法

采用典型關(guān)聯(lián)分析（Canonical Correlation Analysis, CCA） 的統(tǒng)計(jì)學(xué)方法分析樹冠性狀與樹干性狀的關(guān)聯(lián)性；采用線性回歸方法確立樹干性狀間樹冠性狀間的回歸關(guān)系。統(tǒng)計(jì)分析采用SPSS for Windows 13.0軟件處理。

2 結(jié)果分析

2.1 南嶺山地樹冠性狀與樹干性狀間的整體關(guān)聯(lián)性

結(jié)果顯示，本研究所涉及的樹冠性狀，即冠幅、冠面積及冠周長(zhǎng)間具有較高的相關(guān)性（R=0.94～0.97）（表2）。樹干性狀方面，除了樹高與其他性狀間的相關(guān)性較低（R=0.5～0.59）以外，基徑、胸徑、2 米徑以及4 米徑之間的相關(guān)性也較高（R=0.93～0.98）（表3）。樹冠性狀與樹干性狀關(guān)系方面，典型相關(guān)分析方法統(tǒng)計(jì)了3對(duì)典型變量間的相關(guān)性，相關(guān)系數(shù)及其檢驗(yàn)結(jié)果表明，僅第一典型相關(guān)系數(shù)在統(tǒng)計(jì)學(xué)上具有顯著意義（R=0.89，P＜0.01），冠面積與基徑、胸徑、2 米徑和4 米徑間的相關(guān)性最好（R＞0.80）；冠幅和冠周長(zhǎng)與基徑、胸徑、2 米徑及4米徑間的相關(guān)系數(shù)值高度接近，均在0.76～0.80；樹高與樹冠性狀間的相關(guān)性相對(duì)較低（R≈0.6）（表4）。以上結(jié)果表明，南嶺山地樹冠性狀之間、樹干性狀之間都具有較高的內(nèi)部相關(guān)性，樹冠性狀與樹干性狀之間也存在顯著的相關(guān)性，用樹冠性狀反演樹干性狀具有統(tǒng)計(jì)學(xué)意義。

表2 樹冠性狀間的相關(guān)系數(shù)（R）Table 2 Autocorrelation coefficient between tree crown traits(R)

表3 樹干性狀間的相關(guān)系數(shù)（R）Table 3 Autocorrelation coefficient between trunk traits(R)

表4 樹冠性狀與樹干性狀間的相關(guān)系數(shù)（R）Table 4 Correlation coefficient between tree crown traits and trunk traits(R)

2.2 不同海拔高度林冠性狀與樹冠性狀的相關(guān)性差異

分別對(duì)不同海拔高度上冠面積、冠幅、冠周長(zhǎng)與樹高、基徑、胸徑、2米徑和4米徑的相關(guān)性進(jìn)行分析（圖3），結(jié)果表明，海拔600 m處，樹冠性狀與樹干性狀的相關(guān)性較高（R＞0.80）；海拔升至800 m 時(shí)，相關(guān)系數(shù)略有升高；到海拔1 000 m 處，相關(guān)系數(shù)值急劇下降（R＜0.50）；到海拔1 400 m 處，相關(guān)性系數(shù)值再次升高至0.80 左右；海拔1 600 m處，相關(guān)系數(shù)重新下降至0.70左右?？傮w上，樹冠性狀與樹干性狀的相關(guān)性隨海拔的升高呈“M”型，樹冠性狀與樹高的相關(guān)性相對(duì)特殊，隨海拔的升高呈“W”型變化。

圖3 不同海拔樹冠面積與樹干性狀的相關(guān)性Fig.3 Correlation between canopy area and trunk traits at different elevations

2.3 樹冠性狀與樹干性狀間的線性回歸關(guān)系

樹冠性狀與樹干性狀的散點(diǎn)圖（圖4）顯示，除了樹高以外，其余樹冠和樹干性狀之間存在明顯的線性關(guān)系。以冠幅、冠面積、冠周長(zhǎng)為自變量，分別對(duì)胸徑、基徑、2米徑和4米徑等自變量進(jìn)行多元線性回歸分析，結(jié)果表明，冠面積是反演樹干性狀的最佳指標(biāo)。由于冠幅和冠周長(zhǎng)與冠面積存在顯著的共線性關(guān)系（條件指標(biāo)＞15.0，表5），進(jìn)入模型時(shí)對(duì)決定系數(shù)提升貢獻(xiàn)較小，無(wú)法顯著提高回歸方程的預(yù)測(cè)精度，因此采用冠面積作為單一自變量建立冠面積與胸徑、基徑、2米徑和4米徑的線性回歸方程，分別為：

表5 樹冠性狀與樹干性狀逐步回歸分析模型概要Table 5 Summary of stepwise regression model for crown and trunk traits

圖4 樹冠性狀與樹干性狀的散點(diǎn)圖矩陣Fig.4 Scatter plot matrix of crown and trunk traits

式中：DBH為胸徑/cm；CA為冠面積/m2；BD為基徑/cm；D2為2米徑/cm；D4為4米徑/cm。

從決定系數(shù)的數(shù)值可得知，南嶺山地樹木的冠面積對(duì)基徑、2米徑和4米徑的預(yù)測(cè)精度優(yōu)于對(duì)胸徑的預(yù)測(cè)精度。

3 討論

3.1 南嶺山地樹冠性狀與樹干性狀的關(guān)聯(lián)性

本研究顯示，南嶺山地冠層樹冠性狀與樹干性狀（樹高除外）間具有較高的整體關(guān)聯(lián)性（R＞0.75），說(shuō)明在南嶺山地基于樹冠性狀大范圍反演胸徑、基徑、2米徑和4米徑具有較好的生物學(xué)基礎(chǔ)和可行性。已有研究表明，北方森林闊葉樹種的胸徑與冠幅相關(guān)系數(shù)R可達(dá)0.90以上（戴福等，2009），廣東省主要用材林樹種的冠幅與胸徑相關(guān)系數(shù)R在0.62～0.79，如果去除針葉樹種，相關(guān)系數(shù)R＜0.65（何開倫等，2006）。在本研究中，南嶺山地冠層樹種胸徑與冠幅的相關(guān)系數(shù)R=0.76，雖然低于北方闊葉樹種，但高于同地域的其他用材林闊葉樹種。在數(shù)據(jù)不確定性的控制方面，本研究采用帶差分GPS的無(wú)人機(jī)遙感系統(tǒng)測(cè)定樹冠參數(shù)，冠幅誤差可控制在厘米級(jí)，相較于地面目測(cè)冠幅更為準(zhǔn)確（孫中宇等，2017）。此外，盡管已有較成熟的影像分割軟件用于自動(dòng)分割樹冠，但本研究仍采用目視解譯的方法來(lái)人工劃定樹冠邊界，避免了在某些情況下，如相鄰的幾株同種、同大小個(gè)體的樹冠交織在一起時(shí)，采用軟件自動(dòng)分割樹冠帶來(lái)的誤差。但在樣本數(shù)量方面，本研究要略少于其他同類研究。另外，由于樣本選取的隨機(jī)性，本研究選取的樣本在物種組成和數(shù)量方面存在一定的不平衡，可能導(dǎo)致結(jié)果存在誤差，但這對(duì)南嶺山地樹冠和樹干性狀間總體關(guān)聯(lián)性的影響在可控范圍內(nèi)。

本研究顯示，在南嶺山地，樹冠面積是反演樹干性狀的最佳參數(shù)（R＞0.80），在逐步回歸過(guò)程中，由于冠幅和冠周長(zhǎng)與冠面積共線性較高，并未納入反演模型中。樹冠面積與2 米徑和4 米徑的相關(guān)性大于其與基徑和胸徑之間的相關(guān)性。但在以往的研究中，采用樹冠面積反演樹干性狀的案例并不多見，這主要是由樹冠面積難以獲取，或地面獲取的數(shù)據(jù)誤差較大造成的。同樣的原因，樹干的2米徑和4米徑與樹冠性狀的關(guān)系研究也較少有案例涉及。在樹冠性狀便于獲取，并且與樹干性狀存在穩(wěn)定關(guān)聯(lián)的情況下，冠徑比（包括2 米徑和4 米徑）將會(huì)攜帶更多的樹木生長(zhǎng)和樹木結(jié)構(gòu)信息，可用于分析生態(tài)學(xué)規(guī)律以及指導(dǎo)造林實(shí)踐。

3.2 南嶺山地樹冠性狀與樹干性狀的關(guān)聯(lián)性隨海拔高度的變化

本研究表明，南嶺山地不同海拔高度上樹冠性狀與樹干性狀間的關(guān)聯(lián)性存在差異，具體表現(xiàn)為，樹冠性狀與樹干性狀的相關(guān)性在低海拔區(qū)（600～800 m）最高（R＞0.80），在高海拔區(qū)（1 400～1 600 m）次之（R≈0.7），在中海拔區(qū)（1 000 m）最低（R＜0.5）。這一現(xiàn)象很可能是由樹木隨著海拔高度升高逐漸矮化造成的。野外調(diào)查發(fā)現(xiàn)，海拔1 000 m處的常綠闊葉落葉混交林表現(xiàn)出明顯的矮林過(guò)渡性質(zhì)，部分樹木個(gè)體出現(xiàn)矮化的跡象，矮化與非矮化樹木混合的樣本組成降低了樹冠與樹干性狀的相關(guān)性。此外，2008年特大冰雪災(zāi)害導(dǎo)致南嶺山地中等海拔的森林受損程度最重（王旭，2012），這對(duì)中海拔地區(qū)樹冠性狀與樹干性狀的關(guān)系也產(chǎn)生了深遠(yuǎn)的影響。盡管本研究忽略海拔高度的影響，建立了南嶺山地樹冠和樹干性狀的混合樹種回歸方程，并且獲得較高的決定系數(shù)，但綜上所述，根據(jù)海拔高度分別建立不同的回歸方程，可進(jìn)一步提高模型的預(yù)測(cè)精度。因本研究樣本量有限，還需在后續(xù)研究中再深入探討。

3.3 南嶺山地樹冠性狀與樹干性狀的回歸方程與生物量估算

本研究建立了南嶺山地林冠樹種冠面積與樹干直徑間的混合樹種回歸模型（方程1－4），各回歸方程均有較高的決定系數(shù)，為南嶺山地森林生物量的計(jì)算提供了基礎(chǔ)。森林生物量通常使用以胸徑和樹高為自變量的異速生長(zhǎng)方程進(jìn)行估算。若樹冠性狀與胸徑或樹高間具有較強(qiáng)的回歸關(guān)系，就可以通過(guò)回歸方程，根據(jù)樹冠性狀計(jì)算胸徑和樹高，進(jìn)而對(duì)大范圍的森林生物量進(jìn)行估算。本研究表明，在南嶺山地，樹冠性狀與樹高的關(guān)聯(lián)性較差，但與胸徑、基徑、2米徑及4米徑的關(guān)聯(lián)性較好。因此可根據(jù)方程1，用無(wú)人機(jī)獲取的樹冠面積計(jì)算樹木胸徑和生物量，從而實(shí)現(xiàn)無(wú)人機(jī)遙感對(duì)森林生物量的估算。此外，由于樹冠性狀與2 米徑和4 米徑的回歸關(guān)系更好，在使用無(wú)人機(jī)遙感估算森林生物量的過(guò)程中，是否可以用2 米徑或4 米徑作為參數(shù)替換樹木異速生長(zhǎng)方程中的胸徑來(lái)計(jì)算生物量？將樹冠性狀作為獨(dú)立因子加入到異速生長(zhǎng)方程中能否大幅提高森林生物量的估算精度？這些問(wèn)題仍需要進(jìn)一步深入研究。

4 結(jié)論

本研究以無(wú)人機(jī)遙感為技術(shù)手段，對(duì)南嶺山地樹冠性狀與樹干性狀間的關(guān)聯(lián)性進(jìn)行了探討，研究表明，南嶺山地的樹冠性狀與樹干性狀間具有顯著關(guān)聯(lián)性，并在海拔600～1 600 m 區(qū)間隨海拔升高呈“M”型變化。南嶺山地森林存在用樹冠性狀反演樹干性狀并進(jìn)一步估算森林生物量的生物學(xué)基礎(chǔ)。本文建立了南嶺山地樹冠面積與樹干直徑間的混合樹種回歸模型，同時(shí)探討了利用冠面積、2米徑和4米徑計(jì)算樹木生物量的可行性，可為無(wú)人機(jī)遙感大面積估算南嶺山地森林生物量提供基礎(chǔ)。