林分参数提取及与大气颗粒物分布关系

尹华丽, 王佳, 冯仲科, 李晓磊, 刘程程, 练一宁

(1.北京林业大学测绘与3S技术中心,北京 100083；2.北京林业大学精准林业北京市重点实验室，北京 100083)

林分参数提取及与大气颗粒物分布关系

尹华丽1,2, 王佳1,2, 冯仲科1,2, 李晓磊1,2, 刘程程1,2, 练一宁1,2

(1.北京林业大学测绘与3S技术中心,北京 100083；2.北京林业大学精准林业北京市重点实验室，北京 100083)

选取北京市奥林匹克森林公园紧邻五环道路的人工林作为实验样地，利用三维激光扫描系统获取林分的点云数据，分别通过体元模拟法和鱼眼图像的方法精确提取样地内树木的树冠体积和叶面积指数.采集获取样地的大气颗粒物浓度数据以及气象因子等数据，从林分空间结构参数的角度来分析林分空间结构对大气颗粒物的滞留能力.结果表明，对于大粒径颗粒物(2.5～100 μm)，不同季节时期的林分对其浓度影响为：夏季>春季>冬季.树冠体积和叶面积指数随季节的变化与大气颗粒物在林分中扩散的浓度变化量存在很大相关性.当树冠体积和叶面积指数变化率大时，林分对大气颗粒物的吸滞量相应增大，反之亦成立.

三维激光扫描系统; 大气颗粒物浓度; 叶面积指数; 树冠体积

目前治理大气环境污染已成为人们日益关注的议题，其中又以植被对大气颗粒物的调控作用研究最为热门，因此研究植被对大气颗粒物的滞留作用具有十分重要的现实意义，目前国内外很多学者从不同角度对大气颗粒物的滞留作用进行了研究.

从林带范围角度来看，王成等[1]研究表明，当树种为单调的毛白杨林带，其长度在40～60 m时，该林带对削减日平均车流量在约7×104的高速公路上产生的重金属颗粒物有较好的效果；研究表明[2]，绿化带的范围在30 m以上，其削减噪音的效果较为明显，15 m宽的桦树林林带能够阻滞吸附露天煤矿产生的50%的颗粒物[3].从林分配置上来看，众多学者研究表明，常绿乔木林的滞尘能力强于草地[4-5]，另外林分内乔灌草配置对大气颗粒物的吸收效果最好[6].植被在叶片尺度上对颗粒物的滞尘作用表现在树叶表面的特殊性，比如树叶表面的沟状组织[7]、绒毛状物质[8]、凹凸不平[9-10]、气孔[11]或者在叶表面分泌形成的蜡质成分等[12]，都对大气颗粒物的沉积吸附起到一定的增强作用.另外，叶片尺寸的差别对于阻滞颗粒物也有一定的影响，经多位研究者研究验证，针叶树滞尘效果略大于阔叶树，针叶树叶面积小，枝莲多，对颗粒物的捕获滞留作用较好[13-14].

已有研究表明[15-16]，树木比其他植物能更有效地捕获大气颗粒物，在城市地区,尤其在颗粒物污染源周围(例如:道路),广泛栽种滞留颗粒物能力和抗污能力强的树种是提高空气质量的有效手段[17]，树木对于大气颗粒物的阻滞能力主要是取决于树木结构，叶面特性和气象条件、树木空间结构中树冠冠体体积、树冠表面积、叶面积指数、叶倾角等参数与颗粒物的扩散有显著关系[18-19].目前研究针对树木叶面特性对于大气颗粒物的阻滞作用较多，但较少综合考虑到树木空间结构对于颗粒物扩散的影响，主要难点在于表达树木空间结构参数难以精确获取，本研究从精确提取树木空间结构参数问题入手，利用三维激光扫描技术来提取林分结构，主要提取树冠体积和叶面积指数，分析林分空间结构对大气颗粒物的滞留能力.

1 材料与方法

1.1 技术路线

选取的样地位于北五环南侧的奥林匹克森林公园内的一片人工林，样地50 m×50 m，样地内树种为白杨，行间距为3～4 m，株间距为3～4 m，树高平均20 m，树木间隔合理，便于后期点云数据分离，此区域游人较少，植物生长良好，同时又因靠近北五环，因此可以被认为汽车尾气为本区域的主要大气污染来源.

每个季度，林木树冠结构形态差异较大，春季时期，树叶发芽期，叶子未完全展开，夏季时期，树叶是一年中最茂密时期，冬季没有树叶.这3种不同的冠层结构对大气颗粒物的阻滞作用产生不同程度的影响.

利用三维激光扫描仪分别在不同的季度(春、夏、冬)对样地进行扫描获取点云数据，同时采集相对应时间的大气颗粒物浓度数据.点云数据经过点云数据预处理，通过算法计算树冠体积[20]，再将点云数据与鱼目摄像结合计算得出叶面积指数，以此估算样地林分的树冠体积和叶面积指数.将不同季度林分结构数据与相对应时期的大气环境数据相联系，寻找其之间的影响关系.

技术路线图如下图1所示：

图1 技术路线图Fig.1 Technology roadmap

1.2 数据采集与预处理

本研究在2015年3个季度(春、夏、冬)对样地进行大气颗粒物浓度采集，每个季度选取30天典型天气，每次数据采集间隔时间为2 h(采集数据时间分别为8:00、12:00、14:00、16:00、18:00).外业数据采集包括样地的点云数据采集、样地大气颗粒物浓度数据采集以及气象数据采集.

点云数据采集：使用三维激光扫描仪FARO Photon 120，结合样地大小，树木密度等实际情况，合理确定布设站点的位置和数量(样地内站点布局如图2)，布设原则是用尽量少的站点来获取整个样地内部和外部完整的三维信息(采集仪器如图3).

图2 样地站点位置图Fig.2 Sample site map

图3 三维激光扫描仪Fig.3 3D laser scanner

大气颗粒物浓度数据采集：样地的大气颗粒物源头主要来自五环路上的汽车尾气，因此在样地内垂直于北五环路的线上，选取距离五环路10、50、100 m处，分别架设DUSTMATE粉尘仪，监测TSP、PM10、PM2.5、PM1的大气颗粒物浓度.

气象数据采集：在样地的空地上架设Kestrel 4500便捷风速气象测定仪，测量风速、温度、相对湿度、大气压等参数，与大气颗粒物浓度数据进行同步采集(图4).

内业数据处理分析包括三维点云数据的处理及计算，大气颗粒物浓度数据整理及分析.采集的三维点云数据需要用专业点云后处理软件FARO SECNE进行预处理，包括配准、去除噪点等[21](图5)，继而能够进行后续的计算，包括树冠体积和叶面积指数的计算.

图4 环境因子监测Fig.4 Environmental factor detection

图5 样地点云数据Fig.5 Sample location cloud data

1.3 树冠体积提取

关于树冠体积计算方法，首先对于样地点云数据进行手工分割，提取单株树木，利用体元模拟法计算单株树木体积，然后把所有树木体积相加即可得样地树冠体积[22].对树冠体积的计算用C#语言在Microsoft Visual Studio 2010开发的环境中编写程序，并且连接数据库计算.程序的具体实现步骤如下：

(1)将点云数据的txt文件导入数据库中.(2)以k为单位距离，在z轴方向对点云数据进行切片，产生了间隔为k的若干个垂直于z轴的隔离面，将每2个隔离面之间的点云数据都投影在下隔离面上.(3)每个隔离面x轴、y轴方向也进行以k为单位的划分，产生多个正方形格网.(4)统计每个正方形格网中点云数据的数量.(5)确定合适的阈值，当正方形格网中点云数据的数量超过阈值时，表明这个正方体属于树冠体积的一部分，统计所有超过阈值的正方形格网数量.(6)将符合条件的单元正方体体积累加得到树冠体积(图6).

1.4 有效叶面积指数提取

使用点云数据测算有效叶面积指数的方法是通过地面激光雷达获取点云数据结合鱼目摄像的半球图像理论实现，计算有效叶面积指数的公式是基于Beer-Lambert定律[23].

图6 体元模拟法原理图Fig.6 Calculation of canopy volume results chart

计算思路是将点云数据经过坐标转换压缩投影在半球体上(如图7)，成为类似鱼目摄像的半球图像，接下来要将投影在半球面上的点云再次进行投影[24-25]，使其落在一个二维的平面上.方法有2种：一种是球极平面投影，另一种是Lambert方位角等面积投影(图8).

图7 点云数据球面投影Fig.7 Spherical projection of point cloud data

图8 两种平面投影结果图Fig.8 Two kinds of planar projection

图9 一个角度视分下切割圆环Fig.9 A cutting ring under an angle

在鱼眼相机的半球图像中插入平行于底面的一系列平面，分别与半球面相交形成“纬线圈”，通过这些纬线圈可以较为准确地表达出树冠各个分层内不同天顶角下的各种数据[26-27]，再通过矢量图与栅格图的转化获得表示树叶的像元，并统计像元个数，继而计算出孔隙率等关键参数(如图9)[28-29]，根据Beer-Lambert定律来进行进一步的有效叶面积指数的计算.用这种方法计算得到结果，由于冬季是没有树叶的，因此春季和夏季计算的结果分别减去冬季的计算结果就是春季和夏季各自的叶面积指数.

2 结果与分析

表1 不同季节树冠平均体积Table 1 Average canopy volume in different seasons

2.1 林分内单位面积上树冠体积对颗粒物分布的影响

通过上文介绍的计算方法得出样地内不同季度的单位面积上的树冠体积(表1).3个季度单位面积树冠体积比较为夏季>春季>冬季.原因是冬季树叶掉落，树冠中只有枝干，所以树冠体积最小，春季时期，树叶开始发芽，但是属于幼叶，未完全长大，因此此时的树冠体积居中；夏季时期，树叶完全生长，是最茂密的时期，所以夏季树冠体积最大.试验计算结果符合植物树叶生长规律，说明试验方法与计算方法是正确的.

树冠体积说明树冠枝叶的繁茂程度，也反映枝叶空间分布的复杂程度.从林分结构对大气颗粒物阻滞的机理可知，枝叶空间分布越复杂，对大气颗粒物的阻滞影响作用越大.

在同一个季节时期内，林分对不同的大气颗粒物吸滞量比较为(图10)：TSP-PM10(颗粒物粒径在10～100 μm)>PM10～PM2.5(颗粒物粒径在2.5～10 μm)>PM2.5>PM1.在冬季和春季，林分对粒径范围在2.5～100 μm中的大气颗粒物有一定的滞留作用，对PM2.5和PM1的大气颗粒物滞留作用不明显；在夏季，林分对所有大气颗粒物都有较为显著的滞留作用.

图10 不同季节林分对不同颗粒物的吸滞量三维对比图Fig.10 3D diagram comparison on absorption rate of different particles in different seasons

单位面积的树冠体积和林分对不同颗粒物的吸滞量随季节的变化率如图11所示，横轴表示每相邻2个季节之间树冠体积的变化量，以及相应的某季节林分对颗粒物的吸滞量平均值减去上一季节林分对颗粒物的吸滞量的平均值.单位面积的树冠体积随季节的变化，其春—冬，夏—春，冬—夏的体积变化率分别为：1.03、1.7、-2.73.相对应的各种颗粒物被吸收量随季节变化的变化率也有差异，以PM2.5为例，其对应变化率分别为：1.35、126.14、-127.49.当树冠变化率较小时，林分对颗粒物的吸滞量的变化率也相应减小，反之增大亦成立.粒径范围在2.5～100 μm的颗粒物，不同季节的林分对其阻滞影响作用大小比较为夏季>春季>冬季.分析其原因是由于在夏季枝叶最为茂盛，树冠空间结构最复杂，树冠体积最大，因此对大气颗粒物的滞留作用相较于冬季和春季更为显著.

对于粒径范围较小的PM2.5和PM1的大气颗粒物，树冠结构对其阻滞影响作用较大，原因是由于PM2.5和PM1的粒径较小，重量较轻，微粒运动更加频繁和灵活，因此夏季茂盛的枝叶形成的复杂空间结构对其才有显著的阻滞吸收影响作用，而冬季和春季树冠对小粒径颗粒物阻滞影响比较微小.

图11 树冠体积、吸滞量随季节变化率Fig.11 Seasonal variation in canopy volume and absorption rate

2.2 叶面积指数对大气颗粒物浓度变化的影响

基于三维激光点云数据利用2种不同的球面投影方法提取树木叶面积指数和利用LAI-2000冠层分析仪获取的叶面积指数结果如表2所示.从表中结果可知，利用LAI-2000冠层分析仪获取的叶面积指数作为对照值大于利用三维激光扫描系统求得的叶面积指数.对于2种不同的平面投影方法，对照值结果偏大，原因主要是由于使用LAI-2000冠层分析仪受到树高范围的限制，当树种的树高比较高时，在操作使用过程中，人为操作误差影响增大[30-33].而地面三维激光扫描仪则可以准确地获取样地内树木表面以及内部枝叶的详细和准确的信息，因此利用三维激光扫描系统提取的叶面积指数结果更加精确[34-35]，本次试验中取2种投影方法的平均值作为用于分析的叶面积指数.

表2 叶面积指数计算结果Table 2 Leaf area index calculation based on different methods

叶面积指数和林分对不同颗粒物的吸滞量随季节的变化率如图12所示，林分内叶面积指数随着季节的变化，横轴表示每相邻2个季节之间，叶面积指数的变化量，以及相应的某季节林分对颗粒物的吸滞量平均值减去上一季节林分对颗粒物的吸滞量的平均值.其春—冬，夏—春，冬—夏的体积变化率分别为：0.08，0.12，-0.2.相对应的各种颗粒物随季节的浓度平均日变化率大小也有差异，以PM2.5为例，其对应变化率分别为：1.35，126.14，-127.49.当叶面积指数的变化率较小时，林分对颗粒物的吸滞量的变化率也相应减小，反之增大亦成立.

图12 叶面积指数、吸滞量随季节变化率Fig.12 Seasonal variation in leaf area index and absorption rate

3 讨论

利用三维激光扫描系统提取的林分参数，其中如树高、胸径、冠幅等基本参数比传统方法量取的结果更加精确.叶面积指数的三维激光点云提取，通过拟球面鱼眼相机系统理论计算得出的结果与利用LAI-2000冠层分析仪测得的结果相比较，前者方法较为精确.

对于粒径范围2.5～100 μm的大粒径颗粒物，不同季节时期的林分对其浓度影响作用的大小顺序为：夏季>春季>冬季.

对于粒径范围在2.5 μm以下的小粒径颗粒物，仅在夏季时期林分对其浓度的影响较为显著，春季和冬季时期对小粒径颗粒物浓度影响变化不大.在1天内，早晚城市出行高峰时期的大气颗粒物浓度较高，平时浓度较低.

树冠体积和叶面积指数随季节的变化分别与大气颗粒物在林分中扩散的浓度变化量存在较大相关性.当树冠体积和叶面积指数变化率大时，林分对大气颗粒物的吸滞量相应增大，反之亦成立.对于不同粒径的颗粒物在林分中扩散受树冠体积影响程度为：PM1=PM2.5>TSP-PM10>PM10～PM2.5.

本文中存在的不足之处是：利用三维激光扫描系统提取树冠体积的结果较之前的传统测算方法尽管已经精确很多，但是利用三维激光扫描仪获得树木空间点云数据，特别是夏季较为高大的阔叶树林时，由于枝叶间相互遮挡，并且随风向摆动，因此在树冠内部遮挡的部分枝叶不会被三维激光扫描仪采集到，继而影响后续的树冠体积和叶面积指数的计算.另外，由于选取样地内树木属于人工林，内部不是特别密集，比较容易进行单木的提取，所以可以采用提取每棵树的树冠体积，继而求单位面积上的树冠体积.但是在密林中，或者树叶遮挡严重的情况下，这种方法并不适用，可以采用其他方法，如土石方量算法等.

[1] 王成,郄光发,杨颖,等.高速路林带对车辆尾气重金属污染的屏障作用[J].林业科学,2007,43(3):1-7.

[2] 周敬宣,丁亚超,李恒,等.林带对交通噪声衰减的效果研究及公路防噪林带设计[J].环境工程,2005,23(2):48-51.

[3] SPITSYNA N T, SKRIPAL′SHCHIKOVA L N. Phytomass and dust accumulation of birch forests near open-pit mines[J]. Soviet Journal of Ecology, 1992,22(6):354-359.

[4] 冯朝阳,高吉喜,田美荣,等.京西门头沟区自然植被滞尘能力及效益研究[J].环境科学研究,2007,20(5):155-159.

[5] 周志翔,邵天一,王鹏程,等.武钢厂区绿地景观类型空间结构及滞尘效应[J].生态学报,2002,22(12):2 036-2 040.

[6] 张新献,古润泽,陈自新,等.北京城市居住区绿地的滞尘效益[J].北京林业大学学报,1997,4:14-19.

[7] 俞学如.南京市主要绿化树种叶面滞尘特征及其与叶面结构的关系[D].南京:南京林业大学,2008.

[8] 柴一新,祝宁,韩焕金.城市绿化树种的滞尘效应——以哈尔滨市为例[J].应用生态学报,2002,13(9):1 121-1 126.

[9] 王蕾,高尚玉,刘连友,等.北京市11种园林植物滞留大气颗粒物能力研究[J].应用生态学报,2006,17(4):4 597-4 601.

[10] 齐飞艳.道路大气颗粒物的分布特征及绿化带的滞留作用[D].郑州:河南农业大学,2009.

[11] HEWITT N. Trees are city cleaners[N]. Sylva/TreeNews, 2003:1-2.

[12] KAUPPH, BlUMENSTOCK M, MCLACHLAN M S. Retention and mobility of atmospheric particle-associated organic pollutant PCDD/Fs and PAHs on maize leaves[J]. New Phytol., 2000,148(3):473-480.

[13] 郭鑫,张秋良,唐力,等.呼和浩特市几种常绿树种滞尘能力的研究[J].中国农学通报,2009,25(17):62-65.

[14] 李海梅,刘霞.青岛市城阳区主要园林树种叶片表皮形态与滞尘量的关系[J].生态学杂志,2008,27(10):1 659-1 662.

[15] 王赞红,李纪标. 城市街道常绿灌木植物叶片滞尘能力及滞尘颗粒物形态[J]. 生态环境,2006,15(2):327-330

[16] MANNING W J. Effects of limestone dust on leaf condition, foliar disease incidence, and leaf surface microflora of natural plants[J]. Environ Pollut, 1971,2(1):69-76.

[17] BECKETT K E, FREER-SMITH P H, TAYLOR G. Urban woodlands: Their role in reducing the effects of particulate pollution[J]. Environ Pollu, 1998,99(3):347-360.

[18] POWE N. A, WILLIS K G. Mortality and morbidity benefits of air pollution (SO2and PM10) absorption attributable to woodland in Britain[J]. Journal of Environmental Management, 2004,70(2):119-128.

[19] 陈自新,苏雪痕,刘少宗,等.北京城市园林绿化生态效益的研究(4)[J].中国园林,1998,4:44-47.

[20] 王佳,杨慧乔,冯仲科.基于三维激光扫描的树木三维绿量测定[J].农业机械学报,2013,44(8):229-233.

[21] 高绍伟,冯仲科,吴露露.基于点云数据的测树因子提取与分析研究[J].林业资源管理,2012,6:101-104.

[22] 韦雪花,王永国,郑君,等.基于三维激光扫描点云的树冠体积计算方法[J].农业机械学报,2013,44(7):236-240.

[23] 高纪青,云挺,薛联凤.基于鱼目摄像和地面激光雷达的真实叶面积指数计算[J].南京师范大学学报(自然科学版),2014,4:137-144.

[24] 祁有祥,骆汉,赵廷宁.基于鱼眼镜头的树冠郁闭度简易测量方法[J].北京林业大学学报(自然科学版),2009,37(6):60-66.

[25] 张立俊,洪添胜,吴伟斌,等.基于半球摄影法的果树叶面积指数检测(英文)[J].农业工程学报,2012,(S2):213-220.

[26] ZHENG G, MONIKA M L, SOO-HYUNY K.Retrieval of effective leaf area index in heterogeneous forests with terrestrial laser scanning[J]. Transactions on Geo-science and Remote Sensing, 2013,51(2):777-786.

[27] CHEN J M, BLACK T A, ADAMS R S. Evaluation of Hemispherical photography for determining plant area index and geometry of a forest stand[J]. Agric For Meteorol, 1991,56(12):129-143.

[28] 潘桂颖.基于半球摄影法的水稻冠层结构参数测量与反演[D].杭州:浙江大学,2011.

[29] LEYTON L. Method for measuring the leaf surface area of complec shoots[J]. Nature, 1971,299,5286:572-572.

[30] DEBLONDE G, PENNER M, ROYER A. Measuring leaf area index with the Ll-COR LA-2000 in pine stands[J]. Ecology, 1994,75(5):1 507-1 511.

[31] 张仁华,孙晓敏,朱治林.叶面积指数的快速测定方法——植被定量遥感的地面标定技术[J].国土资源遥感,1998(1):54-60.

[32] FELDKIRCHNER D C, GOWER S T. Using the LI-COR LAI-2000 to estimate leaf area index and light transmittance in forest canopies[R]. Ulaanbaatar-Hatgal, Mongolia, 2001:12-14.

[33] STENBERG P, LINDER S, SMOLANDER H, et al. Performance of the LAI-2000 plant canopy analyzer in estimating leaf area index of some Scots pine stands[J]. Tree Physiology, 1994,14(7-9):981-995.

[34] 罗旭.基于三维激光扫描测绘系统的森林计测学研究[D].北京:北京林业大学,2006.

[35] CUMANI A, GUIDUCCI A, GRATTONI A, et al. High accuracy localisation of calibration point for dimensional measurements by image processing techniques[J]. Proceedings of the Fifth Internationl Conference on Advanced Robotics, 1991,2:1 761-1 765.

(责任编辑:吴显达)

Extraction of forest stand spatial structure and its relationship with atmospheric particulate matter distribution

YIN Huali1,2, WANG Jia1,2, FENG Zhongke1,2, LI Xiaolei1,2, LIU Chengcheng1,2, LIAN Yining1,2

(1.Beijing Forestry University Institute of GIS, RS & GPS, Beijing 100083, China; 2.Beijing Precise Forestry Laboratory, Beijing Forestry University, Beijing 100083, China)

To investigate the regulatory function of forest spatial structure on retaining atmospheric particulate matter (PM), point cloud data of forest park plantation were extracted using 3D laser scanning system in the ring road of Beijing Olympic Park. Then volume element simulation method and fish-eye method were applied to calculate tree canopy and leaf area index. Lastly, data on PM concentrations at different diameters and meteorological factors were interpreted. Results showed that retention capability of forest stand for PMs at diameter between 2.5 μm and 100 μm varied among seasons, with the highest adsorbability in summer and the lowest in winter. Canopy volume and leaf area index were highly correlated with PM concentrations, which larger canopy volume and leaf area index would attribute to higher rate of PM absorbed.

3D laser scanning system; atmospheric particulate matter concentration; leaf area index; canopy volume

2016-09-22

2016-11-20

国家自然科学基金(41401650)；北京市青年英才计划项目YETP0738；北京林业大学大学生创业创新训练计划项目X201510022004.

尹华丽(1990-)，女，硕士研究生.研究方向：3S技术集成与应用.通讯作者王佳(1980-)，男，副教授，博士.研究方向：3S在资源环境中的应用.Email:wangjia2002_0@163.com.

TP301.6

A

1671-5470(2017)03-0270-07

10.13323/j.cnki.j.fafu(nat.sci.).2017.03.007