利用LiDAR揭示采煤沉陷區人工修復植物群落冠層結構分異

郭洋楠,唐佳佳,楊永均,李志偉,雷少剛

(1.國能神東煤炭集團有限責任公司 技術研究院,陜西 神木 719315;2.中國礦業大學 礦山生態修復教育部工程研究中心,江蘇 徐州 221116)

近30年來,我國煤炭開發戰略西移,西部干旱半干旱地區煤炭產量已經占到全國總產量的60%左右。為減輕煤炭開采的環境影響,改善礦區生態環境面貌,礦山企業開展了大規模的采煤沉陷區植被建設工程[1-3]。由于植被是采煤沉陷區生態系統發揮固碳釋氧、防風固沙、水土保持等功能的關鍵生態要素,采煤沉陷區植被恢復研究得到了廣泛關注。已有不少學者對采煤沉陷區植被覆蓋度的長期變化及其與氣候變化的關系開展了研究。這些研究有效地反映了沉陷區整體的植被變化趨勢和恢復程度[4-7]。但整體性的植被監測難以反映不同類型植被的恢復水平和生態效應,必須實施群落尺度的植被監測和分析。一些研究人員利用地面調查方法揭示了采煤沉陷區植物葉綠素熒光、物種組成、豐富度和恢復力[8-10];也有研究者采用高分辨率遙感方法探測植物群落的高度、覆蓋度和生物量[11-14]。從研究現狀來看,現有研究側重于對采煤沉陷區植物覆蓋和物種組成開展研究,還缺乏對植物群落冠層結構的關注分析。

植物群落冠層是指植物群落頂層空間的組成,是群落與外界能量流動和物質交換的界面。理論上,冠層結構不僅決定著植物群落對光的截獲能力,同時還會對群落環境(如林下光環境、風環境、溫濕度狀況、土壤環境及林下植物分布與組成)產生直接或間接的影響[15-16]。實際上,研究發現煤礦區生態修復后的植物配置對群落下土壤和植被的發育具有顯著影響。這可能是因為不同植物配置下的冠層結構對生態修復效果不同所致[17-19]。因此,植物群落冠層結構對采煤沉陷區生態修復效果、植被碳匯能力等具有重要的指示作用。然而,傳統的地面調查方法成本高、效率低,難以滿足大范圍的快速監測需求,而基于中分辨率成像光譜儀(Moderate Resolution Imaging Spectroradiometer,MODIS)和陸地衛星(Land Satellite,Landsat)等粗分辨率影像的遙感方法,難以有效提取精細的植物群落冠層信息[20]。

隨著無人機攝影測量技術的快速發展,無人機機載激光雷達可以快速獲取礦區高密度點云數據,從而為精細化的生態監測提供了新的途徑[21-22]。筆者以陜西大柳塔煤礦國家水土保持科技示范園區內采煤沉陷區為研究區域,采用無人機攝影測量系統獲取點云數據,提取植物群落冠層結構參數,揭示生態修復植物配置模式對冠層結構的影響,為礦區生態監測與評價提供科技支撐。

1 研究區與數據

1.1 研究區概況

研究區位于陜西大柳塔煤礦國家水土保持科技示范園區內,地處陜北黃土高原北側和毛烏素沙漠東南緣。研究區地勢東高西低,平均海拔1 200 m,礦區總體地形西北高、東南低,屬于半干旱大陸性季風氣候,年均氣溫7.3 ℃,年平均降水量350 mm,平均蒸發量為1 788 mm,土壤主要為風沙土。大柳塔煤礦高度重視采煤沉陷區生態修復工程,自2000年以來,不斷開展裂縫充填、水土流失治理和植被重建工程,構建了喬、灌、草復合型植被系統,植物配置模式為以楊樹、樟子松、沙棘、油蒿為主要植物種的植物群落。

1.2 數據采集與預處理

2021年8月,在采煤沉陷生態修復區中植物群落類型最為豐富的區域設置300 m×2 100 m樣帶作為監測區,利用大疆M600無人機搭載激光雷達采集植物群落冠層點云數據。無人機航線共3條,飛行高度為90 m,飛行速度為5 m/s,水平視場角為360°,垂直視場角大于20°,平均點云密度為130個/m2。

數據采集后,利用LiDAR360 對激光雷達數據進行預處理,預處理流程包括航帶拼接、點云解算、點云配準、條帶消冗、噪聲去除。在無人機激光雷達數據采集的同時,在樣帶內設置10 m×10 m的樣地40個,記錄樣地角點的坐標,然后調查樣方內植物物種,利用測高儀測定植株冠層高度,利用冠層分析儀測定葉面積指數,利用網格法測定冠蓋度。研究區樣地分布如圖1所示。

圖1 研究區樣地分布

2 研究方法

2.1 數據分析流程

將激光雷達點云數據分為地面點、建筑物、低矮植被、中間植被和高層植被5類,再利用點云數據中的首次回波點插值生成數字表面模型,利用地面點建立不規則三角網,采用雙線性內插法插值生成數字高程模型。隨后,將數字高程模型與數字表面模型做差值并結合冠層高度模型優化算法,得到經過無效值填充的冠層高度模型[23]。基于點云和冠層高度模型,提取植物群落冠層結構參數,其中,冠層高度模型與植物群落冠層結構參數的空間分辨率均為15 cm。

采用回歸分析法對冠層高度、冠蓋度及葉面積指數提取結果進行驗證,驗證參數包括決定系數R2和均方根誤差。通過計算植被冠層結構參數兩兩之間的皮爾遜相關系數,來檢測植物群落冠層參數之間的相關性。植物群落冠層結構參數數據分析流程如圖2所示。

圖2 植物群落冠層結構參數數據分析流程

2.2 冠層結構參數

群落冠層結構的異質性一般可以體現在水平和垂直2個方面。在水平方向上,選取冠蓋度和葉面積指數反映群落水平結構。其中,冠蓋度是指植物冠層的垂直投影占地表面積的比例,冠蓋度大的區域,植物密度大、開放度小;葉面積指數是指每單位面積的投影植物面積,該指標控制著植被的光合、呼吸、蒸騰、碳循環和降水截獲等生態功能,葉面積指數大的區域,植物對環境資源的利用率更高。冠蓋度、葉面積指數計算公式如下:

(1)

(2)

式中:ICC為冠蓋度,%;nvegfirst為首次回波的植被點數;nfirst為首次回波的總點數;ILAI為葉面積指數,無量綱;n為激光點數;nground為提取的Z值低于高度閾值的地面點數;Ai為第i個點的掃描角度;k為消光系數,一般取0.5。

在垂直方向上,選取冠層高度和葉高多樣性來反映群落垂直結構。其中,冠層高度表示冠層頂端相對于地面的高度,冠層高度值越大,表明植物利用的垂直空間資源越多;葉高多樣性是指隨高度變化植物葉片的變化程度,該指標基于激光雷達首次回波,利用Shannon-Wiener多樣性指數計算,葉高多樣性值越大,表明植物群落在垂向上生態位分化程度高,對垂直方向環境資源的利用率更高。冠層高度、葉高多樣性指數計算公式如下:

ICHM=IDSM-IDEM

(3)

(4)

式中:ICHM為冠層高度;IDSM為數字表面模型高度;IDEM為數字高程模型高度;IFHD為葉高多樣性指數,無量綱;imax為植物群落最大層數;ni為第i層水平植被回波點數;N為植被總回波點數。

植物群落最大層數計算公式如下:

(5)

式中:Froundup為向上取整函數,即葉高多樣性模型覆蓋研究區植被全部高度范圍;H為研究區植被高度最大值;V為垂直高度間隔,取1 m。

3 結果與分析

3.1 群落冠層結構參數提取結果

在4個冠層結構參數中,葉高多樣性是從激光雷達點云數據中直接提取的,無實測值。冠層高度、冠蓋度及葉面積指數3個結構參數估算結果的決定系數均大于0.714,均方根誤差均小于0.069。其中冠層高度參數估算精度最高,R2為0.837,均方根誤差為0.069;其次為冠層蓋度參數,R2為0.799,均方根誤差為0.014;估算精度最低的參數為葉面積指數,R2為0.714,均方根誤差為0.005 4。由此可見,冠層高度、冠蓋度及葉面積指數3個結構參數估算結果均較為可靠。

將估算模型應用于陜西大柳塔煤礦國家水土保持科技示范園采煤沉陷區,估算結果如圖3所示。

圖3 植物群落冠層結構參數

由圖3可見,研究區內以灌草植物群落為主,喬木群落較少,植被冠蓋度普遍較低,高值位于研究區的中部和東側,呈斑塊狀聚集分布狀態,高冠蓋度和低冠蓋度群落之間邊界明顯,表明研究區植物密度隨機性較小;冠層高度與冠蓋度的分布特點類似,不同的是冠層高度在空間上呈漸變特點,表明研究區植物群落內植物高度具有連續性;1 m葉高多樣性呈斑塊狀聚集分布狀態,說明研究區植物群落在垂直方向上的形態具有較高相似性;葉面積指數在空間上較為離散,表明研究區植物群落環境資源利用率在水平方向上具有較大的異質性。

3.2 群落冠層結構參數之間的關系

植物群落冠層結構參數相關性如圖4所示。可以看出,提取的4個植物群落冠層結構參數間均呈現正相關性。

圖4 植物群落冠層結構參數相關性

垂直結構參數中冠層高度與1 m葉高多樣性強相關,其相關性系數大于0.50,水平結構參數中冠蓋度與葉面積指數極強相關,相關性系數為0.90,表明研究區植物群落在垂直和水平方向上,植物可利用的空間環境資源越多,對環境資源利用的效率也越高。在垂直與水平結構之間,冠蓋度與冠層高度、1 m葉高多樣性指數間表現為強相關性,表明植物群落在垂直方向上層次越豐富,對地面的覆蓋程度越高;葉面積指數與冠層高度、1 m葉高多樣性指數相關性系數均低于0.25,相關性較弱,說明植物群落在水平方向上對環境資源的利用率并不完全取決于垂直層次。因此,研究區引種高大喬木,可以有效提高冠層高度、冠蓋度和葉高多樣性,但對葉面積指數的改善作用有限;而引種垂直層次豐富的灌木和草本,可以有效提高冠層高度、冠蓋度、葉高多樣性、葉面積指數,同時改善垂直和水平結構。

3.3 植物配置模式對冠層結構的影響

根據物種調查結果,研究區內有樟子松、楊樹、野櫻桃等多種植物配置模式,統計不同配置模式下植物群落的冠層結構參數,結果如表1所示。

表1 不同植物配置模式下群落冠層結構參數均值

喬木群落中,楊樹群落冠層高度和1 m葉高多樣性指數最大,分別為1.995 m和0.465,垂直結構層次較為豐富,冠蓋度和葉面積指數相對較小,分別為29.1%和0.470,水平分布不均勻;樟子松群落冠層高度與葉高多樣性指數僅次于楊樹,分別為1.771 m與0.348,但冠蓋度和葉面積指數相對較大,分別為37.8%和0.023,說明樟子松群落的水平結構比楊樹群落更均勻;野櫻桃群落冠層高度為0.809 m,但葉高多樣性指數較高,為0.378,冠蓋度指數與葉面積指數較為接近,分別為37.9%與0.384,說明野櫻桃群叢垂直層次不豐富、植物密度較高、水平分布均勻;山杏群落冠層高度和葉高多樣性指數分別為0.456 m和0.342,冠蓋度與葉面積指數僅為33.8%與0.268,表明其垂直和水平結構均較差。

灌木群落中,冠層高度最大的是沙柳群落,均值為1.917 m,但冠蓋度與葉面積指數較低;冠蓋度、葉面積指數、葉高多樣性最高的是沙棘群落,均值分別42.8%、0.631、0.445,說明沙棘群落垂直與水平結構較為均衡;油蒿群落冠蓋度指數較低,為23.3%,且冠層高度與葉高多樣性指數在所有喬灌群落中最低,均值僅為0.479 m與0.141,說明油蒿群落冠層結構簡單、層次不豐富;紫穗槐群落葉高多樣性、冠蓋度與葉面積指數較高,分別為0.353、39.2%與0.471,其水平結構較為均勻,垂直層次較為豐富;檸條群落內部結構特征與紫穗槐相似,葉面積指數較低,為0.397,說明檸條群落冠層密度較低。此外,草本與裸地區域的各項結構指數較低,尚未形成良好的冠層。

4 結束語

1)LiDAR數據能夠準確可靠地用于估算植被冠層結構參數,冠層高度參數估算精度最高。研究區植物群落水平結構參數之間具有極強相關性,垂直結構參數間具有強相關性。水平方向上的冠蓋度與垂直方向上的冠層高度、葉高多樣性之間存在顯著的正相關關系,水平方向上的葉面積指數受垂直結構影響較小。生態修復和監測有必要同時考慮垂直和水平2個方向的植物群落冠層結構指標。

2)植物配置模式能夠顯著影響生態修復后的群落冠層結構。生態修復后,喬木群落的垂直層次結構較好,而灌木群叢在水平結構上表現較好。研究區引種高大喬木,可以有效提高冠層高度、冠蓋度和葉高多樣性,但對葉面積指數的改善作用有限;而引種垂直層次豐富的灌木和草本,可以有效提高冠層高度、冠蓋度、葉高多樣性、葉面積指數,同時改善垂直和水平結構。

3)總體來看,基于無人機的激光雷達遙感方法可以有效揭示采煤沉陷區生態修復植物群落冠層結構的異質性,為進一步研究植被重建的生態效應、評價生態修復成效、制訂植物群落管護和優化措施提供基礎數據和科學依據。