《Forest Ecology and Management》：Characterizing typhoon-disturbed biomass dynamics using multitemporal LiDAR, high-resolution imagery, and deep learning in cool-temperate forest, northern Japan
编辑推荐：
台风后冷温带森林生物量恢复及碳增益研究。基于2004-2022年多时相LiDAR数据与地面测量，揭示台风Songda扰动区冠层高度年均增长0.13m/yr，生物量积累速率达1.30Mg/ha/yr。受干扰林分（1.64Mg/ha/yr）较未受干扰区（1.29Mg/ha/yr）恢复更快，且2014-2022年间出现加速恢复现象（年增长率从0.97增至2.48Mg/ha/yr），滞后约十年。该研究证实多源LiDAR数据对森林动态监测的有效性，并发现先锋物种对恢复的贡献。
作者：Ang Li、Tomomichi Kato、Hantao Li、Long Duc Nguyen、Masato Hayashi、Ram Avtar、Tatsuro Nakaji
日本北海道大学农业研究生院，札幌市，060-8589
摘要
温带森林是重要的碳汇，然而其在台风过后生物量的恢复过程在高空间和时间分辨率下的量化仍不够充分。我们结合了多时相LiDAR数据和实地测量，研究了2004年台风“Songda”过后日本北部Tomakomai实验林地上生物量（AGB）的变化情况。通过2004年、2014年和2022年获取的机载和无人机LiDAR数据，经过点密度归一化处理后，生成了统一的树冠高度模型（CHMs）。利用样地调查数据建立了CHMs与AGB之间的异速生长关系。利用2004年的彩色红外航空影像，通过深度学习模型绘制了受风灾影响和未受影响的林分分布图（测试集准确率为92.2%），并利用6厘米分辨率的无人机RGB影像区分了针叶树和阔叶树的分布（测试集准确率为93.5%）。在2,516公顷的研究区域内，2004年至2022年间，CHM和AGB的平均生长率分别为每年0.13米和1.30兆克/公顷。受风灾影响的林分恢复速度更快（每年1.64兆克/公顷），而未受影响的林分为每年1.29兆克/公顷。受风灾影响林分的生长率从2004年至2014年的每年0.97兆克/公顷加速到2014年至2022年的每年2.48兆克/公顷，显示出恢复过程大约需要十年的时间。2014年至2022年间，受风灾影响林分的平均生物量生长率超过了中位数，这可能与先锋物种的促进作用有关。我们的研究展示了多时相LiDAR在景观尺度上监测生物量恢复过程中的价值，并强调了冷温带森林在台风过后碳积累的延迟但显著的现象。所得到的地图和生长率数据为恢复规划和碳核算提供了实用的基础。
引言
森林生物量的增长在通过吸收大气中的二氧化碳（CO?）来缓解气候变化方面起着关键作用。全球范围内，森林每年吸收约25%的人为碳排放，相当于每年2.4吉吨碳（Pan等人，2011年）。温带森林既是重要的碳汇，也是生态系统服务的重要提供者。台风等极端风事件会导致地上生物量的立即损失，并引发次生演替，从而改变森林的中长期碳汇能力（Cannon等人，2023年）。2004年9月，强台风“Songda”袭击了日本北部，造成了广泛的森林生态系统破坏（Takahashi等人，2011年；Takano等人，2016年；Hayashi等人，2015年）。观测数据显示，风速超过了30-40米/秒，导致大量树木倒伏、树干断裂和土壤结构受损。随后的强降雨和局部山体滑坡进一步扰乱了林下光照条件、养分循环和地上生物量的积累（Takano等人，2016年）。在北海道，台风“Songda”造成了约370平方公里的森林破坏，其中许多区域已经经历了自然再生和多层演替过程（Takahashi等人，2011年）。与样地调查和通量塔观测相比，多时相LiDAR能够提供高分辨率的景观尺度三维结构信息，从而检测树冠高度和生物量的变化（Hudak等人，2012年）。许多研究依赖于短期遥感数据，缺乏长期高分辨率数据集来捕捉森林生物量的时空动态（Puliti等人，2020年）。这限制了我们对温带森林对气候变化长期响应及其生物量积累过程的理解。此外，极端气候事件（如热带气旋）对温带森林生物量的长期影响仍不够充分研究（Frank等人，2015年）。当前的研究通常关注稳定气候条件下的森林生物量动态，对气候干扰后的次生演替过程关注较少。方法
本研究的主要方法步骤如下：（i）LiDAR扫描和数据处理：通过数据去噪、采样和重采样生成高分辨率树冠高度模型（CHMs），并估算地上生物量；（ii）识别台风影响区域：利用航空影像和深度学习模型自动识别受台风影响的区域，并将其与未受影响区域区分开来；（iii）识别针叶树和阔叶树类型
分类准确性评估
干扰分类模型在验证集上的整体准确率为99.6%（平衡准确率（BA）为98.4%（表S1）。在独立的空间分离测试集上，其整体准确率为95.7%，平衡准确率为92.2%（表S3）。对于针叶树与阔叶树的分类器，验证集上的整体准确率为95.4%（BA为95.3%；表S2），独立测试集上的整体准确率为93.5%，平衡准确率为93.5%（表S4）。基于多时相机载LiDAR数据估算地上生物量生长
热带或亚热带森林在干扰后的生物量恢复率存在显著差异，这突显了气候对生长响应的影响。在新热带地区，Poorter等人（2016年）报告称早期次生林的生物量恢复率为每年约3.05兆克/公顷。Requena Suarez等人（2023年）描述了亚马逊地区在风灾后的生物量恢复速率可达每年6-7兆克/公顷，这主要得益于风灾后出现的丰富林隙动态。此外，Requena Suarez等人还进行了进一步的研究结论
通过整合多时相LiDAR数据集、基于深度学习的分类方法和实地测量，本研究发现，在以阔叶树为主的冷温带森林中，台风干扰后林分的生长率立即下降。树冠高度和地上生物量（AGB）的显著加速直到事件发生大约十年后才显现。在这一加速阶段，先锋物种的存在进一步提升了生长率
CRediT作者贡献声明
Ang Li：撰写初稿、可视化制作、软件开发、资源收集、方法设计、数据分析及正式分析。Tomomichi Kato：撰写、审稿与编辑、项目监督、资金争取、数据管理及概念构思。Hantao Li：撰写、审稿与编辑、验证工作。Long Duc Nguyen：撰写、审稿与编辑、验证工作。Masato Hayashi：撰写、审稿与编辑、验证工作。Ram Avtar：撰写、审稿与编辑、验证工作。Tatsuro Nakaji：撰写、审稿与编辑、验证工作。利益冲突声明
作者声明不存在可能影响本文研究的已知财务利益或个人关系。致谢
本研究得到了日本文部科学省（MEXT）的“加速空间技术研究、开发与利用战略计划”（STARDUST计划编号R5-03）的支持。同时感谢国土交通省（MLIT）、Ram Avtar（北海道大学）以及Hiroyuki Oguma（国立环境研究所）提供的机载LiDAR数据。
