印度希瓦利克山脉树木的地面与机载激光扫描数据集，含实地测量与叶-木分类

为什么逐株绘制森林很重要

森林在不声不响中调节地球气候、储存碳，并支持无数物种，也包括依赖木材、食物和药材的人类。然而，我们仍然难以精确测量它们所含的活体物质——进而是碳——尤其是在结构复杂的热带森林中。本文介绍了来自印度北部的一个新的、公开可用的数据集，利用地面和空中的激光脉冲以三维方式捕捉单株树木。该数据集旨在帮助科学家构建更好的工具，以在从单株树到卫星任务的不同尺度上追踪森林健康、成长与碳储量。

既看森林也看树木

研究人员并非只依赖卷尺和野外记录本，而是用激光扫描“描绘”出森林，获得数以百万计的距离测量。地面激光扫描（TLS）装置安装在林内三脚架上，记录树干和枝条的精细结构；机载激光扫描（ALS）安装在直升机上，扫过地表以捕捉更广阔的冠层与地形。两种视角结合，既提供近景细节，又覆盖大范围，使科学家得以研究位于印度哈里亚纳希瓦利克山脉12个样地中的674株单树，涵盖热带及亚热带森林的24个物种。

构建精确的三维图景

为了把原始激光点转化为可靠的三维树木，团队遵循了一系列严谨步骤。每个样地周围进行了多次地面扫描，以确保树木各侧面都被记录。由于茂密冠层会阻挡卫星信号，团队在附近空旷处放置了高精度GPS接收器，并用全站仪（测量仪器）将这些位置传入林内。数学变换随后将所有数据绑定到具有厘米级精度的全球坐标系。对空中数据而言，直升机搭载的扫描仪与相机覆盖了约250平方公里，并由标记地面目标和参考GPS站支撑，从而使地形高度与形状得以一致地映射。

从原始点到单株树

每次激光扫描都会产生一个“点云”，即显示激光脉冲击中叶片、树皮或地面的点群。研究人员首先通过去噪并识别地面点来清理这些点云，从而建立高度参考。随后他们使用软件将属于同一树干与树冠的点自动分组以分离单株树，然后在树冠重叠或下层植被密集的复杂区域进行人工检查与修正。相同的674株树随后也在机载数据中被分离出来，使每株树既有详细的地面视图，也有更广阔的空中对应视角。与扫描数据配套，野外团队测量了胸径、确定了物种，并拍摄了树皮与叶片照片，将每个数字化的树木与林中带标签的真实树木相连接。

检验叶与木的结构

该数据集的一大优势是许多树木的点被标注为叶或木。专家使用交互式工具对具有较大树干的树木手动将树干与枝条点与叶片区分开来。这些手工标注的树木可作为参考，用于测试自动叶—木分离方法。团队在数据上运行了四种广泛使用的算法并比较了它们的表现。尽管在本地较复杂的森林中结果比某些更简单森林略微不如精确，但算法排序与以往研究一致，表明新数据既现实又具有高质量。通过仅含木材点的树木版本，研究者可以更可靠地估算树干与枝条体积，从而推算地上生物量。

从样地到卫星

为了检验激光衍生测量值与实情的一致性，作者将TLS与ALS得到的树高和胸径与野外测量进行了比较。结果显示高度一致，平均差异较小，反映出自然生长与不同观测视角的影响。利用先进的建模工具，他们估算了每株树的体积并汇总了不同物种的木材贡献。例如，一种松树在树木数量中占比小却在总体积中占比大，暗示其在碳储存方面的突出作用。由于该数据集通过公共仓库公开共享，它现在可以支持多种研究，从测试新的机器学习物种识别方法到改进如NASA-ISRO的NISAR和ESA的BIOMASS等全球森林监测卫星任务。

这对未来意味着什么

简而言之，这项工作为我们理解与保护森林所需的数字工具提供了详细的“训练场”。通过在先前代表性不足的地区细致绘制数百株个体，作者为科学家提供了改进将激光数据转化为可信信息的模型的途径，这些信息涉及树木的大小、形状与生物量。随着这些模型的提升，我们追踪森林中碳储量、监测其随时间的变化以及评估保护与恢复工作成效的能力也将提高。对于关心气候变化与生物多样性的人而言，该数据集是更清晰地看到森林（从叶片到轨道卫星）的重要一步。

引用: Ali, M., Biswas, A., Iglseder, A. et al. Terrestrial and Airborne Laser Scanning Dataset of Trees in the Shivalik Range, India with Field Measurements and Leaf–Wood Classifications. Sci Data 13, 420 (2026). https://doi.org/10.1038/s41597-026-06674-w

关键词: 森林激光雷达, 树木生物量, 热带森林, 遥感, 碳绘图