施拉达·特里韦尼

Mongabay网站

2026年6月26日

两张由激光雷达在不同时间拍摄并叠加的图像：一张是幼树幼苗（粉色），另一张是同一批树木（蓝色），生长两年后。图片由ArborMeta提供。

• 地面激光扫描技术（称为激光雷达）可用于绘制森林结构的详图。
• 这种细节有助于更准确地估算地上植被中储存的碳量，有助于评估造林项目的成效并确定准确的碳信用。
• 碳信用在碳市场上买卖，被公司和其他实体用来抵消自身的温室气体排放。
• 但专家提醒，透明度而非估算准确性仍是碳市场面临的最大挑战。

森林是天然的碳汇。但随着退化土地的造林成为全球气候解决方案，一个持续的问题挥之不去：我们如何知道森林实际储存了多少碳？

研究人员表示，地面激光扫描（激光雷达）有望提高造林结果测量的效率。最近发表在《生态解决方案与证据》上的一篇论文发现，澳大利亚的激光雷达扫描相比其他碳估算方法有所改进。

激光雷达仪器发射数千个微小激光脉冲，生成森林结构的复杂三维地图，使研究人员能够更准确地估算树木中含碳量。论文合著者、澳大利亚北昆士兰詹姆斯库克大学高级研究员亚历山大·W·奇斯曼称这项技术为“变革性的技术”。

“传统的野外调查大量依赖手工测量相对较少树木的高度和直径。但激光扫描能360度捕捉整个森林，记录每一根茎、每一根树枝和树冠的形状，“奇斯曼在通过谷歌会面接受Mongabay的虚拟采访时说。

在澳大利亚，全碳核算模型是政府追踪土壤和根部（地下碳）以及植被（地上碳）中碳储存的主要工具。它用于向联合国报告国家温室气体，并通过政府的澳大利亚碳信用单位计划评估国内碳信用。全碳核算模型不直接测量碳，而是通过整合气候、土壤、土地利用与管理以及土地覆盖变化的数据，模拟碳在生态系统中的流动。

激光雷达仪器发射数千个微小激光脉冲，生成森林结构的复杂三维地图，使研究人员能够更准确地估算树木中的含碳量。图片由ArborMeta提供。

研究人员利用地面激光扫描技术记录了澳大利亚热带湿润地区三个恢复中的雨林样地的结构。该图像展示的是1993年11月种植的一个样地的横截面，扫描数据于2021年10月两天内采集。图片由ArborMeta提供。

在他们的研究中，奇斯曼及其合著者将澳大利亚全碳核算模型产生的碳估算与1990年代建立的三个恢复雨林地点的激光雷达测量进行了比较。

研究人员发现，全碳核算模型估计测试森林的碳含量比激光雷达少8%。虽然他们承认8%的差异并不显著，且“模型表现相当不错”，但他们坚持认为激光雷达仍有提升。

然而，其他专家认为激光雷达并非没有错误，而且它是一种非常昂贵的工具。一些入门级地面激光扫描设备价格超过4万美元，对于资金不足的项目来说难以负担。此外，论文的利益冲突声明披露，合著者艾比·R·亚茨科是澳大利亚激光雷达森林监测公司ArborMeta的员工。

澳大利亚国立大学堪培拉环境市场中心环境法与政策教授安德鲁·麦金托什表示，激光雷达已经被视为估算地上生物量的有用工具，这项研究在很大程度上重申了一个既定观点。

麦金托什面临的更大问题是：提高生物质测量的准确性，真的能改善植树项目碳信用买卖市场的完整性吗？奇斯曼认为可以，他表示激光雷达地面碳估算的更高准确性将增强对恢复结果的信任，从而为未来造林项目带来更多资金拨款。

澳大利亚马斯韦尔布鲁克附近的一座燃煤火力发电站。图片由美联社照片档案/马克·贝克提供。

澳大利亚有两种类型的“碳市场”：合规市场，由政府要求；以及自愿市场，个人和组织可以发行、买卖碳信用。例如，一家公司希望抵消其温室气体排放，可以资助一个从大气中捕获并储存等量碳的造林项目。

但近年来，碳市场受到更多关注，专家们质疑项目是否真的带来了其所宣称的气候效益。碳抵消和审计方法的准确性、项目数据的透明度以及独立研究人员验证结果的能力，仍然是围绕碳市场辩论的主导因素。

与此同时，造林项目也吸引了寻求通过自然气候解决方案实现净零排放目标的企业的关注。

联合国数据表明，到2030年，恢复投资需增加四倍至2960亿美元，以实现全球修复目标，同时促进气候和生物多样性目标。

麦金托什表示，尽管如此，植树项目在已发放碳信用中所占比例相对较小。在澳大利亚，这些项目在2022-2023财年约占已发放信贷的1%。

研究人员利用激光雷达估算了三个已恢复雨林地点地面植被中含碳的量。图片由ArborMeta提供。

麦金托什在一封邮件中说：“对于造林/造林项目来说，最大的问题是透明度。”

他指出，激光雷达研究中包含的项目并未公布模型场地的抵消或审计报告。他说，许多碳项目没有向外部研究人员公开足够的信息，无法评估已发放的碳信用是否准确反映恢复森林中捕获和储存的碳量。

奇斯曼同意技术只是解决方案的一部分，并表示地面激光雷达的更广泛应用将取决于该技术是否更为经济实惠且易于修复项目使用。不过，他补充说，地面激光雷达除碳核算之外可能有其他用途：它还可用于捕捉森林结构的详细信息，包括树冠层叠、植被密度和栖息地复杂性。

他说：“这些特征可用于评估生物多样性和生态系统恢复，”并补充说，这些数据能提供更全面的恢复成效图景。