用光學雷達重建動物在棲地的可見視野

許多動物在自然環境中依賴視覺資訊判斷周遭狀況，例如辨識掠食者、搜尋獵物與定位同類。視線能否延伸取決於棲地的植被密度、樹幹分布與地形起伏等環境結構。這種可見度定義為從某一觀察位置出發，所有未被遮蔽視線所涵蓋的空間範圍。此範圍直接影響動物能接收的視覺訊號量與方向。森林中濃密的灌木層會阻斷低高度的視線，高大樹冠則可能影響向上的視野，各種障礙物在不同距離與角度形成遮蔽，使可見度呈現高度不均勻的分布，意味著動物在不同高度與位置會接收到截然不同的視野資訊。

傳統測量可見度的方法多使用一塊固定大小的板子，稱為遮蔽板（profile board），放置於觀察者一定距離之外。研究人員會從觀察點拍攝該板子，並計算被植被遮蔽的比例。此方法通常在幾個固定方向進行，例如東南西北四個方向，每個方向的結果再平均成一個可見度指標。然而此設計只涵蓋單一距離，無法反映更遠或更近的視線變化，且由於測量方向有限，讓側面或斜向的視線資訊被省略，當環境結構不均勻時，單一方向的測量就可能過度影響整體估計。

為了描述完整的視覺空間，有項研究採用視域（viewshed）的概念，將所有可達視線納入計算。視域包含從觀察點出發，延伸至各方向與距離的視線集合，每條視線在遇到障礙物時終止，形成一個三維結構。該表示方式可以同時考慮水平與垂直方向的可見性，視域也能呈現不同距離下遮蔽程度的變化，就不會只有單一數值。不過若要準確建立視域，需要細緻的三維環境資料，傳統的遮蔽板方法難以直接應用於全面的分析。

於是改用光學雷達（LiDAR）技術，透過發射雷射並測量回波時間，建立環境的三維點雲資料。每一個點代表雷射與物體表面的接觸點，能帶出空間位置資訊。這些點可用來重建植被與地形的細部結構。當視線遇到點雲中的點時，即視為被阻擋，可以在任意方向與距離進行計算。

研究使用的是地面雷射掃描儀的單次掃描方法，稱為 ssTLS（single scans from terrestrial laser scanners），將掃描器放置於模擬動物眼睛的高度，取得該點周圍的三維結構，產生的點雲可直接用於視域計算，可生成一個視域圖，描述不同距離的可見比例。

從單次雷射掃描到算出視域的過程，（A）林下植被稀少，視線較少被遮擋；（B）林下植被密集，視線容易被阻擋。中間圖的藍色點指環境中的雷射掃描點雲（樹木、植被等）；白色點為每條視線的終點。右圖的水平軸代表距離，垂直軸代表未被遮擋的視線比例，曲線顯示距離越遠遇到障礙物的機率越高。視域係數（viewshed coefficient，VC）代表整體可見空間的大小，係數越高，可見度越高（圖片來源：Stein RM et al. (2026)，採用 CC BY 4.0 授權）

研究在 25 個森林樣區進行測試，涵蓋密集灌木到開闊林地，每個樣區以 4 公尺半徑範圍進行測量。觀察高度設定為 25、75、155 公分，分別模擬不同動物的視角。實驗中，光學雷達掃描與傳統的遮蔽板測量法一同執行，用以相互比較觀測效果。遮蔽板同樣設置於距離觀察點 4 公尺的東南西北處，而照片上覆蓋 10×10 網格，用於計算未被遮蔽的比例。

（A）傳統遮蔽板法；（B）光學雷達的測量（完整視域）；（C）光學雷達的測量（只取出和傳統遮蔽板法相同條件的局部視野）（圖片來源：Stein RM et al. (2026)，採用 CC BY 4.0 授權）

傳統遮蔽板法（PB）與光學雷達測量（ssTLS）可見度與眼睛高度的關係，此為 25 個森林樣區的統計結果（圖片來源：Stein RM et al. (2026)，採用 CC BY 4.0 授權）

經過光學雷達測量後，在不同樣區之間視域係數範圍從約 171 到 345，反映植被差異。此外，視域係數會隨觀察高度上升而增加，代表高位置能獲得更大的可見視野。

光學雷達視域可以依照角度做分割，將整個視域拆解為不同部分。研究將視線依與垂直方向的角度分為空中視域與地面視域。角度小於 45 度的視線歸為空中部分，大於 45 度的歸為地面部分，這種分割方式可用於分析掠食者來自上方或者地面的情境。視域也可依水平方向限制，比如只保留前方 120 度，用於模擬前視型動物的視野；側眼動物則可設定較寬的角度範圍，像是 300 度。

同一個光學雷達視域可以被切成不同功能性視野，（A）完整視域；（B）空中視域；（C）地面視域；（D）前視型動物視域；（E）側視型動物視域（圖片來源：Stein RM et al. (2026)，採用 CC BY 4.0 授權）

此三維視域方法能描述不同方向與距離的可見度分布，提供比傳統方法更細緻的資料。光學雷達產生的視域僅代表潛在的可見範圍，未包含動物實際視覺能力，因為不同物種在視覺解析度與感知能力上並不相同，不過光學雷達方法仍可精確量化環境結構對視線遮蔽的影響，使研究者能在明確空間尺度上比較不同棲地條件下的可見度差異。

作者：水也佑

參考文獻：

Stein RM et al. (2026). Beyond discrete visibility estimates: single-scan LiDAR provides an efficient method for 3D viewshed estimation. Wildlife Society Bulletin.