有限的光资源在生态过程中发挥着至关重要的作用，这些过程从分子层面延伸到生态系统层面。常用的描述生物体获得光的概率的指标，称为光可利用性（LAv），其驱动了植物在多个尺度上的生理表现、构建过程、生长策略和共存模式。LAv的时空非均质性（即光可利用性异质性（LAH）），进一步决定了森林生态系统中生物量、演替模式和物种多样性的时空变化。此外，光照条件还影响其他微气候因素（例如辐射、温度和湿度）。因此，持续量化森林生态系统内的三维（3D）光可利用性，甚至向三维异质性评估迈进，已成为进一步发展物种分布模型和加深我们对微气候机制理解的必要条件。然而，涉及光格局的三维量化和分析的相关研究还很缺乏。为了弥合这一差距，本研究提出一个全新的开源Python包（FLApy），专门用于评估3D环境中指定森林群落中的LAv，并进一步计算和分析森林冠层下的三维LAH。研究发现，FLApy无论在虚拟的森林中，还是在真实的森林中都能够很好地量化LAv的3D分布。并且，基于FLApy三维异质性指标，可以很好的指示光资源的不同森林内的光格局差异。结果显示，郁闭的森林（顶级群落）通常具有较低的光异质性，与之相对的演替初期森林往往表现出较高的光异质性。此外，与人工实测导出的光异质性评估相比，FLApy的异质性指标在多个尺度均能指示森林冠层结构差异造成的林下光格局变换。

    本研究成果以题为“FLApy: A Python package for evaluating the 3D light availability heterogeneity within forest communities”的论文发表于著名生态学期刊Methods in Ecology & Evolution上。该论文提出了一个全新的基于3D空间视角下分析森林内部光环境的软件包，并且首次提出了一套可用于评价森林微气候3D空间异质性的指标体系。该论文第一作者为王彬（与云大联合培养，目前为云大生态与环境学院博士后），通讯作者为张志明教授，最后作者为林露湘研究员。

图1 FLApy设计逻辑和工作流程