基于機載激光雷達校正的ICESat/GLAS數(shù)據(jù)森林冠層高度估測

胡凱龍，劉清旺，龐 勇，李 梅，穆喜云（1. 中國礦業(yè)大學（北京）地球科學與測繪工程學院，北京 10008；. 中國林業(yè)科學研究院資源信息研究所，北京 100091；. 中國林業(yè)科學研究院荒漠化研究所，北京 100091；. 赤峰市林業(yè)科學研究院森林生態(tài)所，赤峰 0000）

基于機載激光雷達校正的ICESat/GLAS數(shù)據(jù)森林冠層高度估測

胡凱龍1,2，劉清旺2※，龐 勇2，李 梅3，穆喜云4
（1. 中國礦業(yè)大學（北京）地球科學與測繪工程學院，北京 100083；2. 中國林業(yè)科學研究院資源信息研究所，北京 100091；3. 中國林業(yè)科學研究院荒漠化研究所，北京 100091；4. 赤峰市林業(yè)科學研究院森林生態(tài)所，赤峰 024000）

針對星載激光雷達（geoscience laser altimeter system，GLAS）大光斑屬性，該文提出了一種改進后的光斑尺度森林冠層高度估測方法，并分析了復雜地表對其估測精度的影響。首先，對機載lidar點云分類出地面點，并利用地面點對點云數(shù)據(jù)進行高度歸一化處理，提取點云局部最大值得到光斑范圍內機載lidar最大冠層高度；以機載lidar最大冠層高度作為模型參數(shù)擬合因變量，同時以坡度作為模型的輸入變量，結合光斑大小和地表粗糙度，進行參數(shù)擬合，得到改進后光斑尺度森林冠層高度估測模型；最后，利用實測樣地數(shù)據(jù)對冠層高度估測模型進行驗證。結果表明：機載點云數(shù)據(jù)可以準確地反映光斑范圍內森林冠層的分布，受到樹種類型和點云密度的影響，不同森林類型的點云冠層分布存在明顯差異。坡度等級直接影響GLAS光斑尺度森林冠層高度的估測精度，改進后的估測模型可以減小坡度對GLAS光斑森林冠層高度估測的影響，模型估測均方根誤差（root mean square error，RMSE）穩(wěn)定在3.26～3.88 m。樣地Lorey’s高與估測結果擬合度較好，相關系數(shù)r=0.66，不同森林類型光斑尺度冠層高度估測精度存在差異，混交林估測精度最高，r和RMSE分別為0.84和1.06 m。該方法可以有效減少地形條件對光斑尺度森林冠層高度估測的影響，并為更大尺度的冠層高度制圖提供了有效的參考。

激光；數(shù)據(jù)處理；林地；冠層高度；星載激光雷達；點云分類；估測模型；坡度

0 引 言

陸地生態(tài)系統(tǒng)中將近一半的碳儲量來自于森林覆蓋區(qū)域[1]。森林分布及碳儲量的研究為理解全球碳循環(huán)以及全球氣候變化提供了重要的理論支撐。森林的垂直結構在一定程度上反映了森林的生長狀態(tài)和森林的生物多樣性[2]。森林冠層高度作為森林垂直結構參數(shù)的重要組成部分，對其定量化估測具有重要的理論和現(xiàn)實意義[3]。受限于人工測量的精準度，對于高郁閉度森林覆蓋區(qū)域，傳統(tǒng)的激光測高儀很難定位到樹的冠頂，從而使得測量結果普遍精度較低。

激光雷達（light detection and ranging，lidar）作為一種非物理接觸性的探測技術，它通過測量激光脈沖從激光器到地物之間的時間差來得到地物的高度信息[4-6]。機載小光斑激光雷達系統(tǒng)，由于其激光傳感器被安置在飛機上，在一定程度上可以實現(xiàn)較大面積的地物覆蓋，其高密度激光點云（0.5～10 points/m2）屬性使得其可以精細描述林下地形以及冠層剖面結構[7-9]。Hyypp?等[10]總結了機載小光斑激光雷達提取森林結構參數(shù)的方法，并且分析了飛行高度、脈沖密度以及光斑大小對森林冠層高度提取精度的影響。但是，受飛行成本及氣候因素限制，其很難覆蓋更大區(qū)域和實現(xiàn)數(shù)據(jù)的定時重訪更新。

星載激光雷達（geoscience laser altimeter system，GLAS）激光傳感器被安置在ICESat衛(wèi)星上，采用全波形采樣系統(tǒng)對陸地表面進行光斑采樣，從而實現(xiàn)全球覆蓋。其光斑直徑約為60 m，并且光斑尺寸會隨著激光器和觀測時期的變化而變化[11-12]。在地形變化較大區(qū)域，其波形形狀容易受地形影響而產生變化，從而使得森林冠層高度估測產生偏差[13-14]。一些學者針對這種情形提出了一些解決方案，總體來說分為2種方法：1）將GLAS波形分解為多個高斯分布，最后一個高斯波峰識別為地面，通過第一個與最后一個高斯波峰之間的距離差來表示冠層高度。Sun等[15]應用這種方法分析波形對于森林冠層剖面的反映形式，得出光斑尺度下森林冠層高度的估測模型，模型決定系數(shù)R2=0.65～0.82。但是，受地表起伏的影響，最后一個高斯波峰可能混合有低矮植被或地形信息，將最后一個高斯波峰識別成地面，存在一定不確定性；2）從多個高斯波峰中提取一些與植被冠層相關的波形參數(shù)，建立這些參數(shù)與冠層高度的回歸模型，從而間接估測森林冠層高度。Lefsky等[16]應用這種方法并引入地形指數(shù)（在一個光斑范圍內，地表起伏的高度差）這一概念，并從全波形數(shù)據(jù)分離出波形寬度等參數(shù)，通過參數(shù)擬合得到不同生態(tài)系統(tǒng)下的森林冠層高度模型，其均方根誤差RMSE=4.85～12.66 m，這種方法的優(yōu)點是不用精確識別地面波峰[17]。但是，這些波形參數(shù)和冠層高度的關系會隨著植被結構和地表變化而變化。近些年來，以Lee等[18-19]為代表的學者嘗試用物理幾何模型的方法來反映地形效應。這種方法引入坡度這個地形要素，并綜合考慮光斑尺寸和地表粗糙度等影響因素，建立幾何方程定量地描述地形對森林冠層高度估測的影響。這種幾何方程適用范圍比較廣，并且計算步驟較為簡單。但是對地表起伏較大區(qū)域，用坡度描述地表變化仍存在一定誤差。

綜上所述，本文通過引入機載激光雷達點云數(shù)據(jù)，綜合考慮坡度、光斑大小以及地表粗糙度等因素，對光斑尺度森林冠層高度進行估測并對其影響因素進行分析，以期為區(qū)域尺度的森林冠層高度估測提供理論參考。

1 材料與方法

1.1 研究區(qū)地形及植被特征

研究區(qū)位于中國東北部大興安嶺山脈呼倫貝爾市境內，東經121°12′～123°00′，北緯50°11′～52°00′，研究區(qū)地貌類型以山地為主，多坡地分布，平均海拔約為1 000 m。受坡向和巖石條件的影響，陽坡比較陡峭，陰坡比較平緩。受地理位置和人類活動的影響，森林植被呈明顯地帶性分布，從北部針葉林帶，落葉闊葉林帶到南部森林草原帶和草原帶。研究區(qū)主要以幼齡林和中齡林為主，針葉林主要為耐寒喜光的興安落葉松，零星分布有紅松和樟子松；闊葉林主要為白樺，山楊和柞樹[20-21]。林區(qū)森林覆蓋率為91.7%，活立木總蓄積量為4.639×107m3。

1.2 數(shù)據(jù)來源

1.2.1 實地測量數(shù)據(jù)

于2012年8月1日—9月3日在研究區(qū)內設置80塊臨時樣地，樣地形狀為半徑15 m的圓形。與GLAS軌道進行位置匹配，在東經121°12′～122°02′，北緯50°20′～51°50′范圍內，共有54塊樣地位于GLAS光斑內，對樣地進行每木檢尺調查，調查因子包括：樹種、胸徑、樹高和冠幅等。采用胸徑圍尺測定1.3 m處胸徑，起測胸徑為5 cm；樹高與枝下高均采用激光測高儀進行多次測定，確保數(shù)據(jù)準確性。對樣地中心點利用差分全球衛(wèi)星導航系統(tǒng)（global navigation satellite system，GNSS）接收機精確定位，水平定位精度為1～2 m[22]。在每個樣地的中心點進行魚眼相機拍照。

本研究采用樣地尺度森林冠層高度主要包括2種：胸高斷面積加權高（Lorey’s）和算術平均高[23]，其計算方法如式（1）～（2）所示。

Lorey’s高：

式中hi為樣地單木實測樹高，m；si為胸高斷面積，m2； n為樣地內單木株數(shù)。

1.2.2 機載lidar數(shù)據(jù)

美國國家宇航局于2003年發(fā)射了激光測高衛(wèi)星ICESat，它搭載的GLAS系統(tǒng)是第一個星載激光雷達系統(tǒng)，能夠應用于植被高度估測。其搭載的3個激光器能夠進行172 m間隔的空間采樣，并且在赤道處，最大軌道交叉間隔為15 km。激光器發(fā)射的光斑直徑被設計為65 m，實際工作中3個激光器的發(fā)射光斑直徑有所差異，分別為110，90和55 m[24]。本研究下載了Laser2激光器時間范圍為2009年3月16日—3月29日和10月7日—10月8日的GLA14數(shù)據(jù)產品。GLA14主要包含光斑點的地理位置，高度及波形參數(shù)等信息。

于2012年8月1日—8月30日在研究區(qū)開展了機載lidar飛行試驗，獲取了3 099.28 km2的機載激光雷達點云數(shù)據(jù)。飛機搭載的徠卡ALS60機載激光雷達系統(tǒng)，配有Leica WDM65全波形記錄儀，最大脈沖頻率和最大掃描頻率為2×105Hz和100 Hz，最大掃描角度為75°[25]。平均飛行高度為1 600 m，平均飛行速度為220 km/h，點云密度為5.6 points/m2。

1.2.3 地形數(shù)據(jù)

2000年2月美國國家宇航局和國防部國家測繪局聯(lián)合發(fā)射“奮進”號航天飛機，并進行了航天飛機雷達地形測繪任務（shuttle radar topography mission，SRTM），對全球80%的陸地進行了地形測繪。其得到的SRTM數(shù)據(jù)在美國本土的分辨率為1″（約30 m），全球其他區(qū)域為3″（約90 m）。2014年9月，美國國家地理空間情報局宣布其1″分辨率的數(shù)據(jù)SRTMGL1向全球用戶免費開放[26]。本研究在USGS網站上下載研究區(qū)的SRTMGL1數(shù)據(jù)[27]，產品分布在48個產品單元內，利用GIS軟件生成研究區(qū)的坡度分布圖。

1.3 方法

1.3.1 數(shù)據(jù)處理及分析流程

研究主要利用機載lidar點云數(shù)據(jù)、GLA14數(shù)據(jù)、SRTM地形數(shù)據(jù)和實測樣地數(shù)據(jù)對光斑尺度森林冠層高度進行估測，如圖1所示，研究總體主要包括以下步驟：

圖1 數(shù)據(jù)處理及建模流程圖Fig.1 Flow chart of data processing and modeling

1）對星載激光雷達GLAS數(shù)據(jù)過濾無效點并提取GLAS波形參數(shù)，計算得到未校正的GLAS冠層高度RH100。利用GDAL開源庫，將GLA14的HDF5格式的數(shù)據(jù)轉換為ESRI ShapeFile的矢量格式，并把相關的參數(shù)（坐標、高程和波形參數(shù)）寫到屬性表中；

2）對機載激光雷達點云進行地形歸一化處理，匹配GLAS光斑點的位置信息，提取相應位置的機載激光雷達點云剖面及最大冠層高度；

3）結合SRTM數(shù)據(jù)得到的坡度數(shù)據(jù)和機載激光雷達最大冠層高度信息，建立GLAS光斑尺度森林冠層高度地形校正模型，并分析不同坡度對模型精度的影響；

4）利用地面實測數(shù)據(jù)對模型估測結果進行進一步精度驗證及不確定性分析。

1.3.2 機載激光雷達點云分類及地形歸一化

為了得到精確的森林冠層剖面，需要對點云進行濾波處理去除地形的影響。地物種類和形態(tài)的多樣性使得一些自動濾波算法適應范圍較小，本文選用較為成熟完善的不規(guī)則三角網（triangulated irregular network，TIN）算法過濾地面點[28]。

地面點為明顯低于地物的點，本文通過制定搜索規(guī)則，對點云進行局部高程最低值判定，以確定是否為地面點。首先，選擇一些局部最低點（這些點確保落在地面上）作為種子點，建立初始TIN三角網。初始三角網模型大多是在真實地面以下，通過設置高度閾值ε和角度閾值l來優(yōu)化初始三角網模型，ε和l表達式如式（3）～（4）。

式中ε為高度閾值，m，其確保了當初始三角網過大時，迭代點不會產生較大跳躍，以此減少較低的植被點和建筑物點的錯分現(xiàn)象；lj為3個方向上的角度閾值，(°)，對其計算平均值得到l，l控制著地面點的分類數(shù)量，值越小，越適合平坦地面；(xp,yp,zp)為離散點p的坐標，A、B、C和D分別為不規(guī)則三角形3個頂點所確定的平面方程系數(shù)；Sjp為p到3個頂點的距離，m。當離散點p添加到三角網模型中，不規(guī)則三角網會不斷上移從而接近真實地面，反復迭代直到所有滿足條件的地面點被選擇。對部分點云進行初始TIN三角網濾波處理，得到本研究區(qū)的角度閾值和高度閾值分別為10°和1.4 m，進而對所有點云進行地面點濾波處理。

為了得到地物相對高度信息，需要對點云進行高度歸一化運算，以消除地形影響。所謂點云高度歸一化，即所有地物點的絕對高程值減去相應的地面高程值。本文首先對濾波后得到的地面點建立TIN三角網，然后計算所有激光點到TIN三角網的相對高度，并把此高度值替換原有的絕對高度，從而得到歸一化后的點云高度。由于地面點的分類誤差可能導致某些點歸一化高度小于0，這些小于0的值沒有實際意義，需自動把這些小于0的值歸為0，具體表達式如式（5）。

式中Hnormalization表示為歸一化后的點云高度，m；h′表示原始點云絕對高程，m；hTIN表示地面點不規(guī)則三角網絕對高程，m。采用此方法對研究區(qū)所有機載lidar點云進行高度歸一化處理，從而消除地形影響。

1.3.3 光斑尺度森林冠層高度地形校正

GLAS激光器被安置在衛(wèi)星上，其數(shù)據(jù)質量易受到云覆蓋和大氣飽和度的影響，使得一些GLAS光斑點不能夠滿足建模需求。本文利用以下標準對GLAS光斑點進行篩選：1）GLA14產品中記錄點的高程值（d_elev）與SRTM的高程值進行求差，如果差值大于85 m，則定義為云覆蓋區(qū)點；2）將只擬合了一個高斯波峰的光斑點（i_numPk=1）定義為裸露地表或建筑物點；3）GLAS光斑點回波信號開始范圍增量與信號結束范圍增量的距離差值（d_SigEndOff - d_SigBegOff）小于1.8 m或大于80 m，定義為噪聲點[29]。

GLAS光斑點的原始波形通過高斯濾波器可以被擬合出最多6個高斯波峰質心范圍增量以及1個波形信號開始范圍增量d_SigBegOff。波形信號開始范圍增量為植被冠頂波形信號，最后一個高斯波峰質心范圍增量近似表示地表波形信號，對其求差可得到GLAS冠層高度RH100，見式（6）。在平坦地面，波形失真較小，RH100可以近似表示森林冠層高度；在地形復雜區(qū)域，由于受到地形起伏、光斑大小和地表粗糙度的影響，GLAS波形會出現(xiàn)一定程度的變化[30]，用RH100表示森林冠層高度時，一個偏差值Bias會直接影響估測結果，如圖2所示。本文用一種基于幾何模型的地形校正方法，引入平移系數(shù)a和b，建立方程（7）～（8）。

圖2 不同地形條件下GLAS光斑尺度森林冠層高度模擬Fig.2 GLAS-based forest canopy height simulation in different terrain conditions

式中d_gpCntRngOff表示最后一個高斯波峰質心范圍增量，m；HC表示校正后GLAS光斑尺度冠層高度值，m；d表示GLAS光斑直徑，取值為90 m；θ表示從SRTM地形數(shù)據(jù)中提取的光斑點坡度值，(°)；c表示光速，m/ns，F(xiàn)WHM表示一個GLAS激光脈沖寬度傳播所用的時間為，6 ns。c·FWHM 可以反映激光脈沖寬度、能量分布及地表粗糙度；a，b為平移系數(shù)。通過通用全局優(yōu)化（levenberg marquard，LM）算法，結合機載lidar最大冠層高度HC、RH100和θ，得到參數(shù)a，b的最優(yōu)估計值，對所有GLAS光斑尺度森林冠層高度進行地形校正。

2 結果與分析

2.1 不同森林類型機載激光雷達點云冠層剖面分析

由于不同的森林冠層類型可以對機載激光雷達點云的分布產生較大影響，分別提取針葉林、闊葉林和混交林3種森林類型的歸一化機載激光雷達點云冠層剖面，并統(tǒng)計不同歸一化高度處激光點的出現(xiàn)頻率。如圖3所示，在點云密度一定的情況下，樹木冠層頂端由于面積較小，使得冠頂激光點分布較少。隨著樹葉枝干的逐漸向外延伸，激光點數(shù)逐漸增多，當達到最大冠幅所在高度位置時，激光點數(shù)達到一個峰值。之后隨著冠幅的不斷減小，由于遮擋等原因，激光點數(shù)呈現(xiàn)降低的趨勢，直到到達地面，激光點數(shù)顯著增加。由圖3a所示，研究區(qū)的針葉樹種主要為興安落葉松，由于其冠層呈圓錐形分布且頂端尖細，樹冠各部分點云分布差異較大；由圖3b所示，闊葉林樹種主要為白樺，相比于落葉松，其樹冠頂端面積較大，能夠截獲較多的激光點，從而使得冠層分層現(xiàn)象減弱，點云分布差異性減小；由圖3c所示，對于混交林區(qū)域，由于其林下灌木較為復雜，且沒有明顯地擾動跡象，相比于針闊純林，在0～5 m的高度上也出現(xiàn)了較多的激光點，且冠層點云剖面變化較為平緩。不同森林類型的這種明顯的冠層點云分布特征，使得冠頂和地面的點云分布較為明顯，由此得到的冠層高度受地形影響較小，故其可以作為真值，為GLAS光斑尺度森林冠層高度的地形校正提供精確的建模訓練數(shù)據(jù)。

圖3 不同森林類型機載lidar點云冠層歸一化高度分布Fig.3 Airborne lidar points cloud canopy normalization heightdistribution in different forest types

2.2 光斑尺度森林冠層高度地形校正及影響因素分析

通過與飛行區(qū)域匹配，共提取1 708個GLAS光斑點機載激光雷達最大點云高度，地形校正前GLAS光斑尺度森林冠層高度RH100相比于機載lidar最大冠層高度HC，出現(xiàn)了正偏差，校正前平均RMSE= 6.43 m，這主要是由于在地形變化較大的區(qū)域，90 m光斑范圍內出現(xiàn)了地形起伏以及多種地物混合的情況，從而使得GLAS波形產生一定變化[31]。如圖4b所示，對于平坦地面的GLAS波形分布，植被的冠頂和地表波峰較為明顯，可以被準確地識別，故RH100可以近似地表示森林冠層高度。但是，對于坡地地形，由圖4d所示，波形信號結束位置相較于圖4b，lidar回波幀數(shù)減小，使得整個波形開始到波形結束的距離增加，RH100不能準確表示森林冠層高度。對于非均一的復雜地表圖4e，地形起伏會增加波形的復雜程度，導致波形曲線融合更多的地物信息，識別地面波峰更加困難。

圖4 不同地形條件機載lidar點云冠層高度分布以及GLAS原始波形Fig.4 Airborne lidar points cloud canopy height distribution and GLAS original waveform in different terrain conditions

定量化地引入坡度、光斑直徑和地表粗糙度等變量，本文隨機選取70%的GLAS光斑點利用LM通用全局優(yōu)化算法對方程（7）進行參數(shù)擬合，得到參數(shù)a=0.47和b=-0.04，剩余30%的GLAS光斑點進行模型精度驗證。如圖5所示，地形校正后的森林冠層高度HC更加接近機載激光雷達所測高度，擬合散點也更加接近1∶1擬合線，平均RMSE= 3.54 m也相較于校正前RMSE= 6.43 m有了明顯地降低。

為了進一步量化坡度對RH100影響程度，本文以5°為間隔，把建模GLAS光斑點分成6個坡度等級。由表1可知，各個坡度等級校正后模型的R2能夠解釋冠層高度42%～43%的變異程度，與校正前相比其變化幅度并不明顯，由此可知地形校正模型并沒有改變模型的擬合優(yōu)度。隨著坡度等級的提高，地形校正前RH100的RMSE由3.55 m升高到10.25 m，數(shù)值變化幅度較大，經過模型校正后，不同坡度等級的RMSE穩(wěn)定在3.26～3.88 m之間，說明模型的穩(wěn)定性較好，并且校正模型對高坡度等級校正效果較為明顯。

圖5 不同坡度等級GLAS光斑尺度森林冠層高度與機載lidar最大冠層高度對比Fig.5 Comparison of GLAS-based canopy height and airborne lidar maximum canopy height in different slope levels

表1 地形校正前后不同坡度等級冠層高度估測精度對比Table 1 Accuracy comparison of canopy height estimation before and after topographic correction in different slope levels

2.3 基于實測數(shù)據(jù)的光斑尺度森林冠層高度驗證

本文應用的GLAS光斑尺度森林冠層高度模型是由波形參數(shù)結合地形信息間接求得，機載激光雷達點云可以詳細地描述光斑范圍內森林冠層的分布情況并為估測結果提供參考，但實測數(shù)據(jù)所提供的樣地每木檢尺因子可以為估測結果的精確性提供進一步驗證。本文分別利用樣地的Lorey’s高和算術平均高驗證估測結果。由圖6可知，GLAS光斑尺度森林冠層高度與樣地的Lorey’s高度最為接近，其平均Pearson相關系數(shù)r為0.66，RMSE為1.90 m。出現(xiàn)此結果的主要原因為胸徑測量較為簡單且精度較高，對于不同的林齡具有很好地代表性，可以彌補單木樹高測量的誤差。而算術平均高只是簡單地對樹高求平均運算，其數(shù)值沒有充分考慮樹齡的影響。

圖6 不同樣地高度下實測數(shù)據(jù)與GLAS光斑冠層高度對比Fig.6 Comparison of in-situ data and GLAS-based canopy height in different sample height forms

對于不同森林類型，混交林估測精度最高，其Pearson相關系數(shù)r和RMSE分別為0.84和1.06 m，闊葉林的估測精度最低，其Pearson相關系數(shù)r和RMSE分別為0.44和2.56 m。由于本次GLA14數(shù)據(jù)獲取的時間為3月和10月2個月，研究區(qū)的白樺已經處于落葉期，并且其冠型類似于橢圓，落葉對其冠層分布影響較大，使得闊葉林的GLAS波形出現(xiàn)失真，因此闊葉林的估測精度較低。

3 討 論

地形因素對GLAS光斑尺度森林冠層高度的估測精度影響較大，但是，仍然存在一些內在因素未考慮。過大的光斑直徑使得在地形起伏劇烈的區(qū)域，單一的坡度不能準確地反映地形的變化，雖然機載lidar為模型參數(shù)擬合提供參考數(shù)據(jù)，如果研究區(qū)沒有機載數(shù)據(jù)覆蓋，模型精確度會進一步降低。Simard等[32]只考慮坡度和光斑大小得到冠層高度估測精度RMSE=4.4 m，低于本研究的估測精度。另外，本研究所用到改進的地形校正模型是基于激光器垂直觀測（nadir viewing）的情況得出的，對于非垂直觀測（off-nadir viewing）地面光斑呈橢圓形，地形坡向和激光器指向方位角都會直接地改變波形形狀，特別是激光器指向方位角和地形坡向相反時，估測誤差也可能會進一步加大。Yang等[19]研究發(fā)現(xiàn)，2°的激光器指向方位角使光斑尺度冠層高度估測存在0.1～1 m的誤差。本文所用的機載lidar數(shù)據(jù)和星載GLAS數(shù)據(jù)有3 a的時間間隔，雖然研究區(qū)屬于寒溫帶，三年的樹木生長量較少，但時間尺度的不一致也會間接增加估測的不確定性。ICESat-1衛(wèi)星已于2009年11月停止數(shù)據(jù)服務，其后續(xù)的ICESat-2衛(wèi)星計劃于2018年發(fā)射升空，植被冠層高度估測是其重要任務之一[33]。其搭載激光器采用10 kHz的微脈沖和多波束的光子計數(shù)方法，能夠提供密集的交叉軌道采樣，使其光斑直徑減小到10 m，這些特性都將進一步提高在地形條件復雜區(qū)域的冠層高度估測精度。

早期一些學者針對GLA01全波形數(shù)據(jù)估測森林冠層高度做了大量研究，但是波形處理流程相對繁瑣且處理結果存在不確定性，導致估測精度差異較大。GLA14數(shù)據(jù)經過了統(tǒng)一濾波和擬合算法處理，處理過程相對簡單且標準統(tǒng)一，可以減少一些數(shù)據(jù)處理過程中的偶然誤差。另外，在全球范圍內SRTMGL1數(shù)據(jù)發(fā)布之前，除美國之外的區(qū)域，只有90 m分辨率的地形數(shù)據(jù)可用，較粗的分辨率使其不能夠精確描述地形變化。本研究利用最新發(fā)布的30 m分辨率的SRTMGL1數(shù)據(jù)并且引入了機載激光雷達點云數(shù)據(jù)，與Park等[30]2014年的估測結果相比（其RMSE=5.32 m），精度有了相對的提高。以期本文得到的結果可以為后續(xù)大尺度的森林冠層高度以及全球碳循環(huán)的研究提供理論和實踐支持。

4 結 論

本文利用星載激光雷達GLA14數(shù)據(jù)、機載激光雷達點云以及SRTM地形數(shù)據(jù)，對GLAS光斑尺度森林冠層高度進行了估測，并分析了坡度對估測精度的影響，得到如下結論：

1）不同森林類型機載激光雷達點云冠層分布存在明顯差異。針葉林樹冠呈錐形，其冠頂不易被激光點云探測，較小的點云密度，容易錯失冠頂；闊葉林的樹冠呈橢圓形分布，冠頂截獲激光點的頻率較高，樹冠各部分激光點的分布相比于針葉林差異較??；由于樹種組成不同及受林下植被的影響，混交林的冠層點云分布剖面變化較為平緩。

2）由于地形對GLAS原始波形的展寬，校正前GLAS光斑尺度森林冠層高度與機載激光雷達最大森林冠層高度相比存在正偏差。隨著坡度的升高，正偏差逐漸增大，冠層高度估測精度RMSE由3.55 m增加到10.25 m。引入坡度因素，用機載激光雷達森林冠層最大高度對模型進行校正后，各坡度等級的RMSE在3.26～3.88 m之間，模型精度較為穩(wěn)定。

3）對比實測樣地的Lorey’s高和算術平均高，樣地Lorey’s高與估測結果擬合精度較高，平均相關系數(shù)r和RMSE分別為0.66和1.90 m。不同森林類型對GLAS光斑尺度冠層高度估測精度影響較大，混交林估測精度最高，r和RMSE分別為0.84和1.06 m；闊葉林估測精度最低，r和RMSE分別為0.44和2.56 m。這種差異主要與研究區(qū)樹種冠層結構特征有關。

[1] 王效科，馮宗煒，歐陽志云. 中國森林生態(tài)系統(tǒng)的植物碳儲量和碳密度研究[J]. 應用生態(tài)學報，2001，12(1)：13-16. Wang Xiaoke, Feng Zongwei, Ouyang Zhiyun. Vegetation carbon storage and density of forest ecosystems in China[J]. Chinese Journal of Applied Ecology, 2001, 12(1): 13-16. (in Chinese with English abstract)

[2] Morton D, Victoria D, Keller M. Tree height and tropical forest biomass estimation[J]. Biogeosciences, 2013, 10(1): 8385-8399.

[3] Ni Xiliang, Zhou Yuke, Cao Chunxiang, et al. Mapping forest canopy height over continental China using multisource remote sensing data[J]. Remote Sensing, 2015, 7(7): 8436-8452.

[4] 段祝庚，曾源，趙旦，等. 機載激光雷達森林冠層高度模型凹坑去除方法[J]. 農業(yè)工程學報，2014，30(21): 209-217. Duan Zhugeng, Zeng Yuan, Zhao Dan, et al. Method of removing pits of canopy height model from airborne laser radar[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(21): 209-217. (in Chinese with English abstract)

[5] 邵 晴，徐 濤，吉野辰萌，等. 基于三維激光掃描技術的糧食儲量監(jiān)測系統(tǒng)的設計與試驗[J]. 農業(yè)工程學報，2015，31(20)：262-267. Shao Qing, Xu Tao, Yoshino Tatsuo, et al. Design and experiment for grain storage monitoring system based on 3-D laser scanning technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(20): 262-267. (in Chinese with English abstract)

[6] Watt P J, Donoghue D N M. Measuring forest structure with terrestrial laser scanning[J]. International Journal of Remote Sensing, 2005, 26(7), 1437-1446.

[7] Nelson R, Krabill W, Maclean G. Determining forest canopy characteristics using airborne laser data[J]. Remote Sensing of Environment, 1984, 15(3): 201-212.

[8] Zolkos S G, Goetz S J, Dubayah R. A meta-analysis of terrestrial aboveground biomass estimation using lidar remote sensing[J]. Remote Sensing of Environment, 2013, 128(1): 289-298.

[9] Zhuang W, Mountrakis G, Jr J J W, et al. Estimation of above-ground forest biomass using metrics based on Gaussian decomposition of waveform lidar data[J]. International Journal of Remote Sensing, 2015, 36(7): 1871-1889.

[10] Hyypp? J, Hyypp? H, Leckie D, et al. Review of methods of small footprint airborne laser scanning for extracting forest inventory data in boreal forests[J]. International Journal of Remote Sensing, 2008, 29(5): 1339-1366.

[11] Chopping M, Nolin A, Moisen G G, et al. Forest canopy height from the multiangle imaging spectroradiometer (misr) assessed with high resolution discrete return lidar[J]. Remote Sensing of Environment, 2009, 113(10): 2172-2185.

[12] 段祝庚，趙旦，曾源，等. 基于遙感的區(qū)域尺度森林地上生物量估算研究[J]. 武漢大學學報：信息科學版，2015，40(10)：1400-1408. Duan Zhugeng, Zhao Dan, Zeng Yuan, et al. Estimation of the forest aboveground biomass at regional scale based on remote sensing[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1400-1408. (in Chinese with English abstract)

[13] Abshire J B, Sun X, Riris H, et al. Geoscience laser altimeter system (GLAS) on the ICESat mission: On-orbit measurement performance[J]. Geophysical Research Letters, 2005, 32(21): 21-22.

[14] Spinhirne J D, Palm S P, Hart W D, et al. Cloud and aerosol measurements from GLAS: Overview and initial results[J]. Geophysical Research Letters, 2005, 322(22): 109-127.

[15] Sun G, Ranson K J, Kimes D S, et al. Forest vertical structure from GLAS: An evaluation using LVIS and SRTM data[J]. Remote Sensing of Environment, 2008, 112(1): 107-117.

[16] Lefsky M. A global forest canopy height map from the moderate resolution imaging spectroradiometer and the geoscience laser altimeter system[J]. Geophysical Research Letters, 2010, 37(15), 78-82.

[17] Lefsky M, Harding D, Keller M. Estimates of forest canopy height and aboveground biomass using ICESat[J]. Geophysical Research Letters, 2005, 32(22), 56-68.

[18] Lee S, Nimeister W, Yang W. Physically based vertical vegetation structure retrieval from ICESat data: Validation using LVIS in white mountain national forest, New Hampshire, USA[J]. Remote Sensing of Environment, 2011, 115(11): 2776-2785.

[19] Yang W, Nimeister W, Lee S. Assessment of the impacts of surface topography, off-nadir pointing and vegetation structure on vegetation lidar waveforms using an extended geometric optical and radiative transfer model[J]. Remote Sensing of Environment, 2011, 115(11): 2810-2822.

[20] 周梅. 大興安嶺落葉松林生態(tài)系統(tǒng)水文過程與規(guī)律研究[D].北京：北京林業(yè)大學，2003. Zhou Mei. Research on the Hydrological Process and Laws of Larix gmelini Ecosystem at the Great Xingan Mountains[D]. Beijing: Beijing Forestry University, 2003. (in Chinese with English abstract)

[21] 穆喜云，張秋良，劉清旺，等. 基于機載激光雷達的寒溫帶典型森林高度制圖研究[J]. 北京林業(yè)大學學報，2015，37(7)：58-67. Mu Xiyun, Zhang Qiuliang, Liu Qingwang, et al. Typical forest height mapping in cold temperate zone using airborne LiDAR data[J]. Journal of Beijing Forestry University, 2015, 37(7): 58-67. (in Chinese with English abstract)

[22] 胡凱龍，劉清旺，穆喜云. 差分GNSS系統(tǒng)在大興安嶺地區(qū)森林資源調查中的精度分析[J]. 林業(yè)調查規(guī)劃，2015，40(4)：1-6. Hu Kailong, Liu Qingwang, Mu Xiyun. Differential GNSS application on location precision analysis of forest resource investigation in Daxinganling region[J]. Forest Inventory and Planning, 2015, 40(4): 1-6. (in Chinese with English abstract)

[23] 高瓊，喻梅，張新時. 林分材積計算的標準木方法的誤差分析及校正[J]. 林業(yè)科學，1995，31(6)：551-555. Gao Qiong, Yu Mei, Zhang Xinshi. Error analysis and correction for calculation of timber volume using standard sample trees[J]. Scientia Silvae Sinicae, 1995, 31(6): 551-555. (in Chinese with English abstract)

[24] Pang Y, Lefsky M, Andersen H E, et al. Validation of the ICEsat vegetation product using crown-area-weighted mean height derived using crown delineation with discrete return lidar data[J]. Canadian Journal of Remote Sensing, 2008, 34(41): 471-484.

[25] 穆喜云，張秋良，劉清旺，等. 基于機載LiDAR數(shù)據(jù)的林分平均高及郁閉度反演[J]. 東北林業(yè)大學學報，2015，43(9)：84-89. Mu Xiyun, Zhang Qiuliang, Liu Qingwang, et al. Inversion of forest height and canopy closure using airborne lidar data[J]. Journal of Northeast Forestry University, 2015, 43(9): 84-89. (in Chinese with English abstract)

[26] 李鵬，李振洪，施闖，等. 中國地區(qū)30 m分辨率SRTM質量評估[J]. 測繪通報，2016(9)：24-28. Li Peng, Li Zhenhong, Shi Chuang, et al. Quality evaluation of 1 arc second version SRTM DEM in China[J]. Bulletin of Surveying and Mapping, 2016(9): 24-28. (in Chinese with English abstract)

[27] Robert Z. The CGIAR Consortium for Spatial Information [EB/OL]. 2003-01-01[2014-09-01]. https://glovis.usgs.gov. [28] Axelsson P. DEM generation from laser scanner data using adaptive TIN models[C]//International Archives of Photogrammetry & Remote Sensing, 2000.

[29] Selkowitz D J, Green G, Peterson B, et al. A multi-sensor lidar, multi-spectral and multi-angular approach for mapping canopy height in boreal forest regions[J]. Remote Sensing of Environment, 2012, 121(2): 458-471.

[30] Park T, Kennedy R, Choi S, et al. Application of physicallybased slope correction for maximum forest canopy height estimation using waveform lidar across different footprint sizes and locations: Tests on LVIS and GLAS[J]. Remote Sensing, 2014, 6(7): 6566-6586.

[31] Pang Y, Lefsky M, Sun G, et al. Impact of footprint diameter and off-nadir pointing on the precision of canopy height estimates from spaceborne lidar[J]. Remote Sensing ofEnvironment, 2011, 115(11): 2798-2809.

[32] Simard M, Pinto N, Fisher J B, et al. Mapping forest canopy height globally with spaceborne lidar[J]. Journal of Geophysical Research Biogeosciences, 2015, 116(4): 1-12.

[33] 夏少波，王成，習曉環(huán)，等. ICESat-2機載試驗點云濾波及植被高度反演[J]. 遙感學報，2014，18(6)：1199-1207. Xia Shaobo, Wang Cheng, Xi Xiaohuan, et al. Point cloud filtering and tree height estimation using airborne experiment data of ICESat-2[J]. Journal of Remote Sensing, 2014, 18(6): 1199-1207. (in Chinese with English abstract)

Forest canopy height estimation based on ICESat/GLAS data by airborne lidar

Hu Kailong1,2, Liu Qingwang2※, Pang Yong2, Li Mei3, Mu Xiyun4
(1. College of Geoscience and Surveying Engineering, China University of Mining and Technology (Beijing), Beijing 100083, China; 2. Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091, China; 3. Institute of Desertification Studies, Chinese Academy of Forestry, Beijing 100091, China; 4. Institute of Forestry Ecology, Chifeng Academy of Forestry, Chifeng 024000, China)

The forest vertical structure parameters can reflect the growth status of the forest and the species diversity of the forest to a certain extent. Forest canopy height is a significant part of vertical structure parameters, and quantification of its distribution is an active academic research focus in recent years due to its important significance for the forest ecosystem research. Spaceborne lidar system ICESat/GLAS, with laser sensor placed on the satellite, is the full waveform lidar altimeter system with a 1064 nm laser operated at 40 Hz. The return GLAS waveforms can describe the vertical distribution of the landscape. However, large footprint diameter can reshape the vertical extent of waveforms for topographic change. Airborne lidar system whose laser sensor is placed on the airplane can transmit a short duration laser pulse. There may be several secondary returns as the light from a single pulse is reflected from within canopy layers of vegetation. The property of high-density laser point cloud (0.5-10 points/m2) makes some airborne lidar metrics to be suitable predictors of either canopy height or even individual tree height. In this study, combining with the SRTMGL1 terrain data and airborne lidar point cloud data, GLAS-based canopy height correction model based on physical equation was proposed. The effect of slope on the estimation accuracy was analyzed and estimated result was validated in in situ data. An irregular triangulation algorithm was used to filter the point cloud to extract the ground point. The initial triangulation model was optimized by setting the angle threshold and the height threshold. Point cloud normalized processing which eliminates the terrain effect could reflect the actual canopy height. The range of the GLAS footprint was used to extract the local maximum value of the normalized point cloud and analyzed canopy profile. This value was modeled as a true value for model parameters fitting by considering the slope, the footprint size and the surface roughness. GLAS-based canopy height indirectly was calculated from waveform parameters, it was necessary to use in situ data to analyze the estimated result. The result showed: airborne points cloud data can accurately reflect the distribution of forest canopy in the range of the GLAS footprint, but there were obvious differences in the distribution of points cloud in different forest types. By comparing uncorrected GLAS-based canopy height RH100 with airborne lidar canopy height, we found that the canopy height from RH100 was overestimated, which led to the positive bias. For the flat terrain cases, canopy and ground peak can be accurately identified from the waveform. GLAS metric RH100 can be approximately considered as forest canopy height because the last Gaussian peak was assumed to represent the ground peak. However, for the slope terrain case, the slope stretched the waveform, leading to increased waveform extent, and decreased canopy and ground peaks. For heterogeneous land surface cases, single slope information can not accurately reflect changes in the surface. The undulating surface made the waveform more complex. After topographic correction, not surprisingly, the fitting result was closer to the 1:1 fitting line. Reflecting on the root mean square error RMSE, uncorrected RMSE was 6.43 m greater than the corrected RMSE was 3.54 m. The effect of the topography was alleviated to a certain extent. As slope level increased, the RMSE of uncorrection increased from 3.55 m to 10.25 m, whereas the RMSE of correction had stabilized at between 3.26 m and 3.88 m. The effect of the topography was alleviated to a certain extent. Comparing with arithmetic average height, it can be seen that the estimation result was close to Lorey's height. In addition, the accuracy of canopy height estimation in different forest types was different, the accuracy of mixed forest was the highest (r and RMSE were 0.84 and 1.06 m), and the accuracy of broad-leaved forest was the lowest (r and RMSE were 0.44 and 2.56 m).

lasers; data handling; forestry; canopy height; airborne lidar; points cloud classification; estimation model; slope

10.11975/j.issn.1002-6819.2017.16.012

P237

A

1002-6819(2017)-16-0088-08

胡凱龍，劉清旺，龐 勇，李 梅，穆喜云. 基于機載激光雷達校正的ICESat/GLAS數(shù)據(jù)森林冠層高度估測[J]. 農業(yè)工程學報，2017，33(16)：88-95.

10.11975/j.issn.1002-6819.2017.16.012 http://www.tcsae.org

Hu Kailong, Liu Qingwang, Pang Yong, Li Mei, Mu Xiyun. Forest canopy height estimation based on ICESat/GLAS data by airborne lidar correction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 88-95. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.16.012 http://www.tcsae.org

2017-02-24

2017-06-08

國家自然科學基金（31370635）；國家高技術研究發(fā)展計劃(2012AA12A306)；國家重點基礎研究發(fā)展計劃（2013CB733404）

胡凱龍，男，河南鶴壁人，博士生，主要從事激光雷達在森林結構參數(shù)反演方面的研究。北京 中國礦業(yè)大學（北京）地球科學與測繪工程學院，100083。Email：hklong_gis@163.com

※通信作者：劉清旺，男，助理研究員，主要從事激光雷達林業(yè)應用研究。北京 中國林業(yè)科學研究院資源信息研究所，100091。Email：liuqw@caf.ac.cn