• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      ICESat-2/ATLAS數(shù)據(jù)地面高程及植被冠層高度反演精度驗證

      2023-06-10 12:45:53張叢凱于穎
      森林工程 2023年3期
      關(guān)鍵詞:冠層激光雷達(dá)波束

      張叢凱 于穎

      摘 要:為驗證新一代冰、云和陸地高程衛(wèi)星ICESat-2/ATLAS陸地與植被高程產(chǎn)品(Land and Vegetation Height)ATL08數(shù)據(jù)地面高程和植被冠層高度的反演精度,以ICESat-2/ATLAS ATL08產(chǎn)品為研究對象,以黑龍江省帽兒山國家森林公園為研究區(qū)域,以高精度機(jī)載激光雷達(dá)數(shù)據(jù)及樣地實測數(shù)據(jù)為參考,分析不同波束強(qiáng)度、時間、坡度及植被覆蓋度下地面高程和植被冠層高度反演精度差異。研究表明,1)對地面高程來說,ATL08強(qiáng)波束的反演精度均方根誤差(RMSE)為1.9 m,平均絕對誤差(MAE)為1.1 m,弱波束的精度RMSE為4.1 m,MAE為2.0 m;2)對植被冠層高度來說,以高精度機(jī)載激光雷達(dá)數(shù)據(jù)提取冠層高度為參考,強(qiáng)波束的反演精度RMSE為2.7 m,MAE為2.3 m,弱波束RMSE為5.4 m,MAE為3.7 m。以樣地實測樹高數(shù)據(jù)為參考,夜間所有波束精度RMSE為1.8 m,MAE為1.6 m;3)隨著坡度從0°增加到20°以上,地面高程反演精度的RMSE從2.3 m增大到7.7 m,植被冠高反演的RMSE從3.8 m增大到10.4 m;4)中低植被覆蓋度范圍(0%~80%)內(nèi),ATL08產(chǎn)品能較好地測量出地面高程,RMSE均小于1 m。高植被覆蓋度(80%~100%)區(qū)域反演精度RMSE為3.5 m。在中等植被覆蓋范圍(40%~80%)內(nèi),ATL08產(chǎn)品能較為準(zhǔn)確地測量出植被冠層高度,RMSE為2.6 m。植被覆蓋度過高(80%~100%)或者過低(0%~40%),其精度都會下降,RMSE為4.6 m和3.3 m。ATL08數(shù)據(jù)反演地面高程和植被冠層高度的精度強(qiáng)波束優(yōu)于弱波束,夜晚波束優(yōu)于白天波束,夜晚強(qiáng)波束精度最高。隨著坡度的增加,不同波束的地面高程和植被冠高反演誤差均逐漸增大,坡度越大誤差越大。地面高程反演在中低植被覆蓋度情況下較為準(zhǔn)確,植被冠層高度反演精度在中等植被覆蓋度情況下達(dá)到最高。

      關(guān)鍵詞:ICESat-2;ATL08;地面高程;植被冠層高度;精度驗證

      中圖分類號:S771.8 文獻(xiàn)標(biāo)識碼:A 文章編號:1006-8023(2023)03-0001-11

      Abstract:To verify the inversion accuracy of ground elevation and vegetation canopy height based on Land and Vegetation Height from ATL08 data of ICESat-2 /ATLAS, a new generation of Ice, Cloud and Land Elevation satellite, in this study, the ICESat-2/ATLAS ATL08 product was taken as the research object, Maoer Mountain National Forest Park in Harbin City, Heilongjiang Province, China was taken as the research area, and high-precision airborne lidar data and sample data were taken as references to analyze the inversion accuracy differences of ground elevation and vegetation canopy height under different beam strength, time, slope and vegetation coverage. The results showed that: (1) for the ground elevation, the inversion accuracy RMSE and MAE of ATL08 strong beam were 1.9 m and 1.1 m, and the accuracy RMSE and MAE of weak beam were 4.1 m and 2.0 m. (2) For the vegetation canopy height, with the canopy height extracted from high-precision airborne Lidar data as a reference, the inversion accuracy of strong beam RMSE was 2.7 m, MAE was 2.3 m, weak beam RMSE was 5.4 m, MAE was 3.7 m. With the measured tree height data of the sample site as reference, the RMSE and MAE of all beams at night were 1.8 m and 1.6 m. (3) With the slope increasing from 0° to more than 20°, the RMSE of ground elevation increased from 2.3 m to 7.7 m, and the RMSE of vegetation canopy height inversion increased from 3.8 m to 10.4 m. (4) Within the range of medium and low vegetation coverage (0%-80%), ATL08 product can measure the ground elevation well, and the RMSE was all less than 1 m. The inversion accuracy RMSE for high vegetation coverage (80%-100%) area was 3.5 m. Within the range of medium vegetation coverage (40%-80%), ATL08 product can accurately measure the height of vegetation canopy with RMSE of 2.6 m. If the vegetation coverage was too high (80%-100%) or too low (0%-40%), its accuracy would decrease, with RMSE of 4.6 m and 3.3 m. ATL08 data inversion of ground elevation and vegetation canopy height showed that the accuracy of strong beam was better than weak beam, night beam was better than daytime beam, and the night strong beam accuracy was the highest. With the increase of slope, the inversion errors of ground elevation and vegetation canopy height of different beams gradually increased, and the error increased with the increase of slope. The inversion of ground elevation was more accurate in the case of medium and low vegetation coverage, and the inversion accuracy of vegetation canopy height reached the highest in the case of medium vegetation coverage.

      Keywords:ICESat-2; ATL08; ground elevation; vegetation canopy height; accuracy verification

      基金項目:國家自然基金面上項目(31870621,31971580);中央高?;究蒲袠I(yè)務(wù)費(fèi)專項資金項目(2572021BA08)

      第一作者簡介:張叢凱,碩士研究生。研究方向為林業(yè)遙感。E-mail:zckai1618@qq.com

      *通信作者:于穎,博士,教授。研究方向為林業(yè)遙感。E-mail:yuying4458@163.com

      0 引言

      森林生態(tài)系統(tǒng)是陸地上最重要的生態(tài)系統(tǒng),也是生物圈的重要組成部分,在緩解全球氣候變暖中發(fā)揮了十分重要的作用[1-2]。但由于人類的過度開采,森林遭到嚴(yán)重的破壞,環(huán)境日益惡化,人們才逐漸意識到其重要性,開始重視和保護(hù)森林資源。林下地形測量同樣十分重要,是各種后期森林制圖及繪制大尺度數(shù)字地面模型 (Digital Terrain Model, DTM)的基礎(chǔ)。而傳統(tǒng)的相關(guān)數(shù)據(jù)獲取方式主要以外業(yè)為主,費(fèi)時費(fèi)力且調(diào)查面積較小,不適合大范圍的測量。隨著激光雷達(dá)技術(shù)的發(fā)展,人們擁有了更方便的手段來獲取森林參數(shù)。激光雷達(dá)是一種主動式的探測技術(shù),對植被和地面有較強(qiáng)的探測能力,尤其是對植被冠層高度的探測,相較于其他類型的遙感數(shù)據(jù)具有獨(dú)特的優(yōu)勢[3-5],尤其是搭載于衛(wèi)星平臺的激光雷達(dá),可以迅速、大面積地獲取森林參數(shù)[6-8]。

      NASA于2003年1月12日成功發(fā)射了冰、云和陸地高程衛(wèi)星(ICESat-1),其上搭載的地球科學(xué)激光測高系統(tǒng)(Geoscience Laser Altimeter System, GLAS)是第一個專門用于對地球觀測的激光雷達(dá)系統(tǒng)[9]。其在軌運(yùn)行期間收集了大量數(shù)據(jù),為反演森林相關(guān)參數(shù)提供了寶貴的依據(jù)[10-11]。2018年9月15日NASA又成功發(fā)射新一代冰、云和陸地高程衛(wèi)星(ICESat-2)。ICESat-2搭載了與GLAS不同類型的先進(jìn)地面激光測高系統(tǒng)(Advanced Topographic Laser Altimeter System,ATLAS),采用了微脈沖多波束光子計數(shù)激光雷達(dá)技術(shù),這是該技術(shù)首次運(yùn)用于星載平臺[12-13],可獲取空間分辨率和定位精度更高的產(chǎn)品[14]。

      現(xiàn)階段ICESat-2的相關(guān)研究仍處于早期階段,所用試驗數(shù)據(jù)大都為早期版本甚至模擬數(shù)據(jù)。夏少波等[15]利用ICESat-2機(jī)載模擬數(shù)據(jù)MABEL估算美國加利福尼亞州的云杉平均樹高,算法整體精度達(dá)97.6%。Neuenschwander等[16]使用芬蘭地區(qū)的機(jī)載激光雷達(dá)為參考值,得出植被冠層高度和地面高程的均方根誤差(RMSE)分別為3.69 m和0.85 m。Neuenschwander等[17]利用2008—2019年采集的芬蘭南部的機(jī)載激光掃描 (Airborne Laser Scanning,ALS)數(shù)據(jù),對ICESat-2的地面高程和植被冠層高度精度進(jìn)行了綜合評估。結(jié)果表明在北方地區(qū),地面高程的RMSE值為0.73 m,使用夏季夜間強(qiáng)波束數(shù)據(jù)時,平均低估冠層高度0.56 m,RMSE%值為13.75%。董佳臣等[18]在溫帶森林和熱帶雨林2種不同條件下進(jìn)行研究,結(jié)果表明ATL08數(shù)據(jù)產(chǎn)品提供的平均植被冠層高度和最大植被冠層高度與參考數(shù)據(jù)的決定系數(shù)(R2)在溫帶森林情況下分別為0.54和0.61;在熱帶雨林情況下的R2分別為0.21和0.19。Wang等[19]在美國阿拉斯加地區(qū)測得ICESat-2數(shù)據(jù)反演的地面高程與機(jī)載激光雷達(dá)反演的地面高程的總體平均差和RMSE值分別為-0.61 m和1.96 m。黃家鵬等[20]研究了ICESat-2/ATLAS不同波束數(shù)據(jù)反演林下地面高程的精度。結(jié)果表明強(qiáng)波束反演林下地面高程的精度為R2=1,RMSE=0.74 m,弱波束反演林下地面高程的精度為R2=1,RMSE=0.76 m,并發(fā)現(xiàn)隨著植被冠層高度及植被覆蓋度的不斷增大,強(qiáng)弱波束數(shù)據(jù)誤差均逐漸增大。Malambo等[21]在美國評估了ATL08產(chǎn)品的精度,結(jié)果顯示ATL08與機(jī)載激光雷達(dá)地面高度一致性較高(Bias為0.18 m,pBias為0.1%),而植被冠層高度的一致性較低(Bias(平均偏差)為1.71 m,pBias(百分比偏差)為15.9%)。Liu等[22]利用機(jī)載雷達(dá)數(shù)據(jù)評價了美國多個地區(qū)ICESat-2地面高程及植被冠層高度值的準(zhǔn)確性,得出在地面高程方面,中低緯度地區(qū)ICESat-2的RMSE為2.24 m,高緯度地區(qū)為0.98 m。植被冠層高度方面,只使用夜間強(qiáng)波束數(shù)據(jù)精度更高,和使用所有波束相比總體RMSE從7.21 m減少到3.93 m。

      這些研究的試驗區(qū)域大都位于歐洲及北美洲,研究區(qū)域內(nèi)森林類型多為針葉林,并且用于驗證的機(jī)載激光雷達(dá)數(shù)據(jù)的獲取時間及精度也各不相同。且所用試驗數(shù)據(jù)大都為早期版本甚至模擬數(shù)據(jù),初期點(diǎn)云去噪分類方法不成熟,誤差較大,難以充分說明ICESat-2對于地面高程及植被冠層高度的反演能力。本研究以最新發(fā)布的ICESat-2/ATLAS ATL08 v005版數(shù)據(jù)為研究對象,在黑龍江省帽兒山國家森林公園選擇針闊葉混交林森林類型為研究對象,對比不同時間下強(qiáng)弱波束反演地面高程和植被冠層高度的精度,并探究坡度及植被覆蓋度對于反演精度的影響。

      1 研究材料

      1.1 研究區(qū)域

      研究區(qū)域位于黑龍江省帽兒山國家森林公園(127°29′~127°44′E,45°14′~45°29′N)。屬于低山丘陵區(qū),大部分地區(qū)坡度在5°~25°,平均海拔300 m,屬長白山系張廣才嶺西坡。該地區(qū)為溫帶濕潤地區(qū),屬大陸性季風(fēng)氣候。研究區(qū)域植被屬長白植物區(qū)系,是典型的東北東部山區(qū)天然次生林區(qū)。目前主要植被類型是溫帶針闊葉混交林。主要樹種有白樺(Betula platyphylla)、水曲柳(Fraxinus mandshurica)、榆樹(Ulmus pumila)、落葉松(Larix gmelinii)、樟子松(Pinus sylvestries var. mongolica)、紅松(Pinus koraiensis)、蒙古櫟(Quercus mongolica)和胡桃楸(Juglans mandshurica)等。

      1.2 研究數(shù)據(jù)

      1.2.1 ICESat-2數(shù)據(jù)

      ICESat-2攜帶的ATLAS通過偏轉(zhuǎn)儀器將激光束分成3對光束。每對光束擁有一個強(qiáng)光束和一個弱光束,其能量比約為4∶1。ATLAS以10 kHz的頻率產(chǎn)生重疊的足跡,沿軌采樣間隔約0.7 m,足跡大小約12 m,如圖1所示。相較于ICESat-1的170 m沿軌采樣間隔和70 m的光斑直徑,ICESat-2 可以生成更多的光斑,對地面擁有更大的覆蓋,以獲取精度更高的產(chǎn)品[23]。ICESat-2的各項技術(shù)指標(biāo)參數(shù)見表1。

      ICESat-2/ATLAS包含21種數(shù)據(jù)產(chǎn)品,分別命名為 ATL00至ATL21,包含0級、1級、2級、3A級和3B級共5級產(chǎn)品。ATL00為0級產(chǎn)品,提供原始遙測數(shù)據(jù);ATL01和ATL02為1級產(chǎn)品,提供經(jīng)過格式轉(zhuǎn)換后的相關(guān)數(shù)據(jù);ATL03和ATL04是2級產(chǎn)品,分別提供全球定位光子和大氣后向散射數(shù)據(jù); 3級產(chǎn)品則提供包括陸地冰、海冰、陸地植被、大氣、海洋和內(nèi)陸水的特定數(shù)據(jù)。

      其中,ATL03產(chǎn)品為全球地理定位光子數(shù)據(jù)(Global Geolocated Photon Data),提供每個光子的時間、緯度、經(jīng)度和橢球高度,是生成更高級產(chǎn)品的基礎(chǔ)數(shù)據(jù)。ICESat-2任務(wù)專門為森林區(qū)域的地表提供了產(chǎn)品(ATL08),包括地面和植被冠層高度的沿軌高程剖面圖[24]。

      ATL08產(chǎn)品是利用NASA官方提供的去噪及分類算法對 ATL03數(shù)據(jù)進(jìn)行處理,將ATL03的光子點(diǎn)云劃分為冠層頂部光子、植被光子、地面光子和噪聲光子,并統(tǒng)計每100 m單元格內(nèi)的陸地和植被參數(shù)。圖2展示了ICESat-2 ATL08產(chǎn)品的形狀,該產(chǎn)品由3組地面軌道組成,每組2條,總計6條軌道。組內(nèi)每條軌道之間的距離為90 m,每組之間的距離為3 km。ATL08產(chǎn)品中陸地參數(shù)包括在每100 m統(tǒng)計單元內(nèi)的最小、平均和最大地面高程等;冠層參數(shù)包括在每100 m統(tǒng)計單元內(nèi)的最小、平均、最大植被冠層高度和百分位植被冠層高度(10%~95%)等。ATL08產(chǎn)品中的光子分類信息可通過索引與ATL03產(chǎn)品相關(guān)聯(lián)。

      NASA現(xiàn)已公開發(fā)布19種ICESat-2/ATLAS數(shù)據(jù),均可從美國冰雪數(shù)據(jù)中心(National Snow and Ice Data Center, NSIDC)免費(fèi)下載,網(wǎng)址為(https://nsidc.org/data/icesat-2/data-sets)。本研究使用ATL08產(chǎn)品及其對應(yīng)的ATL03產(chǎn)品開展地面高程及植被冠層高度的精度驗證,收集了該地區(qū)2019年3月和2020年1月的數(shù)據(jù)。數(shù)據(jù)版本為2021年11月發(fā)布的ICESat-2/ATLAS v005版最新版本數(shù)據(jù)。

      1.2.2 機(jī)載激光雷達(dá)數(shù)據(jù)

      本研究選擇的機(jī)載激光雷達(dá)數(shù)據(jù)獲取于2016年9月,由于研究區(qū)域森林多屬成熟林,植被冠層高度短時間內(nèi)不會發(fā)生太大變化,且林下地面高程不會隨時間發(fā)生變化,因此該數(shù)據(jù)檢驗精度結(jié)果可靠。激光雷達(dá)傳感器為Riegl LMS-Q680i,波長1 550 nm,激光雷達(dá)重頻200 kHz,單條帶點(diǎn)密度約為2點(diǎn)/m2,最大點(diǎn)云密度超過10點(diǎn)/m2,平均密度5點(diǎn)/m2。以1 m的空間分辨率測量出地面高程及植被冠層高度。坐標(biāo)系為UTM投影坐標(biāo)系,高程基準(zhǔn)為WGS84基準(zhǔn)面。

      1.2.3 Landsat數(shù)據(jù)

      為探究植被覆蓋度對ICESat-2/ATLAS測高精度的影響,本研究使用Landsat 8數(shù)據(jù)提取研究區(qū)內(nèi)植被覆蓋度。Landsat 8是美國陸地衛(wèi)星計劃(Landsat)發(fā)射的第8顆衛(wèi)星,于2013年2月11號成功發(fā)射。其攜帶的陸地成像儀(Operational Land Imager,OLI)和熱紅外傳感器(Thermal Infrared Sensor,TIRS)可以獲取多種數(shù)據(jù)。其數(shù)據(jù)的空間分辨率為30 m。本研究根據(jù)所使用的ICESat-2數(shù)據(jù)時間、云量,選擇2019年9月24日的Landsat 8數(shù)據(jù),其云量為0.57%。

      1.2.4 樣地實測數(shù)據(jù)

      為進(jìn)一步確認(rèn)ICESat-2/ATLAS數(shù)據(jù)對于冠層高度提取的準(zhǔn)確性,2021年7月在研究區(qū)域以ATLAS光斑點(diǎn)中心為樣地中心,設(shè)置14塊圓形樣地(半徑6 m)。利用RTK放樣,選擇固定解確定樣地位置,測量樣地范圍內(nèi)的胸徑和樹高。

      2 研究方法

      2.1 ICESat-2數(shù)據(jù)處理

      從NSIDC官網(wǎng)下載所需的ICESat-2數(shù)據(jù),ATL08數(shù)據(jù)產(chǎn)品以HDF5文件格式存儲,以固定的100 m距離記錄信息。根據(jù)帽兒山國家森林公園機(jī)載激光雷達(dá)數(shù)據(jù)范圍對ATL08數(shù)據(jù)進(jìn)行裁切,使其落在研究區(qū)域內(nèi),提取地面平均高度作為單元格內(nèi)平均高程。由于ICESat-2數(shù)據(jù)類型為點(diǎn)云,冠層頂部信噪比不確定,本研究使用98%分位數(shù)植被高度數(shù)據(jù)(即RH98)來測量植被冠層高度,而不是冠層光子最大值。

      2.2 機(jī)載數(shù)據(jù)處理

      對機(jī)載激光雷達(dá)數(shù)據(jù)進(jìn)行去噪并使用多級移動曲面算法分離地面點(diǎn)與非地面點(diǎn)[25-26];然后利用反距離加權(quán)插值方法生成數(shù)字高程模型(Digital Elevation Model,DEM)和數(shù)字表面模型(Digital Surface Model,DSM),通過柵格減法歸一化處理后得到冠層高度模型 (Canopy Height Model,CHM)。同時對生成的DEM數(shù)據(jù)進(jìn)行坡度分析,為后續(xù)探究坡度對ATL08數(shù)據(jù)反演精度影響提供基礎(chǔ)數(shù)據(jù)。

      使用ATL08數(shù)據(jù)在試驗區(qū)域內(nèi)軌跡的第一段和最后一段的中心點(diǎn)位置來計算生成緩沖區(qū)所需的斜率,在這些段的中心周圍生成一個100 m × 12 m的矩形緩沖區(qū)。利用得到的DEM產(chǎn)品,計算緩沖區(qū)內(nèi)的平均地形高度和坡度。將數(shù)據(jù)按坡度低(≤10°)、中(>10°~20°)、高(≥20°)來進(jìn)行分類。對于每個ICESat-2緩沖區(qū),利用獲得的CHM產(chǎn)品提取其中所有CHM植被冠層高度值,對值進(jìn)行排序,計算其第98百分位數(shù)(RH98)。為了對高程數(shù)據(jù)進(jìn)行一致性分析,高度必須參考相同的垂直基準(zhǔn),ATL08數(shù)據(jù)與機(jī)載激光雷達(dá)數(shù)據(jù)垂直基準(zhǔn)均為WGS84橢球,無須轉(zhuǎn)換。

      2.3 Landsat數(shù)據(jù)處理

      帽兒山國家森林公園地區(qū)Landsat 8數(shù)據(jù)經(jīng)過輻射定標(biāo)和大氣校正并重采樣為10 m分辨率,計算出歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI),利用像元二分法[27]提取出植被覆蓋度(Fractional Vegetation Cover,F(xiàn)VC)。把植被覆蓋度分為低、中、高3個范圍,即≤40%、>40%~80%、≥80%來進(jìn)行分類,以探究植被覆蓋度對ATL08數(shù)據(jù)反演精度的影響。

      2.4 精度驗證

      利用參考高度數(shù)據(jù)和對應(yīng)的ATL08高度數(shù)據(jù)進(jìn)行精度評估。由于強(qiáng)波束與弱波束穿透森林冠層能力不同,且不同時間波束也會影響精度,因此把所有波束分為白天強(qiáng)波束、夜晚強(qiáng)波束、白天弱波束、夜晚弱波束進(jìn)行分組試驗。統(tǒng)計的內(nèi)容包含平均偏差(Bias,式中用Bias表示)、平均絕對誤差(MAE,式中用MAE表示)、決定系數(shù)(R2)和均方根誤差(RMSE,式中用RMSE表示)。計算公式如下。

      3 結(jié)果分析

      3.1 地面高程驗證結(jié)果

      將ATL08產(chǎn)品得出的地面高程值與機(jī)載激光雷達(dá)數(shù)據(jù)的參考值進(jìn)行比較。統(tǒng)計研究區(qū)域強(qiáng)波束與弱波束在白天與夜晚不同情況下ATL08數(shù)據(jù)反演林下地面高程的精度,見表2,散點(diǎn)圖如圖3所示。

      研究區(qū)域強(qiáng)波束數(shù)據(jù)的地面高程RMSE為1.9 m,MAE為1.1 m,弱波束RMSE為4.1 m,MAE為2.0 m。在不同時間的分組試驗中,白天強(qiáng)波束所測地面高程RMSE為3.0 m,MAE為1.9 m;夜間強(qiáng)光束所測地面高程RMSE為1.3 m,MAE為0.8 m;白天弱波束所測地面高程RMSE為8.2 m,MAE為5.8 m;夜晚弱波束所測地面高程RMSE為1.3 m, MAE為0.8 m。

      強(qiáng)波束的精度(RMSE=1.9 m,MAE=1.1 m)顯著高于弱波束(RMSE=4.1 m,MAE=2.0 m)。因為強(qiáng)波束的能量是弱波束的4倍,穿透植被能力更強(qiáng),更多的光子可以到達(dá)地面,能更加精準(zhǔn)地刻畫林下地形。相同強(qiáng)度的波束,夜晚的精度都高于白天。原因是白天大量的太陽背景噪聲對去噪過程造成不利影響,進(jìn)而影響后續(xù)分類結(jié)果的準(zhǔn)確性。

      3.2 植被冠層高度驗證結(jié)果

      將ATL08產(chǎn)品得出的植被冠層高度值與機(jī)載激光雷達(dá)數(shù)據(jù)提取冠高的數(shù)據(jù)進(jìn)行比較,統(tǒng)計研究區(qū)域強(qiáng)波束與弱波束、白天與夜晚不同類型下ATL08數(shù)據(jù)反演出植被冠層高度的精度,見表3,散點(diǎn)圖如圖4所示。

      研究區(qū)域強(qiáng)波束數(shù)據(jù)的植被冠層高度RMSE為2.7 m,MAE為2.3 m,弱波束RMSE為5.4 m,MAE為3.7 m。在不同時間的分組試驗中,白天強(qiáng)波束所測植被冠層高度RMSE為4.2 m,MAE為3.3 m;夜間強(qiáng)光束所測植被冠層高度RMSE為2.0 m,MAE為2.0 m;白天弱波束所測植被冠層高度RMSE為7.0 m,MAE為7.8 m;夜晚弱波束所測植被冠層高度RMSE為2.8 m,MAE為2.0 m。

      與反演地面高程的情況相同,強(qiáng)波束的精度(RMSE=2.7 m,MAE=2.3 m)高于弱波束(RMSE=5.4 m,MAE=3.7 m)。原因同樣是強(qiáng)波束的能量比弱波束的強(qiáng),穿透植被的能力更強(qiáng)。相同強(qiáng)度的波束,夜晚的精度均高于白天,原因同地面高程一樣。但在白天情況下,弱波束的精度(RMSE=7.0 m,MAE=7.8 m)比較低,不能準(zhǔn)確測量植被冠層高度。

      采用樣地實測平均樹高數(shù)據(jù)同步驗證將ATL08光子分類信息關(guān)聯(lián)ATL03后計算的相對應(yīng)光斑點(diǎn)內(nèi)平均冠層高度數(shù)據(jù)(表4和圖5),RMSE為1.8 m,MAE=1.6 m,精度高于以機(jī)載激光雷達(dá)為參考的誤差。證明ATLAS測量冠層高度較為準(zhǔn)確,但受限于實地調(diào)查只能獲取小面積數(shù)據(jù),因此只能采用機(jī)載激光雷達(dá)數(shù)據(jù)來進(jìn)行大范圍的驗證。

      3.3 坡度對于反演精度的影響

      統(tǒng)計不同坡度條件下強(qiáng)、弱波束數(shù)據(jù)的反演精度。不同坡度條件下2組數(shù)據(jù)誤差的箱形圖如圖6所示。具體情況見表5和表6。

      0°~10°分組反演地面高程精度RMSE為2.3 m,MAE為1.2 m; >10°~20°分組RMSE為4.7 m,MAE為2.6 m;20°及以上分組RMSE為7.7 m,MAE為5.0 m。冠層反演精度,0°~10°分組地形反演精度RMSE為3.8 m,MAE為2.5 m;>10°~20°分組RMSE為5.0 m,MAE為2.9 m;20°及以上分組RMSE為10.4 m,MAE為6.4 m。

      隨著坡度的增大,強(qiáng)弱波束測得地面高程和植被冠層高度的RMSE、Bias、MAE均逐漸上升, R2逐漸降低。坡度對于ATL08數(shù)據(jù)測高精度影響較大,在平緩的地面下,ATL08可以提供較為精確的測高效果,在坡度增大時測高的效果會出現(xiàn)較大的誤差。其原因是坡度的增加,在ATL08數(shù)據(jù)早期的去噪過程中不能準(zhǔn)確地把地面附近的噪聲光子剔除,影響分類結(jié)果,進(jìn)而造成較大的誤差。

      3.4 植被覆蓋度對于反演精度的影響

      統(tǒng)計了不同植被覆蓋度下強(qiáng)、弱波束數(shù)據(jù)的反演精度。不同坡度森林覆蓋條件下2組數(shù)據(jù)誤差的箱形圖如圖7所示。具體情況見表7和表8。

      地面反演精度0%~40%分組地形反演精度RMSE為0.6 m,MAE為0.4 m;>40%~80%分組RMSE為0.9 m,MAE為0.5 m;≥80%~100%分組RMSE為3.5 m,MAE為1.8 m。冠層反演精度,0%~40%分組植被冠層高度反演精度RMSE為3.3 m,MAE為1.8 m;>40%~80%分組RMSE為2.6 m,MAE為1.6 m;≥80%~100%分組RMSE為4.6 m,MAE為2.8 m。

      對于地面高程來說,在中低植被覆蓋度范圍(0%~80%)內(nèi),ATL08能較好地測量出地面高程,在植被覆蓋度達(dá)到80%后,其精度會出現(xiàn)明顯的下降,出現(xiàn)了較高的RMSE,原因為植被覆蓋密集區(qū)域ICESat-2點(diǎn)云不易達(dá)到地面,且地面上會長有較多低矮植被,較少光子點(diǎn)落在地面上,不能準(zhǔn)確地識別地面導(dǎo)致的測高精度下降。

      對植被冠層高度來說,在中等植被覆蓋度范圍(>40%~80%)內(nèi),ATL08能較好測量出植被冠層高度。植被覆蓋度過高(≥80%~100%)或者過低(0%~40%),其精度都會下降。考慮原因為在植被覆蓋度過高區(qū)域,ICESat-2點(diǎn)云不易達(dá)到地面,不能準(zhǔn)確獲取地面信息;植被覆蓋度低的區(qū)域植被上到達(dá)的點(diǎn)云不足,不能準(zhǔn)確測量植被冠層高度,導(dǎo)致誤差增大。

      4 討論與結(jié)論

      4.1 討論

      以高精度機(jī)載激光雷達(dá)數(shù)據(jù)為參考,ATL08數(shù)據(jù)對于地面高程的反演較為準(zhǔn)確,其中夜間強(qiáng)波束的RMSE最小可達(dá)1.3 m。對于植被冠層高度的反演精度,本研究中強(qiáng)波束反演精度的RMSE為2.7 m,夜間強(qiáng)波束最優(yōu)RMSE為2.0 m。與參考文獻(xiàn)[18]中溫帶森林平均冠高的RMSE 2.55 m接近,低于參考文獻(xiàn)[16]的平均冠高RMSE的3.69 m和參考文獻(xiàn)[22]夜間強(qiáng)波束RMSE的3.93 m,但略微大于參考文獻(xiàn)[17] 夏季冠層高度誤差RMSE的2.5 m。推測原因為參考文獻(xiàn)[17] 研究區(qū)域位于寒溫帶的歐洲北部,樹種組成主要是針葉林,而本研究的研究區(qū)域位于中國北方的中溫帶,樹種組成是以闊葉林為主的針闊葉混交林。針葉林相比于針闊葉混交林,冠層間的間隔較大,ICESat-2的光子更易穿透樹冠,到達(dá)地面,從而刻畫出更精準(zhǔn)的林下地形。而闊葉林樹冠密集,到達(dá)地面的光子較少,不能充分地刻畫出林下地形,導(dǎo)致植被冠層高度出現(xiàn)誤差。另外,研究中采用的機(jī)載激光雷達(dá)數(shù)據(jù)與ATLAS數(shù)據(jù)存在時間不同步的情況,影響了檢驗的精度。但是采用實測樣地數(shù)據(jù)檢驗ATLAS提取的冠高,精度高于機(jī)載激光雷達(dá)數(shù)據(jù)的驗證結(jié)果,RMSE為1.8 m,MAE為1.6 m,說明ATLAS測量冠層高度較為準(zhǔn)確,但實測數(shù)據(jù)獲取困難,難以大范圍驗證。

      植被覆蓋度是影響ATL08數(shù)據(jù)反演精度的重要因素之一。ICESat-2/ATLAS是首個搭載光子計數(shù)激光雷達(dá)的衛(wèi)星,不同于大光斑激光雷達(dá),光子點(diǎn)云密度較低,不能對足印范圍內(nèi)的物體實現(xiàn)完整測量,光子的空間分布與樹木的種類、密集程度有較大關(guān)系。樹木本身越茂盛、樹木間的距離越小,光子的分布情況就會更差,不能準(zhǔn)確地測量高度。這可以解釋在中低植被覆蓋度(0%~80%)情況下,地面高程反演精度較高,而高植被覆蓋度(≥80%~100%)出現(xiàn)較大誤差的情況。而對于植被冠層高度,在植被稀疏的情況下,光子可能大部分落在地面上而不是植被上,導(dǎo)致不能完整地刻畫冠層,甚至?xí)压趯又車脑肼暪庾雍驼嬲墓趯庸庾踊ハ嗷煜龑?dǎo)致分類錯誤。使低植被覆蓋度(0%~40%)情況下誤差增大。

      坡度同樣影響ATL08的反演精度。ATL08產(chǎn)品是由ATL03產(chǎn)品去噪、分類生成的,去噪、分類的準(zhǔn)確與否直接決定著ATL08產(chǎn)品的準(zhǔn)確性。而在較高坡度的情況下,目前的分類算法無法準(zhǔn)確地識別出地面附近的噪聲光子,常將二者混淆,導(dǎo)致得出的地面高程與實際情況不符,進(jìn)而導(dǎo)致后續(xù)植被冠層高度的計算出現(xiàn)誤差。因此在較高坡度時測高精度會下降。

      4.2 結(jié)論

      以機(jī)載激光雷達(dá)數(shù)據(jù)及樣地實測數(shù)據(jù)為參考,評估了ICESat-2/ATLAS ATL08最新版產(chǎn)品不同波束反演地面高程及植被冠層高度的精度,并探究了不同時間、不同坡度及不同植被覆蓋度對于反演精度的影響。研究結(jié)果顯示,ATL08數(shù)據(jù)反演地面高程及植被冠層高度精度強(qiáng)波束均優(yōu)于弱波束,夜晚精度均優(yōu)于白天,夜晚強(qiáng)波束精度最高。強(qiáng)弱波束二者均可以為反演地面高程提供較為準(zhǔn)確的依據(jù),但建議不要采用弱波束進(jìn)行冠層高度估計,其誤差較大。坡度和誤差呈正相關(guān),坡度越大,誤差越大。地面高程反演精度在中低植被覆蓋度情況下較為準(zhǔn)確,植被冠層高度反演精度在中等植被覆蓋度情況下達(dá)到最高。

      【參 考 文 獻(xiàn)】

      [1]趙同謙,歐陽志云,鄭華,等.中國森林生態(tài)系統(tǒng)服務(wù)功能及其價值評價[J].自然資源學(xué)報,2004,19(4):480-491.

      ZHAO T Q, OUYANG Z Y, ZHENG H, et al. Forest ecosystem services and their valuation in China[J]. Journal of Natural Resources, 2004, 19(4): 480-491.

      [2]秦建華,姜志林.森林在大氣碳平衡中的作用[J].世界林業(yè)研究,1997,10(4):18-25.

      QIN J H, JIANG Z L. The role of forest in atmospheric carbon balance[J]. World Forestry Research, 1997, 10(4): 18-25.

      [3]趙峰,李增元,王韻晟,等.機(jī)載激光雷達(dá)(LiDAR)數(shù)據(jù)在森林資源調(diào)查中的應(yīng)用綜述[J].遙感信息,2008,23(1):106-110,53.

      ZHAO F, LI Z Y, WANG Y S, et al. The application of LiDAR data in forest[J]. Remote Sensing Information, 2008, 23(1): 106-110, 53.

      [4]曹林,佘光輝,代勁松,等.激光雷達(dá)技術(shù)估測森林生物量的研究現(xiàn)狀及展望[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版),2013,37(3):163-169.

      CAO L, SHE G H, DAI J S, et al. Status and prospects of the LiDAR-based forest biomass estimation[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2013, 37(3): 163-169.

      [5]穆喜云,張秋良,劉清旺,等.基于機(jī)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(xué)學(xué)報,2015,43(9):84-89.

      MU X Y, ZHANG Q L, LIU Q W, et al. Inversion of forest height and canopy closure using airborne LiDAR data[J]. Journal of Northeast Forestry University, 2015, 43(9): 84-89.

      [6]李增元,劉清旺,龐勇.激光雷達(dá)森林參數(shù)反演研究進(jìn)展[J].遙感學(xué)報,2016,20(5):1138-1150.

      LI Z Y, LIU Q W, PANG Y. Review on forest parameters inversion using LiDAR[J]. Journal of Remote Sensing, 2016, 20(5): 1138-1150.

      [7]LEFSKY M A, HARDING D J, KELLER M, et al. Estimates of forest canopy height and aboveground biomass using ICESat[J]. Geophysical Research Letters, 2005, 32(22): L22S02.

      [8] GHOSH S M, BEHERA M D. Forest canopy height estimation using satellite laser altimetry: a case study in the Western Ghats, India[J]. Applied Geomatics, 2017, 9(3): 159-166.

      [9]ABSHIRE J B, SUN X L, RIRIS H, et al. Geoscience Laser Altimeter System (GLAS) on the ICESat Mission: on-orbit measurement performance[J]. Geophysical Research Letters, 2005, 32(21): L21S02.

      [10]HARDING D J, CARABAJAL C C. ICESat waveform measurements of within-footprint topographic relief and vegetation vertical structure[J]. Geophysical Research Letters, 2005, 32(21): L21S10.

      [11]于穎,范文義,李明澤,等.利用大光斑激光雷達(dá)數(shù)據(jù)估測樹高和生物量[J].林業(yè)科學(xué),2010,46(9):84-87.

      YU Y, FAN W Y, LI M Z, et al. Estimation of forest tree heights and biomass from GLAS data[J]. Scientia Silvae Sinicae, 2010, 46(9): 84-87.

      [12]ABDALATI W, ZWALLY H J, BINDSCHADLER R, et al. The ICESat-2 laser altimetry mission[J]. Proceedings of the IEEE, 2010, 98(5): 735-751.

      [13]MAGRUDER L A, BRUNT K M. Performance analysis of airborne photon- counting lidar data in preparation for the ICESat-2 mission[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(5): 2911-2918.

      [14]MARKUS T, NEUMANN T, MARTINO A, et al. The Ice, Cloud, and land Elevation Satellite-2 (ICESat-2): science requirements, concept, and implementation[J]. Remote Sensing of Environment, 2017, 190: 260-273.

      [15]夏少波,王成,習(xí)曉環(huán),等.ICESat-2機(jī)載試驗點(diǎn)云濾波及植被高度反演[J].遙感學(xué)報,2014,18(6):1199-1207.

      XIA S B, WANG C, XI X H, 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.

      [16]NEUENSCHWANDER A L, MAGRUDER L A. Canopy and terrain height retrievals with ICESat-2: a first look[J]. Remote Sensing, 2019, 11(14): 1721.

      [17]NEUENSCHWANDER A, GUENTHER E, WHITE J C, et al. Validation of ICESat-2 terrain and canopy heights in boreal forests[J]. Remote Sensing of Environment, 2020, 251: 112110.

      [18]董佳臣,倪文儉,張志玉,等.ICESat-2植被冠層高度和地表高程數(shù)據(jù)產(chǎn)品用于森林高度提取的效果評價[J].遙感學(xué)報,2021,25(6):1294-1307.

      DONG J C, NI W J, ZHANG Z Y, et al. Performance of ICESat-2 ATL08 product on the estimation of forest height by referencing to small footprint LiDAR data[J]. National Remote Sensing Bulletin, 2021, 25(6): 1294-1307.

      [19]WANG C, ZHU X X, NIE S, et al. Ground elevation accuracy verification of ICESat-2 data: a case study in Alaska, USA[J]. Optics Express, 2019, 27(26): 38168-38179.

      [20]黃佳鵬,邢艷秋,秦磊,等.ICESat-2/ATLAS數(shù)據(jù)反演林下地形精度驗證[J].紅外與激光工程,2020,49(11):122-131.

      HUANG J P, XING Y Q, QIN L, et al. Accuracy verification of terrain under forest estimated from ICESat-2/ATLAS data[J]. Infrared and Laser Engineering, 2020, 49(11): 122-131.

      [21] MALAMBO L, POPESCU S C. Assessing the agreement of ICESat-2 terrain and canopy height with airborne lidar over US ecozones[J]. Remote Sensing of Environment, 2021, 266: 112711.

      [22]LIU A B, CHENG X, CHEN Z Q. Performance evaluation of GEDI and ICESat-2 laser altimeter data for terrain and canopy height retrievals[J]. Remote Sensing of Environment, 2021, 264: 112571.

      [23]楊帆,溫家洪.ICESat與ICESat-2應(yīng)用進(jìn)展與展望[J].極地研究,2011,23(2):138-148.

      YANG F, WEN J H. ICESat and ICESat-2 applications: progress and prospect[J]. Chinese Journal of Polar Research, 2011, 23(2): 138-148.

      [24]NEUENSCHWANDER A, PITTS K. The ATL08 land and vegetation product for the ICESat-2 Mission[J]. Remote Sensing of Environment, 2019, 221: 247-259.

      [25]蔡龍濤,邢濤,邢艷秋,等.基于ICESat-GLAS數(shù)據(jù)和模糊模式識別算法識別森林類型[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版),2021,45(4):33-40.

      CAI LT, XING T, XING Y Q,etal. Identification of forest types based on ICESat-GLAS data and fuzzy pattern recognition algorithm[J].Journal of Nanjing Forestry University (Natural Science Edition), 2021, 45(4): 33-40.

      [26]朱笑笑,王成,習(xí)曉環(huán),等.多級移動曲面擬合的自適應(yīng)閾值點(diǎn)云濾波方法[J].測繪學(xué)報,2018,47(2):153-160.

      ZHU X X, WANG C, XI X H, et al. Hierarchical threshold adaptive for point cloud filter algorithm of moving surface fitting[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(2): 153-160.

      [27]佟斯琴,包玉海,張巧鳳,等.基于像元二分法和強(qiáng)度分析方法的內(nèi)蒙古植被覆蓋度時空變化規(guī)律分析[J].生態(tài)環(huán)境學(xué)報,2016,25(5):737-743.

      TONG S Q, BAO Y H, ZHANG Q F, et al. Spatiotemporal changes of vegetation coverage in Inner Mongolia based on the dimidiate pixel model and intensity analysis[J]. Ecology and Environmental Sciences, 2016, 25(5): 737-743.

      猜你喜歡
      冠層激光雷達(dá)波束
      手持激光雷達(dá)應(yīng)用解決方案
      北京測繪(2022年5期)2022-11-22 06:57:43
      基于低空遙感的果樹冠層信息提取方法研究
      基于激光雷達(dá)的樹形靶標(biāo)冠層葉面積探測模型研究
      法雷奧第二代SCALA?激光雷達(dá)
      汽車觀察(2021年8期)2021-09-01 10:12:41
      安徽省淮南森林冠層輻射傳輸過程的特征
      毫米波大規(guī)模陣列天線波束掃描研究*
      基于激光雷達(dá)通信的地面特征識別技術(shù)
      基于激光雷達(dá)的多旋翼無人機(jī)室內(nèi)定位與避障研究
      電子制作(2018年16期)2018-09-26 03:27:00
      圓陣多波束測角探究
      電子測試(2018年6期)2018-05-09 07:31:54
      Helix陣匹配場三維波束形成
      策勒县| 无极县| 元谋县| 顺义区| 南漳县| 苍梧县| 民和| 吉林市| 北流市| 浙江省| 荆门市| 东乡县| 天全县| 定安县| 寿光市| 达州市| 灵宝市| 沙湾县| 乌鲁木齐县| 长丰县| 恩平市| 武隆县| 万宁市| 敦化市| 和硕县| 桃源县| 资溪县| 鸡西市| 宁南县| 大足县| 西安市| 兰考县| 泗阳县| 鸡东县| 泾源县| 常宁市| 康平县| 凤翔县| 嘉祥县| 隆林| 仁寿县|