基于ICESat—GLAS全波形數據的坡地森林冠層高度估測

王蕊　邢艷秋　邱賽　王愛娟

摘要地形坡度對星載LiDAR的回波波形會產生很大的影響，并會進一步影響森林結構參數的正確估測。比較兩類參數量化地形坡度的能力：輔助地形DEM數據的地形指數和波形自身參數后緣長度，以在反演坡地森林冠層高度時僅從回波波形本身出發，而不需要借助于其他輔助數據。采用估測坡地森林冠層高度的兩組對比模型來比較：第1組對比模型是Xing模型和基于未改進的后緣長度的線性模型；第2組對比模型是Xing模型和基于改進的后緣長度的線性模型。結果表明，在兩組對比模型中，基于波形自身特征參數的模型結果均優于基于輔助地形DEM數據的地形指數的Xing模型，說明在量化地形坡度時，波形的自身特征參數的量化能力要高于輔助地形DEM數據的量化能力。

關鍵詞星載LiDAR；ICESatGLAS；坡地；森林冠層高度

中圖分類號S771.8文獻標識碼A文章編號0517-6611（2014）09-02790-04

基金項目中央高校基本科研業務費專項資金支撐項目（DL12EB07）；國家自然科學基金項目（41171274）；中國科學院數字地球重點實驗室開放基金項目（2011LDE012）。

作者簡介王蕊（1989- ），女，山東菏澤人，博士研究生，研究方向：大光斑LiDAR數據森林回波模擬和森林生物量反演研究。*通訊作者，教授，從事3S技術及其應用、森工管理及林業信息工程研究。

作為自然界中極為重要的環境資源，森林在全球碳循環中發揮著關鍵性的作用。星載LiDAR是近年來迅速發展的一項主動遙感技術，它對森林的空間結構和地形具有很強的探測能力，尤其是森林冠層高度，在森林結構參數估測方面得到了廣泛的應用[1-11]。但由于星載LiDAR的光斑尺寸較大，其回波波形很容易受到地形的影響，尤其是地形坡度，它會導致波形的展寬和重疊，使波形中的地面回波和冠層回波很難清楚地辨別出來，從而使坡地上的森林冠層高度的估測精度非常低。理論上，在坡度地形上若有均一的森林高度、高精度的輔助地形數據和已知的地面空間模式信息的情況下，將坡地上回波波形中的地面回波和冠層回波識別出來是相對簡單的[12]。但實際上，許多森林高度是不均一的，充足的地形特征信息是比較缺乏的，且地面的空間模式信息通常是未知的，因此需要從回波波形的本身特征出發，尋找能夠描述地形坡度因子的參數。Lefsky等提出可以使用邊緣長度來表征地形坡度，將邊緣長度系數進行多重轉換并利用逐步回歸開發出一個校正因子來估測平均冠層高度[12]。然而Pang等指出，Lefsky模型不能準確地估測出冠層高度，特別是波形長度較小時，并開發了一個基于邊緣長度非線性的樹高估測模型[13]。隨后，Hilbert等提出了改進的邊緣長度，指出改進后的指標能夠更有效地定量化地形坡度的特征，尤其是波形中冠層峰值強度和地面峰值強度有較大差異時[14]。為此，筆者比較了波形自身特征參數波形邊緣長度和輔助地形DEM數據的地形指數量化地形坡度的能力，以在估測坡地森林冠層高度時不借助其他輔助數據，而僅從波形自身出發，找出能夠更好地表征地形坡度的波形參數。

1研究區域及數據收集

1.1研究區域所選研究區為吉林省汪清縣林業局經營區（43°05′～43°40′ N、129°56′～131°04′ E，圖1），位于長白山山系中低山區，總面積為30.4萬hm2，屬寒溫帶森林生態系統。地面高程變化范圍為360～1 477 m，地形坡度變化范圍為0～45°。夏季炎熱多雨，冬季寒冷干燥，年降水量在550 mm左右，其中5～9月份的降水量（438 mm）約占全年的80%。年平均氣溫為3.9 ℃，無霜期137 d。該區植物種類繁多，結構復雜，深山區林相以天然次生針闊混交林為主，呈帶狀分布在海拔500～1 100 m。針葉樹主要有云杉（Picea）、紅松（Pinus koraiensis）和臭松（Symplocarpus Salisb），其中闊葉樹主要有蒙古櫟（Quercus monglica）、椴樹（Tilia）、色木（Acermono）、楓樺（Betula davuric）和白樺（Betula platyphylla）等。

1.3DEM數據該研究所用的DEM數據的比例尺為1∶50 000，分辨率為20 m，DEM數據主要有兩種用途：①生成地形坡度圖。可計算出GLAS光斑所處位置的坡度，為地面數據的采集位置做前期準備。②提取地形指數。基于3×3窗口可計算出GLAS光斑所處位置的地形指數g，該指標可用來量化地形的坡度。

安徽農業科學2014年1.4地面數據采集在采集地面數據之前，將GLAS光斑的位置分布圖和DEM生成的地形坡度圖進行疊加，通過分析疊加圖（圖2），發現研究區內幾乎所有的GLAS光斑位置位于坡度小于30°的地形上。為了評價基于GLAS數據各模型在不同坡度上估測森林冠層高度的能力，將30°以內的地形區域分為6組，分別是0～5°、5°～10°、10°～15°、15°～20°、20°～25°和25°～30°，對每個坡度組隨機選取GLAS光斑位置作為地面數據的調查樣地，并對針葉林、闊葉林和針闊混交林3種森林類型進行了隨機采樣。在地面數據的具體調查過程中，隨機選取GLAS激光光斑位置作為地面數據的調查樣地，利用GPS（Global Positioning System）手持儀對激光腳點進行定位并記錄其坐標，并以激光光斑中心點作為調查樣地的中心點，建立水平有效投影面積為500 m2的圓形樣地，測量并記錄了調查樣地內的最高冠層高度及植被和地表覆蓋情況。該研究共采集了195個樣地，采集時間分別在2006年9月和2007年9月。

注：底圖為汪清DEM生成的坡度圖。

2.1ICESat/GLAS波形數據處理首先對ICESat/GLAS回波數據進行預處理。波形預處理包括兩個部分：①數據讀取與轉換。將無法直接使用的原始二進制數據格式轉換為可應用的十進制ASCII的數據格式；②數據標準化。便于不同量級或單位的指標能夠進行比較，從而能夠增強不同波形之間的可比性。

然后對預處理后的ICESat/GLAS回波波形確定背景噪聲閾值、信號開始位置和信號結束位置（圖3），為后續的波形特征參數提取做準備。該研究選取整個波形數據544幀中的前100幀來確定背景噪聲的均值和標準差，具體計算如式（1）、3結果與分析

為了評價冠層高度的各估測模型在不同地形坡度范圍的表現能力，將195組數據進行不同的組合，分別為0～5°、0～10°、0～15°、0～20°、0～25°和0～30° 6個累積地形坡度組，并將每個坡度組的數據分為兩組，分別用來構建估測模型和檢驗估測模型的預測能力。該研究使用累積坡度組來構建估測模型是為了方便地選擇出能夠在研究區內應用的估測模型，并且能夠使估測模型的評價結果與其他的研究成果進行相互比較。