基于GLAS激光雷達反演森林生物量

曲苑婷，汪 垚，劉觀潮，范文義

(東北林業大學林學院，黑龍江 哈爾濱 150040)

基于GLAS激光雷達反演森林生物量

曲苑婷，汪 垚，劉觀潮，范文義

(東北林業大學林學院，黑龍江 哈爾濱 150040)

森林生物量是森林生態系統監測的重要指標。GLAS大光斑回波信息與森林結構參數存在較強的相關性，適用于森林生物量的反演。本文簡要介紹了GLAS激光雷達系統及其特點，利用GLAS的9波形參數對小興安嶺部分地區進行針葉林與闊葉林的生物量估算，結果顯示，引入糾正參數后生物量估測模型的決定系數R2由0.657提高到0.806，均方根誤差(RMSE)減小為35 Mg/ha，表明利用GLAS進行森林地上生物量估測時，需要考慮地形因素對反演精度的影響。

GLAS；激光雷達；森林生物量；波形參數

一、引 言

森林是重要的環境資源，作為陸地生態系統的主體，森林生物量大約占全球陸地植被生物量的90%[1]，精確地估算森林生物量及其變化是監測全球碳儲量及其變化的關鍵。星載激光雷達系統GLAS(Geoscience Laser Altimeter System)是采用星載平臺的大光斑激光雷達系統，激光回波信號對冠層到地面間的信息全部進行記錄，光斑范圍內包括地面、森林的垂直結構信息，是地面和植被共同作用的結果[2]。這些全波形信息與森林植被冠層的垂直分布相關性很高，很好地反映了森林冠層組分(包括樹葉、樹枝、樹干)的信息，根據這些回波信息可以部分重建林分冠層的垂直結構[3]，GLAS已成功地用于森林結構參數及生物量估算。

GLAS激光雷達能連續記錄激光回波波形信息。回波記錄的時間間隔決定了激光點內物質被感知的詳細程度，每一時刻的回波都對應著一個強度與時間波形，并且能反映激光腳印范圍內的一個截面面積。如圖1所示，森林的激光回波波形指示著從樹頂開始，通過樹冠、林下植被，最后是地面回波的森林垂直結構。文獻[4]利用ICESat GLAS和SRTM數據進行森林冠層高度和森林地上生物量估測，結果表明，GLAS數據能夠有效地用于大范圍的森林冠層高度和森林地上生物量估測。文獻[5]利用GLAS數據以云南香格里拉為例進行了森林蓄積量估算，結果表明復雜地區估算精度會下降，但是樹高和蓄積量之間仍有很好的相關性。文獻[6]進一步模擬分析了林木空間格局對波形的影響，研究發現，在規則分布和隨機分布情況下，利用HOME作為森林參數估算能夠得到較好的結果，而對于聚集分布采用AWAV作為森林生物量估算的指標較好。

圖1 大腳印激光雷達森林回波波形示意圖

本文介紹利用星載大光斑激光雷達GLAS波形參數數據，對小興安嶺部分地區進行反演森林生物量，并對GLAS進行森林參數估算進行了分析。

二、研究區介紹

小興安嶺位于中國黑龍江省東北部，是中國東北邊疆的重要門戶。小興安嶺屬低山丘陵，地理特征是“八山半水半草一分田”。北部多臺地、寬谷；中部低山丘陵，山勢和緩；南部屬低山，山勢較陡。最高峰為平頂山，海拔1 429 m。西部鐵力市位于松嫩平原，地勢呈波狀。小興安嶺屬北溫帶大陸季風氣候區，四季分明，冬季嚴寒、干燥而漫長；夏季溫熱而暫短。年平均日照數2355～2400 h。年降雨量550～670 mm，降雨集中在夏季。干濕指數1.13～0.92，屬濕潤地區。

三、數據獲取與處理

1.地面實測數據

由于GLAS覆蓋范圍廣，地面采集數據樣點少而且覆蓋范圍小，所以本文試驗數據主要以二類調查數據為主，來源于小興安嶺地區各林業局與森林調查規劃設計院，調查因子主要包括平均樹高、胸徑、樹種類別、優勢樹種與生物量等，圖2為小興安嶺二類調查數據分布圖。其中主要樹種包括紅松、白樺、落葉松、冷杉、椴樹、胡桃楸、云杉、樟子松等。

圖2 小興安嶺森林二類調查數據

2.GLAS數據處理

GLAS是ICEsat衛星上的第一臺星載激光雷達傳感器，GLAS獲得從衛星到地表765 km范圍內的回波信號，經過濾波處理與波形分析可提取發射脈沖與表面回波，圖3為一個典型的GLAS森林回波波形。GLAS搭載有3個激光儀器，重復軌道方案以91 d(每個33 d)對地執行觀測任務，激光光斑直徑大小為70 m，光斑之間相距170 m。GLAS設置532 nm與1064 nm兩個波長，其中1064 nm回波能提供植被三維結構參數信息[7]。GLAS數據利用特別定義的二進制格式存儲，在對波形進行處理之前，使用NSIDC提供了IDL工具包，讀取和處理包括GLA01、GLA05和GLA14在內的二進制的GLAS數據。設置GLAS噪聲的閾值對波形數據噪聲進行處理。

圖3 主要GLAS波形參數示意圖

在GLAS眾多數據產品中，文本利用表1所示的關鍵參數。這些關鍵參數主要包含激光雷達腳印點內的森林植被三維結構參數信息，可用于森林生物量的反演[8-9]。

表1 GLAS波形參數定義

參數之間的關系為

四、GLAS數據估算森林生物量

以針葉林、闊葉林的生物量為因變量，表1提供的波形分量為自變量，以二類調查數據與GLAS腳印點選取的部分重疊點作為訓練樣本進行建模。分析糾正系數對森林生物量反演的影響。

由表2可得不含糾正系數針葉林GLAS腳印點的AGB回歸模型

表2 不包含糾正系數的針葉林AGB模型結果和回歸系數

由表3可得不包含糾正系數闊葉林腳印點的AGB回歸模型

表3 不包含糾正系數闊葉林AGB模型結果和回歸系數

由表4可得包含糾正系數針葉林腳印點的AGB回歸模型

由表5可得包含糾正系數闊葉林腳印點的AGB回歸模型

表4 包含糾正系數的針葉林AGB模型結果和回歸系數

表5 包含糾正系數的闊葉林AGB模型結果和回歸系數

表2—表5分別列出不包含糾正系數與包含糾正系數情況下，建立GLAS波形參數與二類調查生物量模型，第一列為作為自變量的各個GLAS波形參數，除了trailing edge correction factor、leading edge correction factor外，其余參數保持不變，這樣可以突出糾正系數對反演生物量的作用。根據建立的模型，如式(3)—式(6)，選擇部分GLAS腳印點進行生物量反演并利用二類調查數據對比分析評價反演精度，見表6。選擇兩種森林類型即針葉林與闊葉林分別進行反演與精度驗證。圖4、圖5分別為反演生物量與森林二類調查的散點圖比較分析。

表6 AGB回歸模型評價

由表6可以看出，在針葉林與闊葉林兩種森林類型情況下，利用糾正系數的生物量反演的R2分別為0.806與0.796，RMSE分別為35與41(Mg/ha)；不包含糾正系數的生物量反演R2分別為0.727與0.657，RMSE分別為44與53(Mg/ha)，這說明利用激光雷達數據波形參數中能反映森林垂直結構特征的參數信息更多的用于生物量估算模型，因為本文所選擇的波形參數均能反映森林高度、冠幅生長情況等信息，而這些信息與森林生物量相關性很高。

圖4 GLAS腳印點針葉林AGB模型估算結果與實測數據比較

圖5 GLAS腳印點闊葉林AGB模型估算結果與實測數據比較

此外，由表6還可以看出針葉林相比闊葉林在兩種反演的情況下，均得到較高的反演精度，這說明針葉樹的冠型同一并且接近于錐形，幾何形態特征體現得非常清晰，利用激光雷達波形參數很好反映針葉林林分的整體冠層生長情況，從而決定整體生物量情況。相比針葉林，闊葉林樹冠形狀不明顯，其林分垂直結構組成比針葉林復雜，激光雷達波形參數很難準確反映森林三維結構信息，導致生物量反演精度下降[10]。利用糾正系數反演生物量R2均大于未糾正前情況，而且RMSE均小于未利用糾正系數反演生物量情況。由圖4、圖5同時可以看出，不包含糾正系數反演生物量與森林二類調查生物量的散點圖比較分散，相比而言利用糾正系數反演生物量的散點圖集中分布在直線兩側，這說明反演的生物量更接近森林二類調查結果，反演精度相對有所提高。因為在非平坦地區激光雷達回波的信號不能與森林植被回波信號較好地分離，本文利用下端邊緣糾正系數與上端邊緣糾正系數用于針葉林和闊葉林的生物量估算模型中，主要目的是減少地形對生物量估算的影響，消除對DEM的依賴，從而緩解地形的影響得到更加準確的生物量。

五、結束語

本文利用10種激光雷達波形參數，對小興安嶺地區進行生物量反演，得到結果與森林二類調查對比分析，說明GLAS激光雷達具有獲取森林垂直結構參數的能力，GLAS波形信息與森林冠層高度、生物量有較強的相關性。但是由于不同森林類型與地表環境的影響，需要選擇合適的波形參數進行反演。對于針葉林，其冠形形狀均一，空間三維結構簡單；闊葉林林下結構較為復雜或者小樹生物量比較大，這時就需要有針對性地選擇激光雷達波形參數。

此外，由于GLAS的激光腳印比較大，腳印范圍內地形變換比較復雜，反演生物量結果容易受到地形起伏的影響。因此，希望利用全波形數據，構建合適的波形參數能有效地消除DEM的影響以提高森林空間結構參數估算的精度，同時進一步推廣GLAS的應用。

[1] LIETH H，WHITTAKER R H.Primary Productivity of the Biosphere[M].NewYork：Springer-Verlag，1975.

[2] JAMES B，ABSHIRE，SUN XIAOLI，et al.Geoscience Laser Altimeter System(GLAS)on the ICESat Mission：On-orbit Measurement Performance[J].Geophysical Research Leftters，2005(34)：1-4.

[3] 龐勇，李增元，陳爾學，等.激光雷達技術及其在林業上的應用[J].林業科學，2005，41(3)：129-136.

[4] 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)：23-29.

[5] 王金亮，程峰，陳聯君，等.ICESat-GLAS數據估算復雜地形區域森林蓄積量潛力初探[C]∥第一屆全國激光雷達對地觀測高級學術研討會.北京：[s.n.]，2010.

[6] 龐勇，李增元，SUN Guoqing，等.地形對大光斑激光雷達森林回波影響研究[J].林業科學研究，2007，20 (4)：464-468.

[7] ZWALLY H J，SCHUTZ B，ABDALATI W，et a1.ICESAT’S Laser Measurements of Polar Ice，Atmosphere，Ocean，and Land[J].Journal of Geodynamics，2002 (34)：405-445.

[8] LEFSKY M A，KELLER M，YONG PANG，et al.Revised Method for Forest Canopy Height Estimation from Geoscience Laser Altimeter System Waveforms[J].Journal of Applied Remote Sensing，2007(1)：1-18.

[9] 龐勇，趙峰，李增元，等.機載激光雷達平均樹高提取研究[J].遙感學報，2008，12(2)：152-158.

[10] LEFSKY M A，COHEN W B，HARDING D J，et al. Lidar Remote Sensing of Above-ground Biomass in Three Biomes[J].Global Ecology and Biogeography，2002，11 (5)：393-400.

The Inversion of Forest Biomass Based on GLAS Laser Radar

QU Yuanting，WANG Yao，LIU Guanchao，FAN Wenyi

P237

B

0494-0911(2014)11-0073-05

2014-06-23

東北林業大學大學生創新創業訓練計劃(201310225014)

曲苑婷(1993—)，女，黑龍江哈爾濱人，主要研究方向為GIS和遙感。

曲苑婷，汪垚，劉觀潮，等.基于GLAS激光雷達反演森林生物量[J].測繪通報，2014(11)：73-77.

10.13474/j.cnki.11-2246.2014. 0367