應用激光雷達估測森林生物量的研究進展

羅 浩，舒清態，席 磊，黃金君，劉月玲，楊 青

(西南林業大學 林學院，云南 昆明 650233)

1 引言

伴隨著科學技術的飛速發展，全球生態環境受到嚴重影響，近年來全球氣候變暖、極地冰川融化以及惡劣天氣增多等引起了各國的重視，兩碳政策備受關注，加大生態環境的管理和治理力度成為了目前生態環境治理和完成兩碳目標的主要手段。而森林生態系統的變化可直接引起整個陸地生態系統的變化，直接影響碳循環、調節氣候、維持生物多樣性以及為全球提供生物資源等[1,2]。因此保護森林生態系統是整個生態環境治理的工作重點。目前受世界關注的全球碳循環與陸地植被生物量息息相關，且森林生物量約占整個陸地生態系統植被生物量的90%[3]，因此森林生物量成為了林業研究的主要森林參數之一。

激光雷達(Light Detection And Ranging，LiDAR)于20世紀80年代中期在美國航空航天局(NASA)誕生，經過多年的發展已被應用于軍事、測繪、資源管理等諸多領域當中[4]。因其具有較強的穿透性和抗干擾能力，激光雷達的應用與傳統人工調查方式相比降低了工作量、減少了調查導致的森林破壞[5,6]，自引入林業行業后受到大量界內學者的高度認可，并被廣泛應用于樹高、冠層高度、生物量、碳儲量等森林計策參數的估測。近年來，隨著激光雷達的飛速發展，已逐步成為森林信息獲取的重要手段之一，成為森林生物量估測研究的熱點[7]。從地基激光雷達、機載激光雷達和星載激光雷達3種不同搭載平臺，分別講述激光雷達在森林生物量估測中的應用現狀，結合相關研究針對森林生物量估測的研究方向及數據源選擇提出建議。

2 激光雷達概述

2.1 激光雷達工作原理

世界上首臺激光雷達測距系統主要由地形掃描探測、慣性導航儀、Global Position System(GPS)、成像裝置以及數據記錄與處理器[8]5個部分組成。其工作原理是通過發射激光束掃描并記錄回波信號實現激光測距。在記錄回波信號的過程中由于不同地物對回波信號的反射強度不同，導致接收到的激光脈沖強弱不同，因此可通過接收到的回波信號強弱以及時間間隔判斷地物類型，提取回波信息實現森林生物量估測。

2.2 地基激光雷達

地基激光雷達系統(TLS)在國內外的發展起步都相對較早，近年來用于估測森林計測參數的地基激光雷達傳感器逐漸增多，常用于生物量估測的地基激光雷達如澳大利亞的國家科學工業技術研究組織(CSIRO)開發地基激光雷達林分植被結構參數遙感觀測原型系統(ECHIDANTM),該系統集成魚眼相機和激光測距儀針對林分生長模型和生物量估測等林業調查研究；而RIEGL VZ系列為近紅外多波形地基激光雷達，LBD小于0.5mrad[3]；FARO Focus3D X130 地面三維激光掃描儀，最大側程330 m，掃描速度每秒976000個點，波長905 nm，掃描分辨率0.009×0.009，測距誤差2 mm[9]；bMS3D背包式激光雷達，掃描距離1～100 m，點云精度1～3 cm，掃描效率100000 m2/h[10]；Trimble TX8系統，一站掃描時間2 min，最大掃描距離120 m，激光點數可達數百萬點，波長1500 nm等[11]。

在森林生物量估測的相關研究中，地基激光雷達近年來被應用于單木生物量估測的研究較多，主要通過掃描單木垂直和水平方向上的分布信息，獲取林木詳細三維結構點云數據，經過點云預處理提取單木信息，估測單木生物量。地基激光雷達可以獲取精度較高的單木點云數據，但其掃描范圍較小，工作量大，適用于單木生物量估測，相比地基激光雷達，機載激光雷達的掃描范圍更加廣闊，可用于獲取更大區域尺度的森林生物量估測。

2.3 機載激光雷達

機載激光雷達最初發展是伴隨衛星載荷的實驗設備誕生的，其中植被激光傳感器(LV-IS)是衛星VCL的載荷原型，WL1064 nm，工作頻率0.1～0.5 Hz，波束傾角7°，屬于全波形激光雷達。多波束測高實驗激光雷達(MABEL)是ICESat-2的衛星載荷機載實驗設備，波束傾角為6°，WL532～1064 nm，工作頻率5～25 Hz，屬于光子記數型激光雷達[12]。機載激光雷達系統由6個部分組成，分別是GPS定位系統、INS慣性導航系統、激光測距設備、中心控制系統、相機以及操作控制端口[13]。目前機載激光雷達的發展以歐美為代表，美國國家生態觀測網成功研發了機載觀測平臺(AOP)，主要設備為可見光/短波紅外成像光譜儀、波形激光雷達和高分辨率航空相機。斯坦福大學研發卡耐基航空觀測平臺(CAO)主要使用了可見光和近紅外成像關譜儀和波形激光雷達[14]，CAO-2將波形激光雷達更換為雙波長波形激光雷達并將高分辨率相機換成可見/近紅外成像關譜儀[15]。

全球應用于林業研究的機載激光雷達系統主要有NASA的LVIS系統、SLICER系統、PALS系統以及德國的TopoScan系統等[16]。點云處理軟件如Terrasolid、ENVILiDAR、LP360、REALM、LiDAR Station、LiDARSuite、LiDAR360等[17]。國內的中國林科院資源信息研究所引進德國CAF-LiCHY系統，其傳感器為激光雷達、高光譜、高分辨率相機，可獲取光學和激光雷達數據，并在國內多個研究區進行了實驗[18]。機載激光雷達通過傳感器掃描預訂研究區，以獲取掃描區域的實時數據，其飛行高度可達幾百米，獲取地面點云數據后通過拼接、配準、去噪、歸一化等預處理并提取相關參數估測生物量等。通過機載激光雷達可以獲取較大區域尺度的地面點云數據，但機載激光雷達使用成本較高，不適用于大范圍的森林生物量估測，而星載激光雷達理論上可以獲取全球陸地表面掃描數據，適用于大面積森林生物量估測，可大幅度降低工作量與估測成本。

2.4 星載激光雷達

國外星載激光雷達的發展以歐美為代表，其中美國航天航空局(NASA)由于起步較早，在星載激光雷達研究領域一直獨占鰲頭[19]。20世紀90年代中后期NASA以激光測高儀SLA-01/02建立了全球控制點數據庫，并首次實現部分地區的DEM地形測繪[20]。21世紀初期，美國NASA研制出全球第一顆激光測高衛星冰云和陸地海拔衛星(ICESat)，搭載地球科學激光測高系統，用于完成測量冰蓋質量平衡、云和氣溶膠高度以及陸地地形和植被特征的基準地球觀測系統任務。至2018年9月繼冰云陸地一號衛星之后，ICESat-2研制成功搭載唯一荷載儀器先進地形激光測高儀系統(ATLAS)，其利用單光子計數，每秒可發射10000個激光脈沖，被分為6個波束分三排排列[21]。其中ICESat與ICESat-2近年來被廣泛應用于森林生物量、樹高等森林計策參數的估算，其參數統計如表1所示。

表1 ICESat與ICESat-2參數統計

國內于2007年發射嫦娥-1號衛星搭載激光測高儀，并于2010年發射嫦娥-2號衛星共同完成探月任務，2016年5月發射衛星資源-3衛星01星的后續星02星，搭載對地觀測激光測高試驗性載荷用于立體測圖，探索控制點信息的獲取。2019年11月3日，高分七號衛星在太原衛星發射中心搭載長征四號乙運載火箭發射升空，軌道高度505 km主要搭載了雙線陣立體測繪相機、雙波束激光測高儀、數據傳輸、數傳天線四個系統，在國土測繪、城鄉建設、統計調查等方面發揮重要作用，并于2020年8月20日投入使用[22]。于2017年通過批復的陸地生態系統碳監測衛星搭載超光譜成像儀、多波束激光雷達、多角度多光譜成像儀及多角度偏振儀，該衛星將應用于我國的對地觀測研究，主要面向林業研究生產需求[23]。

星載激光雷達可獲取大范圍地面數據，通過官網下載或者通過相關網址申請以獲取完整地面波形數據、地理位置信息與地面高程數據等信息，通過編程或該數據源對應的處理程序可對獲取的星載掃描數據進行預處理，以提取相關信息。

3 激光雷達在森林生物量估測中的應用研究

3.1 地基激光雷達應用

目前國內外對地基激光雷達數據的應用研究較多，利用TLS數據估測樹高、胸徑及生物量等的研究已相對成熟，如Solomon Mulat Beyene[9]利用TLS數據估測熱帶雨林的森林AGB值，并使用機載數據與實測數據分別做驗證，選擇最優變量參數如高度、密度等計算AGB，結果顯示R2為0.98。可以看出TLS數據適合用于精確估測森林AGB值。后續研究如Li Shun等[24]利用地面激光掃描(TLS)技術估測混交林林下生物量，提取平均冠層高度、冠層覆蓋度等參數，構建基于TLS變量的回歸模型并挑選出最優估測模型，結果顯示TLS衍生數據冠層覆蓋度和體積(樹冠面積×樹高)模型能降低林下相比樹冠更大的空間異質性的影響，TLS衍生植被體積估測冠層生物量精度最高R2為0.69，RMSE達到43.64 g/m2，再一次證明了TLS數據具有準確估測林下層生物量變化的潛力，通過提取相關參數構建模型能降低空間異質性對植被生物量估測的影響。

國內基于地基激光雷達的研究起步相對較早，主要研究內容多為利用TLS數據提取胸徑、樹高、冠幅等信息，對各類算法進行研究討論，為后續的生物量獲取研究提供了可靠的理論依據[25]。其中李丹等[26]利用TLS獲取小興安嶺白樺林信息采用Hough變換、橢圓擬合和點云垂直連續性檢測算法提取樹高、胸徑等信息，結果顯示對單木胸徑的估測效果更佳，R2為0.87，并證實了垂直掃描與水平掃描相結合可以提高樹高的估測精度，對后續的地基激光雷達生物量估測研究具有較大的幫助。Yuan Meng等[27]基于前人的研究，使用TLS系統獲取數據估測小興安嶺白樺生物量，提取樹高、DBH、樹干體積、樹冠體積、表面積等參數構建改進后的CAR模型并與傳統CAR模型精度對比，說明了改進后的模型對生物量的估測得到了較大的提高，其中總生物量、樹干生物量、分枝生物量等的決定系數R2都在0.9以上，總生物量決定系數R2高達0.99，可以更精確地估測森林生物量。可以看出，地基激光雷達TLS系統在森林生物量估測中的應用已逐步成熟，生物量估測精度R2逐步趨向于1。

在利用多源數據估測森林生物量的研究中，選擇多源數據時可利用地基激光雷達獲取高精度的生物量估測模型，并可用于機載、星載為平臺的大光斑雷達數據生物量估測模型的精度驗證，由此可以大幅度降低數據獲取的工作量。

3.2 機載激光雷達應用

機載激光雷達在林業中的應用正處于成熟階段，由于其價格昂貴且受到搭載平臺及掃描范圍的影響，不適用于大范圍森林計策參數的估測，但其作為多源數據選擇的重要數據源之一，近年來在林業應用領域飛速發展相關研究已逐漸完善。在本世紀初期，Jason B Drake等[28]利用激光植被傳感器(Lvis)掃描了哥斯達黎加的森林站點，提取高度分位數、波形能量值等參數構建逐步回歸模型，對該站點的二次平均莖粗(QMSD)、地上生物量(AGB)等森林調查因子進行估測，其中AGB估測精度R2高達0.93，并證明了HOME與森林地上生物量具有較強的相關關系。同時國內的龐勇等[6]使用機載LiDAR數據基于不規則三角網(TIN)算法提取了高度與密度兩組變量估測森林各組分生物量，結果顯示兩組變量與森林枝、葉、根、干有較好的相關關系，其估測結果R2均在0.8以上，不同類型林分生物量估測精度顯示針葉林精度>闊葉林>針闊混交林，而參數選擇應根據森林類型進行篩選以提高生物量估測精度。

為探尋更加精確地森林生物量估測研究方法，羅洪斌等[29]基于Luo Shezhou[30]的研究，考慮采樣尺度對估測精度的影響，運用機載LiDAR數據估測橡膠林地上生物量基于偏最小二乘回歸模型(PLSR)對采樣尺度效應進行分析，設置了不同的采樣尺寸，結果顯示采樣尺寸可影響生物量估測精度，其中適合該森林類型的最佳采樣尺度為18 m，當采樣尺度小于18 m時估測精度隨采樣尺度的增大而增大；當采樣尺度大于18 m時，呈現反比趨勢，可以看出采樣尺度對估測精度的影響呈現為正態分布的趨勢。2021年劉浩然等[31]利用機載激光雷達估測人工林單木生物量，提取樹高、冠幅等單木結構參數結合改進凸包算法獲取的樹冠參數引入傳統CAR模型估測單木生物量，結果顯示決定系數R2在0.8左右，證明引入樹冠因子的生物量估測模型精度較高，說明無人機激光雷達數據可用于高精度的森林生物量估測，研究結論與龐勇等的研究結論一致。

可以看出，激光雷達在估測森林生物量方向的研究已逐步完善，并向著更具代表性的估測方式探尋，為機載激光雷達在森林生物量估測研究中提供可靠的理論依據。

3.3 星載激光雷達應用

目前利用星載激光雷達數據估測生物量的研究正處于高速發展階段，國內基于GLAS數據的研究較多，其中于穎等[32]利用GLAS數據估測研究區樹高和生物量，模擬波形半高能量(HOME)與生物量的關系，結果顯示理論精度為91.3%，但該實驗僅使用了GLAS數據其采樣密度較小，因此在生物量估測過程中可以結合連續性強、密度較大的數據進行估測能提高生物量估測精度，同時也證實了Jason B Drake等[28]得出的結論HOME與AGB有密切的相關關系。后續研究如王金亮等[33]以云南省香格里拉縣為例，使用ICESat-GLAS數據通過擬合回歸模型估算了復雜地形情況下的森林蓄積量，證明了復雜地形情況下基于星載GLAS估測出的樹高與實測平均高和蓄積量有較好的相關性，其中基于星載數據的估測樹高與蓄積量的相關關系達到0.7156，而森林蓄積量與生物量密切相關，說明星載激光雷達數據在復雜地形情況下的森林生物量估測應用中具有一定的應用潛力。

后續研究如曲苑婷等[34]考慮波形參數的應用，基于GLAS數據利用10種激光雷達波形參數建立回歸模型反演小興安嶺地上生物量探討糾正系數對估測精度的影響，證明加入糾正系數后可以提高生物量估測精度，其精度系數R2普遍比未加入糾正系數的模型高出0.1以上，研究發現星載激光雷達數據地面光斑較大，在受到復雜地形的影響下，應針對不同結構的森林選擇不同的結構參數才能提高生物量估測精度。關于糾正系數的研究，蔡龍濤等[35]基于GLAS數據與LPA校正數據提取回波能量值建立回歸模型估測森林生物量，結果顯示GLAS脈沖能量波呈高斯分布，且經LPA數據校正后的回波能量值可以提高森林生物量估測精度，經過LPA數據校正后生物量估測精度R2提高了2%，RMSE降低0.52 t/hm2，最終結論與曲婉婷等一致。

星載激光雷達由于其掃描覆蓋面積較廣，理論上可以覆蓋全球的森林信息獲取，但其數據密度較小，數據采集且不連續，在生物量等的估測應用中，應結合機載激光雷達、光學遙感、地基激光雷達等多源數據進行估測，可降低復雜地形情況下信息采集不連續帶來的估測誤差影響。

3.4 多源數據生物量估測

激光雷達可獲取地物垂直方向信息，但由于大光斑激光雷達在獲取地面數據時，連續性不強，難以適應森林地形的復雜多樣性，而小光斑激光雷達成本較高，且掃描寬度較窄，因此在林業研究中，應選擇多源數據進行森林參數估測，并通過采樣角度、采樣尺寸，以及參數選擇、不同算法等諸多途徑增加估測精度。為探索多源數據在林業中的應用，諸多研究者通過不同的研究方法從多個角度對激光雷達在林業中的應用展開實驗。

本世紀初期Lefsky等[36]利用Landsat TM數據、機載LiDAR數據、機載高光譜數據等多源遙感數據進行對比研究，提取冠層波形數據結合逐步多元回歸分析法，證明了單獨估測森林參數時，激光雷達數據最佳，通過聯合光譜數據等其他數據源可以明顯提高估測精度。為驗證多源數據在森林生物量估測中的可行性，國內的黃克標等[37]利用GLAS數據與機載激光雷達數據提取波形參數建立逐步回歸模型對云南省進行森林AGB估測，并結合MODIS數據與MERIS數據完成生物量分布制圖，其估測結果R2為0.52，均方根誤差為30.96 mg/ha，最終估測結果云南省森林總生物量為16.79億t，平均生物量124 mg/hm2，與曾偉生和李海奎相比更合理，且與云南省森林資源二類清查結果相符，證明使用機載與星載激光雷達數據可以較準確估測森林生物量，聯合使用多源數據能提高生物量估測精度。

沈文娟[38]基于激光雷達、光學、及合成孔徑雷達和地面調查數據，通過融入光學與雷達影像實現森林AGB估測，增加實測數據、與星載激光雷達數據，提取波形、高度能量等參數建立隨機森林模型，預測結果顯示R2均高于0.5，最高達0.8。證明了引入氣候與物候兩個重要的因子實現適用性更強的生物量模型的建立，并完成了研究區生物量分布制圖，說明通過聯合使用光學遙感、激光雷達、合成孔徑雷達、地面數據等多源數據，能探索出更具實用性的生物量估測方法。

卜帆[39]基于機載LiDAR數據、機載LiDAR和高光譜數據、星載Landsat8數據分別對研究區進行生物量估測，建立偏最小二乘回歸、隨機森林、支持向量機等生物量估測模型，并利用SVR模型結合機載LiDAR和高光譜數據對研究區進行生物量制圖，結果顯示通過支持向量機法提取點云密度、高度分位數等參數估測AGB的精度最高，證明機器學習方法相比傳統模型的生物量估測具有較大優勢。在增加光學數據提取的紋理特征、植被指數等參數后能有效提高估測精度，且支持向量機法效果最佳決定系數R2提高了0.2。證明結合多源數據進行生物量估測時可以有效提高估測精度，研究結論與黃克標、沈文娟等一致。說明激光雷達在森林生物量估測中的應用可以結合光學遙感、合成孔徑雷達等多源遙感數據聯合估測，能彌補各類數據的不足，有效提高生物量估測精度，對于模型構建可通過機器學習方法實現，有望在大區域尺度的生物量估測應用中提高精度決定系數R2以保證估測值在實際應用允許誤差范圍內。

4 激光雷達數據估測生物量的研究展望

激光雷達通過發射激光脈沖對研究區進行掃描，可以獲取地面垂直信息，在生物量估測研究中具有較大的應用價值，可以彌補光學遙感技術在垂直方向上的信息獲取缺陷，近年來在林業中的應用得到研究者的高度認可，估測精度得到了巨大的提高，如地基和機載激光雷達數據的森林生物量估測精度其決定系數R2逐漸提高并趨向于1。近年來基于激光雷達估測生物量的研究較多，由于大光斑激光雷達傳感器高度較高且激光脈掃描寬度較寬，所以理論上能獲取覆蓋全球范圍內的地物信息。但大光斑激光雷達掃描區域間隔較大，不能獲取連續的地物信息，考慮數據源的選擇可利用多源遙感數據如結合星載激光雷達與機載激光雷達數據、結合光學遙感與機載激光雷達數據、結合光學遙感與星載激光雷達數據等方式對森林生物量進行高精度的估測研究。考慮參數模型的構建可選擇機器學習如神經網絡、支持向量機等能有效提高估測精度。

利用大光斑激光雷達數據與不間斷采樣數據聯合實現森林生物量的估測，是目前激光雷達估測生物量的研究重點；在基于激光雷達數據實現生物量估測的研究中，由于森林結構復雜多樣如針闊混交林、天然林等林分組成結構復雜難以實現高精度估測，因此如何實現將激光雷達數據應用于這類復雜林分的樹高、生物量等因子的精準估測，是目前激光雷達應用研究的一大難題；在我國的大部分山區，由于受到山地地形的影響，導致應用激光雷達估測森林計策參數的精度受到極大的影響，所以提高在復雜地形條件下實現利用激光雷達數據估測計策參數是目前的重點研究方向之一；目前基于各個地區不同生境條件下的森林生物量估測研究較多，但由于國內自西向東、自北向南以及垂直方向的地形、氣候等生境條件差異較大，具有代表性的估測方式成果較少，故探索出各類相似生境條件下保證精度在可用范圍內的估測方式是下一步探索和研究的重要方向。