GEDI與Tandem-X DEM估測密林林下地形性能評價

黃佳鵬 夏婷婷 宇 洋

(遼寧工程技術大學測繪與地理科學學院,阜新 123000)

0 引言

截至2021年我國森林總面積達3.46×1010hm2,森林覆蓋率達24.02%,林下地形不僅是監測森林生態系統的基礎數據,也是構成全球范圍數字地面模型的重要部分[1]。但是現有數字地面模型在森林環境下表征的地面信息,并不是真實的林下地形(移除森林覆蓋的數字地面模型)位置[2],特別是在密林情況下數字地面模型精度可能存在更大偏差[3-4]。傳統的森林林下地形測量方法需耗費大量的人力、財力,且效率較低。利用遙感技術對森林垂直分布進行定量估測,可提高森林結構參數的估測精度,并有效縮短監測周期[5-6],對于監測森林樹高、了解森林生態系統功能和估算森林碳儲量具有重要意義[7]。

全球陸地生態調查系統(Global ecosystem dynamics investigation,GEDI)作為新一代的星載激光雷達載荷,其科學任務包括表征全球森林生態系統結構和動態,可以從根本上改進對地球碳循環和生物多樣性的量化和理解,其數據產品在量化林下地形方面表現出巨大潛力[8-11]。GEDI 的光斑直徑約為 25 m,沿軌的光斑間距為60 m,相鄰地面軌跡的間距為600 m[12-13]。鑒于星載激光雷達數據估測垂直森林結構參數方面的優勢,筆者前期研究中,探究了美國9個研究區的星載激光雷達提取林下地形的精度,決定系數R2為0.8,RMSE為3.02 m[14]。VITEZSLAV 等[15]分析了星載激光雷達數據產品的林下地面高程數據在歐洲境內的精度,RMSE為1.73～3.22 m。故星載激光雷達數據可嘗試作為評價數據,用以探究現有數字高程模型數據的精度。其中,NAHED等[16]利用星載激光雷達數據驗證了ASTER(Advanced spaceborne thermal emission and reflection radiometer)、SRTM (Shuttle radar topography mission) DEM (V3)和TanDEM-X DEM (V1)的精度,其結果的RMSE分別為10.74、12.35、9.62 m。LI等[17]利用中國境內的星載激光雷達數據,驗證了Copernicus、SRTM與AW3D30的精度,其結果的RMSE分別為6.73、6.59、6.63 m。研究結果表明,星載激光雷達能夠獲取較精確的林下地形信息,且結果優于常見的DEM數據,可為林下地形高精度估測提供基礎數據。但是,現有研究僅以機載數據驗證星載激光雷達數據估測精度或利用星載激光雷達數據探究TanDEM-X DEM等DEM數據精度,并未以真實數據作為評價標準,探究GEDI數據與TanDEM-X DEM估測林下地形精度,特別是密林[18]情況下的林下地形精度。綜上所述,現有研究缺少密林情況下GEDI與Tandem-X DEM數據估測林下地形性能評價,尚不能全面衡量GEDI與Tandem-X DEM數據產品估測林下地形的性能。

基于此,本文以森林覆蓋度大于70%作為密林的劃分條件[18],利用機載G-LiHT(Goddard’s LiDAR hyperspectral thermal)數據作為真實數據,開展GEDI與Tandem-X DEM數據估測林下地形性能評價研究。通過統計不同研究區的定量評價指標,分析兩數據在密林條件下,林下地形估測結果,并結合研究區的植被覆蓋度、冠層高度、植被類型,分析其對于兩數據產品估測林下地形的影響。

1 研究區與研究數據

1.1 研究區

為評價 GEDI 與 Tandem-X DEM 數據產品估測密林情況下林下地形的性能,選擇美國不同森林覆蓋區域作為研究區。選擇研究區域為G-LiHT 網站上公布的研究區主要覆蓋物為植被的星載激光雷達數據。選擇位于美國的 Idaho州、Marine州、New Hampshire州、Orgeon州、Puerto Rico自治邦與Washington州等地區作為研究區。研究區Idaho州、Marine州、New Hampshire州、Orgeon州、Puerto Rico自治邦與Washington州的采樣點最大冠層高度的平均值分別為 28.27、20.33、22.65、31.08、21.29、23.64 m,各研究區的植被覆蓋度分別為 92%、88%、76%、88%、73%、86%,研究區林下地形范圍為[0.35 m,1 043.87 m]。研究區示意圖如圖1所示。

圖1 研究區位置示意圖

1.2 研究數據

1.2.1GEDI數據

GEDI搭載了全球首臺用于高分辨率森林垂直結構測量的多波束線性體制激光測高儀,GEDI數據覆蓋范圍是51.6°N至51.6°S,主要用于熱帶和溫帶地區的森林垂直結構參數、地面高程等的精準測量[8-10]。GEDI于2018年12月成功發射,被搭載到國際空間站上,其質量為519 kg,GEDI包含3個相同的近紅外激光器,脈沖重復頻率為242 Hz,能量10 mJ,向地面發射波長1 064 nm的脈沖激光。GEDI由3個激光器組成,其中2個是全功率激光器,通過改變激光束指向,各自產生2個光束。另外1個激光器是全覆蓋激光器,被分成2個光束,然后共產生4個光束,最終3個激光器產生8個地面光束軌跡,分別為BEAM0000、BEAM0001、BEAM0010、BEAM0011、BEAM0101、BEAM0110、BEAM1000、BEAM1011[19-20]。GEDI光斑分布形式如圖2所示。

圖2 GEDI光斑分布

GEDI數據產品分為 4 級產品,第1級別為原始波形數據(L1A)和定位波形數據(L1B),第2級別為冠層高度和剖面指標(L2A 和 L2B),第3級別為網格冠層指標(L3),第4級別為網格生物量指標(L4)。為探究密林情況下 GEDI 數據產品林下地形估測精度,研究擬使用GEDI的 L2A 高程產品,L2A 級數據產品的目的是為森林結構參數估測研究提供NASA官方波形解釋數據,數據產品包括地面高程、冠層高度和相對高度指標等森林結構參數指標[21]。

為探究密林情況下 GEDI 數據產品估測林下地形精度,研究擬提取參數包括:lon_lowestmode、lat_lowestmode、elev_lowestmode作為林下地面高程信息參數。由于 GEDI 星載激光雷達數據與機載激光雷達數據的高程基準面不同,需提取參數 mean_sea_surface 用于統一高程基準面。為優選 GEDI 數據質量,研究選擇 L2A 數據產品中的質量評價參數包括:quality_flag、degrade_flag 和 sensitivity[21]。

1.2.2TanDEM-X數據

TanDEM-X是一項地球觀測雷達任務,由2顆幾乎相同的衛星組成的合成孔徑雷達干涉儀(Interferometer synthetic aperture radar,InSAR)組成,它們以近距離編隊飛行,可生成全球數字高程模型(Digital elevation model,DEM)。這些數據目前由美國地質勘探局免費分發,可從美國地圖無縫數據分發系統或美國地質勘探署 FTP 網站下載。TanDEM-X 任務的主要目標是創建一幅覆蓋地球陸地表面的精確3D地圖[2]。數據采集于2015年1月完成,全球DEM的制作于2016年9月完成。非森林覆蓋地區的絕對高度誤差約為1 m。數據產品覆蓋了地球上1.5×108km2的陸地,TanDEM-X DEM 是首個以統一精度和無間隙方式獲取的全球全覆蓋數字高程產品[22]。

1.2.3G-LiHT數據

研究擬以 G-LiHT數據作為真實的驗證數據開展GEDI與Tandem-X DEM 數據的估測林下地形精度驗證。G-LiHT 數據為高分辨率機載激光雷達掃描數據,利用G-LiHT DTM(Digital terrain model)數據產品評估 GEDI 在估測林下地形方面的性能,利用 G-LiHT 冠層高度模型(Canopy height mode,CHM)數據產品開展森林冠層高度影響林下地形估測性能探究。數據產品從機載離散回波激光雷達中獲得,并使用多傳感器儀器 G-LiHT 進行收集。數據產品以 TIFF 格式發布,空間分辨率為 1 m。對于測繪項目,DTM的高程精度通常優于0.5 m[23-24]。研究擬利用G-LiHT的DTM數據開展林下地形精度評價工作,利用G-LiHT的CHM數據開展冠層高度對于林下地形影響因素探究。

G-LiHT數據產品包含森林環境下 DTM 數據,為量化星載激光雷達 GEDI 估測森林結構參數的精度,NASA 官方開展了 G-LiHT 數據采集。截至2022年,G-LiHT 已被用于收集美國國家航空航天局贊助的美國、波多黎各和墨西哥廣泛生態區的766個研究區的數據。本文中使用的 G-LiHT 數據集包括 Newburyport、Loudon、PR、AMIGArb_CFR_FIA、Penobscot 和 AMIGArb_G01。研究使用的G-LiHT 數據可在https:∥glihtdata.gsfc.nasa.gov/下載。

1.2.4森林覆蓋度數據

為開展密林區域劃分,并開展森林覆蓋度對于林下地形影響因素探究,研究擬采用的冠層覆蓋數據為 MOD44B數據產品,該產品由 MODIS 數據產生。MOD44B 冠層覆蓋度產品是地表植被冠層覆蓋的全球數據產品,由3個覆蓋類別組成,分別是冠層覆蓋百分比、非冠層覆蓋百分比和裸露百分比。MOD44B 產品旨在通過用一定比例的基本覆蓋成分來表示每個像素中的土地覆蓋,從而克服土地覆蓋類別之間突然出現的差異。MOD44B產品提供了陸地表面覆蓋的定量化描述,并參考3種地面覆蓋成分對覆蓋百分比進行了亞像素描述[25]。研究中使用的判斷密林的條件是樹冠覆蓋率大于等于70%[18]。

1.2.5植被類型數據

為開展植被類型對于 GEDI 與Tandem-X DEM 數據產品估測林下地形影響因素探究,研究選擇使用MCD12Q1 產品,該產品為 MODIS 土地覆蓋類型產品,其提供了一套科學數據集,空間分辨率為 500 m,這些數據是根據中分辨率成像光譜輻射計數據的光譜時間特征分類創建的。研究計劃采用國際地圈——生物圈計劃 (International geosphere-biosphere programme,IGBP)分類方案[26]。其中,從 MCD12Q1 產品中提取9種森林植被類型,包括常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、封閉灌木林、開放灌木林、木本稀樹草原、稀樹草原,研究擬根據不同植被類型分別探究不同植被類型情況下,GEDI與Tandem-X DEM 數據產品估測林下地形的精度。

2 研究方法

2.1 GEDI與TanDEM-X林下地形提取方法

2.1.1GEDI林下地形提取方法

為提取GEDI林下地形信息,主要擬提取8個字段,分別是:lon_lowestmode、lat_lowestmode、elev_lowestmode、elev_highestreturn、mean_sea_surface、quality_flag、degrade_flag和sensitivity。首先根據lon_lowestmode和lat_lowestmode確定每個光斑的經緯度信息,elev_lowestmode和elev_highestreturn對應著每個光斑數據的最高高程和最低高程,研究擬以 elev_lowestmode作為 GEDI 的林下地形數據;mean_sea_surface 是平均海平面高度,在進行高程數據處理時,需要在原有數據基礎上根據這個參數進行修正,使其坐標系統一在WGS84坐標系下。quality_flag、degrade_flag 和sensitivity 是選擇高質量足印的篩選指標,利用這 3 個參數進行數據的篩選,quality_flag 有 “0” 和 “1” 兩個值,“1” 表示質量良好,需要剔除 “0” 的激光點;degrade_flag 同樣有 “0”和 “1”,含義不同,“1” 表示衛星處在降軌中,數據不準確,需要保留 “0” 的光斑點;sensitivity 表示的是冠層覆蓋度,其取值范圍為0～1,越接近 1 表示質量越高,通常森林情況設置為sensitivity大于等于0.90,由于研究選用的數據為密林情況,將其設置為 sensitivity大于等于0.95。

2.1.2TanDEM-X林下地形提取方法

不同于 GEDI 數據光斑的離散情況,TanDEM-X 是首個以統一精度和無間隙方式獲取的全球全覆蓋數字高程產品。因此,研究以 GEDI 與機載驗證數據重合位置的經緯度數據作為驗證數據的位置信息,按照對應經緯度數據提取 TanDEM-X 數據的林下地形高程數據。研究擬采用的GEDI與TanDEM-X林下地形提取方法流程圖如圖3所示。

圖3 研究方法流程圖

2.2 精度驗證

為了評價 GEDI 估測林下地形的精度,研究選擇決定系數(R2)、均方根誤差(RMSE)、平均誤差(Average error)和標準差(Standard deviation,STD)作為定量評價指標。其中,RMSE、Average和STD的計算結果越接近于0,其意義越大,說明估測精度越高。R2取值0～1之間。

2.3 影響因素分析

2.3.1冠層高度

文獻[8]指出,森林冠層高度與星載激光雷達估測林下地形誤差存在相關性,以光斑內最大的森林冠層高度作為分區條件,將研究區森林按樹高分組為[0 m,5 m)、[5 m,10 m)、[10 m,15 m)、[15 m,20 m)、[20 m,∞),分別進行林下地形估測精度對比,探究冠層高度對于GEDI與Tandem-X DEM數據產品估測密林情況下林下地形性能的影響。

2.3.2植被覆蓋度

文獻[9]指出,植被覆蓋度與星載激光雷達估測林下地形誤差存在相關性,將研究區森林地區植被覆蓋度分組為:[70%～75%)、[75%～80%)、[80%～85%)、[85%～90%)、[90%～100%),分別進行林下地形精度對比,探究密林情況下植被覆蓋度,對于GEDI與Tandem-X DEM數據產品估測密林情況下林下地形性能的影響。

2.3.3植被類型數據

文獻[9,12]指出,不同森林類型數據與星載激光雷達估測林下地形誤差存在相關性,將研究區森林類型數據分組為:常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、封閉灌木林、開放灌木林、木本稀樹草原、稀樹草原,分別進行林下地形精度對比,探究密林情況下植被類型數據對于 GEDI 與 Tandem-X DEM 數據產品估測密林情況下林下地形性能的影響。

3 結果與分析

為研究GEDI與Tandem-X DEM估測林下地形能力,在美國6個研究區開展林下地形估測研究。圖4為研究區GEDI與Tandem-X DEM數據剖面形式高程數據。表1為各研究區林下地形估測精度評價指標匯總。

表1 不同研究區林下地形估測結果定量評價指標匯總

圖4 各研究區林下地形估測結果殘差示意圖

通過分析圖4各研究區誤差分布可知,Tandem-X DEM 誤差多為正值,GEDI-DEM 的林下地形信息多為負值,研究采用的誤差計算方式為利用機載驗證數據 DTM 與 Tandem-X DEM 做差,可知 Tandem-X DEM 數據多為低于機載驗證數據,GEDI-DEM 多為高于機載驗證數據。分析 Tandem-X DEM 數據產品制作特征可知,由于存在復雜的森林植被覆蓋影響,導致 SAR 數據處理出現偏差,進而影響 Tandem-X DEM 數據產品估測林下地形的精度。GEDI 數據為星載激光雷達數據,由于其數據特性,使得其可以較為精準刻畫森林在垂直方向上的信息,進而可以提供較為精準的林下地形信息。

以森林覆蓋度作為分類評價標準可知,Marine州、Puerto Rico 自治邦和New Hampshire 州研究區的整體森林覆蓋度分別達到88%、73%和76%,大量的 GEDI-DEM 數據的誤差均在 “0” 附近,并且遠小于 Tandem-X DEM 的誤差。而隨著森林覆蓋度數據進一步增大,Idaho、Orgeon與Washington研究區的GEDI-DEM數據的誤差變大,誤差分布形式與 Tandem-X DEM 數據的誤差情況類似,雖然本研究針對的情況為密林情況,但是研究結果與文獻[9]描述結果類似,森林覆蓋度對于數據估測林下地形存在較為明顯的影響。

定量分析結果匯總如表1所示,在研究區域的林下地形估測評價試驗中,GEDI-DEM的 RMSE、R2、Average、STD 的平均值分別為 6.49 m、0.99、-1.92 m與4.42 m。Tandem-X DEM 的 RMSE、R2、Average、STD 的平均值分別為18.15 m、0.98、14.63 m與7.35 m。雖然 GEDI-DEM 與Tandem-X DEM 在R2角度均與機載驗證數據保持比較高的情況,但是進一步比較各個研究區的決定系數指標可知,GEDI-DEM 相對于 Tandem-X DEM 在各個研究區均表現出更優的R2,證明 GEDI-DEM 與Tandem-X DEM 數據在估測林下地形方面與機載驗證數據存在強相關性,而且 GEDI-DEM 與 Tandem-X DEM 數據整體變化趨勢與機載驗證數據類似。

比較RMSE可知,GEDI-DEM的RMSE范圍為[2.81 m,12.08 m],Tandem-X DEM的RMSE范圍為[10.21 m,31.97 m],文獻[9]研究指出GEDI估測地面信息的RMSE在[0.98 m,4.30 m]附近,但是本研究的定量評價指標顯示,密林情況下的GEDI-DEM的RMSE出現明顯偏差,證明森林覆蓋度等復雜森林信息將影響 GEDI-DEM 的估測精度。文獻[2]研究指出 Tandem-X DEM 估測地面信息的絕對高程精度為10 m,同樣因為密林的特殊情況導致,Tandem-X DEM 估測林下地形信息表現出偏差更大的情況。比較兩數據的RMSE可知,GEDI-DEM 估測林下地形的 RMSE 在各個研究區表現出更低的現象。

比較 Average 可知,Tandem-X DEM 數據在New Hampshire州與Puerto Rico自治邦甚至出現 Average 為 21.05 m和29.26 m的情況,結合定性評價的圖4可知,Tandem-X DEM的誤差區間分別為[10 m,30 m]與[20 m,60 m],分析原因可能是由于密林情況,導致SAR數據處理的不確定性,使得其估測林下地形出現較大偏差。與此對應,GEDI-DEM估測林下地形的Average在各研究區未出現比較明顯的偏差情況。分析STD可知,GEDI-DEM 數據相對 Tandem-X DEM 數據在各個研究區均表現出更優的 STD。Average與STD評價表明,雖然密林情況影響 GEDI-DEM 估測林下地形的精度,但是其定量評價指標均優于 Tandem-X DEM。

通過對定性與定量結果分析表明,由于密林情況影響,GEDI-DEM 與 Tandem-X DEM數據在估測林下地形方面均表現出低于其他情況下林下地形的研究成果的情況。分析原因可知,本次研究主要選擇的是密林情況,森林情況相對更為復雜,導致SAR數據和GEDI波形數據處理精度低。但是,通過進一步比較各定量評價指標,實驗結果顯示 GEDI-DEM 相對于 Tandem-X DEM定量評價指標均表現更優。

4 討論

4.1 冠層高度影響因素

統計不同冠層高度情況下,GEDI-DEM 與 Tandem-X DEM 數據估測林下地形的定量評價指標,如圖5所示。

圖5 不同冠層高度情況GEDI-DEM與Tandem-X DEM數據估測林下地形的定量評價結果

分析圖5中兩數據定量評價指標可知,在研究區選擇冠層高度范圍內,GEDI與Tandem-X DEM數據的決定系數表現類似,均在0.99范圍內,定量數據結果表明,不同森林冠層高度情況下,GEDI、Tandem-X DEM與機載驗證數據之間存在強相關性。對比RMSE、Average與STD可知,GEDI估測林下地形的定量評價指標均遠低于Tandem-X DEM數據,定量評價指標顯示GEDI估測林下地形相比于Tandem-X DEM估測結果的RMSE、Average與STD平均降低25.06、26.84、6.82 m,定量數據結果表明 GEDI相對 Tandem-X DEM 表現出更優的定量評價指標。

僅對比森林冠層高度對于 GEDI 數據影響因素可知,GEDI 數據估測結果的R2、RMSE、Average 與 STD,均能保證在一定范圍內變化,未出現較大的變化趨勢。其中,在研究選擇的森林冠層高度內,GEDI 數據的 Average 變化范圍為[0 m,2 m]。定量評價結果說明,由于 GEDI 激光數據波長為1 064 nm,其具有不錯的森林穿透能力,能夠為估測森林林下地形提供科學數據。分析森林冠層高度對于 Tandem-X DEM 數據影響因素可知,Tandem-X DEM 數據估測結果的R2能保證在 0.99,未出現較大的變化趨勢。定量評價數據說明,Tandem-X DEM 數據估測林下地形的結果與機載 G-LiHT 驗證數據存在強相關性。但是,RMSE、Average 與 STD 顯示 Tandem-X DEM 數據出現較大的變化,其中,RMSE、Average 與 STD 變化幅度為 11.21、12.06、1.79 m,該結果與文獻[10]實驗結果類似,即不同的精度評價指標整體變化趨勢為隨冠層高度增加,定量評價誤差逐步降低。定量評價數據說明,由于 Tandem-X DEM 數據構建數據產品特性,Tandem-X DEM 數據包含植被冠層高度導致出現較大評價指標偏差情況。研究進一步探究林下地形估測誤差與森林冠層高度的相關性可知,GEDI 數據與Tandem-X DEM 皮爾遜相關系數分別為 0.02 與 0.30,相關系數數據表明,森林覆蓋度與Tandem-X DEM 的誤差表現出更明顯的相關性。

4.2 植被覆蓋度影響因素

統計不同植被覆蓋度情況下,GEDI-DEM 與 Tandem-X DEM 數據估測林下地形的定量評價指標如圖 6 所示。

分析圖6中兩數據定量評價指標可知,在研究區選擇森林覆蓋度范圍內,GEDI 與Tandem-X DEM 數據的決定系數表現類似,均在0.99范圍內,定量數據結果表明,不同森林覆蓋度情況下,GEDI與 Tandem-X DEM 與機載驗證數據之間存在強相關性。對比 RMSE、Average 與 STD 可知,GEDI 估測林下地形的定量評價指標均遠低于 Tandem-X DEM 數據,定量評價指標顯示 GEDI 估測林下地形的 RMSE、Average 與 STD 平均降低18.14、20.41、5.04 m,定量數據結果表明GEDI 相對Tandem-X DEM定量評價指標表現更優。

圖6 不同森林覆蓋度情況GEDI-DEM與Tandem-X DEM數據估測林下地形的定量評價結果

僅對比森林覆蓋度對于 GEDI 數據影響因素可知,GEDI 數據估測結果的R2、RMSE、Average 與 STD,均能保證在一定范圍內變化,未出現較大的變化趨勢。其中,GEDI 數據估測結果的 Average 在森林覆蓋度為75%～100%時變化范圍為[-1 m,1 m]。定量評價結果說明,由于 GEDI 激光數據的特性,其波長為1 064 nm,其具有不錯的森林穿透能力,在密林區域甚至是森林覆蓋度為90%～100%定量評價指標均表現較優。分析森林覆蓋度對于 Tandem-X DEM 數據影響因素可知,Tandem-X DEM 數據估測結果的決定系數能保證在一定范圍內變化,未出現較大的變化趨勢。定量評價數據說明,Tandem-X DEM 數據估測林下地形的結果與機載驗證數據存在強相關性。但是,RMSE、Average與 STD 顯示 Tandem-X DEM 數據出現較大的變化,其中,RMSE、Average與STD變化幅度為14.19、13.65、6.63 m,該結果與文獻[10]實驗結果類似,即不同的精度評價指標整體變化趨勢為隨森林覆蓋度增加,定量評價誤差逐步降低,并且呈非線性變化。定量評價數據說明,由于 Tandem-X DEM 數據構建數據產品特性,Tandem-X DEM 數據包含植被信息導致出現較大評價指標偏差情況。研究進一步探究林下地形估測誤差與森林覆蓋度的相關性可知,GEDI數據與 Tandem-X DEM 皮爾遜相關系數分別為 0.29 與 0.40,相關系數數據表明,森林覆蓋度與 Tandem-X DEM 的誤差表現出更明顯的相關性。

4.3 植被類型影響因素

統計不同植被類型數據情況下,GEDI-DEM 與 Tandem-X DEM 數據估測林下地形的定量評價指標如圖7所示。

圖7 不同植被類型情況GEDI-DEM與Tandem-X DEM數據估測林下地形的定量評價結果

分析圖7中兩數據定量評價指標可知,在研究區選擇植被類型內,GEDI 與 Tandem-X DEM 數據的決定系數表現類似,均在 0.95 以上,定量數據結果表明,不同地表植被類型覆蓋情況下,GEDI 與 Tandem-X DEM 與機載驗證數據之間存在強相關性。對比 RMSE、Average與 STD 可知,GEDI 估測林下地形的定量評價指標均遠低于 Tandem-X DEM 數據,定量評價指標顯示 GEDI 估測林下地形的 RMSE、Average 與 STD 平均降低 17.72、20.20、5.43 m,定量數據結果表明,GEDI相對Tandem-X DEM定量評價指標表現更優。

僅對比地表植被類型對于 GEDI 數據影響因素可知,GEDI 數據估測結果的R2、RMSE、Average 與 STD,混交林情況下,GEDI 定量評價指標表現較好,其中 RMSE、R2、Average 與 STD 分別為2.84 m、0.97、-0.48 m、2.13 m。稀疏草原情況下,GEDI 定量評價指標表現較差,其中 RMSE、R2、Average 與 STD分別為10.89 m、0.99、5.56 m、6.25 m,2種植被類型情況下,RMSE 和 Average 分別變化8.05 m和6.04 m。分析 IGBP分類標準可知,混交林的分類標準為針葉、闊葉在 40%～60%之間,森林冠層高度大于2 m,植被覆蓋度大于60%。稀疏草原為具有草本和其它林下系統的土地,樹木覆蓋度 10%～30%,樹冠高大于2 m。產生不同地表植被類型精度不同的原因,可能是由于研究選擇的參數導致的,GEDI 官方算法說明文檔表示,共有 6 種不同參數的波形參數提取算法,但是全球范圍的最優參數僅記錄在 elev_lowestmode 參數中,即以相同算法參數完成全球范圍林下地形估測,這將導致算法可能僅適用于部分地表植被類型,在其余地表植被類型下表現不佳。

分析地表植被類型對于 Tandem-X DEM 數據影響因素可知,Tandem-X DEM 數據估測結果的決定系數能保證在 0.95 以上,未出現較大變化趨勢。定量評價數據說明,Tandem-X DEM 數據估測林下地形的結果與機載驗證數據存在強相關性。但是RMSE與Average顯示 Tandem-X DEM 數據出現較大變化,其中,常綠針葉林與農田/天然植被存在較大差異,RMSE 與 Average 變化幅度為 21.63、26.43 m,農田/天然植被情況下林下地形估測精度表現最差。定量評價數據說明,由于 Tandem-X DEM 數據構建數據產品特性,Tandem-X DEM 數據包含地表植被信息導致出現較大評價指標偏差情況。整體分析密林情況下,冠層高度、植被覆蓋度和植被類型數據影響因素對于估測林下地形精度可知,植被類型數據導致定量評價指標出現變化相對另外兩種數據更大。

5 結論

(1)GEDI與 Tandem-X DEM 數據與機載驗證數據存在強相關性,其中 GEDI 與 Tandem-X DEM的R2分別為 0.99 和 0.98,GEDI 相對 Tandem-X DEM 數據評價標準表現更優,其中,RMSE、Average 與 STD 分別為6.49、-1.92、4.42 m。

(2)地表植被類型相對冠層高度和植被覆蓋度,會對GEDI與Tandem-X DEM數據估測林下地形性能產生更大的影響。