基于激光雷达的森林高度反演.
利用地面激光雷达反演森林结构参数和生物量方法研究的开题报告
利用地面激光雷达反演森林结构参数和生物量方法研究的开题报告一、研究背景森林是地球上最重要，最复杂的生态系统之一，为地球生态平衡和环境稳定做出了巨大贡献。
了解森林结构参数和生物量等生态信息，对于理解森林生态系统的运行机理、评估森林生产力和生态环境，以及有效地应对森林生态问题和实现可持续发展具有重要意义。
目前，森林结构参数和生物量的估算常常采用野外调查和遥感方法，但传统的野外调查方法过于繁琐耗时，遥感方法存在分辨率和精度等问题。
近年来，地面激光雷达（Ground-based LiDAR）技术在森林结构参数和生物量反演方面取得了重要进展。
通过激光束扫描森林，可以实现高精度三维点云数据的采集，对森林结构参数如树高、胸径、冠层密度、叶面积指数等进行反演。
同时，激光雷达技术还可以反演森林生物量等生态参数，成为一种快速、高效、准确的森林监测手段，具有很强的实际应用价值。
二、研究目的和意义本研究旨在利用地面激光雷达技术反演森林结构参数和生物量，并进行分析研究，探究该技术在森林生态学中的应用价值。
具体研究目标如下：1. 采用地面激光雷达技术，反演森林结构参数如树高、胸径、冠层密度、叶面积指数等。
2. 采用地面激光雷达技术，反演森林生物量等生态参数。
3. 对比分析地面激光雷达技术与传统遥感方法的优缺点，提出该技术在森林生态学中的应用前景和具体操作流程。
4. 通过实验验证，提高该技术在森林生态学中的应用水平，对于评估森林生态系统和实现可持续发展具有重要意义。
三、研究方法和流程1. 森林野外实地调查。
采用传统方法，记录森林样方的结构参数和生态参数。
2. 地面激光雷达数据采集。
利用地面激光雷达对森林样方进行数据采集，获取高精度的三维点云数据。
3. 点云分割和特征提取。
利用点云分割算法，将原始点云数据分割成单个树木的点云数据，再提取各个树木的结构参数和生态参数特征。
4. 数据处理和统计分析。
以传统野外调查数据为基础，与地面激光雷达反演数据进行对比，进行数据处理和统计分析。
lidar森林生物量反演技术流程
lidar森林生物量反演技术流程lidar森林生物量反演技术流程是一项重要的技术，它可以通过激光遥感技术精确测量森林的生物量，并提供有关森林生态系统的关键信息。
下面将为大家介绍lidar森林生物量反演技术的流程。
lidar森林生物量反演技术的第一步是数据采集。
这项技术需要使用激光雷达设备，通过发射激光束并记录激光束反射回来的时间来测量植被的高度和结构。
激光束的反射时间和强度可以提供关于植被的三维信息，包括树木的高度、枝叶的密度和树冠的形状等。
接下来，采集到的激光雷达数据需要进行预处理。
这一步主要包括去除噪声、校正数据和对数据进行滤波处理。
噪声的存在会影响数据的准确性，因此需要对数据进行噪声滤波处理，以提高数据的质量。
在数据预处理完成后，就可以进行特征提取。
特征提取是lidar森林生物量反演技术的核心步骤，它包括从激光雷达数据中提取与生物量相关的特征。
这些特征可以包括树木高度、树冠覆盖率、枝叶密度等。
通过分析这些特征，可以得到与森林生物量相关的信息。
然后，需要建立生物量模型。
生物量模型是通过统计分析和机器学习等方法建立的，它将特征与实际的生物量数据进行关联。
通过生物量模型，可以根据特征的值来预测森林的生物量。
建立准确可靠的生物量模型是确保lidar森林生物量反演技术的精度和可靠性的关键。
进行生物量反演。
在这一步中，利用建立好的生物量模型，将特征值输入模型中，即可得到森林的生物量估计结果。
这些估计结果可以用来评估森林的生态系统状况、监测森林的生长过程，并为森林管理和保护提供科学依据。
lidar森林生物量反演技术的流程包括数据采集、数据预处理、特征提取、生物量模型建立和生物量反演等步骤。
这项技术通过精确测量森林的生物量，为森林管理和保护提供了重要的支持，对于认识和保护森林生态系统具有重要意义。
应用地基雷达和机载激光雷达数据反演落叶松冠层叶面积密度
摘 要 为了实现落叶松冠层叶面积密度盲区互补的协同反演，以塞罕坝机械林场为研究区，根据地基雷达
和机载激光雷达数据对落叶松林冠层点云信息进行提取；利用点云分割算法对点云信息进行枝叶分离，并对冠层
点云进行体素建模，分析落叶松林最优体素和接触频率的相关性；采用体素模型冠层分析法（ ＶＣＰ） 分别对机载雷
传感器及集成了 ＧＮＳＳ 接收器。 仪器可以在多种环
境下使用，通过同名点拼接多站扫描数据，误差范围
控制在 ０．００４ ～ ０．００５ ｍ（ 技术参数见表 １） 。
参数类型
最大视场角
最大脉冲发射频率
测距精度
最大测距范围
６０％反射率目标
２０％反射率目标
最大可飞行高度
激光等级
尺寸（ 长×宽×高）度（ＬＡＤ） 是冠层内任意高度单位体积内的叶
面积总和，描述不同高度处叶面积的分布情况，冠层
叶面积密度的高低，决定冠层叶面积指数的大小［３］ 。
在全球碳循环中，冠层叶面积密度可作为模拟
陆地植被的重要输入参数
［４］
。 传统叶面积密度的
测量采用人工分层裁剪法，尽管测量精度较高，但对
植物造成严重破坏，且耗时费力
单木的叶面积密度，进而获得林分叶面积密度值。
应用地基 ＬｉＤＡＲ 数据对冠层分析方法进行反演精
度评价，结果发现该方法的反演精度受到多个因素
（ 包括非光合作用组分、叶片倾角取向、入射激光束
数量以及激光光束入射角度等） 的影响 ［２０］ ，因此，需
要研究在林分尺度上准确快速的叶面积密度估算，
进一步验证该方法的可靠性和适用性。
分类，然后对生成的三角网进行迭代加密处理，生成
内置三轴加速器，三轴陀螺仪，三轴磁罗盘，气压计
星载激光雷达GEDI_数据林下地形反演性能验证
第４７卷㊀第２期２０２３年３月南京林业大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）Ｖｏｌ．４７，Ｎｏ．２Ｍａｒ．，２０２３㊀收稿日期Ｒｅｃｅｉｖｅｄ：２０２２⁃０１⁃２６㊀㊀㊀㊀修回日期Ａｃｃｅｐｔｅｄ：２０２２⁃０４⁃０７㊀基金项目：国家自然科学基金面上项目（３１８７０６２１，３１９７１５８０）；中央高校基本科研业务费专项资金项目（２５７２０２１ＢＡ０８）㊂㊀第一作者：董瀚元（２４０６８５４８９８＠ｑｑ．ｃｏｍ）㊂∗通信作者：于颖（ｙｕｙｉｎｇ４４５８＠１６３．ｃｏｍ），教授㊂㊀引文格式：董瀚元，于颖，范文义．星载激光雷达ＧＥＤＩ数据林下地形反演性能验证［Ｊ］．南京林业大学学报（自然科学版），２０２３，４７（２）：１４１－１４９．ＤＯＮＧＨＹ，ＹＵＹ，ＦＡＮＷＹ．ＶｅｒｉｆｉｃａｔｉｏｎｏｆｐｅｒｆｏｒｍａｎｃｅｏｆｕｎｄｅｒｓｔｏｒｙｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎｆｒｏｍｓｐａｃｅｂｏｒｎｅｌｉｄａｒＧＥＤＩｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２３，４７（２）：１４１－１４９．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２２０１０４１．星载激光雷达ＧＥＤＩ数据林下地形反演性能验证董瀚元，于㊀颖∗，范文义（森林生态系统可持续经营教育部重点实验室，东北林业大学林学院，黑龙江㊀哈尔滨㊀１５００４０）摘要：ʌ目的ɔ新一代天基测高系统全球生态系统动力学调查（ＧＥＤＩ）对森林观测及经营具有重要意义，为探究ＧＥＤＩＶ２（ＧＥＤＩ第２版）数据反演林下地形的性能，利用机载雷达数据验证林下地形反演精度，并探究反演精度的影响因素㊂ʌ方法ɔ分别以美国西波拉森林与中国帽儿山森林为研究对象，利用Ｇ⁃ｌｉｈｔ及帽儿山高精度机载雷达数据验证ＧＥＤＩＶ２数据在针叶林及针阔叶混交林下反演地形的性能，并分析不同光束强度㊁光斑时间㊁坡度及植被覆盖度对地形反演精度的影响㊂ʌ结果ɔ美国西波拉针叶林地区地形反演精度均方根误差（ＲＭＳＥ）为２ ３３ｍ，平均绝对误差（ＭＡＥ）为１ ４８ｍ；帽儿山针阔叶混交林地区地形反演精度ＲＭＳＥ为４ ４９ｍ，ＭＡＥ为３ ３３ｍ㊂随着坡度㊁植被覆盖度增大，两种森林类型地形反演精度均降低㊂ʌ结论ɔＧＥＤＩＶ２数据反演针叶林林下地形精度要优于针阔叶混交林，强光束优于覆盖光束，湿润地区白天效果更优，干旱地区黑夜效果更优；平缓地区数据使用效果极好，陡峭地区精度降低；中低植被覆盖度区域地形反演精度较高，高植被覆盖区域地形测定性能有所下降㊂关键词：星载激光雷达；全球生态系统动力学调查（ＧＥＤＩ）；林下地形；反演精度；坡度；植被覆盖度中图分类号：Ｓ７７１．８㊀㊀㊀㊀㊀㊀文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１０００－２００６（２０２３）０２－０１４１－０９ＶｅｒｉｆｉｃａｔｉｏｎｏｆｐｅｒｆｏｒｍａｎｃｅｏｆｕｎｄｅｒｓｔｏｒｙｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎｆｒｏｍｓｐａｃｅｂｏｒｎｅｌｉｄａｒＧＥＤＩｄａｔａＤＯＮＧＨａｎｙｕａｎ，ＹＵＹｉｎｇ∗，ＦＡＮＷｅｎｙｉ（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｕｓｔａｉｎａｂｌｅＦｏｒｅｓｔＥｃｏｓｙｓｔｅｍＭａｎａｇｅｍｅｎｔ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＣｏｌｌｅｇｅｏｆＦｏｒｅｓｔｒｙ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ʌＯｂｊｅｃｔｉｖｅɔＴｈｅｎｅｗｇｅｎｅｒａｔｉｏｎｏｆｔｈｅｓｐａｃｅ⁃ｂａｓｅｄａｌｔｉｍｅｔｒｙｇｌｏｂａｌｅｃｏｓｙｓｔｅｍｄｙｎａｍｉｃｓｉｎｖｅｓｔｉｇａｔｉｏｎ（ＧＥＤＩ）ｓｙｓｔｅｍｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｆｏｒｅｓｔｏｂｓｅｒｖａｔｉｏｎａｎｄｍａｎａｇｅｍｅｎｔ．ＩｎｏｒｄｅｒｔｏｅｘｐｌｏｒｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＧＥＤＩｖｅｒｓｉｏｎ２ｄａｔａ（Ｖ２ｄａｔａ）ｉｎｖｅｒｓｉｏｎｏｆｕｎｄｅｒｓｔｏｒｙｔｏｐｏｇｒａｐｈｙ，ｔｈｉｓｓｔｕｄｙｕｓｅｓａｉｒｂｏｒｎｅｒａｄａｒｄａｔａｔｏｖｅｒｉｆｙｔｈｅａｃｃｕｒａｃｙｏｆｕｎｄｅｒｓｔｏｒｙｔｏｐｏｇｒａｐｈｙｉｎｖｅｒｓｉｏｎ，ａｎｄｅｘｐｌｏｒｅｓｔｈｅｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｔｈｅａｃｃｕｒａｃｙ．ʌＭｅｔｈｏｄɔＴａｋｉｎｇｔｈｅＣｉｂｏｌａｆｏｒｅｓｔｉｎｔｈｅＵｎｉｔｅｄＳｔａｔｅｓａｎｄｔｈｅＭａｏｅｒＭｏｕｎｔａｉｎｆｏｒｅｓｔｉｎＣｈｉｎａａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔｓ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｓｏｆＧＥＤＩＶ２ｄａｔａｉｎｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔｓａｎｄｍｉｘｅｄｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔｓｗｅｒｅｖｅｒｉｆｉｅｄｕｓｉｎｇＧ⁃ｌｉｈｔａｎｄＭａｏｅｒＭｏｕｎｔａｉｎｈｉｇｈ⁃ｐｒｅｃｉｓｉｏｎａｉｒｂｏｒｎｅｒａｄａｒｄａｔａ．Ｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｂｅａｍｉｎｔｅｎｓｉｔｉｅｓ，ｓｐｏｔｔｉｍｅｓ，ｓｌｏｐｅｓａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｏｎｔｈｅａｃｃｕｒａｃｙｏｆｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎｗｅｒｅａｎａｌｙｚｅｄ．ʌＲｅｓｕｌｔɔＴｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ（ＲＭＳＥ）ｏｆｔｏｐｏｇｒａｐｈｉｃｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｉｎｔｈｅＣｉｂｏｌａｔａｉｇａａｒｅａｏｆｔｈｅＵｎｉｔｅｄＳｔａｔｅｓｗａｓ２．３３ｍ，ａｎｄｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅｅｒｒｏｒ（ＭＡＥ）ｗａｓ１．４８ｍ．ＴｈｅＲＭＳＥｖａｌｕｅｏｆｔｈｅｔｏｐｏｇｒａｐｈｉｃｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｉｎｔｈｅｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｍｉｘｅｄｆｏｒｅｓｔａｒｅａｏｆＭａｏｅｒＭｏｕｎｔａｉｎｗａｓ４．４９ｍ，ａｎｄｔｈｅＭＡＥｖａｌｕｅｗａｓ３．３３ｍ．Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｉｎｓｌｏｐｅａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ，ｔｈｅｔｏｐｏｇｒａｐｈｉｃｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｔｗｏｆｏｒｅｓｔｔｙｐｅｓｄｅｃｒｅａｓｅｄ．ʌＣｏｎｃｌｕｓｉｏｎɔＴｈｅＧＥＤＩＶ２ｄａｔａｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｏｆｕｎｄｅｒｓｔｏｒｙｔｏｐｏｇｒａｐｈｙｉｎｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔｓｗａｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｍｉｘｅｄｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔｓ．Ｓｔｒｏｎｇｂｅａｍｓｗｅｒｅｂｅｔｔｅｒｔｈａｎｃｏｖｅｒａｇｅｂｅａｍｓ，ａｎｄｔｈｅａｃｃｕｒａｃｙｗａｓｈｉｇｈｅｒｄｕｒｉｎｇｔｈｅｄａｙｔｉｍｅｉｎｈｕｍｉｄａｒｅａｓ，ａｎｄｂｅｔｔｅｒａｔｎｉｇｈｔｉｎａｒｉｄａｒｅａｓ．Ｔｈｅａｃｃｕｒａｃｙｏｆｓｔｅｅｐａｒｅａｓｗａｓｒｅｄｕｃｅｄ，ｔｈｅｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｗａｓｈｉｇｈｅｒｉｎａｒｅａｓｗｉｔｈ南京林业大学学报（自然科学版）第４７卷ｍｅｄｉｕｍａｎｄｌｏｗｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ，ａｎｄｔｈｅｐｅｒｆｏｒｍａｎｃｅｓｏｆｔｅｒｒａｉｎｄｅｔｅｒｍｉｎａｔｉｏｎｉｎａｒｅａｓｗｉｔｈｈｉｇｈｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗｅｒｅｄｅｃｒｅａｓｅｄ．Ｋｅｙｗｏｒｄｓ：ｓｐａｃｅｂｏｒｎｅｌｉｄａｒ；ｇｌｏｂａｌｅｃｏｓｙｓｔｅｍｄｙｎａｍｉｃｓｉｎｖｅｓｔｉｇａｔｉｏｎ（ＧＥＤＩ）；ｔｅｒｒａｉｎｕｎｄｅｒｆｏｒｅｓｔ；ｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙ；ｓｌｏｐｅ；ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ㊀㊀森林是陆地生态系统中具有最大生物量和生物生产力的生态系统，约占全球陆地面积的２５％［１－２］，高精度的林下地形测量无论在森林经营管理还是大范围高精度数字高程模型（ＤＥＭ）制作以及测绘工作等方面均有重要意义，是森林制图及林业科学等方面的关键组成部分㊂林下地形测量是林学㊁测绘科学㊁地图学等学科重点研究内容，在国家土地资源的管理与调研利用部分也具有举足轻重的地位㊂拥有对地观测能力的星载激光雷达系统可以提供全球范围内基于激光雷达的地面高度以及森林高度度量［３］，且拥有大尺度㊁多时相的特性，为大范围地面观测㊁森林高度观测提供重要的基础数据㊂现有的星载激光雷达地形高度反演研究大多使用上一代卫星数据，ＩＣＥＳａｔ／ＧＬＡＳ已广泛应用于森林冠层高度以及生物量的观测中［４－７］，且在地面高程测量方面也有大量研究［８－１０］㊂２０１８年，美国航空航天局ＮＡＳＡ发射了两项新的天基测高系统，分别是２０１８年９月发射的ＩＣＥＳａｔ⁃２［１１］以及２０１８年１２月发射的全球生态系统动力学调查（ＧＥＤＩ）雷达［１２］㊂ＩＣＥＳａｔ⁃２是以光子计数的方式进行测高的数据，而ＧＥＤＩ则是与ＩＣＥＳａｔ／ＧＬＡＳ相同的线性体制全波形测高数据㊂ＧＥＤＩ搭载了全球首台用于高分辨率森林垂直结构测量的多波束线性体制的激光测高仪，主要用于热带和温带地区的森林冠层高度㊁垂直结构㊁地面高程等的精准测量㊂与ＩＣ⁃ＥＳａｔ／ＧＬＡＳ约７０ｍ的足迹大小相比，ＧＥＤＩ的光斑大小为２５ｍ左右，光斑密度更大，且在与其他类型数据如Ｌａｎｄｓａｔ㊁ＴＡＮＤＥＭ⁃Ｘ等结合使用时效果较好，更适合于进行森林结构㊁林下地形的观测㊂现今ＧＥＤＩ数据的研究尚处于初始阶段，Ｑｉ等［１３］使用ＴＡＮＤＥＭ⁃ＸＩＮＳＡＲ与模拟的ＧＥＤＩＶ１数据结合进行了森林结构制图㊂Ａｄａｍ等［１４］利用机载激光雷达数据（ＡｉｒｂｏｒｎｅＬａｓｅｒＳｃａｎｎｉｎｇ，ＡＬＳ）评价了德国中部图林根自由州两个温带森林研究区ＧＥＤＩＶ１数据地面高程和冠层高度估计值的准确性，结果表明地形高度的平均绝对误差（ＭＡＥ）为２．５５ｍ，冠层高度的ＭＡＥ为３．１０ｍ㊂Ｇｕｅｒｒａ等［１５］利用ＡＬＳ数据和ＧＥＤＩＶ１数据估计３个快速增长的森林生态系统的森林动态，评估了西班牙地区ＧＥＤＩＶ１数据反演地形高度的精度，均方根差（ＲＭＳＥ）为４．４８ｍ㊂Ｌｉｕ等［１６］利用ＮＥＯＮ数据评价了美国地区ＧＥＤＩＶ２以及ＩＣＥＳａｔ⁃２数据地面高程及冠层高度估计值的准确性，得出在地面高程方面中低纬度地区ＩＣＥＳａｔ⁃２以及ＧＥＤＩ的ＲＭＳＥ分别为２．２４和４．０３ｍ，高纬度地区ＩＣＥＳａｔ⁃２的ＲＭＳＥ为０ ９８ｍ㊂以上研究大多使用Ｖ１版本数据，而对最新发布的Ｖ２版本数据研究并不充足，且缺少不同森林类型及气候等条件下的对比实验以及影响因素的具体探究，用于验证的ＡＬＳ数据精度也各有不同，难以充分说明最新版本ＧＥＤＩ数据对于地形的测定能力㊂为充分验证最新版本ＧＥＤＩ数据反演林下地形的性能，本研究以Ｌ２ＡＶ２级数据为研究对象，选取不同森林气候类型及植被覆盖条件区域，探究不同时间下强光束与覆盖光束反演林下地面高程的精度，并研究坡度及植被覆盖率对于反演精度的影响㊂１㊀材料与方法１．１㊀研究区概况由于ＧＥＤＩ数据主要用于温带和热带地区的森林观测，为对不同森林类型㊁气候条件㊁植被覆盖条件下ＧＥＤＩＶ２（第２版）数据进行验证，结合机载雷达数据获取情况，选取地区为美国新墨西哥州的西波拉森林，共选取了其中两个站点，其经纬度的范围分别为（１０６．４５６ʎ １０６．３６５ʎＷ，３５．１５６ʎ ３５．２５３ʎＮ）㊁（１０８ １６２ʎ １０８．１０８ʎＷ，３５ １０３ʎ ３５ ２３４ʎＮ），以及中国黑龙江省尚志市帽儿山地区（１２７ ４２４ʎ １２７ ７５９ʎＥ，４５ ２０７ʎ ４５ ４８６ʎＮ）㊂西波拉森林位于美国新墨西哥州西部和中部，占地面积超过６５万ｈｍ２，属于半干旱沙漠气候，研究区海拔较高，在２０００ｍ以上，植被以道格拉斯冷杉（Ｐｓｅｕｄｏｔｓｕｇａｍｅｎｚｉｅｓｉｉ）㊁美国黄松（Ｐｉｎｕｓｐｏｎｄｅｒｏｓａ）㊁西南白松（Ｐｉｎｕｓｓｔｒｏｂｉｆｏｒｍｉｓ）㊁白冷杉（Ａｂｉｅｓｃｏｎｃｏｌｏｒ）㊁蓝色云杉（Ｐｉｃｅａｐｕｎｇｅｎｓ）为主，森林类型为针叶林㊂帽儿山森林位于中国黑龙江省尚志市，地貌属低山丘陵区，属温带湿润地区㊂地势由南向北逐渐升高海拔范围２５０ ８０５ｍ，研究区植被以珍贵阔叶林㊁杨桦林㊁柞木林等为主的天然２４１㊀第２期董瀚元，等：星载激光雷达ＧＥＤＩ数据林下地形反演性能验证次生林与红松（Ｐｉｎｕｓｋｏｒａｉｅｎｓｉｓ）㊁落叶松（Ｌａｒｉｘｇｍｅｌｉｎｉｉ）㊁樟子松（Ｐ．ｓｙｌｖｅｓｔｒｉｓｖａｒ．ｍｏｎｇｏｌｉｃａ）等人工林镶嵌分布，森林类型为以阔叶树种为主的温带针阔叶混交林㊂两组研究区气候条件以及森林类型完全不同，海拔相差较大，光斑覆盖区域地势较为平缓，美国西波拉森林地区植被覆盖度大多在６０％左右，而帽儿山森林地区植被覆盖度大多在８０％以上（图１）㊂Ａ．基于全球行政区划数据库ＧＡＤＭ网站下载的２０１５年７月２．５版行政区划图制作㊂Ｂａｓｅｄｏｎｔｈｅａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｍａｐｖｅｒｓｉｏｎ２．５，Ｊｕｌｙ，２０１５，ｄｏｗｎｌｏａｄｅｄｆｒｏｍｔｈｅＧＡＤＭｗｅｂｓｉｔｅｏｆｔｈｅｇｌｏｂａｌａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｄａｔａｂａｓｅ．Ｂ．底图审图号为ＧＳ（２０２０）４６１９ＢａｓｅｄｏｎｔｈｅｓｔａｎｄａｒｄｍａｐｎｕｍｂｅｒＧＳ（２０２０）４６１９㊂图１㊀西波拉森林研究区站点及帽儿山研究区位置示意图Ｆｉｇ．１㊀ＴｈｅｍａｐｏｆｔｈｅｓｉｔｅｏｆｔｈｅＣｉｂｏｌａｆｏｒｅｓｔｒｅｓｅａｒｃｈａｒｅａａｎｄｔｈｅｌｏｃａｔｉｏｎｏｆｔｈｅＭａｏｅｒＭｏｕｎｔａｉｎｒｅｓｅａｒｃｈａｒｅａ１．２㊀研究数据１．２．１㊀ＧＥＤＩＬ２Ａ数据ＧＥＤＩ搭载了全球首台用于高分辨率森林垂直结构测量的多波束线性体制激光测高仪，主要用于热带和温带地区的森林冠层高度㊁垂直结构㊁地面高程等的精准测量（表１㊁图２）㊂ＧＥＤＩ为全波形数据，共有８条光束轨道，分别为４条全功率光束以及４条覆盖光束，每个光斑直径约为２５ｍ，光斑中心点间隔６０ｍ，跨轨间距为６００ｍ，坐标系为ＷＧＳ８４地理坐标系，高程基准为ＷＧＳ８４基准面㊂与ＩＣＥＳａｔ／ＧＬＡＳ约７０ｍ的足迹大小相比，光斑密度更大，且在与其他类型数据如Ｌａｎｄｓａｔ㊁ＴＡＮＤＥＭ⁃Ｘ等结合使用时效果较好，更适合于进行森林结构㊁林下地形的观测㊂数据从２０１９年３月２５日开始发布，并在２０２１年４月１６日发布了Ｖ２版本㊂其中Ｌ２Ａ级别产品提供了每个光斑内的高度指标，可以从波形中提取出地面高程㊁冠层高度以及相对高度指标［１７］㊂在本研究中使用最新的Ｖ２版本产品，收集了美国西波拉森林两个站点２０１９年６月至１１月㊁２０２０年３月至６月以及中国帽儿山研究区２０１９年５月至１１月间的ＧＥＤＩＬ２ＡＶ２级别数据㊂ＧＥＤＩ传感器的运作模式见图２㊂表１㊀ＧＥＤＩ的技术指标参数Ｔａｂｌｅ１㊀ＴｅｃｈｎｉｃａｌｐａｒａｍｅｔｅｒｓｏｆＧＥＤＩ项目ｐｒｏｊｅｃｔ参数ｐａｒａｍｅｔｅｒ发射时间ｌａｕｎｃｈｔｉｍｅ２０１８年１２月５日周期ｃｙｃｌｅ２ａ探测器ｄｅｔｅｃｔｏｒ硅雪崩光电二极管Ｓｉ：ＡＰＤ脉冲激光波长ｐｕｌｓｅｄｌａｓｅｒｗａｖｅｌｅｎｇｔｈｐｕｌｓｅｄｌａｓｅｒｗａｖｅｌｅｎｇｔｈ１０６４ｎｍ轨道倾角和覆盖范围ｏｒｂｉｔａｌｉｎｃｌｉｎａｔｉｏｎａｎｄｃｏｖｅｒａｇｅ轨道倾角５１．６ʎ；覆盖范围５１．６ʎＮ ５１．６ʎＳ轨道ｔｒａｃｋ３个激光器共８轨光束ｂｅａｍ一束激光分裂为两束覆盖光束；另外两束为全功率，４束光束抖动为８条轨迹功率（全功率／覆盖）ｐｏｗｅｒ（ｆｕｌｌｐｏｗｅｒ／ｃｏｖｅｒａｇｅ）１５ｍＪ／４．５ｍＪ光斑直径ｓｐｏｔｄｉａｍｅｔｅｒ２５ｍ沿轨间距ｄｉｓｔａｎｃｅａｌｏｎｇｔｈｅｔｒａｃｋ６０ｍ跨轨间距ｃｒｏｓｓ⁃ｒａｉｌｓｐａｃｉｎｇ６００ｍ３４１南京林业大学学报（自然科学版）第４７卷图２㊀ＧＥＤＩ运作模式Ｆｉｇ．２㊀ＴｈｅＧＥＤＩｏｐｅｒａｔｉｏｎｍｏｄｅ１．２．２㊀Ｇ⁃ｌｉｈｔ数据Ｇ⁃ｌｉｈｔ是Ｇｏｄｄａｒｄ航天飞行中心研发的便携式机载成像仪，共包含激光雷达㊁高光谱及热红外成像系统３个主要子系统，可搭载于各种机载平台上，测量包括地面高度㊁植被高度㊁叶片光谱等内容，空间分辨率高达１ｍ［１８］㊂本研究使用２０１８年西波拉森林地区Ｇ⁃ｌｉｈｔ激光雷达数据（ｈｔｔｐｓ：／／ｇｌｉｈｔ．ｇｓｆｃ．ｎａｓａ．ｇｏｖ）根据ＫｅｙｈｏｌｅＭａｒｋｕｐＬａｎｇｕａｇｅ（ＫＭＬ）文件以及ＧＥＤＩ雷达的运行轨迹来确定研究的范围㊂Ｇ⁃ｌｉｈｔ数据发布了空间分辨率为１ｍ的数字地面模型（ＤｉｇｉｔａｌＴｅｒｒａｉｎＭｏｄｅｌ，ＤＴＭ），数据格式为Ｔｉｆｆ，数据使用ＵＴＭ投影坐标系，水平参考高程基准为ＥＧＭ９６水准模型㊂１．２．３㊀帽儿山地区机载Ｌｉｄａｒ数据帽儿山地区机载Ｌｉｄａｒ数据于２０１６年９月获取，传感器为ＲｉｅｇｌＬＭＳ⁃Ｑ６８０ｉ，波长１５５０ｎｍ，平均点云密度为５ｐｔｓ／ｍ２，以１ｍ的空间分辨率测量出地面及植被高度㊂坐标系为ＵＴＭ投影坐标系，高程基准为ＷＧＳ８４基准面，总覆盖范围约３６０ｋｍ２㊂１．２．４㊀辅助数据为评估植被覆盖度对于ＧＥＤＩ测高精度的影响，使用多光谱数据Ｌａｎｄｓａｔ８作为辅助数据进行研究㊂Ｌａｎｄｓａｔ８是美国陆地卫星计划（Ｌａｎｄｓａｔ）的第８颗卫星，于２０１３年２月１１号在加利福尼亚范登堡空军基地由Ａｔｌａｓ⁃Ｖ火箭搭载发射成功㊂携带陆地成像仪（ｏｐｅｒａｔｉｏｎａｌｌａｎｄｉｍａｇｅｒ，ＯＬＩ）和热红外传感器（ｔｈｅｒｍａｌｉｎｆｒａｒｅｄｓｅｎｓｏｒ，ＴＩＲＳ），其数据的空间分辨率为３０ｍ［１９］㊂本研究中根据所用ＧＥＤＩ数据时间㊁云量选择使用的美国西波拉森林地区Ｌａｎｄｓａｔ８数据采集时间为２０１９年１０月１３日及２０１９年１０月２７日，云量０．０２％及０．０４％；中国帽儿山地区Ｌａｎｄｓａｔ８数据采集时间为２０１９年９月２４日，云量０．５７％㊂１．３㊀研究方法验证激光测高数据精度的方法主要分为：基于野外ＧＰＳ实测点数据验证，利用其他类型高度数据验证㊂本研究为探究ＧＥＤＩ对于林下地面高的测量能力，选取ＧＥＤＩＬ２ＡＶ２级别数据进行实验㊂提取研究区域内ＧＥＤＩ数据的高程，利用处理后的帽儿山ＡＬＳ数据及Ｇ⁃ｌｉｈｔ数据验证两个研究区内ＧＥＤＩ数据提取高程的精度，并分析坡度㊁植被覆盖度对于高程提取精度的影响１．３．１㊀数据预处理１）Ｇ⁃ｌｉｈｔ数据：对Ｇ⁃ｌｉｈｔ的数字地面模型（ＤＴＭ）数据进行坡度分析，基于１ｍ空间分辨率的高程产品数据生成美国西波拉森林地区地形坡度图㊂２）ＡＬＳ数据：为生成帽儿山森林地区高精度ＤＥＭ，研究使用帽儿山２０１６年机载雷达点云数据，点云去噪处理后利用改进的渐进加密三角网滤波算法分类出地面点［２０］，利用反距离权重插值算法生成ＤＥＭ数据，空间分辨率为１ｍ㊂对ＤＥＭ数据进行坡度分析，基于１ｍ空间分辨率的高程产品数据生成中国帽儿山森林地区地形坡度图㊂３）ＧＥＤＩ数据：为使ＧＥＤＩ数据能与验证数据结合使用，首先将下载好的ＧＥＤＩＬ２Ａ数据按Ｇ⁃ｌｉｈｔ数据的ＫＭＬ文件以及帽儿山机载雷达数据范围进行空间裁剪，并将数据格式转换；其次，按参数ｑｕａｌｉｔｙ＿ｆｌａｇ㊁保留值为１的光斑点为有效光斑点，其余光斑点全部删除，在美国西波拉森林地区共筛选可用光斑点４０５１个，中国尚志市帽儿山森林可用光斑点共７７３１个；由于ＧＥＤＩ雷达的位置参数坐标使用ＷＧＳ８４地理坐标，因此按Ｇ⁃ｌｉｈｔ数据及帽儿山机载雷达数据的投影坐标系将ＧＥＤＩ数据坐标系转换为对应的ＵＴＭ投影坐标系，使数据位置相匹配㊂４）Ｌａｎｄｓａｔ８数据：为获取研究区内植被覆盖度情况，使用２０１９年西波拉及帽儿山地区Ｌａｎｄｓａｔ８数据，将Ｌａｎｄｓａｔ８数据经辐射定标㊁大气校正并重采样为１０ｍ分辨率，计算出归一化植被指数，利用像元二分法提取植被覆盖度（ｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ，ＦＶＣ）［２１］㊂１．３．２㊀地形高度提取方法利用Ｇ⁃ｌｉｈｔ数据与帽儿山ＡＬＳ数据对ＧＥＤＩ光斑所测高程进行验证，将转换坐标系后的ＧＥＤＩ４４１㊀第２期董瀚元，等：星载激光雷达ＧＥＤＩ数据林下地形反演性能验证数据与Ｇ⁃ｌｉｈｔ的ＤＴＭ数据㊁帽儿山ＡＬＳ数据生成的ＤＥＭ位置匹配，按ＧＥＤＩ光斑大小对ＤＴＭ㊁ＤＥＭ数据裁剪，提取每个裁剪区内平均高程来作为验证㊂为了对高程数据进行一致性分析，高度必须参考相同的垂直基准，ＧＥＤＩ数据与帽儿山ＤＥＭ数据垂直基准均为ＷＧＳ８４椭球，而Ｇ⁃ｌｉｈｔ的ＤＴＭ数据垂直基准为ＥＧＭ９６高程基准，因此利用ｖｄａｔｕｍ软件将ＧＥＤＩ数据的垂直基准转换为ＥＧＭ９６高程基准，使数据间垂直基准一致㊂１．３．３㊀地形提取精度验证参数ｅｌｅｖ＿ｌｏｗｅｓｔｍｏｄｅ代表ＧＥＤＩ光斑内平均高程，利用裁剪区内平均高程对其进行精度评估，将二者绝对高程差值在２０ｍ以上的数据剔除㊂由于强光束与覆盖光束穿透森林冠层能力不同，且不同时间的大气效应及噪声情况不同，因此比较分析不同时间段以及不同光束类型ＧＥＤＩ数据所测高程与Ｇ⁃ｌｉｈｔ数据㊁ＡＬＳ数据之间关系，根据参数ｂｅａｍ＿ｆｌａｇ㊁ｄｅｌｔａ＿ｔｉｍｅ分为白天强光束㊁黑夜强光束㊁白天覆盖光束㊁黑夜覆盖光束进行分组验证，利用验证数据来衡量ＧＥＤＩ数据测地形高度的准确度㊂统计的内容包含：平均偏差［Ｂｉａｓ，式中记为σ（Ｂｉａｓ）］㊁平均绝对误差［ＭＡＥ，式中记为σ（ＭＡＥ）］㊁决定系数Ｒ２㊁均方根误差［ＲＭＳＥ，式中记为σ（ＲＭＳＥ）］㊂σ（Ｂｉａｓ）＝１ｎˑðｎｉ＝１（ｘｉ－ｙｉ）；（１）σ（ＭＡＥ）＝１ｎˑðｎｉ＝１｜ｘｉ－ｙｉ｜；（２）Ｒ２＝１－ðｎｉ＝１（ｘｉ－ｙｉ）２ðｎｉ＝１（ｙｉ－ ｙ）２；（３）σ（ＲＭＳＥ）＝１ｎðｎｉ＝１（ｘｉ－ｙｉ）２㊂（４）式中：ｘｉ为ＧＥＤＩ测定的地形高度值，ｙｉ为Ｇ⁃ｌｉｈｔ与ＡＬＳ测定的地形高度参考值， ｙ为参考值的平均值，ｎ为样本数㊂１．３．４㊀影响因素分析１）坡度㊂为更直观对比分析，提取出裁剪区内的坡度信息，将数据按坡度分组为０ʎ ５ʎ㊁ȡ５ʎ １０ʎ㊁ȡ１０ʎ １５ʎ㊁ȡ１５ʎ ２０ʎ㊁ȡ２０ʎ ３０ʎ㊁ȡ３０ʎ，分别进行测高精度对比，提出坡度对于ＧＥＤＩ测高精度的影响㊂２）植被覆盖度㊂将美国西波拉森林地区及中国帽儿山森林地区植被覆盖度分组为：０％ ２０％㊁ȡ２０％ ４０％㊁ȡ４０％ ６０％㊁ȡ６０％ ８０％㊁ȡ８０％９０％㊁ȡ９０％ １００％，分别进行测高精度对比，提出植被覆盖度对于ＧＥＤＩ测高精度的影响㊂２㊀结果与分析２．１㊀美国西波拉森林地区ＧＥＤＩ反演林下地形高度精度分析㊀㊀对于美国西波拉森林地区，将ＧＥＤＩ数据得出的地形高度值与Ｇ⁃ｌｉｈｔ数据的参考值进行比较，统计了西波拉森林地区强光束与覆盖光束㊁黑夜与白天的不同类型ＧＥＤＩ数据反演出林下地面高程的精度（图３）㊂图３㊀西波拉森林不同条件下ＧＥＤＩ数据反演地形精度Ｆｉｇ．３㊀ＴｈｅｔｏｐｏｇｒａｐｈｉｃａｃｃｕｒａｃｙｏｆＧＥＤＩｄａｔａｉｎｖｅｒｓｉｏｎｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｏｎｄｉｔｉｏｎｓｏｆＣｉｂｏｌａｆｏｒｅｓｔ５４１南京林业大学学报（自然科学版）第４７卷㊀㊀美国西波拉森林地区４０５１个ＧＥＤＩ样本数据的地形高度ＲＭＳＥ为２ ３３ｍ，ＭＡＥ为１ ４８ｍ㊂这个结果相对于文献［１８］中研究结果表现出更低的ＲＭＳＥ㊁ＭＡＥ㊂在分组实验当中，得出结果为：白天强光束所测地形高度ＭＡＥ为１ ０３ｍ，ＲＭＳＥ为１ ９３ｍ；夜间强光束所测地形高度ＭＡＥ为１ ０９ｍ，ＲＭＳＥ为１ ４７ｍ；白天覆盖光束所测地形高度ＭＡＥ为１ ８２ｍ，ＲＭＳＥ为２ ７２ｍ；夜间覆盖光束所测地形高度ＭＡＥ为１ ８９ｍ，ＲＭＳＥ为２ ５９ｍ㊂可见，夜间强光束测高性能最佳，强光束的能量为覆盖光束的３ ３倍，穿透植被的能力更强，但覆盖光束也表现出了良好的测高性能，而时间的影响相对来说要更小，黑夜的采集效果要稍好于白天的采集效果㊂２．２㊀中国帽儿山地区ＧＥＤＩ反演林下地形高度精度分析㊀㊀对于中国帽儿山地区，将ＧＥＤＩ数据得出的地形高度值与帽儿山ＡＬＳ数据的参考值进行比较，统计了帽儿山地区强光束与覆盖光束㊁黑夜与白天不同类型ＧＥＤＩ数据反演出林下地面高程的精度（图４）㊂图４㊀帽儿山地区不同条件下ＧＥＤＩ数据反演地形精度Ｆｉｇ．４㊀ＴｏｐｏｇｒａｐｈｉｃａｃｃｕｒａｃｙｏｆＧＥＤＩｄａｔａｉｎｖｅｒｓｉｏｎｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｏｎｄｉｔｉｏｎｓｉｎＭａｏｅｒＭｏｕｎｔａｉｎａｒｅａ㊀㊀中国帽儿山森林地区７７３１个ＧＥＤＩ样本数据的地形高度ＲＭＳＥ为４．４９ｍ，ＭＡＥ为３．３３ｍ㊂在分组实验当中，得出的结果为：白天强光束所测地形高度ＭＡＥ为２．８６ｍ，ＲＭＳＥ为３．９０ｍ；夜间强光束所测地形高度ＭＡＥ为４．６６ｍ，ＲＭＳＥ为５．９６ｍ；白天覆盖光束所测地形高度ＭＡＥ为２．８５ｍ，ＲＭＳＥ为３．８１ｍ；夜间覆盖光束所测地形高度ＭＡＥ为５ ３８ｍ，ＲＭＳＥ为６．７２ｍ㊂由中国帽儿山森林地区实验可知，白天强光束与覆盖光束效果几乎相同，且要明显好于夜间对地形高度的测量性能，在夜间的分组来说，强光束的测量效果要明显好于覆盖光束㊂２．３㊀坡度对于反演精度的影响由于ＧＥＤＩ为全波形数据，类似ＩＣＥＳａｔ／ＧＬＡＳ数据，坡度是引起误差的重要因素，按ＧＥＤＩ地形高度残差与分组坡度绘制箱线图（图５）㊂统计出美国西波拉森林地区以及帽儿山地区不同坡度条件ＧＥＤＩ反演高程精度（表２）㊂表２㊀西波拉森林与帽儿山地区不同坡度下ＧＥＤＩ反演地形高程的精度Ｔａｂｌｅ２㊀ＡｃｃｕｒａｃｙｏｆｔｅｒｒａｉｎｅｌｅｖａｔｉｏｎｉｎｖｅｒｓｉｏｎｂｙＧＥＤＩｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｌｏｐｅｓｉｎＣｉｂｏｌａｆｏｒｅｓｔａｎｄＭａｏｅｒＭｏｕｎｔａｉｎａｒｅａ坡度／（ʎ）ｓｌｏｐｅＭＡＥ／ｍＲ２ＲＭＳＥ／ｍ０ ５０．５９／０．９７１．００／１．０００．８３／１．７４ȡ５ １００．９８／１．７５１．００／１．００１．４２／２．５９ȡ１０ １５１．４０／２．８２１．００／１．００１．８９／３．７８ȡ１５ ２０１．９４／３．６４１．００／１．００２．６４／４．６６ȡ２０ ３０２．９１／４．６８１．００／１．００３．７７／５．７４ȡ３０４．２４／５．８０１．００／１．００５．３７／６．９５㊀㊀注：表格中数据分别为美国西波拉森林／中国帽儿山地区的精度统计数据㊂下同㊂ＴｈｅｄａｔａｉｎｔｈｅｔａｂｌｅａｒｅｔｈｅａｃｃｕｒａｃｙｓｔａｔｉｓｔｉｃｓｏｆｔｈｅＣｉｂｏｌａｆｏｒｅｓｔ／ＭａｏｅｒＭｏｕｎｔａｉｎａｒｅａ．Ｔｈｅｓａｍｅｂｅｌｏｗ．㊀㊀美国西波拉森林地区：坡度０ʎ ５ʎ分组地形反演精度ＭＡＥ为０．５９ｍ，ＲＭＳＥ为０．８３ｍ；ȡ５ʎ １０ʎ分组ＭＡＥ为０．９８ｍ，ＲＭＳＥ为１．４２ｍ；ȡ１０ʎ １５ʎ６４１㊀第２期董瀚元，等：星载激光雷达ＧＥＤＩ数据林下地形反演性能验证分组ＭＡＥ为１．４０ｍ，ＲＭＳＥ为１．８９ｍ；ȡ１５ʎ ２０ʎ分组ＭＡＥ为１．９４ｍ，ＲＭＳＥ为２ ６４ｍ；ȡ２０ʎ ３０ʎ分组ＭＡＥ为２．９１ｍ，ＲＭＳＥ为３．７７ｍ；３０ʎ及以上分组ＭＡＥ为４．２４ｍ，ＲＭＳＥ为５．３７ｍ㊂图５㊀不同坡度下ＧＥＤＩ反演地形高度统计Ｆｉｇ．５㊀ＳｔａｔｉｓｔｉｃｓｏｆｔｅｒｒａｉｎｈｅｉｇｈｔｉｎｖｅｒｓｉｏｎｂｙＧＥＤＩｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｌｏｐｅｓ㊀㊀中国帽儿山地区：０ʎ ５ʎ分组地形反演精度ＭＡＥ为０．９７ｍ，ＲＭＳＥ为１．７４ｍ；ȡ５ʎ １０ʎ分组ＭＡＥ为１．７５ｍ，ＲＭＳＥ为２．５９ｍ；ȡ１０ʎ １５ʎ分组ＭＡＥ为２．８２ｍ，ＲＭＳＥ为３．７８ｍ；ȡ１５ʎ ２０ʎ分组ＭＡＥ为３．６４ｍ，ＲＭＳＥ为４．６６ｍ；ȡ２０ʎ ３０ʎ分组ＭＡＥ为４．６８ｍ，ＲＭＳＥ为５ ７４ｍ；３０ʎ及以上分组ＭＡＥ为５．８０ｍ，ＲＭＳＥ为６．９５ｍ㊂可见，随着坡度增大，ＲＭＳＥ呈线性上升趋势，坡度对于ＧＥＤＩ数据地形测高精度影响较大，在平缓的地形下，ＧＥＤＩ提供了相对较为精确的测高效果，在坡度增大时测高的效果会出现较多的误差，在进行高精度测量时尽量避免坡度较大的区域，或使用科学的方法进行地形校正后再使用数据㊂２．４㊀植被覆盖度对于反演精度的影响由于植被覆盖会对ＧＥＤＩ光束造成影响，按ＧＥＤＩ地形高度残差与分组植被覆盖度绘制箱线图（图６）㊂统计出美国西波拉森林地区以及帽儿山地区不同坡度条件ＧＥＤＩ反演高程精度（表３）㊂由表３可见，在中低植被覆盖度范围内，ＧＥＤＩ能较好测量出地面高程，在植被覆盖度达到６０％后，其精度会出现明显的下降，在８０％以上植被覆盖度区域，出现了较高的ＲＭＳＥ，分析其原因可能为植被覆盖密集区域ＧＥＤＩ地面波形中会混杂较多低矮植被，导致测高精度下降㊂图６㊀不同植被覆盖度下ＧＥＤＩ反演地形高度统计Ｆｉｇ．６㊀ＳｔａｔｉｓｔｉｃｓｏｆｔｅｒｒａｉｎｈｅｉｇｈｔｒｅｔｒｉｅｖｅｄｂｙＧＥＤＩｕｎｄｅｒｔｈｅｄｉｆｆｅｒｅｎｔｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｓ７４１南京林业大学学报（自然科学版）第４７卷表３㊀西波拉森林与帽儿山地区不同植被覆盖度下ＧＥＤＩ反演地形高程的精度Ｔａｂｌｅ３㊀ＡｃｃｕｒａｃｙｏｆｔｅｒｒａｉｎｅｌｅｖａｔｉｏｎｉｎｖｅｒｓｉｏｎｂｙＧＥＤＩｕｎｄｅｒｔｈｅｄｉｆｆｅｒｅｎｔｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎＣｉｂｏｌａｆｏｒｅｓｔａｎｄＭａｏｅｒＭｏｕｎｔａｉｎａｒｅａ植被覆盖度／％ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅＭＡＥ／ｍＲ２ＲＭＳＥ／ｍ００．９０／ １．００／ １．１９／＞０ ２０１．２４／１．１５１．００／１．００１．７３／１．２６＞２０ ４０１．２５／１．３２１．００／１．００１．９９／１．４６＞４０ ６０１．０７／１．４０１．００／１．００１．６４／１．９１＞６０ ８０１．３８／２．１７１．００／１．００２．２１／３．１３＞８０ ９０１．５７／２．８４１．００／１．００２．５０／３．９１＞９０ １００１．６９／３．８５１．００／１．００２．６０／５．００㊀㊀注：表格中数据分别为美国西波拉森林／帽儿山地区的精度统计数据㊂ＴｈｅｄａｔａｉｎｔｈｅｔａｂｌｅａｒｅｔｈｅａｃｃｕｒａｃｙｓｔａｔｉｓｔｉｃｓｏｆｔｈｅＣｉｂｏｌａｆｏｒｅｓｔｉｎｔｈｅＵｎｉｔｅｄＳｔａｔｅｓ／ＭａｏｅｒＭｏｕｎｔａｉｎａｒｅａ．㊀㊀综上，在影响因素方面，平缓的地形以及中低植被覆盖度的条件下，ＧＥＤＩ有着较好的地形高度测量能力，而陡峭的地形以及较高的植被覆盖度会明显导致精度的下降，在进行高精度测量时，要进行地形校正以及波形分解处理后再使用㊂３㊀讨㊀论对比西波拉森林与帽儿山森林的结果，ＧＥＤＩＶ２版本数据在针叶林地区测量精度误差ＲＭＳＥ为２ ３３ｍ，在以阔叶树种为主的针阔叶混交林地区ＲＭＳＥ为４ ４９ｍ，可见针叶林区域地形测定效果要明显好于以阔叶树种为主的针阔叶混交林地区，在时间与波束对比的实验中，美国亚热带地区的针叶林实验结果与Ｌｉｕ等［１６］研究结果类似：强光束性能要好于覆盖光束，且夜间采集数据精度要好于白天所采集数据㊂帽儿山针阔叶混交林地区的实验结果与美国西波拉森林的结果有明显的不同，实验中白天强光束地区植被覆盖度为９１ ６％，白天覆盖光束地区植被覆盖度为８６ ７％，黑夜强光束地区植被覆盖度为９０ ７３％，黑夜覆盖光束的植被覆盖度为９０ ３５％，结合其他研究情况考虑原因为白天覆盖光束轨道所经区域植被相对稀疏引起，与针叶林地区结果不矛盾，因此出现白天覆盖光束精度略微高于强光束，而夜间强光束精度优于覆盖光束的情况，ＧＥＤＩ探测器的本底噪声要高于太阳噪声，因此太阳背景噪声不会成为白天与夜间性能差异的主要原因，由于帽儿山为温带湿润气候，美国西波拉地区为亚热带干旱到半干旱沙漠气候，原因考虑为湿润与干旱气候造成白天及黑夜不同云量及温差㊁雨水等因素引起误差，ＧＥＤＩ数据白天与黑夜的性能并非固定，要具体视当地气候因素来确定，湿润地区白天性能更佳，干旱地区黑夜性能更佳㊂坡度因素以及植被覆盖度均为影响ＧＥＤＩ数据性能的重要因素，在坡度２０ʎ以下及植被覆盖度６０％以下的区域，地形反演的精度很高，随着坡度增大㊁植被覆盖度增加，ＧＥＤＩ数据反演林下地形的性能会变弱，原因为陡峭地区全波形数据由于地面回波与植被回波信息混合在一起造成波形混淆，因此会出现坡度增加㊁反演精度降低的情况，高植被覆盖度区域ＧＥＤＩ激光能量会在穿透冠层时有所损耗，且多层级的冠层会更大程度地影响精度，因此出现植被覆盖度增加反演精度降低的情况㊂４㊀结㊀论１）ＧＥＤＩＶ２数据反演林下地形的效果为针叶林要优于针阔叶混交林，强光束要优于覆盖光束，湿润地区白天效果更优，干旱地区黑夜效果更优㊂２）随着地面坡度提升，ＧＥＤＩＶ２的测高精度会出现线性下降趋势，平缓地区数据使用效果极好，陡峭地区地面回波与植被回波混叠造成精度降低㊂３）ＧＥＤＩＶ２数据在中低植被覆盖度区域地形反演精度较高，在高植被覆盖区域对于林下地形高度的测定性能会有所下降㊂参考文献（ｒｅｆｅｒｅｎｃｅ）：［１］蒋有绪．世界森林生态系统结构与功能的研究综述［Ｊ］．林业科学研究，１９９５，８（３）：３１４－３２１．ＪＩＡＮＧＹＸ．Ｏｎｓｔｕｄｙｏｆｓｔｒｕｃｔｕｒｅａｎｄｆｕｎｃｔｉｏｎｏｆｗｏｒｌｄｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍ［Ｊ］．ＦｏｒｅｓｔＲｅｓ，１９９５，８（３）：３１４－３２１．［２］ＬＯＮＧＴＦ，ＺＨＡＮＧＺＭ，ＨＥＧＪ，ｅｔａｌ．３０ｍｒｅｓｏｌｕｔｉｏｎｇｌｏｂａｌａｎｎｕａｌｂｕｒｎｅｄａｒｅａｍａｐｐｉｎｇｂａｓｅｄｏｎｌａｎｄｓａｔｉｍａｇｅｓａｎｄｇｏｏｇｌｅｅａｒｔｈｅｎｇｉｎｅ．［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０１９，１１（５）：４８９．ＤＯＩ：１０．３３９０／ｒｓ１１０５０４８９．［３］李然，王成，苏国中，等．星载激光雷达的发展与应用［Ｊ］．科技导报，２００７，２５（１４）：５８－６３．ＬＩＲ，ＷＡＮＧＣ，ＳＵＧＺ，ｅｔａｌ．ＤｅｖｅｌｏｐｍｅｎｔａｎｄａｐｐｌｉｃａｔｉｏｎｓｏｆＳｐａｃｅｂｏｒｎｅＬｉＤＡＲ［Ｊ］．Ｓｃｉ＆ＴｅｃｈｎｏｌＲｅｖ，２００７，２５（１４）：５８－６３．ＤＯＩ：１０．３３２１／ｊ．ｉｓｓｎ：１０００－７８５７．２００７．１４．０１０．［４］ＬＥＦＳＫＹＭＡ，ＨＡＲＤＩＮＧＤＪ，ＫＥＬＬＥＲＭ，ｅｔａｌ．ＥｓｔｉｍａｔｅｓｏｆｆｏｒｅｓｔｃａｎｏｐｙｈｅｉｇｈｔａｎｄａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓｕｓｉｎｇＩＣＥＳａｔ［Ｊ］．ＧｅｏｐｈｙｓＲｅｓＬｅｔｔ，２００５，３２（２２）：Ｌ２２Ｓ０２．ＤＯＩ：１０．１０２９／２００５ｇｌ０２３９７１，２００５．［５］ＤＯＬＡＮＫ，ＭＡＳＥＫＪＧ，ＨＵＡＮＧＣＱ，ｅｔａｌ．ＲｅｇｉｏｎａｌｆｏｒｅｓｔｇｒｏｗｔｈｒａｔｅｓｍｅａｓｕｒｅｄｂｙｃｏｍｂｉｎｉｎｇＩＣＥＳａｔＧＬＡＳａｎｄＬａｎｄｓａｔｄａｔａ［Ｊ］．ＪＧｅｏｐｈｙｓＲｅｓ，２００９，１１４（Ｇ２）：Ｇ００Ｅ０５．ＤＯＩ：１０．１０２９／２００８ＪＧ０００８９３，２００９．［６］ＢＡＬＬＨＯＲＮＵ，ＪＵＢＡＮＳＫＩＪ，ＳＩＥＧＥＲＴＦ．ＩＣＥＳａｔ／ＧＬＡＳｄａｔａａｓａｍｅａｓｕｒｅｍｅｎｔｔｏｏｌｆｏｒｐｅａｔｌａｎｄｔｏｐｏｇｒａｐｈｙａｎｄｐｅａｔｓｗａｍｐ８４１㊀第２期董瀚元，等：星载激光雷达ＧＥＤＩ数据林下地形反演性能验证ｆｏｒｅｓｔｂｉｏｍａｓｓｉｎＫａｌｉｍａｎｔａｎ，Ｉｎｄｏｎｅｓｉａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０１１，３（９）：１９５７－１９８２．ＤＯＩ：１０．３３９０／ｒｓ３０９１９５７．［７］ＨＡＹＡＳＨＩＭ．ＦｏｒｅｓｔｃａｎｏｐｙｈｅｉｇｈｔｅｓｔｉｍａｔｉｏｎｕｓｉｎｇＩＣＥＳａｔ／ＧＬＡＳｄａｔａａｎｄｅｒｒｏｒｆａｃｔｏｒａｎａｌｙｓｉｓｉｎＨｏｋｋａｉｄｏ，Ｊａｐａｎ［Ｊ］．ＩＳＰＲＳＪＰｈｏｔｏｇｒａｍｍａｎｄＲｅｍｏｔｅＳｅｎｓ，２０１３，８１：１２－１８．ＤＯＩ：１０．１０１６／ｊ．ｉｓｐｒｓｊｐｒｓ．２０１３．０４．００４．［８］ＳＨＵＭＡＮＣＡ，ＺＷＡＬＬＹＨＪ，ＳＣＨＵＴＺＢ．Ｅ，ｅｔａｌ．ＩＣＥＳａｔＡｎｔａｒｃｔｉｃｅｌｅｖａｔｉｏｎｄａｔａ：ｐｒｅｌｉｍｉｎａｒｙｐｒｅｃｉｓｉｏｎａｎｄａｃｃｕｒａｃｙａｓ⁃ｓｅｓｓｍｅｎｔ［Ｊ］．ＧｅｏｐｈｙｓＲｅｓＬｅｔｔ，２００６，３３（７）：Ｌ０７５０１．ＤＯＩ：１０．１０２９／２００５ｇｌ０２５２２７，２００６．［９］ＤＯＮＧＣＨＥＮＥ，ＳＨＥＮＱ，ＸＵＹ，ｅｔａｌ．Ｈｉｇｈ⁃ａｃｃｕｒａｃｙｔｏｐｏ⁃ｇｒａｐｈｉｃａｌｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎｆｕｓｉｏｎｏｆＡＳＴＥＲｓｔｅｒｅｏ⁃ｄａｔａａｎｄＩＣＥＳａｔ／ＧＬＡＳｄａｔａｉｎＡｎｔａｒｃｔｉｃａ［Ｊ］．ＳｃｉＣｈｉｎａＳｅｒＤＥａｒｔｈＳｃｉ，２００９，５２（５）：７１４－７２２．ＤＯＩ：１０．１００７／ｓ１１４３０－００９－００５５－６．［１０］ＪＡＷＡＫＳＤ，ＬＵＩＳＡＪ．ＳｙｎｅｒｇｉｓｔｉｃｕｓｅｏｆｍｕｌｔｉｔｅｍｐｏｒａｌＲＡＭＰ，ＩＣＥＳａｔａｎｄＧＰＳｔｏｃｏｎｓｔｒｕｃｔａｎａｃｃｕｒａｔｅＤＥＭｏｆｔｈｅＬａｒｓｅｍａｎｎＨｉｌｌｓｒｅｇｉｏｎ，Ａｎｔａｒｃｔｉｃａ［Ｊ］．ＡｄｖＳｐａｃｅＲｅｓ，２０１２，５０（４）：４５７－４７０．ＤＯＩ：１０．１０１６／ｊ．ａｓｒ．２０１２．０５．００４．［１１］ＡＢＤＡＬＡＴＩＷ，ＺＷＡＬＬＹＨＪ，ＢＩＮＤＳＣＨＡＤＬＥＲＲ，ｅｔａｌ．ＴｈｅＩＣＥＳａｔ⁃２ｌａｓｅｒａｌｔｉｍｅｔｒｙｍｉｓｓｉｏｎ［Ｊ］．ＰｒｏｃＩＥＥＥ，２０１０，９８（５）：７３５－７５１．ＤＯＩ：１０．１１０９／ＪＰＲＯＣ．２００９．２０３４７６５．［１２］ＤＵＢＡＹＡＨＲ，ＢＬＡＩＲＪＢ，ＧＯＥＴＺＳ，ｅｔａｌ．Ｔｈｅｇｌｏｂａｌｅｃｏｓｙｓ⁃ｔｅｍｄｙｎａｍｉｃｓｉｎｖｅｓｔｉｇａｔｉｏｎ：ｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎｌａｓｅｒｒａｎｇｉｎｇｏｆｔｈｅＥａｒｔｈ ｓｆｏｒｅｓｔｓａｎｄｔｏｐｏｇｒａｐｈｙ［Ｊ］．ＳｃｉＲｅｍｏｔｅＳｅｎｓ，２０２０，１（Ｃ）：１００００２．ＤＯＩ：１０．１０１６／ｊ．ｓｒｓ．２０２０．１００００２．［１３］ＱＩＷ，ＤＵＢＡＹＡＨＲＯ．ＣｏｍｂｉｎｉｎｇＴａｎｄｅｍ⁃ＸＩｎＳＡＲａｎｄｓｉｍｕ⁃ｌａｔｅｄＧＥＤＩｌｉｄａｒｏｂｓｅｒｖａｔｉｏｎｓｆｏｒｆｏｒｅｓｔｓｔｒｕｃｔｕｒｅｍａｐｐｉｎｇ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎｖｉｒｏｎ，２０１６，１８７：２５３－２６６．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．２０１６．１０．０１８．［１４］ＡＤＡＭＭ，ＵＲＢＡＺＡＥＶＭ，ＤＵＢＯＩＳＣ，ｅｔａｌ．Ａｃｃｕｒａｃｙａｓｓｅｓｓ⁃ｍｅｎｔｏｆＧＥＤＩｔｅｒｒａｉｎｅｌｅｖａｔｉｏｎａｎｄｃａｎｏｐｙｈｅｉｇｈｔｅｓｔｉｍａｔｅｓｉｎＥｕ⁃ｒｏｐｅａｎｔｅｍｐｅｒａｔｅｆｏｒｅｓｔｓ：ｉｎｆｌｕｅｎｃｅｏｆｅｎｖｉｒｏｎｍｅｎｔａｌａｎｄａｃｑｕｉｓｉ⁃ｔｉｏｎｐａｒａｍｅｔｅｒｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０２０，１２（２３）：３９４８．ＤＯＩ：１０．３３９０／ｒｓ１２２３３９４８．［１５］ＧＵＥＲＲＡＨＪ，ＰＡＳＣＵＡＬＡ．ＵｓｉｎｇＧＥＤＩｌｉｄａｒｄａｔａａｎｄａｉｒｂｏｒｎｅｌａｓｅｒｓｃａｎｎｉｎｇｔｏａｓｓｅｓｓｈｅｉｇｈｔｇｒｏｗｔｈｄｙｎａｍｉｃｓｉｎｆａｓｔ⁃ｇｒｏｗｉｎｇｓｐｅｃｉｅｓ：ａｓｈｏｗｃａｓｅｉｎＳｐａｉｎ［Ｊ］．ＦｏｒＥｃｏｓｙｓｔ，２０２１，８（１）：１４．ＤＯＩ：１０．１１８６／ｓ４０６６３－０２１－００２９１－２．［１６］ＬＩＵＡ，ＣＨＥＮＧＸ，ＣＨＥＮＺＱ．ＰｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｏｆＧＥＤＩａｎｄＩＣＥＳａｔ⁃２ｌａｓｅｒａｌｔｉｍｅｔｅｒｄａｔａｆｏｒｔｅｒｒａｉｎａｎｄｃａｎｏｐｙｈｅｉｇｈｔｒｅ⁃ｔｒｉｅｖａｌｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎｖｉｒｏｎ，２０２１，２６４：１１２５７１．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．２０２１．１１２５７１．［１７］ＤＵＢＡＹＡＨＲ，ＨＯＦＴＯＮＭ，ＢＬＡＩＲＪ，ｅｔａｌ．ＧＥＤＩＬ２ＡｅｌｅｖａｔｉｏｎａｎｄｈｅｉｇｈｔｍｅｔｒｉｃｓｄａｔａｇｌｏｂａｌｆｏｏｔｐｒｉｎｔｌｅｖｅｌＶ００２［Ｒ］．ＮＡＳＡＥＯＳＤＩＳＬａｎｄＰｒｏｃｅｓｓｅｓＤＡＡＣ，２０２１－０５－０７．ＤＯＩ：１０．５０６７／ＧＥＤＩ／ＧＥＤＩ０２＿Ａ．００２．［１８］ＣＯＯＫＢ，ＣＯＲＰＬ，ＮＥＬＳＯＮＲ，ｅｔａｌ．ＮＡＳＡｇｏｄｄａｒｄ ｓＬｉＤＡＲ，ｈｙｐｅｒｓｐｅｃｔｒａｌａｎｄｔｈｅｒｍａｌ（Ｇ⁃ｌｉｈｔ）ａｉｒｂｏｒｎｅｉｍａｇｅｒ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０１３，５（８）：４０４５－４０６６．ＤＯＩ：１０．３３９０／ｒｓ５０８４０４５．［１９］ＲＯＹＤＰ，ＷｕｌｄｅｒＭＡ，ＬｏｖｅｌａｎｄＴＲ，ｅｔａｌ．Ｌａｎｄｓａｔ⁃８：ｓｃｉｅｎｃｅａｎｄｐｒｏｄｕｃｔｖｉｓｉｏｎｆｏｒｔｅｒｒｅｓｔｒｉａｌｇｌｏｂａｌｃｈａｎｇｅｒｅｓｅａｒｃｈ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎｖｉｒｏｎ，２０１４，１４５：１５４－１７２．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．２０１４．０２．００１．［２０］柳红凯，徐昌荣，徐晓．基于渐进加密三角网机载ＬＩＤＡＲ点云滤波改进算法研究［Ｊ］．江西理工大学学报，２０１６，３７（３）：５０－５５，６０．ＬＩＵＨＫ，ＸＵＣＲ，ＸＵＸ．Ｓｔｕｄｙｏｎｉｍｐｒｏｖｅｄａｌｇｏ⁃ｒｉｔｈｍｏｆｐｏｉｎｔｃｌｏｕｄｓｆｒｏｍａｉｒｂｏｒｎｅｓｃａｎｎｅｒｂａｓｅｄｏｎｐｒｏｇｒｅｓｓｉｖｅｅｎｃｒｙｐｔｉｏｎＴＩＮ［Ｊ］．ＪＪｉａｎｇｘｉＵｎｉｖＳｃｉＴｅｃｈｎｏｌ，２０１６，３７（３）：５０－５５，６０．ＤＯＩ：１０．１３２６５／ｊ．ｃｎｋｉ．ｊｘｌｇｄｘｘｂ．２０１６．０３．００９．［２１］佟斯琴，包玉海，张巧凤，等．基于像元二分法和强度分析方法的内蒙古植被覆盖度时空变化规律分析［Ｊ］．生态环境学报，２０１６，２５（５）：７３７－７４３．ＴＯＮＧＳＱ，ＢＡＯＹＨ，ＺＨＡＮＧＱＦ，ｅｔａｌ．ＳｐａｔｉａｌｔｅｍｐｏｒａｌｃｈａｎｇｅｓｏｆｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎＩｎｎｅｒＭｏｎｇｏｌｉａｂａｓｅｄｏｎｔｈｅｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌａｎｄｉｎｔｅｎｓｉｔｙａｎａｌｙｓｉｓ［Ｊ］．ＥｃｏｌＥｎｖｉｒｏｎＳｃｉ，２０１６，２５（５）：７３７－７４３．ＤＯＩ：１０．１６２５８／ｊ．ｃｎｋｉ．１６７４－５９０６．２０１６．０５．００２．（责任编辑㊀李燕文）９４１。
激光雷达森林参数反演技术与方法
激光雷达森林参数反演技术与方法
激光雷达森林参数反演技术与方法是一种利用激光雷达数据来反演森林参数的方法。
该方法主要包括以下几个步骤：
1. 数据采集：利用激光雷达传感器在森林区域进行数据采集，获取树木的高度、枝叶分布等参数。
2. 数据预处理：对采集到的原始数据进行预处理，包括去除噪声、滤波、去除地面点等操作，以便更好地提取树木参数。
3. 参数提取：从预处理后的数据中提取森林参数，如树木高度、枝叶密度、树木间距等。
4. 模型构建：利用提取的森林参数，构建反演模型，将激光雷达数据与森林参数建立数学关系。
5. 参数反演：通过反演模型，将激光雷达数据转化为森林参数，实现对森林的参数化描述。
6. 结果应用：将反演得到的森林参数应用于林业资源调查、森林生长模拟、森林生态评估等领域。
需要注意的是，激光雷达森林参数反演技术与方法仍处于发展阶段，其精度和可靠性有待进一步提高。
同时，该方法也需要考虑成本和可行性等因素，以更好地应用于实际生产中。
基于激光雷达数据与多角度遥感模型的森林参数反演
国内外研究现状
国外研究现状
激光雷达和遥感技术在森林参数反演方面的应用研究在国外已经取得了一定的进展。一 些发达国家已经建立了基于激光雷达和遥感技术的森林资源调查和管理系统，实现了对 森林资源的快速、准确和全面的监测和管理。同时，国外的研究机构和高校也在不断开
展相关研究，探索更加高效和准确的森林参数反演方法和技术。
国内研究现状
相比之下，我国在这方面的研究起步较晚，但近年来也取得了一定的进展。国内的一些 研究机构和高校开始开展基于激光雷达和遥感技术的森林参数反演研究，取得了一些初 步成果。然而，与国外相比，我国在这方面的研究还存在一定的差距，需要进一步加强
研究和探索。
02
激光雷达数据与多角度遥感模 型基础
激光雷达数据介绍
未来研究可以进一步优化算法和模型，提高反演精度和效率，同时降低成 本和时间消耗。
此外，可以考虑将该技术应用于更多的森林类型和地区，以验证其普适性 和应用价值。
THANKS
谢谢您的观看
模型验证与评估
采用实际数据对反演模型进行验证和评估，分析模型 的精度和误差来源，提出改进措施。
06
实验结果与分析
实验数据与实验环境
实验数据
采用激光雷达数据和多角度遥感影像 作为主要数据源，数据覆盖了不同地 区和不同类型的森林。
实验环境
在高性能计算机上运行算法，使用 Python编程语言和相关数据处理和分 析软件。
数据融合策略
激光雷达数据预处理
对原始激光雷达数据进行滤波、去噪等处理，以提高数据质量。
多角度遥感影像配准
将不同角度获取的遥感影像进行几何校正和配准，确保数据空间位 置的一致性。
数据层叠加
将处理后的激光雷达数据与多角度遥感影像进行叠加，形成多源数 据层。
基于机载LIDAR数据及大比例尺航片反演林木参数
东
北
林
业
大
学
学
报
Ｖ０． ９ Ｎｏ １ １３ ． １
Ｎｏ ｖ．２ １ ０１
Ｊ ＯＵＲＮＡＬ Ｏ Ｆ ＮＯＲ Ｉ ＨＥＡ Ｔ ０ Ｓ Ｆ ＲＥＳ ＴＲＹ Ｕ ＶＥＲ ｒＹ ＮＩ ＳＩ
基 于 机载 ＬＤ Ｒ数 据 及 大 比例 尺 航 片 反 演 林木 参数 ＩＡ
ｏ ｖ ｒｇ ｅ ｃ ｅ ６ ａ ｄ ９ ％ ｒ ｓ ｅ ｔ ｅｙ ｎａｅａｅｒａｈ ９ ％ ｎ ０ ｄ ｅ ｐ ｃｉ ｌ ． ｖ ｅ ｅｏｅ ｈ ｃ ｕ ａ ｙ ｏ ｅ ｉ ｖｎ ｒ ｅ ｈ ｉｈ ｎ ｒ ｗ ｌ ｍ ｔｒ ｂ ｈ ｒ ｆｒ ．ｔｅ ａ ｃ ｒ ｃ ｒｔ ｅ ｉ ｇ ｔ ｅｇ ｔａ ｄ ｃｏ ｎ ｅａ ｅ ｅ ｙ ｔ ｅ ｆ ｒ ｅ ｉ
１ ）国家教育部 本科生创新项 目（０ ０ ２４ ） １ １２ ５７ 。 第 一作者 简介 ： 张琼 ， ， ８ 女 １ ８年 ３ 生 ， ９ 月 东北林 业大 学林 学 院 ２０ ０ ８级本科生 。 收稿 日期 ：０ １年 ３月 ２ ２１ ３日。 责任编辑 ： 张建华。
研 究中采用的激光雷达数据 由 Ｉｅ ａｐｒ ５０ ， Ｍ ｐｅ －￣０系统 获 ｉ ｔ － ｔ 取， 激光扫描仪为 Ｒｅ Ｍ — Ｑ６ ， ｉ ｌ ｓ ５０ 数据获取 时间为 ２０ 年 ｇＬ ０９ ９ 。航飞相对高度为 ８０ 激光脉冲长度是 ３５ ｓ回波宽 月 ０ ｍ， ． ｎ， 度 分辨率 ０ １ 激光离 散 角度是 ０ ５ｍｒ ， ．５ｍ， ． ａ 垂直 精度 可达 ｄ ０ １ 采样问隔为 １ ｓ采样 的点云密 度大于 ２点／ 平均 ．５ｍ， ， ｎ ｍ，
１ 研 究 区域 概况
LiDAR与PolInSAR协同反演树高研究的开题报告
LiDAR与PolInSAR协同反演树高研究的开题报告一、研究背景和意义随着人类对自然资源逐渐的依赖，森林资源的监测和管理变得愈加重要。
而森林的高度信息是森林生态系统管理的重要参考数据，森林高度的精准获取对于森林资源及物种保护也有着非常重要的意义。
目前，森林高度的测量主要通过激光雷达(LiDAR)和雷达干涉消磨(PolInSAR)进行。
其中，LiDAR具有精度高、分辨率高等特点，但是只能够获取单点的高度信息，测量数据不能覆盖大范围的区域。
而PolInSAR虽然能够获取大范围的数据，但是其精度和分辨率相对较低。
因此，采用LiDAR与PolInSAR协同反演树高的方法，可以有效挖掘两种技术各自的优势，提高树高测量的精度和有效性。
二、研究内容和方法本研究采用LiDAR和PolInSAR技术，通过协同反演方法获取树高信息。
具体的步骤如下：1. 利用LiDAR获取树冠高度和树干高度数据。
2. 利用PolInSAR获取树冠高度和地表高度数据。
3. 将两种高度信息进行融合，得到完整的森林高度数据。
4. 对比实地测量数据，验证融合后的数据的精度和可靠性。
三、预期成果本研究的预期成果包括以下三个方面：1. 探索了LiDAR与PolInSAR协同反演树高的方法，丰富了树高测量的技术手段。
2. 提高了树高测量的精度和有效性，为森林资源监测和管理提供了重要数据支持。
3. 对于森林资源保护和可持续发展具有一定的实际应用价值。
四、研究进度安排本研究的时间安排如下：1. 第一周：了解LiDAR和PolInSAR技术，查阅相关文献资料。
2. 第二周：学习树高反演方法的理论基础，确定研究思路和方法。
3. 第三周至第四周：编写LiDAR和PolInSAR数据获取程序，获取相关数据。
4. 第五周至第六周：数据预处理和树高反演计算。
5. 第七周至第八周：数据融合和精度验证。
6. 第九周至第十周：编写论文并进行修订提交。
五、存在的问题1. 数据收集过程中可能会存在一定的干扰，需要进行数据去噪处理。
星载光子计数激光雷达数据森林高度及林下地形反演研究进展
第 54 卷第 11 期2023 年 11 月中南大学学报(自然科学版)Journal of Central South University (Science and Technology)V ol.54 No.11Nov. 2023星载光子计数激光雷达数据森林高度及林下地形反演研究进展李毅，朱建军，付海强，高士娟，吴可夫(中南大学 地球科学与信息物理学院，湖南 长沙，410083)摘要：森林高度是衡量森林生物量、森林生态系统碳汇的重要参数，位于森林下的地形(林下地形)是支撑国家重大基础设施建设、灾害监测的战略信息资源。
新一代星载激光雷达ICESat-2/ATLAS 采用一种多波束微脉冲的光子计数技术，以10 kHz 的重复频率对地发射激光脉冲，从而导致出现间隔为0.7 m 、光斑半径为8.5 m 的重叠光斑。
相比于ICESat-1/GLAS ，ICESat-2/ATLAS 具有更高的空间采样率以及对坡度的不敏感性，是目前反演森林高度参数和林下地形的重要手段。
本文介绍了ICESat-2/ATLAS 的主要参数指标，总结了各类误差因素对ATL08官方产品的影响，分析了各种森林区光子点云滤波方法、ICESat-2林下地形反演方法及森林高度参数反演方法的适用性及面临的主要问题，展望了ICESat-2/ATLAS 光子点云滤波、林下地形及森林高度参数反演的发展趋势及应用前景。
关键词：星载光子计数激光雷达ICESat-2；光子点云滤波；林下地形；森林高度；研究进展中图分类号：P237 文献标志码：A 文章编号：1672-7207（2023）11-4380-11Research progress on retrieving forest canopy height and sub-canopy topography from spaceborne photon-counting LiDAR dataLI Yi, ZHU Jianjun, FU Haiqiang, GAO Shijuan, WU Kefu(School of Geosciences and Info-physics, Central South University, Changsha 410083, China)Abstract: Forest height is an important parameter to measure forest biomass and carbon sink of the forest ecosystem. The topography under the forest(sub-canopy topography) is a strategic information resource supporting national infrastructure construction and disaster monitoring. The new generation space-borne lidar ICESat-2/ATLAS adopts a multi-beam micro-pulse photon counting technology for the first time, with a repetition frequency收稿日期： 2023 −01 −12； 修回日期： 2023 −03 −25基金项目(Foundation item)：国家自然科学基金资助项目(41904004，42030112，62207032)；中南大学中央高校基础科研基金资助项目(506021729) (Projects(41904004, 42030112, 62207032) supported by the National Natural Science Foundation of China; Project(506021729) supported by the Fundamental Research Funds for the Central Universities of Central South University)通信作者：朱建军，博士，教授，从事测量平差与数据处理、复数平差理论及其在InSAR/PolInSAR 中的应用研究；E-mail ：***********.cnDOI: 10.11817/j.issn.1672-7207.2023.11.016引用格式： 李毅, 朱建军, 付海强, 等. 星载光子计数激光雷达数据森林高度及林下地形反演研究进展[J]. 中南大学学报(自然科学版), 2023, 54(11): 4380−4390.Citation: LI Yi, ZHU Jianjun, FU Haiqiang, et al. Research progress on retrieving forest canopy height and sub-canopy topography from spaceborne photon-counting LiDAR data[J]. Journal of Central South University(Science and Technology), 2023, 54(11): 4380−4390.第 11 期李毅，等：星载光子计数激光雷达数据森林高度及林下地形反演研究进展of 10 kHz to the ground. Compared with ICESat-1/GLAS, ICESat-2/ATLAS has a higher spatial sampling rate and insensitivity to slope and is currently important data for inverting the forest canopy height of forest ecosystems and sub-canopy topography. Some main indicators of ICESat-2/ATLAS were introduced and the influence of various errors on ATL08 products were summarized. The applicability of various photon point cloud filtering methods sub-canopy topography inversion and forest canopy height inversion were analyzed. The research progress and application prospects on photon point cloud filtering, sub-canopy topography inversion, and forest canopy height retrieval were put forward.Key words: space borne photon-countiong LiDAR ICESat-2; photon cloud filtering; sub-canopy topography;forest height; research progress森林生态系统是地球上最大的陆地碳库之一，拥有世界3/4以上的陆地生物[1]，通过“碳汇”和“固碳”的方式调节全球范围内二氧化碳的含量[2]，控制着全球碳循环。
激光雷达技术在森林高度反演中的研究进展
第44卷第2期2019年3月林 业 调 查 规 划Forest Inventory and PlanningVol.44 No.2Mar.2019doi :10.3969/j.issn.1671⁃3168.2019.02.006激光雷达技术在森林高度反演中的研究进展邱世平(崇左市林业勘测设计院,广西南宁530001)摘要:遥感技术被广泛应用于我国森林资源,森林生态环境的监测中。
区别于传统光学遥感技术的是激光雷达(Lidar )属于主动遥感,对森林的空间结构,特别是对森林高度的探测能力有着巨大的优势。
文中介绍了激光雷达测量树高的原理、特点和应用,对激光雷达在测量树高上的应用研究进行回顾,对激光雷达森林高度的测量应用前景进行了分析和展望。
关键词:激光雷达(Lidar );森林高度反演;测量树高;冠层高度;森林结构参数中图分类号:S757;TN958.98 文献标识码:A 文章编号:1671-3168(2019)02-0026-04引文格式:邱世平.激光雷达技术在森林高度反演中的研究进展[J].林业调查规划,2019,44(2):26-29,35.QIU Shiping.Research Progress of Lidar Technology in Forest Height Inversion[J].Forest Inventory and Planning,2019,44(2):26-29,35.Research Progress of Lidar Technology in Forest Height InversionQIU Shiping(Chongzuo Institute of Forestry Survey and Design,Nanning 530001,China)Abstract :The remote sensing technology has been widely used in the monitoring of forest resources and forest ecological environment in China.Different from traditional optical remote sensing technology,Lidar is active remote sensing,which has great advantages in detecting the spatial structure of forest,especially the height of forest.This paper introduced the principle,characteristics and application of lidar in meas⁃uring tree height,reviewed the application research of lidar,and analyzed the application prospect of this technology.Key words :Lidar;forest height inversion;measuring tree height;canopy height;forest structure pa⁃rameters收稿日期:2018-10-08.第一作者:邱世平(1983-),男,广西梧州人,工程师.研究方向:林业调查规划设计、森林资源监测和3S 技术在林业上的应用.1引言森林是地球生态系统中的重要组成部分,其结构复杂多样,物种资源丰富,其强烈的能量转换和物质循环对全球气候环境变化有着巨大的影响[1]。
基于PolInSAR森林高度反演研究
基于PolInSAR森林高度反演研究岳彩荣;肖虹雁;曹霸【摘要】以仿真的全极化雷达L波段为数据源进行了复相干DEM差分算法和复相干幅度算法的森林树高反演研究，并采用星载全极化微波遥感数据ALOS P ALSAR数据进行实例检验。
结果表明：仿真试验中DEM差分算法严重低估了森林树高，复相干幅度算法则估测精度较高； ALOS P ALSAR数据时间由于去相干和配准精度低等原因，难以有效估测森林树高。
%Based on the L-band simulated full-polarimetric data, forest height inversion by coherent DEM difference algorithm and amplitude coherent complex algorithms were conducted, and full-polarimetric spaceborne microwave remote sensing data ALOS PALSAR has been verified by an instance. The resultsshow:under simulated data, DEM difference algorithm seriously underestimated the forest height, the complex coherent amplitude estima-tion algorithm represented high accuracy. Due to temporal decorrelation and low registration accuracy, ALOS PAL-SAR data was difficult to estimate the forest tree height effectively.【期刊名称】《西南林业大学学报》【年(卷),期】2016(036)003【总页数】7页(P137-143)【关键词】PolinSAR;DEM差分;复相干幅度;森林高度;反演【作者】岳彩荣;肖虹雁;曹霸【作者单位】西南林业大学林学院，云南昆明650224;西南林业大学林学院，云南昆明650224;西南林业大学林学院，云南昆明650224【正文语种】中文【中图分类】S771.8森林高度是反映森林资源数量和质量的重要参数，是森林调查的关键因子，也是获取难度最大的森林调查因子之一。
点云密度对机载激光雷达林分高度反演的影响
林业科学研究 2008,21(增刊):14~19Forest R esearc h文章编号:1001-1498(2008)增刊-0014-06点云密度对机载激光雷达林分高度反演的影响*庞 勇,李增元,谭炳香,刘清旺,赵 峰,周淑芳(中国林业科学研究院资源信息研究所,北京 100091)摘 要:以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的L i DA R 点云数据,分别进行了林分平均高的反演试验。
通过两个试验区的对比,分析了不同点云密度对机载L i D AR 数据反演林分参数的影响。
结果表明:对于两种密度的点云数据,使用分位数法都可以很好地进行林分平均高的估计,高密度点云的反演结果略好一些,但二者结果差异不大;高密度的点云可以进行更小尺度的林分高估计和单木树高的估计,从而可以减少甚至避免对实地树高测量的依赖。
关键词:L i D AR;点云密度;林分平均高中图分类号:S771.8文献标识码:A收稿日期:2007-12-09基金项目:国家863课题(2007AA12Z173)、国家自然科学基金课题(40601070)、国家973课题(2007CB714404)、国家林业局948项目(2004-4-64)作者简介:庞勇(1976)),安徽省太和人,博士,助理研究员,主要从事合成孔径雷达和激光雷达对地观测机理和森林参数定量反演等方面的研究.Em ai :l ca.f pang @g m ai.l co m*本文作者感谢山东省泰安市徂徕山林场和重庆市铁山坪林场在外业调查中给予的大力支持和协作!The E ffects of A irborne L i D AR Poi nt D ensity on Forest H eight E sti m ationPANG Yong,LI Zeng-yuan,TAN Bing-x i ang,LIU Q ing-wang,ZHAO Feng,Z H OU Shu-fang(Research Insti tute of ForestRes ource In f or m ation Tec hn iq u es ,CAF ,Beiji ng 100091,Ch i na)Abst ract :Th is paper takes Culaishan Forest Far m ,Shandong Prov ince ,and T ieshanpi n g Forest Far m ,Chongq i n g ,as test sites .The airborne d iscrete retur n L i D AR data w ere co llected i n M ay o f 2005and Septe mber of 2006seperately .The forest heightw as esti m ated for bo t h test sites .Through the ca mparison o f t h e t w o sites ,t h e effects of a ir bor ne Li D AR po i n t density on fo rest he i g ht esti m ation w ere analyzed .The resu lts de m onstrated that itw as feasi b le to use l o w and high point density airbo r ne L i D AR data to esti m a te forest he i g h.t Quartiles could give good tree he i g ht esti m ati o n i n the lo w L i D AR po i n t density case .The accuracies fro m h igh density L i D AR data sho w eds on ly a little better than lo w density data .The high density data could be used to esti m ate fi n er sca l e forest height even i n dividual tree he i g h,t w hich is he l p fu l to m i n i m ize necessity o f the number filed p l o ts .K ey w ords :Li D AR;po i n t dansity ;stand m ean height 激光雷达L i D AR (Light detecti o n and rang ing)是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。
基于地基激光雷达资料的边界层高度反演与同化研究
基于地基激光雷达资料的边界层高度反演与同化研究基于地基激光雷达资料的边界层高度反演与同化研究地球的大气是人类生活的重要组成部分，对于全球气候变化、空气质量监测以及天气预报具有重要意义。
而边界层高度是大气中重要的参数之一，对大气污染扩散、气象预报、农业生产等起着至关重要的作用。
因此，研究边界层高度的反演与同化具有重要的学术和应用价值。
随着仪器和技术的不断发展，地基激光雷达(Lidar)逐渐成为了研究大气边界层的重要工具。
激光雷达能够测定大气中粒子的散射信号，通过对散射信号的处理和分析，可以得到大气的垂直分布。
在边界层高度的研究中，激光雷达广泛应用于边界层高度反演与同化研究中，为我们提供了宝贵的观测数据。
边界层高度反演与同化的研究主要依赖于数值模型和观测资料的结合。
传统的边界层高度反演方法主要基于气象站或气球观测数据，并结合物理参数模型计算。
然而，这种方法受到数据采样点有限和时间分辨率低的限制，导致反演结果的时空分辨率较低且不够精确。
而激光雷达具有高垂直分辨率和较长的连续观测时间，可以提供更丰富的高空和低空观测数据，从而增强了边界层高度反演的精度和时空分辨力。
基于地基激光雷达资料的边界层高度反演与同化研究主要包括以下几个方面的内容：首先，对激光雷达观测数据进行预处理和质控。
由于激光雷达观测数据本身存在噪声和光学混叠等问题，需要对观测数据进行预处理、质控和质量修正，以减少误差和提高数据的可靠性。
其次，利用观测数据与数值模型进行对比分析。
通过将观测数据与数值模型中的边界层参数进行比较，可以发现模型与观测之间的差异，进而了解模型的偏差和不足之处。
通过对差异的分析，可以改进和优化数值模型，提高模型对边界层特征的模拟能力。
再次，开展边界层高度同化研究。
通过边界层高度的观测数据，结合数值模型的预测结果，可以利用同化方法将模型的结果与观测数据进行融合，进一步提高边界层高度的反演精度。
同化研究不仅可以改善边界层高度的空间分布，还可以提供更可靠的预测结果，从而对大气环境和气候变化的研究提供更精确的数据支持。
机载激光雷达和航空数码影像单木树高提取_赵峰
激光雷达 ( light detection and ranging, LiDAR) 技 术用于森林参数提取是当前研究的热点之一, 它通 过主动获取三维坐标信息, 可以直接测量森林参数 和估测森林结构特征 , 如树高、 冠层 高度、 冠径、 地 径、 地上生物量、 冠层覆盖率、 林木密度、 蓄积量和垂 直结构等信息( Maltamo et al . , 2004; Naesset et al . , 2001; Means et al . , 2000 ) 。传统的光学遥 感技术 仅能提供林木的二维信息, 需要借助其他辅助信息 才能获得其三维结构参数 ( Wulder , 1998) 。激光雷 达在林业中应用最广泛的是树高的获取, 而且在国
Qu fu 273100)
Liu Qingwang1
( 1 Institute of Forest Resources In formation Techniques , CAF 2 Forestry Bureau of Qu fu , Shandong Province
Beijing 100091;
第 45 卷 第 10 期 2 0 0 9 年 10 月
林
SCIENT IA
业
科
SILVAE
学
SINICAE
Vol 45, No 10 Oct. , 2 0 0 9
机载激光雷达和航空数码影像单木树高提取
赵
摘 要:
峰
1
庞
勇
1
李增元
1
张怀清
1
丰
伟
2
刘清旺
曲阜 273100)
1
( 1. 中国林业科学研究院资源信息ght detection and ranging) is an active remote sensing technique, LiDAR instruments measure the
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
10-6闫敏Fra bibliotek摘要幻灯片
• • • • 研究森林植被高度的背景及需求 激光雷达用于森林高度反演 国内外研究现状 激光雷达反演树高的局限性
研究森林植被高度的背景及需求
• 森林高度图可以帮助科学家们了解人类 燃烧化石燃料所释放的二氧化碳，有多 少被全球的树木吸收贮存起来。数十年 来，科学家已经通过卫星图像，绘制了 全球森林的地域分布地图。森林的地域 分布地图非常有用，解决了众多科学问 题。
研究森林植被高度的背景及需求
• 例如，它可以反映出森林破坏速度是在减 缓还是增快。 但是对于另一些疑问它却无 能为力，比如，哪些森林吸收了燃烧矿物 燃料所释放的大部分二氧化碳。因为科学 家需要了解森林的生物总量信息，这时就 需要同时了解森林分布和树木高度的数据。
研究森林植被高度的背景及需求
• 而对于传统的森林冠层高度获取方法不仅 成本高，且费时费力，作为一种主动式遥 感技术手段，激光雷达（LiDAR）系统在反 演森林冠层高度方面具有很大的优势及潜 力，能够快速准确地获取林地数字高程模 型和森林高度信息。
激光雷达用于森林高度反演
– 其测距基本原理可表示为 – 即通过处理每个脉冲返回传感器哦的时间，解 算传感器和地面不同表面之间的距离。 – 用于林业的激光雷达主要有2类：记录完整波 形数据的大光斑雷达与仅记录少量回波的小光 斑激光雷达。前者主要通过回波波形用于反演 大范围森林的垂直结构与生物量，后者利用高 密度的激光点云进行精确的单木水平上的高度 估测等工作。
小光斑激光雷达森林回波点云示意图
激光雷达用于森林高度反演
• 树高的提取方法与DTM和DSM的生成紧密相关， 两者查分而生成的nDSM(normalized Digital Surface Model)上的高度即第五绝对高度，是树 高提取的直接依据。激光点云数据树高反演处理 的流程如下：
激光雷达用于森林高度反演
激光雷达用于森林高度反演
• 林业用激光雷达工作原理
– 激光雷达测高原理和雷达高度计相同，只是它 用的是激光，工作频段在可见光和近红外。激 光雷达以脉冲激光作为技术手段，以激光束扫 描的工作方式测量从传感器到地面上激光照射 点的距离，即通过测量地面采样点激光回波脉 冲相对于发射激光主波之间的时间延长得到传 感器到地面采样点之间的距离。
激光雷达反演树高的局限性
• 尽管LiDAR在很多森林参数反演上取得了很大的 成功，但目前这一技术的应用仍很局限，主要表 现为：
– 理论体系尚有待进一步完善、数据有限、数据分析处 理软件缺乏、费用相对其它遥感手段较高。 – 小光斑系统由于是离散采样，往往会错失树顶的采样 而低估树高，为了弥补这一点，需要加大采样密度， 降低飞行高度，导致大范围应用所需费用很高，大光 斑系统有效地避免了树顶的错失，但太大的光斑会受 到林下地形和树木空间结构的影响。
国内外研究现状
• 国外研究进展
– Kenton Todd等对小光斑LiDAR数据计算树高 进行了研究，通过剔除首次回波中的噪声点而 提取出数字表面模型，然后通过DSM减去而得 到了平均树高。
国内外研究现状
• 国内研究进展
– 庞勇等人利用较低密度的点云数据，使用分位 数法对林分平均高度进行了估计，实验精度达 到了国家二类森林调查规程的需求。 –王永平对现有的数据滤波方法进行了分析和比 较，并提出了一种适用于森林地区LiDAR数据滤 波的算法，该方法能在中等复杂地形的林区有 效剔除粗差点、确定数目点云，并使用德国数 据进行了想关实验和分析，最终提取了森林试 验区得数字高程模型和平均树高。
国内外研究现状
• 国外研究进展
–Nisson等通过计算冠顶和地面回波之间的距离计算了 树高，精度达90%以上。 – 马里兰大学地理系Dubayah等人与NASA-GSFC合作提 出了星载植被激光雷达系统计划，该计划的机载实验 系统在美国、加拿大、澳大利亚等多个国家进行了成 功的实验，发展了森林激光雷达回波波形处理的方法 并进行了验证。 –Lefsky等人对多种先进的遥感数据进行了比较研究， 包括多时相TM数据、高空间分辨率的机载ADAR数据、 机载高光谱AVIRIS数据和机载激光雷达SLICER数据， 结果表明激光雷达数据反演出的数目结构参数精度最 高并指出尽管目前激光雷达只有采样数据，但与其他 影像数据结合使用将大大提高林业遥感的精度，近来 随着星载激光雷达系统的实施，必能取得更广泛的应 用 。
国内外研究现状
• 国内研究进展
–周淑芳将LiDAR数据和与其同步获取的高分辨 率数目影像为数据源，进行了高精度的单水平 方向信息及树高信息的提取。赵峰采用植被激 光点云数据在不同高度处的分位数作为统计变 量，建立于林分平均高的关系，进行林分平均 高反演，以树冠高模型和影像分割结果为基础 进行了单木树高反演
激光雷达用于森林高度反演
• LiDAR反演树高原理
– LiDAR的回波信号是从能量超过某一给定噪声 阈值开始以一定的时间间隔进行记录的，离散 回波的LiDAR系统仅记录超过某一阈值的几个 回波或一个回波。因此，对小光斑离散回波的 LiDAR系统而言，树高是来自树顶的回波与来 自地面回波高程的差。由于小光斑激光雷达的 光斑尺寸小于林木冠幅，小光斑离散回波的激 光雷达仅能对树冠的一部分进行感应。因此， 小光斑激光雷达数据是对林分的一个高密度采 样数据集，表现为高密度的林分激光点云。