星載激光雷達(dá)在林業(yè)上的應(yīng)用研究進(jìn)展

胥 喆，舒清態(tài)，楊凱博，吳嬌嬌，張亞紅

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

星載激光雷達(dá)在林業(yè)上的應(yīng)用研究進(jìn)展

胥 喆，舒清態(tài)，楊凱博，吳嬌嬌，張亞紅

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

簡(jiǎn)單介紹了星載激光雷達(dá)系統(tǒng)的特點(diǎn)及其工作原理和組成部分，重點(diǎn)闡述了基于GLAS數(shù)據(jù)對(duì)森林冠層高度、森林生物量進(jìn)行估算的方法，以及基于GLAS數(shù)據(jù)在森林類型識(shí)別和郁閉度估算等方面的應(yīng)用研究，并分析總結(jié)了星載激光雷達(dá)進(jìn)行估測(cè)的研究進(jìn)展及其一些局限性。

星載激光雷達(dá)；GLAS；森林冠層高度；生物量；波形參數(shù)

森林是重要的環(huán)境資源，是物質(zhì)資源最豐富、分布及面積最廣的陸地生態(tài)系統(tǒng)，也是陸地生態(tài)系統(tǒng)的關(guān)鍵部分，占全球總植被碳儲(chǔ)量的86%，對(duì)于改善全球生態(tài)環(huán)境與維持碳平衡起著決定性的作用[1]。森林生物量不僅是估算碳儲(chǔ)量及評(píng)價(jià)森林碳循環(huán)貢獻(xiàn)的基礎(chǔ)，也是森林生態(tài)功能評(píng)價(jià)的關(guān)鍵參數(shù)。近年來(lái)，人類日益關(guān)注著全球氣候的變化，更加表明對(duì)于各尺度上森林生物量變化監(jiān)測(cè)及估算碳儲(chǔ)量的重要性。傳統(tǒng)方法估算森林生物量，需要進(jìn)行外業(yè)實(shí)地測(cè)量獲取地面數(shù)據(jù)，不僅費(fèi)時(shí)、費(fèi)力，且通常適用于小范圍區(qū)域，無(wú)法獲取大區(qū)域乃至全球范圍的森林生物量，且更新較慢。

隨著遙感技術(shù)的發(fā)展，光學(xué)遙感雖彌補(bǔ)了傳統(tǒng)方式的不足，有效減少外業(yè)調(diào)查和計(jì)量的人力和時(shí)間耗費(fèi)，并且能在保證精度的同時(shí)保證數(shù)據(jù)的空間完整性與時(shí)間一致性[2]。但是，在森林垂直結(jié)構(gòu)信息獲取方面具有一定局限性，時(shí)常出現(xiàn)區(qū)域性光譜信號(hào)飽和的問(wèn)題[3]。而激光雷達(dá)(LIDAR，Light Detection and Ranging)是一種新興的主動(dòng)遙感技術(shù)，將現(xiàn)代激光技術(shù)與傳統(tǒng)雷達(dá)技術(shù)融為一體，不僅消除了光學(xué)遙感影像產(chǎn)生的信息飽和問(wèn)題，且可直接提供森林垂直結(jié)構(gòu)信息，能精確獲取研究對(duì)象的三維地理坐標(biāo)[4]。星載LiDAR是基于衛(wèi)星平臺(tái)運(yùn)行，具有觀測(cè)視角寬和運(yùn)行軌道高兩大特征，覆蓋世界的每一個(gè)小區(qū)域，可以連續(xù)完整的記錄其回波的波形數(shù)據(jù)，且在植被垂直分布測(cè)量、海面高度測(cè)量等監(jiān)測(cè)方面也發(fā)揮著重要作用，對(duì)于森林生物量的估算也非常關(guān)鍵。

鑒于星載LiDAR在估測(cè)森林結(jié)構(gòu)參數(shù)方面的優(yōu)勢(shì)，本文重點(diǎn)闡述了利用GLAS數(shù)據(jù)進(jìn)行森林結(jié)構(gòu)參數(shù)的估測(cè)方法，討論其優(yōu)缺點(diǎn)，展望應(yīng)用前景。

1 ICESat—GLAS簡(jiǎn)介

1.1 ICESat—GLAS系統(tǒng)

ICESat(Ice，Cloud and Land Elevation Satellite)—GLAS(Geoscience Laser Altimetry System)對(duì)地觀測(cè)衛(wèi)星由美國(guó)加利福利亞的Vandenberg空軍基地于2003年1月13日成功發(fā)射。主要科學(xué)目標(biāo)是：①對(duì)極地冰雪的變化物質(zhì)總量的平衡進(jìn)行認(rèn)知；②對(duì)冰蓋變化和氣候間的關(guān)聯(lián)進(jìn)行探索；③對(duì)全球范圍中的云、氣溶膠垂直結(jié)構(gòu)與云層高度進(jìn)行測(cè)量，以便于全球溫度平衡的研究；④繪制陸地拓?fù)鋱D，對(duì)陸地表面粗糙度及反射率和植被冠層高度、冰雪蓋面的表面特點(diǎn)進(jìn)行測(cè)量，便于一些科學(xué)研究及應(yīng)用[5]。ICESat飛行高度約為600 km，傾角為94°，觀測(cè)范圍可覆蓋全球南北緯86°之間的大部分區(qū)域，ICESat衛(wèi)星上搭載著GLAS傳感器，它是第一個(gè)進(jìn)行全球范圍內(nèi)連續(xù)不間斷觀測(cè)的星載激光測(cè)高系統(tǒng)，重復(fù)周期為183 d。GLAS在進(jìn)行地面高度測(cè)量時(shí)，其激光器以40次·s-1發(fā)射紅外(1046 nm)和綠色(523 nm)脈沖，紅外進(jìn)行地面測(cè)高，綠色進(jìn)行大氣后續(xù)散射測(cè)量。脈沖寬度為4 ns，相當(dāng)于0.6 m的地面高度，其形成的地面光斑點(diǎn)約為直徑70 m的橢圓，在衛(wèi)星飛行軌道上的2個(gè)光斑相隔170 m[6]。GLAS發(fā)射的脈沖為高斯型，且接收波形也能視為高斯波形。

ICESat—GLAS數(shù)據(jù)產(chǎn)品分15種標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品，包括Level-1A、Level-1B和8個(gè)Level-2數(shù)據(jù)產(chǎn)品[7]。其中1A級(jí)產(chǎn)品為GLA01—04，1B級(jí)產(chǎn)品為GLA05—06，2級(jí)產(chǎn)品為GLA12—15。GLA01為全球高程數(shù)據(jù)，提供測(cè)高儀接收與發(fā)送的全波形信息，可反映光斑內(nèi)的地物信息，并為森林結(jié)構(gòu)參數(shù)估算提供中間參數(shù)；GLA05為更正數(shù)據(jù)，包括波形特征參數(shù)和地形特征參數(shù)；GLA06表示表面高及進(jìn)行高度觀測(cè)所得數(shù)據(jù)的物理與大氣改正；GLA14為陸地植被測(cè)高數(shù)據(jù)，是森林植被覆蓋研究中的主要數(shù)據(jù)，包括回波振幅、標(biāo)準(zhǔn)差和面積，以及各波峰參數(shù)。在進(jìn)行森林生物量估算時(shí)，主要使用GLA01、GLA05、GLA14這3種數(shù)據(jù)，而數(shù)據(jù)一般在國(guó)際冰雪數(shù)據(jù)中心NSDIC(National Snow and Ice Data Center)免費(fèi)獲取。

圖1 GLAS傳感器示意圖[8]

1.2 ICESat—GLAS系統(tǒng)的組成及工作原理

ICESat—GLAS系統(tǒng)主要由3部分構(gòu)成：激光掃描系統(tǒng)、位置/方向控制系統(tǒng)以及控制單元(圖1)。而其最為核心的部分是激光掃描系統(tǒng)。在GLAS系統(tǒng)上搭載著3個(gè)獨(dú)立工作的激光器，主要用于接收與發(fā)射激光信號(hào)，且當(dāng)1個(gè)激光器發(fā)生故障無(wú)法使用時(shí)，可對(duì)剩余2個(gè)進(jìn)行檢查，對(duì)其采取間歇性交替工作的衛(wèi)星運(yùn)行模式；方向/位置控制系統(tǒng)則由差分GPS(DGPS)和關(guān)系測(cè)量裝置(IMU)組成，具體作用為確定掃描儀的姿態(tài)參數(shù)和平臺(tái)位置；控制單元主要用于控制與協(xié)調(diào)各部分功能，確保正常運(yùn)行。

星載LIDAR測(cè)高原理與雷達(dá)高度計(jì)一致，但是，前者是光學(xué)遙感器，使用激光測(cè)高，可見(jiàn)光(532 nm)與近紅外光(1064 nm)為其工作頻段，后者為微波遙感器，微波(1 mm～1 m)為其工作頻段，兩者相比，星載激光雷達(dá)的工作頻率高出約1萬(wàn)～10萬(wàn)倍[9]。星載激光雷達(dá)采用脈沖激光技術(shù)，以星下點(diǎn)指向方式，從傳感器沿星下點(diǎn)方向進(jìn)行激光脈沖發(fā)射，經(jīng)過(guò)地面漫反射及大氣分子散射形成返回脈沖，則激光回波脈沖相對(duì)于發(fā)射激光主波間的時(shí)延為其傳感器與光斑點(diǎn)間的距離[10]。

2 GLAS數(shù)據(jù)估測(cè)森林冠層高度

圖2 GLAS回波波形參數(shù)計(jì)算示意圖[12]

星載大光斑雷達(dá)利用其記錄的全波形參數(shù)進(jìn)行森林冠層高度估測(cè)，即當(dāng)反射能量大于某一給定的背景噪聲閥值時(shí)，星載雷達(dá)才開(kāi)始以相等的時(shí)間間隔進(jìn)行回波波形記錄。在森林覆蓋的激光光斑內(nèi)，森林的最高冠層會(huì)有一部分入射激光脈沖被反射回接收系統(tǒng)中，由此形成激光返回波形中的首個(gè)有效回波點(diǎn)，即返回波形與有效能量相交的臨界點(diǎn)，稱之為第一回波或頂層回波；另一部分入射激光脈沖則穿透森林冠層抵達(dá)地面，形成激光返回波形的末個(gè)大振幅的回波波形峰點(diǎn)，稱之為最后回波或地面回波。森林的垂直分布情況由地面回波與頂層回波間的信號(hào)來(lái)反映(圖2)。在較為平坦地區(qū)，冠層高度由頂層回波與地面回波間的差值表示[11]；在地面起伏地區(qū)，會(huì)有波形展寬產(chǎn)生，因此，必須減去地面起伏產(chǎn)生的波形展寬。

基于不同坡度范圍內(nèi)反演森林冠層高度時(shí)，需使用激光波形長(zhǎng)度和地形指數(shù)為變量建立線性或非線性模型。在地形起伏較大的區(qū)域，光斑內(nèi)的森林冠層信息容易與地面反射信息相混合，使得在解譯波形方面極度困難，在冠層信息的精度提取中受到限制[13]。在未結(jié)合DEM數(shù)據(jù)的情況下，胡艷等[14]通過(guò)GLAS數(shù)據(jù)對(duì)黑龍江省小興安嶺區(qū)域提取樹(shù)高，并與二類調(diào)查數(shù)據(jù)做精度檢驗(yàn)，其精度達(dá)92.67%，但受地形坡度起伏和樹(shù)木冠形的干擾，其波形長(zhǎng)度與實(shí)際樹(shù)高有差異，且GLAS數(shù)據(jù)在連續(xù)性和密度上有待進(jìn)一步研究。Lefsky等[15]使用波形展寬、上端邊緣糾正系數(shù)和下端邊緣糾正系數(shù)這3個(gè)波形特征參數(shù)進(jìn)行森林冠層高度估算模型的建立，并使用此模型對(duì)巴西熱帶常綠闊葉林和北美常綠針葉林的冠層高度進(jìn)行估測(cè)，得出結(jié)論R2=83%，RMSE=5 m。同時(shí)，在其描述的算法中，認(rèn)定平均樹(shù)高為波形展寬與糾正系數(shù)的差值，并且可不再依賴DEM數(shù)據(jù)，消除了地形的影響。龐勇等[16]使用理論模擬技術(shù)闡述了地形起伏對(duì)大光斑雷達(dá)回波波形的干擾，并在地形坡度不同的情況下對(duì)同種樹(shù)木參數(shù)的回波波形進(jìn)行模擬，利用GLAS數(shù)據(jù)對(duì)其檢驗(yàn)，研究表明：波形長(zhǎng)度會(huì)隨坡度的增大而增加，同時(shí)回波也都展寬，地面與植被的波峰值也隨之降低，坡度和波形長(zhǎng)度呈近似線性正相關(guān)。表明在進(jìn)行森林參數(shù)反演時(shí)，可減去一個(gè)地形起伏度因子實(shí)現(xiàn)地形效應(yīng)糾正，以減弱地形對(duì)森林冠層高度估算的影響。

為了消除在森林冠層高度估測(cè)中地形的影響，Lefsky等[17]將GLAS數(shù)據(jù)與地面輔助數(shù)據(jù)SRTM(30 m和90 m精度)相結(jié)合，在3種生態(tài)系統(tǒng)中(巴西熱帶闊葉林、美國(guó)田納西州溫帶闊葉林和俄勒岡州溫帶針葉林)進(jìn)行最大冠層高度估測(cè)，通過(guò)建立地形因子與冠層高度的線性關(guān)系來(lái)對(duì)地形的影響進(jìn)行減弱，得出結(jié)果：在3個(gè)生態(tài)系統(tǒng)中，最大森林冠層高度估算模型結(jié)果的R2=59%～68%，RMSE=4.85～12.66 m。邢艷秋等[18]以吉林長(zhǎng)白山林區(qū)為研究區(qū)，在分析其獲取的3512個(gè)激光光斑中GLAS高程和DEM高程間的聯(lián)系，得出兩者的相關(guān)系數(shù)為0.99(RMSE=0.016 m)，且依據(jù)Carabajal等[19]與Sun等[20]的描述，此結(jié)果說(shuō)明了激光光斑的地理坐標(biāo)范圍誤差極小，幾乎可以不計(jì)。邢艷秋等[18]還將所測(cè)地面調(diào)查數(shù)據(jù)依據(jù)不同坡度分為不同組合，各自進(jìn)行模型建立，公式為H=b0(W-b1g)，式中：H為森林冠層高度；w為波形長(zhǎng)度；g為地形指數(shù)；b0、b1為各自系數(shù)。結(jié)果表明：坡度在0～15°范圍內(nèi)，GLAS波形參數(shù)可完全的估測(cè)森林冠層高度，解釋能力為51%～90%，其結(jié)果與Lefsky等[17]的研究結(jié)果相符，星載激光雷達(dá)系統(tǒng)在平坦區(qū)域內(nèi)能較好的進(jìn)行森林冠層高度估測(cè)；坡度在15°～30°間，伴隨著坡度的增大，模型對(duì)變量的解釋能力也隨之明顯降低。所以，為提高GLAS數(shù)據(jù)在地形起伏較大地區(qū)的反演精度，必須改善波形數(shù)據(jù)的處理方式，以及改良森林冠層高度估測(cè)模型。

王蕊等[21]在吉林省汪清縣林區(qū)應(yīng)用GLAS數(shù)據(jù)估測(cè)坡地森林冠層高度，采用4個(gè)波形參數(shù)：波形長(zhǎng)度(Wext)、地形指數(shù)(g)、未改進(jìn)的后緣長(zhǎng)度(Trailext)和改進(jìn)的后緣長(zhǎng)度(Trailmod)，分為5組分別建立估測(cè)模型進(jìn)行對(duì)比，第1個(gè)為采取DEM數(shù)據(jù)量化的地形坡度的Xing模型[16]，公式為：H1=a1(InWext+b1g)+d1；第2個(gè)為對(duì)Xing模型進(jìn)行改進(jìn)，用未改進(jìn)的后緣長(zhǎng)度代替其中的地形因子，公式為：H2=a2InWext+c1Trailext+d2；第3個(gè)為將未改進(jìn)的后緣長(zhǎng)度加入Xing模型中，公式為：H3=a3InWext+b2g+c2Trailext+d3；第4個(gè)為采用Hilbert等[22]提出的改進(jìn)的后緣長(zhǎng)度代替地形指數(shù)，它可以在冠層與地面的峰值強(qiáng)度出現(xiàn)明顯差異時(shí)十分有效的對(duì)地形特征進(jìn)行定量化，公式為：H4=a4InWext+c3Trailmod+d4；第5個(gè)為將改進(jìn)后的后緣長(zhǎng)度加入Xing模型中，公式為：H5=a5InWext+b4g+c4Trailmod+d5。比較分析以上估測(cè)模型結(jié)果表明，基于波形自身特征變量的模型比基于輔助地形DEM數(shù)據(jù)的模型結(jié)果均更優(yōu)秀，表明在進(jìn)行地形坡度的量化時(shí)，波形自身特征參數(shù)表征坡度的能力更高。

以上研究均與DEM數(shù)據(jù)相結(jié)合，通過(guò)相關(guān)地形指數(shù)來(lái)消除地形的影響，但是，由于GLAS數(shù)據(jù)在空間上具有不連續(xù)性，無(wú)法得出連續(xù)的森林空間結(jié)構(gòu)參數(shù)，因此必需使用與其他遙感技術(shù)相結(jié)合的方法對(duì)森林冠層高度進(jìn)行無(wú)縫估測(cè)。Lefsky[23]利用GLAS數(shù)據(jù)進(jìn)行全球森林冠層高度的估測(cè)，并結(jié)合MODIS數(shù)據(jù)的分割產(chǎn)品對(duì)空間的連續(xù)進(jìn)行擴(kuò)展，首次形成全球的森林樹(shù)高圖。時(shí)隔1 a，Simard等[24]使用不同于Lefsky研究的輸入變量和運(yùn)算方法進(jìn)行全球樹(shù)高圖的繪制，主要結(jié)合全球氣候產(chǎn)品、高程產(chǎn)品和植被覆蓋產(chǎn)品，采用隨機(jī)森林計(jì)算法進(jìn)行不同森林類型的樹(shù)高反演，研究結(jié)果顯示估測(cè)模型的R2為0.69。

董立新等[25]以長(zhǎng)白山林場(chǎng)為研究區(qū)，使用星載激光雷達(dá)與MERSI遙感數(shù)據(jù)進(jìn)行結(jié)合，反演區(qū)域尺度林分冠頂高度。通過(guò)植被高度、LAI和覆蓋度之間的轉(zhuǎn)換關(guān)系，采用公式H=AH×LAI/F，式中：H為植被高度；LAI為葉面積指數(shù)；F為覆蓋度；AH為系數(shù)。建立不同森林類型森林冠頂高度與LAI/F比值間的模型，得出結(jié)果：針葉林R2=0.653；其次，闊葉林R2=0.520；混交林最低，R2=0.314。因此，就純林而言，兩者間具有較好的關(guān)系，可利用以上模型結(jié)合森林類型覆蓋圖外推出林區(qū)的森林冠頂高度，制作森林冠頂高度圖。

吳迪等[26]以大興安嶺塔河林業(yè)局營(yíng)林區(qū)為研究區(qū)，在不同地形條件下，選取最優(yōu)算法進(jìn)行森林冠層高度提取。采用GLAS 數(shù)據(jù)與多角度光學(xué)遙感MISR/BRF數(shù)據(jù)相聯(lián)合，通過(guò)Breiman提出的隨機(jī)森林機(jī)器RF(Random Forest)學(xué)習(xí)算法生成連續(xù)分布的塔河林場(chǎng)樹(shù)高圖，使樹(shù)高信息提取從點(diǎn)擴(kuò)展到面尺度上，并結(jié)合實(shí)測(cè)樣地?cái)?shù)據(jù)對(duì)其進(jìn)行精度檢驗(yàn)，結(jié)果顯示：R2=0.72，RMSE=1.83 m，精度達(dá)到85.22%。還對(duì)其反演結(jié)果的誤差進(jìn)行空間相關(guān)性分析，得出全局空間自相關(guān)指數(shù)Moran′sI=0.0031，P=0.4610，充分表明誤差的整體空間格局為隨機(jī)格局，不存在顯著的全局相關(guān)性。由于此研究是基于坡度<10°的樣地進(jìn)行的，因此如何在復(fù)雜地形中，應(yīng)用有效方法來(lái)定量和消除反演過(guò)程中的累加誤差還需更深入的探究。王成等[27]以東北三省為研究對(duì)象，通過(guò)GLAS數(shù)據(jù)與MODIS數(shù)據(jù)相結(jié)合，并使用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練來(lái)建立最佳BRDF反照率參數(shù)的森林冠層高度反演模型，通過(guò)此模型獲取整個(gè)東北區(qū)域的森林冠層高度分布圖。

3 森林冠層垂直結(jié)構(gòu)分布及郁閉度估測(cè)

星載大光斑雷達(dá)通過(guò)數(shù)字化形式接收其在冠層與地面之間的回波信號(hào)，所接收的波形與樹(shù)冠的垂直結(jié)構(gòu)緊密關(guān)聯(lián)(圖3)。且大光斑雷達(dá)系統(tǒng)所接收的波形參數(shù)完全展示光斑點(diǎn)冠層組分(葉、干、枝)表面垂直投影的反射，更能反映出樹(shù)葉、樹(shù)干和樹(shù)枝的表面積，同時(shí)可基于截面回波進(jìn)行部分林分冠層垂直結(jié)構(gòu)的重建[11]。就目前而言，Lefsky等[28]采用SLICER波形數(shù)據(jù)完整的表述了樹(shù)冠體積的垂直分布情況，國(guó)內(nèi)外極少有專家學(xué)者利用GLAS數(shù)據(jù)進(jìn)行完整的描述森林冠層的垂直結(jié)構(gòu)分布。

圖3 大光斑Lidar森林回波波形示意圖[30]

冠層截面的垂直結(jié)構(gòu)就如樹(shù)冠高度一樣，為植被分類研究提供了一種新技術(shù)，并為估測(cè)樹(shù)冠其他結(jié)構(gòu)參數(shù)奠定基礎(chǔ)，且是森林連續(xù)分布評(píng)價(jià)的一個(gè)關(guān)鍵指標(biāo)。樹(shù)冠結(jié)構(gòu)表示樹(shù)冠局部與總體生長(zhǎng)特征，樹(shù)冠的構(gòu)型直接控制了樹(shù)木個(gè)體的形態(tài)、生產(chǎn)力及生長(zhǎng)活力。樹(shù)冠隨著林分年齡的增加和林分的生長(zhǎng)，其垂直分布也會(huì)隨之產(chǎn)生變化。成過(guò)熟天然林主要表現(xiàn)為高度和林齡結(jié)構(gòu)變化極大，林隙較多，在垂直結(jié)構(gòu)分布上也更均一，而同齡林絕大部分冠層物質(zhì)都處于樹(shù)頂周邊[29]。早期，Lefsky研究表明，激光波形對(duì)于森林垂直結(jié)構(gòu)連續(xù)性的變化十分敏感。

森林郁閉度作為森林生態(tài)系統(tǒng)評(píng)價(jià)環(huán)境指標(biāo)的關(guān)鍵因子之一，星載大光斑雷達(dá)在對(duì)其進(jìn)行估測(cè)時(shí)，需使用冠層回波總能量與地面回波總能量之比來(lái)計(jì)算，并需要結(jié)合光學(xué)遙感數(shù)據(jù)輔助。目前國(guó)內(nèi)外使用GLAS數(shù)據(jù)反演森林郁閉度的研究也很少。國(guó)外，García等[31]采用GLAS數(shù)據(jù)中的冠層基高度(CBH)估算森林郁閉度，研究得出估測(cè)精度達(dá)到89%，并與機(jī)載激光雷達(dá)估測(cè)值有著較好的線性關(guān)系。國(guó)內(nèi)，王蕊等[32]利用GLAS波形數(shù)據(jù)和多光譜TM影像估測(cè)研究區(qū)的森林郁閉度，并采取多元線性回歸和BP神經(jīng)網(wǎng)絡(luò)來(lái)聯(lián)合GLAS數(shù)據(jù)與TM數(shù)據(jù)計(jì)算郁閉度，結(jié)果表明：當(dāng)使用GLAS數(shù)據(jù)單獨(dú)進(jìn)行建模，其估測(cè)精度為0.762，在將兩者相聯(lián)合后進(jìn)行森林郁閉度估測(cè)，其估測(cè)精度達(dá)到0.851，充分表明多源遙感數(shù)據(jù)在森林郁閉度估測(cè)中的優(yōu)勢(shì)，為后續(xù)的區(qū)域連續(xù)制圖提供了可靠的方法。

4 GLAS數(shù)據(jù)的森林類型識(shí)別

目前，星載激光雷達(dá)數(shù)據(jù)已成功用于森林垂直結(jié)構(gòu)信息的反演中，但在進(jìn)行森林類型識(shí)別方面的研究很少，方法并不成熟，導(dǎo)致結(jié)果不理想。Duong等[33]使用GLAS數(shù)據(jù)進(jìn)行土地覆蓋分類，結(jié)果顯示僅能將森林從土地類型中區(qū)分出來(lái)，而無(wú)法識(shí)別森林類型。2004年，Ranson等[34]嘗試著從坡度<5°的激光波形中提取坡度角和質(zhì)心的特征參數(shù)，并對(duì)西伯利亞中部地區(qū)的8種地面類型進(jìn)行區(qū)分，然而所得的分類結(jié)果并不理想，2種參數(shù)出現(xiàn)了極大的重疊，無(wú)法將植被進(jìn)行區(qū)分。2014年，劉美爽等[35]以長(zhǎng)白山汪清林區(qū)為例，使用GLAS數(shù)據(jù)和支持向量分類機(jī)(C-SVC)方法聯(lián)合進(jìn)行森林類型識(shí)別，并通過(guò)K-折交叉驗(yàn)證方法對(duì)核函數(shù)選擇進(jìn)行評(píng)價(jià)，結(jié)果表明：支持向量分類機(jī)方法能較好的識(shí)別針葉林與闊葉林，精度達(dá)到85.24%，但是，在研究中所選取的3個(gè)森林類型分類變量中，對(duì)針葉林識(shí)別的表現(xiàn)并不理想，且缺乏對(duì)針闊混交林的識(shí)別分析。因此，今后需在針闊混交林識(shí)別方面進(jìn)行更深入的研究，分析出更好的波形特征參數(shù)來(lái)進(jìn)行森林類型識(shí)別。

5 GLAS數(shù)據(jù)估測(cè)森林生物量

近幾年，星載激光雷達(dá)在森林生物量估測(cè)中得到廣泛應(yīng)用。星載激光雷達(dá)估測(cè)森林生物量時(shí)，其主要算法是提取波形參數(shù)(冠層高度展寬、波形半能量高度HOME、波形面積AWAV等)，與野外樣地調(diào)查數(shù)據(jù)(樹(shù)高、胸徑等)相結(jié)合，與實(shí)測(cè)生物量建立回歸模型，并通過(guò)樣地調(diào)查數(shù)據(jù)進(jìn)行檢驗(yàn)。

Nelson等[36]利用GLAS數(shù)據(jù)的前傾角和波長(zhǎng)信息進(jìn)行4種不同的生物量模型的建立，精確地估算了加拿大魁北克省127萬(wàn)km2范圍的地面生物量，研究表明：GLAS數(shù)據(jù)可提供可靠的森林結(jié)構(gòu)信息，可以大范圍推廣使用。龐勇等[37]進(jìn)一步模擬了同種樹(shù)木參數(shù)及地表?xiàng)l件下4種空間分布格局對(duì)大光斑激光雷達(dá)波形的影響，分別模擬了波形面積AWAV和波形半能量高度HOME與生物量等森林參數(shù)的相關(guān)性，研究表明：無(wú)論在規(guī)則分布中，還是隨機(jī)分布時(shí)，森林參數(shù)反演指標(biāo)選取HOME的效果更好；相對(duì)于聚集分布時(shí)，則森林參數(shù)反演指標(biāo)選取AWAV的效果更好。由于波形面積和波形半能量高度與蓄積量、生物量有著緊密的關(guān)系，因此，可通過(guò)2個(gè)參數(shù)與生物量建模來(lái)進(jìn)行反演。于穎等[38]對(duì)GLAS波形數(shù)據(jù)進(jìn)行處理后，利用提取的HOME和AWAV 2個(gè)波形參數(shù)與已知樣地的地上生物量建立反演模型，結(jié)果表明：生物量模型的決定系數(shù)為0.9974，理論精度達(dá)到91.3%，充分反映GLAS數(shù)據(jù)可精確的反演森林生物量。吳紅波[39]利用GLAS數(shù)據(jù)估測(cè)長(zhǎng)白山的林地生物量，估測(cè)精度達(dá)到80.56%，并且分析得出對(duì)森林冠層高度進(jìn)行估測(cè)時(shí)，基于空間分辨率不同的DEM數(shù)據(jù)會(huì)對(duì)其結(jié)果產(chǎn)生一定的影響。

曲婉婷等[40]以小興安嶺為研究區(qū)，利用GLAS的7種波形參數(shù)及下端邊緣糾正系數(shù)(TECF)和上端邊緣糾正系數(shù)(LECF)，對(duì)研究區(qū)中針葉林與闊葉林進(jìn)行森林生物量估測(cè)，結(jié)果顯示：相對(duì)于針葉林，引入糾正系數(shù)后的生物量反演模型的R2由0.727提升至0.806，RMSE則減小至35 Mg·hm-2；對(duì)于闊葉林，生物量反演模型的R2由0.657提升至0.796，RMSE減少至41 Mg·hm-2，這說(shuō)明所選波形參數(shù)與生物量具有極高的相關(guān)性，但是由于森林類型的不同，今后需選擇合適的波形參數(shù)進(jìn)行生物量反演。

星載激光雷達(dá)由于自身固有的離散屬性，在水平方向上的面積分布有一定限制，為了獲得區(qū)域尺度上森林生物量分布，必須與光學(xué)遙感相結(jié)合。通過(guò)大量研究證明，使用GLAS數(shù)據(jù)與光學(xué)遙感數(shù)據(jù)相結(jié)合可實(shí)現(xiàn)森林生物量空間尺度上的無(wú)縫反演。Baccini等[41]采用GLAS數(shù)據(jù)與MODIS數(shù)據(jù)結(jié)合，估算出非洲熱帶森林區(qū)域的生物量，生成了第一張非洲熱帶森林的生物量分布圖。

董立新等[42]在基于GLAS數(shù)據(jù)的反演森林冠層高度的算法上，并結(jié)合Landsat ETM數(shù)據(jù)建立森林地上生物量神經(jīng)網(wǎng)絡(luò)反演模型，實(shí)現(xiàn)了研究區(qū)域森林地上生物量分布圖；且發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型能夠充分利用其先驗(yàn)知識(shí)，自動(dòng)進(jìn)行合理的模型生成，十分適用于地形復(fù)雜區(qū)域的生物量估算。GUO等[43]利用GLAS數(shù)據(jù)結(jié)合環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星(HJ-1 CCD)的植被指數(shù)進(jìn)行生物量反演，針對(duì)針葉林和闊葉林建立與地面調(diào)查數(shù)據(jù)的生物量估測(cè)模型，其決定系數(shù)分別為0.68和0.71；同時(shí)使用多元回歸分析建立HJ-1衛(wèi)星數(shù)據(jù)光譜反射值和植被指數(shù)與生物量的模型，得到的決定系數(shù)分別為0.55和0.52。另外，越來(lái)越多的研究者開(kāi)始重視對(duì)估算森林地上生物量的不確定性分析，Saatchi等[44]通過(guò)GLAS數(shù)據(jù)與MODIS和QuikSCAT等光學(xué)數(shù)據(jù)聯(lián)合估測(cè)全球熱帶國(guó)家及地區(qū)的森林生物量，同時(shí)生成森林生物量的不確定性分析圖。要想減少結(jié)果的不確定性，就需模型其積累和傳播方式，并對(duì)其結(jié)果進(jìn)行量化，再根據(jù)引起它的主要原因進(jìn)行修正估算過(guò)程，以提高估算精度。龐勇等[45]結(jié)合機(jī)載與星載激光雷達(dá)數(shù)據(jù)及MERIS數(shù)據(jù)和土地覆蓋數(shù)據(jù)等遙感產(chǎn)品，利用Cubist決策樹(shù)回歸法對(duì)大湄公河次區(qū)域進(jìn)行森林生物量的估測(cè)，并生成連續(xù)的森林生物量圖，得到了各地區(qū)生物量分布情況，估測(cè)結(jié)果與其他報(bào)告公布的基本一致。湯旭光[46]針對(duì)長(zhǎng)白山林區(qū)復(fù)雜的地形條件，聯(lián)合GLAS估算的最大冠層高度、TM數(shù)據(jù)及其估算的LAI和郁閉度，采用多元線性回歸法和BP神經(jīng)網(wǎng)絡(luò)模型法進(jìn)行生物量反演模型的建立，并通過(guò)此模型完整的反演出區(qū)域尺度的生物量，實(shí)現(xiàn)了生物量的空間外推。

6 結(jié)論與展望

星載激光雷達(dá)是一項(xiàng)主動(dòng)遙感技術(shù)，數(shù)據(jù)范圍覆蓋全球，與傳統(tǒng)光學(xué)遙感相比，不僅克服了信號(hào)飽和的缺點(diǎn)，并且可對(duì)森林的垂直結(jié)構(gòu)參數(shù)進(jìn)行精確的獲取，能進(jìn)行高精度的森林結(jié)構(gòu)參數(shù)的估測(cè)。通過(guò)星載LIDAR的回波參數(shù)，可以對(duì)森林冠層高度、疏密程度、地表類型及地表覆蓋率進(jìn)行分析研究，推算其森林生物量、蓄積量，有利于對(duì)森林進(jìn)行有效規(guī)劃與利用。

目前，雖然星載激光雷達(dá)在反演森林結(jié)構(gòu)參數(shù)和生物量中獲得了極大的進(jìn)展，但仍有許多不足之處待解決。主要有：①數(shù)據(jù)的離散性，數(shù)據(jù)在空間分布的不連續(xù)性；②獲取森林水平結(jié)構(gòu)參數(shù)的缺乏；③在復(fù)雜地形條件下，由于光斑范圍較大，波形易受地形起伏的影響，從而影響獲取參數(shù)的精度；④在進(jìn)行郁閉度估測(cè)、森林類型識(shí)別方面，所得精度并不理想。今后，在提高星載激光雷達(dá)估測(cè)森林結(jié)構(gòu)參數(shù)的精度方面，需做更進(jìn)一步的研究及努力。為克服GLAS數(shù)據(jù)的不連續(xù)性，可將長(zhǎng)時(shí)間序列的光學(xué)遙感數(shù)據(jù)與GLAS數(shù)據(jù)相結(jié)合，實(shí)現(xiàn)森林空間結(jié)構(gòu)參數(shù)的無(wú)縫估算。目前大部分研究都是基于經(jīng)驗(yàn)?zāi)Ｐ瓦M(jìn)行反演，其時(shí)空可移植性差，因此，可發(fā)展機(jī)理模型來(lái)反演生物量更具潛力。在地形起伏較大的區(qū)域，可通過(guò)改善波形數(shù)據(jù)處理的方法，更加全面地考慮地形的影響因素，對(duì)估測(cè)模型進(jìn)行改良，以減弱地形的影響。

[1]Olson J S，Watts J A，Allison L J.Carbon in live vegetation of major world ecosystems[R].Oak Ridge，Tenn：Oak Ridge National Laboratory，1983.

[2]Wulder M A，White J G，Stinson G，et al.Implications of differing input data sources and approaches upon forest carbon stock estimation[J].Environmental Monitoring and Assessment，2010，166(14)：543-561.

[3]Duncanson L，Niemann K，Wulder M.Integration of GLAS and landsat TM data for aboveground biomass estimation[J].Canadian Journal of Remote Sensing，2010，36(2)：129-141.

[4]Lefsky M A，Cohen W B，Parker G G，et al.Lidar remote sensing for ecosystem studies[J].Bioscience，2002(52)：19-30.

[5]ABSHIRE J B，SUN XIAOLI，RIRIS H，et al.Geoscience Laser Altimeter System(GLAS) on the ICESat mission：Prelaunch and on-orbit measurement performance[C].IEEE Int-ernational Geoscience and Remote Sensing Symposium，2003，3：1534-1536.

[6]Schutz B E.Laser Footprint Location(Geolocation) and Surface Profiles[M].Austin：Center for Space Research in the University of Texas，2002.

[7]黃克標(biāo).基于激光雷達(dá)的大湄公河次區(qū)域森林地上生物量反演[D].昆明：西南林業(yè)大學(xué)，2011.

[8]趙一鳴，李艷華，商雅楠，等.激光雷達(dá)的應(yīng)用及發(fā)展趨勢(shì)[J].遙測(cè)遙控，2014，35(5)：5-22.

[9]鄂棟臣，徐瑩，張小紅.星載激光測(cè)高及其在極地的應(yīng)用研究分析[J].極地研究，2006，18(2)：148-155.

[10]Sun G，Ranson K J.Modeling lidar returns from forest canopies[J].IEEE Transactions on Geoscience and Remote Sensing，2000，38(6)：2617-2626.

[11]龐勇，李增元，陳爾學(xué)，等.激光雷達(dá)技術(shù)及其在林業(yè)上的應(yīng)用[J].林業(yè)科學(xué)，2005，41(3)：129-136.

[12]龐勇，于信芳，李增元.星載激光雷達(dá)波形長(zhǎng)度提取與林業(yè)應(yīng)用潛力分析[J].林業(yè)科學(xué)，2006，42(7)：137-140.

[13]Harding D J，Carabajal C C.ICESat waveform measurements of within footprint topographic relief and vegetation vertical structure[J].Geophysical Research Letters，2005，32(21)：741-746.

[14]胡艷，王迪，曲婉婷，等.利用大光斑激光雷達(dá)估測(cè)小興安嶺平均樹(shù)高[J].安徽農(nóng)業(yè)科學(xué)，2014，42(15)：4707-4709.

[15]Lefsky M A，Keller M，Pang Y，et al.Revised method for forest canopy height estimation from Geoscience Laser Altimeter System waveforms[J].Journal of Applied Remote Sensing，2007，1(1)：6656-6659.

[16]龐勇，李增元，車學(xué)儉，等.地形對(duì)大光斑激光雷達(dá)森林回波影響研究[J].林業(yè)科學(xué)，2007，20(4)：464-468.

[17]Lefsky M A，Harding D J，Keller M，et al.Estimates of forest Canopy height and aboveground biomass using ICESat[J].Geophysical Research Letters，2006，32(5)：441-441.

[18]邢艷秋，王立海.基于ICESat-GLAS完整波形的坡地森林冠層高度反演研究——以吉林長(zhǎng)白山林區(qū)為例[J].武漢大學(xué)學(xué)報(bào)，2009，34(6)：696-700.

[19]Carabajal C C，Harding D J.ICESat Validation of SRTM C-band Digital Elevation Models[J].Geophysical Research Letters，2004，32(22)：117-137.

[20]Sun G，Ranson K J，Kimes D S，et al.Forest Vertical Structure from GLAS：An Evaluation Using LVIS and SRTM Data[J].Remote Sensing of Environment，2008，112(1)：107-117.

[21]王蕊，邢艷秋，邱賽，等.基于ICESat-GLAS全波形數(shù)據(jù)的坡地森林冠層高度估測(cè)[J].安徽農(nóng)業(yè)科學(xué)，2014，42(9)：2790-2793.

[22]Hilbert C，Schmullius C.Influence of Surface Topography on ICESat GLAS Forest Height Estimaion and Waveform Shape[J].Remote Sensing，2012，4(8)：2210-2235.

[23]Lefsky M A.A global forest canopy height map from the Moderate Resolution Imaging Spectroradiometer and the Geoscience Laser Altimeter System[J].Geophysical Research Letters，2010，37(15)：78-82.

[24]Simard M，Pinto N，F(xiàn)isher J B，et al.Mapping forest canopy height globally with spaceborne lidar[J].Journal of Geophysical Research：Biogeosciences(2005-2012)，2011，116(G4)：1-12.

[25]董立新，李貴才，戎志國(guó)，等.吉林長(zhǎng)白山森林冠頂高度激光雷達(dá)與MERSI聯(lián)合反演[J].武漢大學(xué)學(xué)報(bào)，2011，36(9)：1020-1024.

[26]WU Di，F(xiàn)AN Wen yi.Forest canopy height estimation using LiDAR and optical multi-angler data[J].Journal of Beijing Forestry University，2014，36(4)：8-15.

[27]王成，程峰.基于ICESat GLAS和MODIS數(shù)據(jù)的植被平均高度反演——以東北三省為例[C].北京：第一屆全國(guó)激光雷達(dá)對(duì)地觀測(cè)高級(jí)學(xué)術(shù)研討會(huì)，2010.

[28]Lefsky M A，Hudak A T，Cohen W B，et al.Geographic variability in lidar predicti-ons of forest stand structure in the Pacific Northwest[J].Remote Sensing of Envi-ronment，2005，95(4)：532-548.

[29]Lefsky M A，Cohen W B，Acker S A，et al.Lidar remote sensing of the canopy structure and biophysical properties of Douglas-fir western hemlock forests[J].Remote Sensing of Environment，1999(70)：339-361.

[30]Drake J B，Dubayah R O，et al.Estimation of tropical forest structural characteristics using large-footprint lidar[J].Remote Sensing of Environm-ent，2002，79(2)：305-319.

[31]Mariano García，Sorin Popescu，et al.Characterization of canopy fuels using ICESat/GLAS data[J].Remote Sensing of Environment，2012(123)：81-89.

[32]王蕊，邢艷秋，王立海，等.聯(lián)合星載ICESat-GLAS波形與多光譜Landsat-TM影像的森林郁閉度估測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào)，2015，26(6)：1657-1664.

[33]Hieu D，Norbert P，Roderik L.Full waveform analysis：ICESat laser data for land cover classification[C].Proceedings of the ISPRS Midterm Symposium，Remote Sensing：From Pixels to Processes，2006：8-11.

[34]Ranson K J，Sun G，Kovaes K，et al.Landcover attributes from ICESat GLAS data incentral Siberia[C].IEEE International Geoscience and Remote Sensing Symposium，2004，2：753-756.

[35]劉美爽，邢艷秋，李立存，等.基于星載激光雷達(dá)數(shù)據(jù)和支持向量分類機(jī)方法的森林類型識(shí)別[J].東北林業(yè)大學(xué)學(xué)報(bào)，2014，42(2)：124-128.

[36]Nelson R，Boudreau J，Gregoire T，et al.Estimating Quebec provincial forest resources using ICESat/GLAS[J].Canadian Journal of Forest Research，2009，39(4)：862-881.

[37]龐勇，孫國(guó)清，李增元.林木空間格局對(duì)大光斑激光雷達(dá)波形的影響模擬[J].遙感學(xué)報(bào)，2006(1)：97-103.

[38]于穎，范文義，李銘澤，等.利用大光斑激光雷達(dá)數(shù)據(jù)估測(cè)樹(shù)高和生物量[J].林業(yè)科學(xué)，2010，46(9)：84-87.

[39]吳紅波.基于星載大光斑LiDAR數(shù)據(jù)反演森林冠層高度及應(yīng)用研究[D].哈爾濱：東北林業(yè)大學(xué)，2011.

[40]曲婉婷，汪垚，劉觀潮，等.基于GLAS激光雷達(dá)反演森林生物量[J].測(cè)繪通報(bào)，2014(11)：73-77.

[41]Baccini N L，S J Goetz，M sun，et al.A first map of tropical Africa′s above-ground biomass derived from satellite imagery[J].Environmental Research Letters，2008，3(4)：45011-45019.

[42]董立新，吳炳方，唐世浩.激光雷達(dá)GLAS與ETM聯(lián)合反演森林地上生物量研究[J].北京大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，47(4)：703-710.

[43]GUO ZhiFeng，CHI Hong，SUN GuoQing.Estimating forest aboveground biomass using HJ-1 Satellite CCD and ICESat GLAS waveform data[J].Earth Sciences，2010，53(12)：16-25.

[44]Saatchi Sassan S，Nancy L.Harris，Sandra Brown，et al.Benchmark map of forest carbon stocks in tropical regions across three continents[J].Proceedings of the National Academy of Sciences of the United States of America，2011，108(24)：9899-9904.

[45]龐勇，黃克標(biāo)，李增元，等.基于遙感的湄公河次區(qū)域森林地上生物量分析[J].資源科學(xué)，2011，33(10)：1863-1869.

[46]湯旭光.基于激光雷達(dá)與多光譜遙感數(shù)據(jù)的森林地上生物量反演研究[D].長(zhǎng)春：中國(guó)科學(xué)院研究生院東北地理與農(nóng)業(yè)生態(tài)研究所，2013.

The Progress of Forestry Application Based on Spaceborne Lidar

XU Zhe，SHU Qingtai，YANG Kaibo，WU Jiaojiao，ZHANG Yahong

(CollegeofForestry，SouthwestForestryUniversity，Kunming650224，Yunnan，China)

This paper introduces the characteristics and working principle of the Spaceborne Lidar system，and elaborate the method of estimating forest canopy height and biomass based on GLAS data，and the application research on the forest type identification、estimation canopy density etc.It summarized research progress of Spaceborne Lidar estimate forest structure parameters and analyzed the limitations.

spaceborne LiDAR；GLAS；forest canopy height；biomass；waveform parameter

10.13428/j.cnki.fjlk.2017.01.030

2016-07-20

國(guó)家自然科學(xué)基金(31460194)；國(guó)家自然科學(xué)基金(31060114)；云南省林學(xué)一流學(xué)科建設(shè)經(jīng)費(fèi)資助

胥喆(1992—)，男，江西撫州人，西南林業(yè)大學(xué)林學(xué)院碩士研究生，從事3S技術(shù)在林業(yè)中的應(yīng)用研究。E-mail：987348582@qq.com。

舒清態(tài)(1970—)，男，西南林業(yè)大學(xué)林學(xué)院副教授，博士，從事3S技術(shù)及森林景觀經(jīng)營(yíng)研究。E-mail：shuqt@163.com。

S771.8；S757

A

1002-7351(2017)01-0141-08