應(yīng)用激光雷達(dá)估測(cè)森林生物量的研究進(jìn)展

羅 浩，舒清態(tài)，席 磊，黃金君，劉月玲，楊 青

(西南林業(yè)大學(xué) 林學(xué)院，云南 昆明 650233)

1 引言

伴隨著科學(xué)技術(shù)的飛速發(fā)展，全球生態(tài)環(huán)境受到嚴(yán)重影響，近年來(lái)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(guó)的重視，兩碳政策備受關(guān)注，加大生態(tài)環(huán)境的管理和治理力度成為了目前生態(tài)環(huán)境治理和完成兩碳目標(biāo)的主要手段。而森林生態(tài)系統(tǒng)的變化可直接引起整個(gè)陸地生態(tài)系統(tǒng)的變化，直接影響碳循環(huán)、調(diào)節(jié)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(hù)森林生態(tài)系統(tǒng)是整個(gè)生態(tài)環(huán)境治理的工作重點(diǎn)。目前受世界關(guān)注的全球碳循環(huán)與陸地植被生物量息息相關(guān)，且森林生物量約占整個(gè)陸地生態(tài)系統(tǒng)植被生物量的90%[3]，因此森林生物量成為了林業(yè)研究的主要森林參數(shù)之一。

激光雷達(dá)(Light Detection And Ranging，LiDAR)于20世紀(jì)80年代中期在美國(guó)航空航天局(NASA)誕生，經(jīng)過(guò)多年的發(fā)展已被應(yīng)用于軍事、測(cè)繪、資源管理等諸多領(lǐng)域當(dāng)中[4]。因其具有較強(qiáng)的穿透性和抗干擾能力，激光雷達(dá)的應(yīng)用與傳統(tǒng)人工調(diào)查方式相比降低了工作量、減少了調(diào)查導(dǎo)致的森林破壞[5,6]，自引入林業(yè)行業(yè)后受到大量界內(nèi)學(xué)者的高度認(rèn)可，并被廣泛應(yīng)用于樹(shù)高、冠層高度、生物量、碳儲(chǔ)量等森林計(jì)策參數(shù)的估測(cè)。近年來(lái)，隨著激光雷達(dá)的飛速發(fā)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(cè)研究的熱點(diǎn)[7]。從地基激光雷達(dá)、機(jī)載激光雷達(dá)和星載激光雷達(dá)3種不同搭載平臺(tái)，分別講述激光雷達(dá)在森林生物量估測(cè)中的應(yīng)用現(xiàn)狀，結(jié)合相關(guān)研究針對(duì)森林生物量估測(cè)的研究方向及數(shù)據(jù)源選擇提出建議。

2 激光雷達(dá)概述

2.1 激光雷達(dá)工作原理

世界上首臺(tái)激光雷達(dá)測(cè)距系統(tǒng)主要由地形掃描探測(cè)、慣性導(dǎo)航儀、Global Position System(GPS)、成像裝置以及數(shù)據(jù)記錄與處理器[8]5個(gè)部分組成。其工作原理是通過(guò)發(fā)射激光束掃描并記錄回波信號(hào)實(shí)現(xiàn)激光測(cè)距。在記錄回波信號(hào)的過(guò)程中由于不同地物對(duì)回波信號(hào)的反射強(qiáng)度不同，導(dǎo)致接收到的激光脈沖強(qiáng)弱不同，因此可通過(guò)接收到的回波信號(hào)強(qiáng)弱以及時(shí)間間隔判斷地物類型，提取回波信息實(shí)現(xiàn)森林生物量估測(cè)。

2.2 地基激光雷達(dá)

地基激光雷達(dá)系統(tǒng)(TLS)在國(guó)內(nèi)外的發(fā)展起步都相對(duì)較早，近年來(lái)用于估測(cè)森林計(jì)測(cè)參數(shù)的地基激光雷達(dá)傳感器逐漸增多，常用于生物量估測(cè)的地基激光雷達(dá)如澳大利亞的國(guó)家科學(xué)工業(yè)技術(shù)研究組織(CSIRO)開(kāi)發(fā)地基激光雷達(dá)林分植被結(jié)構(gòu)參數(shù)遙感觀測(cè)原型系統(tǒng)(ECHIDANTM),該系統(tǒng)集成魚(yú)眼相機(jī)和激光測(cè)距儀針對(duì)林分生長(zhǎng)模型和生物量估測(cè)等林業(yè)調(diào)查研究；而RIEGL VZ系列為近紅外多波形地基激光雷達(dá)，LBD小于0.5mrad[3]；FARO Focus3D X130 地面三維激光掃描儀，最大側(cè)程330 m，掃描速度每秒976000個(gè)點(diǎn)，波長(zhǎng)905 nm，掃描分辨率0.009×0.009，測(cè)距誤差2 mm[9]；bMS3D背包式激光雷達(dá)，掃描距離1～100 m，點(diǎn)云精度1～3 cm，掃描效率100000 m2/h[10]；Trimble TX8系統(tǒng)，一站掃描時(shí)間2 min，最大掃描距離120 m，激光點(diǎn)數(shù)可達(dá)數(shù)百萬(wàn)點(diǎn)，波長(zhǎng)1500 nm等[11]。

在森林生物量估測(cè)的相關(guān)研究中，地基激光雷達(dá)近年來(lái)被應(yīng)用于單木生物量估測(cè)的研究較多，主要通過(guò)掃描單木垂直和水平方向上的分布信息，獲取林木詳細(xì)三維結(jié)構(gòu)點(diǎn)云數(shù)據(jù)，經(jīng)過(guò)點(diǎn)云預(yù)處理提取單木信息，估測(cè)單木生物量。地基激光雷達(dá)可以獲取精度較高的單木點(diǎn)云數(shù)據(jù)，但其掃描范圍較小，工作量大，適用于單木生物量估測(cè)，相比地基激光雷達(dá)，機(jī)載激光雷達(dá)的掃描范圍更加廣闊，可用于獲取更大區(qū)域尺度的森林生物量估測(cè)。

2.3 機(jī)載激光雷達(dá)

機(jī)載激光雷達(dá)最初發(fā)展是伴隨衛(wèi)星載荷的實(shí)驗(yàn)設(shè)備誕生的，其中植被激光傳感器(LV-IS)是衛(wèi)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(dá)。多波束測(cè)高實(shí)驗(yàn)激光雷達(dá)(MABEL)是ICESat-2的衛(wèi)星載荷機(jī)載實(shí)驗(yàn)設(shè)備，波束傾角為6°，WL532～1064 nm，工作頻率5～25 Hz，屬于光子記數(shù)型激光雷達(dá)[12]。機(jī)載激光雷達(dá)系統(tǒng)由6個(gè)部分組成，分別是GPS定位系統(tǒng)、INS慣性導(dǎo)航系統(tǒng)、激光測(cè)距設(shè)備、中心控制系統(tǒng)、相機(jī)以及操作控制端口[13]。目前機(jī)載激光雷達(dá)的發(fā)展以歐美為代表，美國(guó)國(guó)家生態(tài)觀測(cè)網(wǎng)成功研發(fā)了機(jī)載觀測(cè)平臺(tái)(AOP)，主要設(shè)備為可見(jiàn)光/短波紅外成像光譜儀、波形激光雷達(dá)和高分辨率航空相機(jī)。斯坦福大學(xué)研發(fā)卡耐基航空觀測(cè)平臺(tái)(CAO)主要使用了可見(jiàn)光和近紅外成像關(guān)譜儀和波形激光雷達(dá)[14]，CAO-2將波形激光雷達(dá)更換為雙波長(zhǎng)波形激光雷達(dá)并將高分辨率相機(jī)換成可見(jiàn)/近紅外成像關(guān)譜儀[15]。

全球應(yīng)用于林業(yè)研究的機(jī)載激光雷達(dá)系統(tǒng)主要有NASA的LVIS系統(tǒng)、SLICER系統(tǒng)、PALS系統(tǒng)以及德國(guó)的TopoScan系統(tǒng)等[16]。點(diǎn)云處理軟件如Terrasolid、ENVILiDAR、LP360、REALM、LiDAR Station、LiDARSuite、LiDAR360等[17]。國(guó)內(nèi)的中國(guó)林科院資源信息研究所引進(jìn)德國(guó)CAF-LiCHY系統(tǒng)，其傳感器為激光雷達(dá)、高光譜、高分辨率相機(jī)，可獲取光學(xué)和激光雷達(dá)數(shù)據(jù)，并在國(guó)內(nèi)多個(gè)研究區(qū)進(jìn)行了實(shí)驗(yàn)[18]。機(jī)載激光雷達(dá)通過(guò)傳感器掃描預(yù)訂研究區(qū)，以獲取掃描區(qū)域的實(shí)時(shí)數(shù)據(jù)，其飛行高度可達(dá)幾百米，獲取地面點(diǎn)云數(shù)據(jù)后通過(guò)拼接、配準(zhǔn)、去噪、歸一化等預(yù)處理并提取相關(guān)參數(shù)估測(cè)生物量等。通過(guò)機(jī)載激光雷達(dá)可以獲取較大區(qū)域尺度的地面點(diǎn)云數(shù)據(jù)，但機(jī)載激光雷達(dá)使用成本較高，不適用于大范圍的森林生物量估測(cè)，而星載激光雷達(dá)理論上可以獲取全球陸地表面掃描數(shù)據(jù)，適用于大面積森林生物量估測(cè)，可大幅度降低工作量與估測(cè)成本。

2.4 星載激光雷達(dá)

國(guó)外星載激光雷達(dá)的發(fā)展以歐美為代表，其中美國(guó)航天航空局(NASA)由于起步較早，在星載激光雷達(dá)研究領(lǐng)域一直獨(dú)占鰲頭[19]。20世紀(jì)90年代中后期NASA以激光測(cè)高儀SLA-01/02建立了全球控制點(diǎn)數(shù)據(jù)庫(kù)，并首次實(shí)現(xiàn)部分地區(qū)的DEM地形測(cè)繪[20]。21世紀(jì)初期，美國(guó)NASA研制出全球第一顆激光測(cè)高衛(wèi)星冰云和陸地海拔衛(wèi)星(ICESat)，搭載地球科學(xué)激光測(cè)高系統(tǒng)，用于完成測(cè)量冰蓋質(zhì)量平衡、云和氣溶膠高度以及陸地地形和植被特征的基準(zhǔn)地球觀測(cè)系統(tǒng)任務(wù)。至2018年9月繼冰云陸地一號(hào)衛(wèi)星之后，ICESat-2研制成功搭載唯一荷載儀器先進(jìn)地形激光測(cè)高儀系統(tǒng)(ATLAS)，其利用單光子計(jì)數(shù)，每秒可發(fā)射10000個(gè)激光脈沖，被分為6個(gè)波束分三排排列[21]。其中ICESat與ICESat-2近年來(lái)被廣泛應(yīng)用于森林生物量、樹(shù)高等森林計(jì)策參數(shù)的估算，其參數(shù)統(tǒng)計(jì)如表1所示。

表1 ICESat與ICESat-2參數(shù)統(tǒng)計(jì)

國(guó)內(nèi)于2007年發(fā)射嫦娥-1號(hào)衛(wèi)星搭載激光測(cè)高儀，并于2010年發(fā)射嫦娥-2號(hào)衛(wèi)星共同完成探月任務(wù)，2016年5月發(fā)射衛(wèi)星資源-3衛(wèi)星01星的后續(xù)星02星，搭載對(duì)地觀測(cè)激光測(cè)高試驗(yàn)性載荷用于立體測(cè)圖，探索控制點(diǎn)信息的獲取。2019年11月3日，高分七號(hào)衛(wèi)星在太原衛(wèi)星發(fā)射中心搭載長(zhǎng)征四號(hào)乙運(yùn)載火箭發(fā)射升空，軌道高度505 km主要搭載了雙線陣立體測(cè)繪相機(jī)、雙波束激光測(cè)高儀、數(shù)據(jù)傳輸、數(shù)傳天線四個(gè)系統(tǒng)，在國(guó)土測(cè)繪、城鄉(xiāng)建設(shè)、統(tǒng)計(jì)調(diào)查等方面發(fā)揮重要作用，并于2020年8月20日投入使用[22]。于2017年通過(guò)批復(fù)的陸地生態(tài)系統(tǒng)碳監(jiān)測(cè)衛(wèi)星搭載超光譜成像儀、多波束激光雷達(dá)、多角度多光譜成像儀及多角度偏振儀，該衛(wèi)星將應(yīng)用于我國(guó)的對(duì)地觀測(cè)研究，主要面向林業(yè)研究生產(chǎn)需求[23]。

星載激光雷達(dá)可獲取大范圍地面數(shù)據(jù)，通過(guò)官網(wǎng)下載或者通過(guò)相關(guān)網(wǎng)址申請(qǐng)以獲取完整地面波形數(shù)據(jù)、地理位置信息與地面高程數(shù)據(jù)等信息，通過(guò)編程或該數(shù)據(jù)源對(duì)應(yīng)的處理程序可對(duì)獲取的星載掃描數(shù)據(jù)進(jìn)行預(yù)處理，以提取相關(guān)信息。

3 激光雷達(dá)在森林生物量估測(cè)中的應(yīng)用研究

3.1 地基激光雷達(dá)應(yīng)用

目前國(guó)內(nèi)外對(duì)地基激光雷達(dá)數(shù)據(jù)的應(yīng)用研究較多，利用TLS數(shù)據(jù)估測(cè)樹(shù)高、胸徑及生物量等的研究已相對(duì)成熟，如Solomon Mulat Beyene[9]利用TLS數(shù)據(jù)估測(cè)熱帶雨林的森林AGB值，并使用機(jī)載數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)分別做驗(yàn)證，選擇最優(yōu)變量參數(shù)如高度、密度等計(jì)算AGB，結(jié)果顯示R2為0.98?？梢钥闯鯰LS數(shù)據(jù)適合用于精確估測(cè)森林AGB值。后續(xù)研究如Li Shun等[24]利用地面激光掃描(TLS)技術(shù)估測(cè)混交林林下生物量，提取平均冠層高度、冠層覆蓋度等參數(shù)，構(gòu)建基于TLS變量的回歸模型并挑選出最優(yōu)估測(cè)模型，結(jié)果顯示TLS衍生數(shù)據(jù)冠層覆蓋度和體積(樹(shù)冠面積×樹(shù)高)模型能降低林下相比樹(shù)冠更大的空間異質(zhì)性的影響，TLS衍生植被體積估測(cè)冠層生物量精度最高R2為0.69，RMSE達(dá)到43.64 g/m2，再一次證明了TLS數(shù)據(jù)具有準(zhǔn)確估測(cè)林下層生物量變化的潛力，通過(guò)提取相關(guān)參數(shù)構(gòu)建模型能降低空間異質(zhì)性對(duì)植被生物量估測(cè)的影響。

國(guó)內(nèi)基于地基激光雷達(dá)的研究起步相對(duì)較早，主要研究?jī)?nèi)容多為利用TLS數(shù)據(jù)提取胸徑、樹(shù)高、冠幅等信息，對(duì)各類算法進(jìn)行研究討論，為后續(xù)的生物量獲取研究提供了可靠的理論依據(jù)[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(diǎn)云垂直連續(xù)性檢測(cè)算法提取樹(shù)高、胸徑等信息，結(jié)果顯示對(duì)單木胸徑的估測(cè)效果更佳，R2為0.87，并證實(shí)了垂直掃描與水平掃描相結(jié)合可以提高樹(shù)高的估測(cè)精度，對(duì)后續(xù)的地基激光雷達(dá)生物量估測(cè)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(tǒng)獲取數(shù)據(jù)估測(cè)小興安嶺白樺生物量，提取樹(shù)高、DBH、樹(shù)干體積、樹(shù)冠體積、表面積等參數(shù)構(gòu)建改進(jìn)后的CAR模型并與傳統(tǒng)CAR模型精度對(duì)比，說(shuō)明了改進(jìn)后的模型對(duì)生物量的估測(cè)得到了較大的提高，其中總生物量、樹(shù)干生物量、分枝生物量等的決定系數(shù)R2都在0.9以上，總生物量決定系數(shù)R2高達(dá)0.99，可以更精確地估測(cè)森林生物量?？梢钥闯?，地基激光雷達(dá)TLS系統(tǒng)在森林生物量估測(cè)中的應(yīng)用已逐步成熟，生物量估測(cè)精度R2逐步趨向于1。

在利用多源數(shù)據(jù)估測(cè)森林生物量的研究中，選擇多源數(shù)據(jù)時(shí)可利用地基激光雷達(dá)獲取高精度的生物量估測(cè)模型，并可用于機(jī)載、星載為平臺(tái)的大光斑雷達(dá)數(shù)據(jù)生物量估測(cè)模型的精度驗(yàn)證，由此可以大幅度降低數(shù)據(jù)獲取的工作量。

3.2 機(jī)載激光雷達(dá)應(yīng)用

機(jī)載激光雷達(dá)在林業(yè)中的應(yīng)用正處于成熟階段，由于其價(jià)格昂貴且受到搭載平臺(tái)及掃描范圍的影響，不適用于大范圍森林計(jì)策參數(shù)的估測(cè)，但其作為多源數(shù)據(jù)選擇的重要數(shù)據(jù)源之一，近年來(lái)在林業(yè)應(yīng)用領(lǐng)域飛速發(fā)展相關(guān)研究已逐漸完善。在本世紀(jì)初期，Jason B Drake等[28]利用激光植被傳感器(Lvis)掃描了哥斯達(dá)黎加的森林站點(diǎn)，提取高度分位數(shù)、波形能量值等參數(shù)構(gòu)建逐步回歸模型，對(duì)該站點(diǎn)的二次平均莖粗(QMSD)、地上生物量(AGB)等森林調(diào)查因子進(jìn)行估測(cè)，其中AGB估測(cè)精度R2高達(dá)0.93，并證明了HOME與森林地上生物量具有較強(qiáng)的相關(guān)關(guān)系。同時(shí)國(guó)內(nèi)的龐勇等[6]使用機(jī)載LiDAR數(shù)據(jù)基于不規(guī)則三角網(wǎng)(TIN)算法提取了高度與密度兩組變量估測(cè)森林各組分生物量，結(jié)果顯示兩組變量與森林枝、葉、根、干有較好的相關(guān)關(guān)系，其估測(cè)結(jié)果R2均在0.8以上，不同類型林分生物量估測(cè)精度顯示針葉林精度>闊葉林>針闊混交林，而參數(shù)選擇應(yīng)根據(jù)森林類型進(jìn)行篩選以提高生物量估測(cè)精度。

為探尋更加精確地森林生物量估測(cè)研究方法，羅洪斌等[29]基于Luo Shezhou[30]的研究，考慮采樣尺度對(duì)估測(cè)精度的影響，運(yùn)用機(jī)載LiDAR數(shù)據(jù)估測(cè)橡膠林地上生物量基于偏最小二乘回歸模型(PLSR)對(duì)采樣尺度效應(yīng)進(jìn)行分析，設(shè)置了不同的采樣尺寸，結(jié)果顯示采樣尺寸可影響生物量估測(cè)精度，其中適合該森林類型的最佳采樣尺度為18 m，當(dāng)采樣尺度小于18 m時(shí)估測(cè)精度隨采樣尺度的增大而增大；當(dāng)采樣尺度大于18 m時(shí)，呈現(xiàn)反比趨勢(shì)，可以看出采樣尺度對(duì)估測(cè)精度的影響呈現(xiàn)為正態(tài)分布的趨勢(shì)。2021年劉浩然等[31]利用機(jī)載激光雷達(dá)估測(cè)人工林單木生物量，提取樹(shù)高、冠幅等單木結(jié)構(gòu)參數(shù)結(jié)合改進(jìn)凸包算法獲取的樹(shù)冠參數(shù)引入傳統(tǒng)CAR模型估測(cè)單木生物量，結(jié)果顯示決定系數(shù)R2在0.8左右，證明引入樹(shù)冠因子的生物量估測(cè)模型精度較高，說(shuō)明無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)可用于高精度的森林生物量估測(cè)，研究結(jié)論與龐勇等的研究結(jié)論一致。

可以看出，激光雷達(dá)在估測(cè)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(cè)方式探尋，為機(jī)載激光雷達(dá)在森林生物量估測(cè)研究中提供可靠的理論依據(jù)。

3.3 星載激光雷達(dá)應(yīng)用

目前利用星載激光雷達(dá)數(shù)據(jù)估測(cè)生物量的研究正處于高速發(fā)展階段，國(guó)內(nèi)基于GLAS數(shù)據(jù)的研究較多，其中于穎等[32]利用GLAS數(shù)據(jù)估測(cè)研究區(qū)樹(shù)高和生物量，模擬波形半高能量(HOME)與生物量的關(guān)系，結(jié)果顯示理論精度為91.3%，但該實(shí)驗(yàn)僅使用了GLAS數(shù)據(jù)其采樣密度較小，因此在生物量估測(cè)過(guò)程中可以結(jié)合連續(xù)性強(qiáng)、密度較大的數(shù)據(jù)進(jìn)行估測(cè)能提高生物量估測(cè)精度，同時(shí)也證實(shí)了Jason B Drake等[28]得出的結(jié)論HOME與AGB有密切的相關(guān)關(guān)系。后續(xù)研究如王金亮等[33]以云南省香格里拉縣為例，使用ICESat-GLAS數(shù)據(jù)通過(guò)擬合回歸模型估算了復(fù)雜地形情況下的森林蓄積量，證明了復(fù)雜地形情況下基于星載GLAS估測(cè)出的樹(shù)高與實(shí)測(cè)平均高和蓄積量有較好的相關(guān)性，其中基于星載數(shù)據(jù)的估測(cè)樹(shù)高與蓄積量的相關(guān)關(guān)系達(dá)到0.7156，而森林蓄積量與生物量密切相關(guān)，說(shuō)明星載激光雷達(dá)數(shù)據(jù)在復(fù)雜地形情況下的森林生物量估測(cè)應(yīng)用中具有一定的應(yīng)用潛力。

后續(xù)研究如曲苑婷等[34]考慮波形參數(shù)的應(yīng)用，基于GLAS數(shù)據(jù)利用10種激光雷達(dá)波形參數(shù)建立回歸模型反演小興安嶺地上生物量探討糾正系數(shù)對(duì)估測(cè)精度的影響，證明加入糾正系數(shù)后可以提高生物量估測(cè)精度，其精度系數(shù)R2普遍比未加入糾正系數(shù)的模型高出0.1以上，研究發(fā)現(xiàn)星載激光雷達(dá)數(shù)據(jù)地面光斑較大，在受到復(fù)雜地形的影響下，應(yīng)針對(duì)不同結(jié)構(gòu)的森林選擇不同的結(jié)構(gòu)參數(shù)才能提高生物量估測(cè)精度。關(guān)于糾正系數(shù)的研究，蔡龍濤等[35]基于GLAS數(shù)據(jù)與LPA校正數(shù)據(jù)提取回波能量值建立回歸模型估測(cè)森林生物量，結(jié)果顯示GLAS脈沖能量波呈高斯分布，且經(jīng)LPA數(shù)據(jù)校正后的回波能量值可以提高森林生物量估測(cè)精度，經(jīng)過(guò)LPA數(shù)據(jù)校正后生物量估測(cè)精度R2提高了2%，RMSE降低0.52 t/hm2，最終結(jié)論與曲婉婷等一致。

星載激光雷達(dá)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(shù)據(jù)密度較小，數(shù)據(jù)采集且不連續(xù)，在生物量等的估測(cè)應(yīng)用中，應(yīng)結(jié)合機(jī)載激光雷達(dá)、光學(xué)遙感、地基激光雷達(dá)等多源數(shù)據(jù)進(jìn)行估測(cè)，可降低復(fù)雜地形情況下信息采集不連續(xù)帶來(lái)的估測(cè)誤差影響。

3.4 多源數(shù)據(jù)生物量估測(cè)

激光雷達(dá)可獲取地物垂直方向信息，但由于大光斑激光雷達(dá)在獲取地面數(shù)據(jù)時(shí)，連續(xù)性不強(qiáng)，難以適應(yīng)森林地形的復(fù)雜多樣性，而小光斑激光雷達(dá)成本較高，且掃描寬度較窄，因此在林業(yè)研究中，應(yīng)選擇多源數(shù)據(jù)進(jìn)行森林參數(shù)估測(cè)，并通過(guò)采樣角度、采樣尺寸，以及參數(shù)選擇、不同算法等諸多途徑增加估測(cè)精度。為探索多源數(shù)據(jù)在林業(yè)中的應(yīng)用，諸多研究者通過(guò)不同的研究方法從多個(gè)角度對(duì)激光雷達(dá)在林業(yè)中的應(yīng)用展開(kāi)實(shí)驗(yàn)。

本世紀(jì)初期Lefsky等[36]利用Landsat TM數(shù)據(jù)、機(jī)載LiDAR數(shù)據(jù)、機(jī)載高光譜數(shù)據(jù)等多源遙感數(shù)據(jù)進(jìn)行對(duì)比研究，提取冠層波形數(shù)據(jù)結(jié)合逐步多元回歸分析法，證明了單獨(dú)估測(cè)森林參數(shù)時(shí)，激光雷達(dá)數(shù)據(jù)最佳，通過(guò)聯(lián)合光譜數(shù)據(jù)等其他數(shù)據(jù)源可以明顯提高估測(cè)精度。為驗(yàn)證多源數(shù)據(jù)在森林生物量估測(cè)中的可行性，國(guó)內(nèi)的黃克標(biāo)等[37]利用GLAS數(shù)據(jù)與機(jī)載激光雷達(dá)數(shù)據(jù)提取波形參數(shù)建立逐步回歸模型對(duì)云南省進(jìn)行森林AGB估測(cè)，并結(jié)合MODIS數(shù)據(jù)與MERIS數(shù)據(jù)完成生物量分布制圖，其估測(cè)結(jié)果R2為0.52，均方根誤差為30.96 mg/ha，最終估測(cè)結(jié)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(jié)果相符，證明使用機(jī)載與星載激光雷達(dá)數(shù)據(jù)可以較準(zhǔn)確估測(cè)森林生物量，聯(lián)合使用多源數(shù)據(jù)能提高生物量估測(cè)精度。

沈文娟[38]基于激光雷達(dá)、光學(xué)、及合成孔徑雷達(dá)和地面調(diào)查數(shù)據(jù)，通過(guò)融入光學(xué)與雷達(dá)影像實(shí)現(xiàn)森林AGB估測(cè)，增加實(shí)測(cè)數(shù)據(jù)、與星載激光雷達(dá)數(shù)據(jù)，提取波形、高度能量等參數(shù)建立隨機(jī)森林模型，預(yù)測(cè)結(jié)果顯示R2均高于0.5，最高達(dá)0.8。證明了引入氣候與物候兩個(gè)重要的因子實(shí)現(xiàn)適用性更強(qiáng)的生物量模型的建立，并完成了研究區(qū)生物量分布制圖，說(shuō)明通過(guò)聯(lián)合使用光學(xué)遙感、激光雷達(dá)、合成孔徑雷達(dá)、地面數(shù)據(jù)等多源數(shù)據(jù)，能探索出更具實(shí)用性的生物量估測(cè)方法。

卜帆[39]基于機(jī)載LiDAR數(shù)據(jù)、機(jī)載LiDAR和高光譜數(shù)據(jù)、星載Landsat8數(shù)據(jù)分別對(duì)研究區(qū)進(jìn)行生物量估測(cè)，建立偏最小二乘回歸、隨機(jī)森林、支持向量機(jī)等生物量估測(cè)模型，并利用SVR模型結(jié)合機(jī)載LiDAR和高光譜數(shù)據(jù)對(duì)研究區(qū)進(jìn)行生物量制圖，結(jié)果顯示通過(guò)支持向量機(jī)法提取點(diǎn)云密度、高度分位數(shù)等參數(shù)估測(cè)AGB的精度最高，證明機(jī)器學(xué)習(xí)方法相比傳統(tǒng)模型的生物量估測(cè)具有較大優(yōu)勢(shì)。在增加光學(xué)數(shù)據(jù)提取的紋理特征、植被指數(shù)等參數(shù)后能有效提高估測(cè)精度，且支持向量機(jī)法效果最佳決定系數(shù)R2提高了0.2。證明結(jié)合多源數(shù)據(jù)進(jìn)行生物量估測(cè)時(shí)可以有效提高估測(cè)精度，研究結(jié)論與黃克標(biāo)、沈文娟等一致。說(shuō)明激光雷達(dá)在森林生物量估測(cè)中的應(yīng)用可以結(jié)合光學(xué)遙感、合成孔徑雷達(dá)等多源遙感數(shù)據(jù)聯(lián)合估測(cè)，能彌補(bǔ)各類數(shù)據(jù)的不足，有效提高生物量估測(cè)精度，對(duì)于模型構(gòu)建可通過(guò)機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)，有望在大區(qū)域尺度的生物量估測(cè)應(yīng)用中提高精度決定系數(shù)R2以保證估測(cè)值在實(shí)際應(yīng)用允許誤差范圍內(nèi)。

4 激光雷達(dá)數(shù)據(jù)估測(cè)生物量的研究展望

激光雷達(dá)通過(guò)發(fā)射激光脈沖對(duì)研究區(qū)進(jìn)行掃描，可以獲取地面垂直信息，在生物量估測(cè)研究中具有較大的應(yīng)用價(jià)值，可以彌補(bǔ)光學(xué)遙感技術(shù)在垂直方向上的信息獲取缺陷，近年來(lái)在林業(yè)中的應(yīng)用得到研究者的高度認(rèn)可，估測(cè)精度得到了巨大的提高，如地基和機(jī)載激光雷達(dá)數(shù)據(jù)的森林生物量估測(cè)精度其決定系數(shù)R2逐漸提高并趨向于1。近年來(lái)基于激光雷達(dá)估測(cè)生物量的研究較多，由于大光斑激光雷達(dá)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(nèi)的地物信息。但大光斑激光雷達(dá)掃描區(qū)域間隔較大，不能獲取連續(xù)的地物信息，考慮數(shù)據(jù)源的選擇可利用多源遙感數(shù)據(jù)如結(jié)合星載激光雷達(dá)與機(jī)載激光雷達(dá)數(shù)據(jù)、結(jié)合光學(xué)遙感與機(jī)載激光雷達(dá)數(shù)據(jù)、結(jié)合光學(xué)遙感與星載激光雷達(dá)數(shù)據(jù)等方式對(duì)森林生物量進(jìn)行高精度的估測(cè)研究?？紤]參數(shù)模型的構(gòu)建可選擇機(jī)器學(xué)習(xí)如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等能有效提高估測(cè)精度。

利用大光斑激光雷達(dá)數(shù)據(jù)與不間斷采樣數(shù)據(jù)聯(lián)合實(shí)現(xiàn)森林生物量的估測(cè)，是目前激光雷達(dá)估測(cè)生物量的研究重點(diǎn)；在基于激光雷達(dá)數(shù)據(jù)實(shí)現(xiàn)生物量估測(cè)的研究中，由于森林結(jié)構(gòu)復(fù)雜多樣如針闊混交林、天然林等林分組成結(jié)構(gòu)復(fù)雜難以實(shí)現(xiàn)高精度估測(cè)，因此如何實(shí)現(xiàn)將激光雷達(dá)數(shù)據(jù)應(yīng)用于這類復(fù)雜林分的樹(shù)高、生物量等因子的精準(zhǔn)估測(cè)，是目前激光雷達(dá)應(yīng)用研究的一大難題；在我國(guó)的大部分山區(qū)，由于受到山地地形的影響，導(dǎo)致應(yīng)用激光雷達(dá)估測(cè)森林計(jì)策參數(shù)的精度受到極大的影響，所以提高在復(fù)雜地形條件下實(shí)現(xiàn)利用激光雷達(dá)數(shù)據(jù)估測(cè)計(jì)策參數(shù)是目前的重點(diǎn)研究方向之一；目前基于各個(gè)地區(qū)不同生境條件下的森林生物量估測(cè)研究較多，但由于國(guó)內(nèi)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(cè)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(nèi)的估測(cè)方式是下一步探索和研究的重要方向。