胡凱龍，劉清旺，龐 勇，李 梅，穆喜云（1. 中國(guó)礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，北京 10008；. 中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京 100091；. 中國(guó)林業(yè)科學(xué)研究院荒漠化研究所，北京 100091；. 赤峰市林業(yè)科學(xué)研究院森林生態(tài)所，赤峰 0000）

基于機(jī)載激光雷達(dá)校正的ICESat/GLAS數(shù)據(jù)森林冠層高度估測(cè)

胡凱龍1,2，劉清旺2※，龐 勇2，李 梅3，穆喜云4
（1. 中國(guó)礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083；2. 中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京 100091；3. 中國(guó)林業(yè)科學(xué)研究院荒漠化研究所，北京 100091；4. 赤峰市林業(yè)科學(xué)研究院森林生態(tài)所，赤峰 024000）

針對(duì)星載激光雷達(dá)（geoscience laser altimeter system，GLAS）大光斑屬性，該文提出了一種改進(jìn)后的光斑尺度森林冠層高度估測(cè)方法，并分析了復(fù)雜地表對(duì)其估測(cè)精度的影響。首先，對(duì)機(jī)載lidar點(diǎn)云分類出地面點(diǎn)，并利用地面點(diǎn)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行高度歸一化處理，提取點(diǎn)云局部最大值得到光斑范圍內(nèi)機(jī)載lidar最大冠層高度；以機(jī)載lidar最大冠層高度作為模型參數(shù)擬合因變量，同時(shí)以坡度作為模型的輸入變量，結(jié)合光斑大小和地表粗糙度，進(jìn)行參數(shù)擬合，得到改進(jìn)后光斑尺度森林冠層高度估測(cè)模型；最后，利用實(shí)測(cè)樣地?cái)?shù)據(jù)對(duì)冠層高度估測(cè)模型進(jìn)行驗(yàn)證。結(jié)果表明：機(jī)載點(diǎn)云數(shù)據(jù)可以準(zhǔn)確地反映光斑范圍內(nèi)森林冠層的分布，受到樹(shù)種類型和點(diǎn)云密度的影響，不同森林類型的點(diǎn)云冠層分布存在明顯差異。坡度等級(jí)直接影響GLAS光斑尺度森林冠層高度的估測(cè)精度，改進(jìn)后的估測(cè)模型可以減小坡度對(duì)GLAS光斑森林冠層高度估測(cè)的影響，模型估測(cè)均方根誤差（root mean square error，RMSE）穩(wěn)定在3.26～3.88 m。樣地Lorey’s高與估測(cè)結(jié)果擬合度較好，相關(guān)系數(shù)r=0.66，不同森林類型光斑尺度冠層高度估測(cè)精度存在差異，混交林估測(cè)精度最高，r和RMSE分別為0.84和1.06 m。該方法可以有效減少地形條件對(duì)光斑尺度森林冠層高度估測(cè)的影響，并為更大尺度的冠層高度制圖提供了有效的參考。

激光；數(shù)據(jù)處理；林地；冠層高度；星載激光雷達(dá)；點(diǎn)云分類；估測(cè)模型；坡度

0 引 言

陸地生態(tài)系統(tǒng)中將近一半的碳儲(chǔ)量來(lái)自于森林覆蓋區(qū)域[1]。森林分布及碳儲(chǔ)量的研究為理解全球碳循環(huán)以及全球氣候變化提供了重要的理論支撐。森林的垂直結(jié)構(gòu)在一定程度上反映了森林的生長(zhǎng)狀態(tài)和森林的生物多樣性[2]。森林冠層高度作為森林垂直結(jié)構(gòu)參數(shù)的重要組成部分，對(duì)其定量化估測(cè)具有重要的理論和現(xiàn)實(shí)意義[3]。受限于人工測(cè)量的精準(zhǔn)度，對(duì)于高郁閉度森林覆蓋區(qū)域，傳統(tǒng)的激光測(cè)高儀很難定位到樹(shù)的冠頂，從而使得測(cè)量結(jié)果普遍精度較低。

激光雷達(dá)（light detection and ranging，lidar）作為一種非物理接觸性的探測(cè)技術(shù)，它通過(guò)測(cè)量激光脈沖從激光器到地物之間的時(shí)間差來(lái)得到地物的高度信息[4-6]。機(jī)載小光斑激光雷達(dá)系統(tǒng)，由于其激光傳感器被安置在飛機(jī)上，在一定程度上可以實(shí)現(xiàn)較大面積的地物覆蓋，其高密度激光點(diǎn)云（0.5～10 points/m2）屬性使得其可以精細(xì)描述林下地形以及冠層剖面結(jié)構(gòu)[7-9]。Hyypp?等[10]總結(jié)了機(jī)載小光斑激光雷達(dá)提取森林結(jié)構(gòu)參數(shù)的方法，并且分析了飛行高度、脈沖密度以及光斑大小對(duì)森林冠層高度提取精度的影響。但是，受飛行成本及氣候因素限制，其很難覆蓋更大區(qū)域和實(shí)現(xiàn)數(shù)據(jù)的定時(shí)重訪更新。

星載激光雷達(dá)（geoscience laser altimeter system，GLAS）激光傳感器被安置在ICESat衛(wèi)星上，采用全波形采樣系統(tǒng)對(duì)陸地表面進(jìn)行光斑采樣，從而實(shí)現(xiàn)全球覆蓋。其光斑直徑約為60 m，并且光斑尺寸會(huì)隨著激光器和觀測(cè)時(shí)期的變化而變化[11-12]。在地形變化較大區(qū)域，其波形形狀容易受地形影響而產(chǎn)生變化，從而使得森林冠層高度估測(cè)產(chǎn)生偏差[13-14]。一些學(xué)者針對(duì)這種情形提出了一些解決方案，總體來(lái)說(shuō)分為2種方法：1）將GLAS波形分解為多個(gè)高斯分布，最后一個(gè)高斯波峰識(shí)別為地面，通過(guò)第一個(gè)與最后一個(gè)高斯波峰之間的距離差來(lái)表示冠層高度。Sun等[15]應(yīng)用這種方法分析波形對(duì)于森林冠層剖面的反映形式，得出光斑尺度下森林冠層高度的估測(cè)模型，模型決定系數(shù)R2=0.65～0.82。但是，受地表起伏的影響，最后一個(gè)高斯波峰可能混合有低矮植被或地形信息，將最后一個(gè)高斯波峰識(shí)別成地面，存在一定不確定性；2）從多個(gè)高斯波峰中提取一些與植被冠層相關(guān)的波形參數(shù)，建立這些參數(shù)與冠層高度的回歸模型，從而間接估測(cè)森林冠層高度。Lefsky等[16]應(yīng)用這種方法并引入地形指數(shù)（在一個(gè)光斑范圍內(nèi)，地表起伏的高度差）這一概念，并從全波形數(shù)據(jù)分離出波形寬度等參數(shù)，通過(guò)參數(shù)擬合得到不同生態(tài)系統(tǒng)下的森林冠層高度模型，其均方根誤差RMSE=4.85～12.66 m，這種方法的優(yōu)點(diǎn)是不用精確識(shí)別地面波峰[17]。但是，這些波形參數(shù)和冠層高度的關(guān)系會(huì)隨著植被結(jié)構(gòu)和地表變化而變化。近些年來(lái)，以Lee等[18-19]為代表的學(xué)者嘗試用物理幾何模型的方法來(lái)反映地形效應(yīng)。這種方法引入坡度這個(gè)地形要素，并綜合考慮光斑尺寸和地表粗糙度等影響因素，建立幾何方程定量地描述地形對(duì)森林冠層高度估測(cè)的影響。這種幾何方程適用范圍比較廣，并且計(jì)算步驟較為簡(jiǎn)單。但是對(duì)地表起伏較大區(qū)域，用坡度描述地表變化仍存在一定誤差。

綜上所述，本文通過(guò)引入機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)，綜合考慮坡度、光斑大小以及地表粗糙度等因素，對(duì)光斑尺度森林冠層高度進(jìn)行估測(cè)并對(duì)其影響因素進(jìn)行分析，以期為區(qū)域尺度的森林冠層高度估測(cè)提供理論參考。

1 材料與方法

1.1 研究區(qū)地形及植被特征

研究區(qū)位于中國(guó)東北部大興安嶺山脈呼倫貝爾市境內(nèi)，東經(jīng)121°12′～123°00′，北緯50°11′～52°00′，研究區(qū)地貌類型以山地為主，多坡地分布，平均海拔約為1 000 m。受坡向和巖石條件的影響，陽(yáng)坡比較陡峭，陰坡比較平緩。受地理位置和人類活動(dòng)的影響，森林植被呈明顯地帶性分布，從北部針葉林帶，落葉闊葉林帶到南部森林草原帶和草原帶。研究區(qū)主要以幼齡林和中齡林為主，針葉林主要為耐寒喜光的興安落葉松，零星分布有紅松和樟子松；闊葉林主要為白樺，山楊和柞樹(shù)[20-21]。林區(qū)森林覆蓋率為91.7%，活立木總蓄積量為4.639×107m3。

1.2 數(shù)據(jù)來(lái)源

1.2.1 實(shí)地測(cè)量數(shù)據(jù)

于2012年8月1日—9月3日在研究區(qū)內(nèi)設(shè)置80塊臨時(shí)樣地，樣地形狀為半徑15 m的圓形。與GLAS軌道進(jìn)行位置匹配，在東經(jīng)121°12′～122°02′，北緯50°20′～51°50′范圍內(nèi)，共有54塊樣地位于GLAS光斑內(nèi)，對(duì)樣地進(jìn)行每木檢尺調(diào)查，調(diào)查因子包括：樹(shù)種、胸徑、樹(shù)高和冠幅等。采用胸徑圍尺測(cè)定1.3 m處胸徑，起測(cè)胸徑為5 cm；樹(shù)高與枝下高均采用激光測(cè)高儀進(jìn)行多次測(cè)定，確保數(shù)據(jù)準(zhǔn)確性。對(duì)樣地中心點(diǎn)利用差分全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system，GNSS）接收機(jī)精確定位，水平定位精度為1～2 m[22]。在每個(gè)樣地的中心點(diǎn)進(jìn)行魚眼相機(jī)拍照。

本研究采用樣地尺度森林冠層高度主要包括2種：胸高斷面積加權(quán)高（Lorey’s）和算術(shù)平均高[23]，其計(jì)算方法如式（1）～（2）所示。

Lorey’s高：

式中hi為樣地單木實(shí)測(cè)樹(shù)高，m；si為胸高斷面積，m2； n為樣地內(nèi)單木株數(shù)。

1.2.2 機(jī)載lidar數(shù)據(jù)

美國(guó)國(guó)家宇航局于2003年發(fā)射了激光測(cè)高衛(wèi)星ICESat，它搭載的GLAS系統(tǒng)是第一個(gè)星載激光雷達(dá)系統(tǒng)，能夠應(yīng)用于植被高度估測(cè)。其搭載的3個(gè)激光器能夠進(jìn)行172 m間隔的空間采樣，并且在赤道處，最大軌道交叉間隔為15 km。激光器發(fā)射的光斑直徑被設(shè)計(jì)為65 m，實(shí)際工作中3個(gè)激光器的發(fā)射光斑直徑有所差異，分別為110，90和55 m[24]。本研究下載了Laser2激光器時(shí)間范圍為2009年3月16日—3月29日和10月7日—10月8日的GLA14數(shù)據(jù)產(chǎn)品。GLA14主要包含光斑點(diǎn)的地理位置，高度及波形參數(shù)等信息。

于2012年8月1日—8月30日在研究區(qū)開(kāi)展了機(jī)載lidar飛行試驗(yàn)，獲取了3 099.28 km2的機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)。飛機(jī)搭載的徠卡ALS60機(jī)載激光雷達(dá)系統(tǒng)，配有Leica WDM65全波形記錄儀，最大脈沖頻率和最大掃描頻率為2×105Hz和100 Hz，最大掃描角度為75°[25]。平均飛行高度為1 600 m，平均飛行速度為220 km/h，點(diǎn)云密度為5.6 points/m2。

1.2.3 地形數(shù)據(jù)

2000年2月美國(guó)國(guó)家宇航局和國(guó)防部國(guó)家測(cè)繪局聯(lián)合發(fā)射“奮進(jìn)”號(hào)航天飛機(jī)，并進(jìn)行了航天飛機(jī)雷達(dá)地形測(cè)繪任務(wù)（shuttle radar topography mission，SRTM），對(duì)全球80%的陸地進(jìn)行了地形測(cè)繪。其得到的SRTM數(shù)據(jù)在美國(guó)本土的分辨率為1″（約30 m），全球其他區(qū)域?yàn)?″（約90 m）。2014年9月，美國(guó)國(guó)家地理空間情報(bào)局宣布其1″分辨率的數(shù)據(jù)SRTMGL1向全球用戶免費(fèi)開(kāi)放[26]。本研究在USGS網(wǎng)站上下載研究區(qū)的SRTMGL1數(shù)據(jù)[27]，產(chǎn)品分布在48個(gè)產(chǎn)品單元內(nèi)，利用GIS軟件生成研究區(qū)的坡度分布圖。

1.3 方法

1.3.1 數(shù)據(jù)處理及分析流程

研究主要利用機(jī)載lidar點(diǎn)云數(shù)據(jù)、GLA14數(shù)據(jù)、SRTM地形數(shù)據(jù)和實(shí)測(cè)樣地?cái)?shù)據(jù)對(duì)光斑尺度森林冠層高度進(jìn)行估測(cè)，如圖1所示，研究總體主要包括以下步驟：

圖1 數(shù)據(jù)處理及建模流程圖Fig.1 Flow chart of data processing and modeling

1）對(duì)星載激光雷達(dá)GLAS數(shù)據(jù)過(guò)濾無(wú)效點(diǎn)并提取GLAS波形參數(shù)，計(jì)算得到未校正的GLAS冠層高度RH100。利用GDAL開(kāi)源庫(kù)，將GLA14的HDF5格式的數(shù)據(jù)轉(zhuǎn)換為ESRI ShapeFile的矢量格式，并把相關(guān)的參數(shù)（坐標(biāo)、高程和波形參數(shù)）寫到屬性表中；

2）對(duì)機(jī)載激光雷達(dá)點(diǎn)云進(jìn)行地形歸一化處理，匹配GLAS光斑點(diǎn)的位置信息，提取相應(yīng)位置的機(jī)載激光雷達(dá)點(diǎn)云剖面及最大冠層高度；

3）結(jié)合SRTM數(shù)據(jù)得到的坡度數(shù)據(jù)和機(jī)載激光雷達(dá)最大冠層高度信息，建立GLAS光斑尺度森林冠層高度地形校正模型，并分析不同坡度對(duì)模型精度的影響；

4）利用地面實(shí)測(cè)數(shù)據(jù)對(duì)模型估測(cè)結(jié)果進(jìn)行進(jìn)一步精度驗(yàn)證及不確定性分析。

1.3.2 機(jī)載激光雷達(dá)點(diǎn)云分類及地形歸一化

為了得到精確的森林冠層剖面，需要對(duì)點(diǎn)云進(jìn)行濾波處理去除地形的影響。地物種類和形態(tài)的多樣性使得一些自動(dòng)濾波算法適應(yīng)范圍較小，本文選用較為成熟完善的不規(guī)則三角網(wǎng)（triangulated irregular network，TIN）算法過(guò)濾地面點(diǎn)[28]。

地面點(diǎn)為明顯低于地物的點(diǎn)，本文通過(guò)制定搜索規(guī)則，對(duì)點(diǎn)云進(jìn)行局部高程最低值判定，以確定是否為地面點(diǎn)。首先，選擇一些局部最低點(diǎn)（這些點(diǎn)確保落在地面上）作為種子點(diǎn)，建立初始TIN三角網(wǎng)。初始三角網(wǎng)模型大多是在真實(shí)地面以下，通過(guò)設(shè)置高度閾值ε和角度閾值l來(lái)優(yōu)化初始三角網(wǎng)模型，ε和l表達(dá)式如式（3）～（4）。

式中ε為高度閾值，m，其確保了當(dāng)初始三角網(wǎng)過(guò)大時(shí)，迭代點(diǎn)不會(huì)產(chǎn)生較大跳躍，以此減少較低的植被點(diǎn)和建筑物點(diǎn)的錯(cuò)分現(xiàn)象；lj為3個(gè)方向上的角度閾值，(°)，對(duì)其計(jì)算平均值得到l，l控制著地面點(diǎn)的分類數(shù)量，值越小，越適合平坦地面；(xp,yp,zp)為離散點(diǎn)p的坐標(biāo)，A、B、C和D分別為不規(guī)則三角形3個(gè)頂點(diǎn)所確定的平面方程系數(shù)；Sjp為p到3個(gè)頂點(diǎn)的距離，m。當(dāng)離散點(diǎn)p添加到三角網(wǎng)模型中，不規(guī)則三角網(wǎng)會(huì)不斷上移從而接近真實(shí)地面，反復(fù)迭代直到所有滿足條件的地面點(diǎn)被選擇。對(duì)部分點(diǎn)云進(jìn)行初始TIN三角網(wǎng)濾波處理，得到本研究區(qū)的角度閾值和高度閾值分別為10°和1.4 m，進(jìn)而對(duì)所有點(diǎn)云進(jìn)行地面點(diǎn)濾波處理。

為了得到地物相對(duì)高度信息，需要對(duì)點(diǎn)云進(jìn)行高度歸一化運(yùn)算，以消除地形影響。所謂點(diǎn)云高度歸一化，即所有地物點(diǎn)的絕對(duì)高程值減去相應(yīng)的地面高程值。本文首先對(duì)濾波后得到的地面點(diǎn)建立TIN三角網(wǎng)，然后計(jì)算所有激光點(diǎn)到TIN三角網(wǎng)的相對(duì)高度，并把此高度值替換原有的絕對(duì)高度，從而得到歸一化后的點(diǎn)云高度。由于地面點(diǎn)的分類誤差可能導(dǎo)致某些點(diǎn)歸一化高度小于0，這些小于0的值沒(méi)有實(shí)際意義，需自動(dòng)把這些小于0的值歸為0，具體表達(dá)式如式（5）。

式中Hnormalization表示為歸一化后的點(diǎn)云高度，m；h′表示原始點(diǎn)云絕對(duì)高程，m；hTIN表示地面點(diǎn)不規(guī)則三角網(wǎng)絕對(duì)高程，m。采用此方法對(duì)研究區(qū)所有機(jī)載lidar點(diǎn)云進(jìn)行高度歸一化處理，從而消除地形影響。

1.3.3 光斑尺度森林冠層高度地形校正

GLAS激光器被安置在衛(wèi)星上，其數(shù)據(jù)質(zhì)量易受到云覆蓋和大氣飽和度的影響，使得一些GLAS光斑點(diǎn)不能夠滿足建模需求。本文利用以下標(biāo)準(zhǔn)對(duì)GLAS光斑點(diǎn)進(jìn)行篩選：1）GLA14產(chǎn)品中記錄點(diǎn)的高程值（d_elev）與SRTM的高程值進(jìn)行求差，如果差值大于85 m，則定義為云覆蓋區(qū)點(diǎn)；2）將只擬合了一個(gè)高斯波峰的光斑點(diǎn)（i_numPk=1）定義為裸露地表或建筑物點(diǎn)；3）GLAS光斑點(diǎn)回波信號(hào)開(kāi)始范圍增量與信號(hào)結(jié)束范圍增量的距離差值（d_SigEndOff - d_SigBegOff）小于1.8 m或大于80 m，定義為噪聲點(diǎn)[29]。

GLAS光斑點(diǎn)的原始波形通過(guò)高斯濾波器可以被擬合出最多6個(gè)高斯波峰質(zhì)心范圍增量以及1個(gè)波形信號(hào)開(kāi)始范圍增量d_SigBegOff。波形信號(hào)開(kāi)始范圍增量為植被冠頂波形信號(hào)，最后一個(gè)高斯波峰質(zhì)心范圍增量近似表示地表波形信號(hào)，對(duì)其求差可得到GLAS冠層高度RH100，見(jiàn)式（6）。在平坦地面，波形失真較小，RH100可以近似表示森林冠層高度；在地形復(fù)雜區(qū)域，由于受到地形起伏、光斑大小和地表粗糙度的影響，GLAS波形會(huì)出現(xiàn)一定程度的變化[30]，用RH100表示森林冠層高度時(shí)，一個(gè)偏差值Bias會(huì)直接影響估測(cè)結(jié)果，如圖2所示。本文用一種基于幾何模型的地形校正方法，引入平移系數(shù)a和b，建立方程（7）～（8）。

圖2 不同地形條件下GLAS光斑尺度森林冠層高度模擬Fig.2 GLAS-based forest canopy height simulation in different terrain conditions

式中d_gpCntRngOff表示最后一個(gè)高斯波峰質(zhì)心范圍增量，m；HC表示校正后GLAS光斑尺度冠層高度值，m；d表示GLAS光斑直徑，取值為90 m；θ表示從SRTM地形數(shù)據(jù)中提取的光斑點(diǎn)坡度值，(°)；c表示光速，m/ns，F(xiàn)WHM表示一個(gè)GLAS激光脈沖寬度傳播所用的時(shí)間為，6 ns。c·FWHM 可以反映激光脈沖寬度、能量分布及地表粗糙度；a，b為平移系數(shù)。通過(guò)通用全局優(yōu)化（levenberg marquard，LM）算法，結(jié)合機(jī)載lidar最大冠層高度HC、RH100和θ，得到參數(shù)a，b的最優(yōu)估計(jì)值，對(duì)所有GLAS光斑尺度森林冠層高度進(jìn)行地形校正。

2 結(jié)果與分析

2.1 不同森林類型機(jī)載激光雷達(dá)點(diǎn)云冠層剖面分析

由于不同的森林冠層類型可以對(duì)機(jī)載激光雷達(dá)點(diǎn)云的分布產(chǎn)生較大影響，分別提取針葉林、闊葉林和混交林3種森林類型的歸一化機(jī)載激光雷達(dá)點(diǎn)云冠層剖面，并統(tǒng)計(jì)不同歸一化高度處激光點(diǎn)的出現(xiàn)頻率。如圖3所示，在點(diǎn)云密度一定的情況下，樹(shù)木冠層頂端由于面積較小，使得冠頂激光點(diǎn)分布較少。隨著樹(shù)葉枝干的逐漸向外延伸，激光點(diǎn)數(shù)逐漸增多，當(dāng)達(dá)到最大冠幅所在高度位置時(shí)，激光點(diǎn)數(shù)達(dá)到一個(gè)峰值。之后隨著冠幅的不斷減小，由于遮擋等原因，激光點(diǎn)數(shù)呈現(xiàn)降低的趨勢(shì)，直到到達(dá)地面，激光點(diǎn)數(shù)顯著增加。由圖3a所示，研究區(qū)的針葉樹(shù)種主要為興安落葉松，由于其冠層呈圓錐形分布且頂端尖細(xì)，樹(shù)冠各部分點(diǎn)云分布差異較大；由圖3b所示，闊葉林樹(shù)種主要為白樺，相比于落葉松，其樹(shù)冠頂端面積較大，能夠截獲較多的激光點(diǎn)，從而使得冠層分層現(xiàn)象減弱，點(diǎn)云分布差異性減??；由圖3c所示，對(duì)于混交林區(qū)域，由于其林下灌木較為復(fù)雜，且沒(méi)有明顯地?cái)_動(dòng)跡象，相比于針闊純林，在0～5 m的高度上也出現(xiàn)了較多的激光點(diǎn)，且冠層點(diǎn)云剖面變化較為平緩。不同森林類型的這種明顯的冠層點(diǎn)云分布特征，使得冠頂和地面的點(diǎn)云分布較為明顯，由此得到的冠層高度受地形影響較小，故其可以作為真值，為GLAS光斑尺度森林冠層高度的地形校正提供精確的建模訓(xùn)練數(shù)據(jù)。

圖3 不同森林類型機(jī)載lidar點(diǎn)云冠層歸一化高度分布Fig.3 Airborne lidar points cloud canopy normalization heightdistribution in different forest types

2.2 光斑尺度森林冠層高度地形校正及影響因素分析

通過(guò)與飛行區(qū)域匹配，共提取1 708個(gè)GLAS光斑點(diǎn)機(jī)載激光雷達(dá)最大點(diǎn)云高度，地形校正前GLAS光斑尺度森林冠層高度RH100相比于機(jī)載lidar最大冠層高度HC，出現(xiàn)了正偏差，校正前平均RMSE= 6.43 m，這主要是由于在地形變化較大的區(qū)域，90 m光斑范圍內(nèi)出現(xiàn)了地形起伏以及多種地物混合的情況，從而使得GLAS波形產(chǎn)生一定變化[31]。如圖4b所示，對(duì)于平坦地面的GLAS波形分布，植被的冠頂和地表波峰較為明顯，可以被準(zhǔn)確地識(shí)別，故RH100可以近似地表示森林冠層高度。但是，對(duì)于坡地地形，由圖4d所示，波形信號(hào)結(jié)束位置相較于圖4b，lidar回波幀數(shù)減小，使得整個(gè)波形開(kāi)始到波形結(jié)束的距離增加，RH100不能準(zhǔn)確表示森林冠層高度。對(duì)于非均一的復(fù)雜地表圖4e，地形起伏會(huì)增加波形的復(fù)雜程度，導(dǎo)致波形曲線融合更多的地物信息，識(shí)別地面波峰更加困難。

圖4 不同地形條件機(jī)載lidar點(diǎn)云冠層高度分布以及GLAS原始波形Fig.4 Airborne lidar points cloud canopy height distribution and GLAS original waveform in different terrain conditions

定量化地引入坡度、光斑直徑和地表粗糙度等變量，本文隨機(jī)選取70%的GLAS光斑點(diǎn)利用LM通用全局優(yōu)化算法對(duì)方程（7）進(jìn)行參數(shù)擬合，得到參數(shù)a=0.47和b=-0.04，剩余30%的GLAS光斑點(diǎn)進(jìn)行模型精度驗(yàn)證。如圖5所示，地形校正后的森林冠層高度HC更加接近機(jī)載激光雷達(dá)所測(cè)高度，擬合散點(diǎn)也更加接近1∶1擬合線，平均RMSE= 3.54 m也相較于校正前RMSE= 6.43 m有了明顯地降低。

為了進(jìn)一步量化坡度對(duì)RH100影響程度，本文以5°為間隔，把建模GLAS光斑點(diǎn)分成6個(gè)坡度等級(jí)。由表1可知，各個(gè)坡度等級(jí)校正后模型的R2能夠解釋冠層高度42%～43%的變異程度，與校正前相比其變化幅度并不明顯，由此可知地形校正模型并沒(méi)有改變模型的擬合優(yōu)度。隨著坡度等級(jí)的提高，地形校正前RH100的RMSE由3.55 m升高到10.25 m，數(shù)值變化幅度較大，經(jīng)過(guò)模型校正后，不同坡度等級(jí)的RMSE穩(wěn)定在3.26～3.88 m之間，說(shuō)明模型的穩(wěn)定性較好，并且校正模型對(duì)高坡度等級(jí)校正效果較為明顯。

圖5 不同坡度等級(jí)GLAS光斑尺度森林冠層高度與機(jī)載lidar最大冠層高度對(duì)比Fig.5 Comparison of GLAS-based canopy height and airborne lidar maximum canopy height in different slope levels

表1 地形校正前后不同坡度等級(jí)冠層高度估測(cè)精度對(duì)比Table 1 Accuracy comparison of canopy height estimation before and after topographic correction in different slope levels

2.3 基于實(shí)測(cè)數(shù)據(jù)的光斑尺度森林冠層高度驗(yàn)證

本文應(yīng)用的GLAS光斑尺度森林冠層高度模型是由波形參數(shù)結(jié)合地形信息間接求得，機(jī)載激光雷達(dá)點(diǎn)云可以詳細(xì)地描述光斑范圍內(nèi)森林冠層的分布情況并為估測(cè)結(jié)果提供參考，但實(shí)測(cè)數(shù)據(jù)所提供的樣地每木檢尺因子可以為估測(cè)結(jié)果的精確性提供進(jìn)一步驗(yàn)證。本文分別利用樣地的Lorey’s高和算術(shù)平均高驗(yàn)證估測(cè)結(jié)果。由圖6可知，GLAS光斑尺度森林冠層高度與樣地的Lorey’s高度最為接近，其平均Pearson相關(guān)系數(shù)r為0.66，RMSE為1.90 m。出現(xiàn)此結(jié)果的主要原因?yàn)樾貜綔y(cè)量較為簡(jiǎn)單且精度較高，對(duì)于不同的林齡具有很好地代表性，可以彌補(bǔ)單木樹(shù)高測(cè)量的誤差。而算術(shù)平均高只是簡(jiǎn)單地對(duì)樹(shù)高求平均運(yùn)算，其數(shù)值沒(méi)有充分考慮樹(shù)齡的影響。

圖6 不同樣地高度下實(shí)測(cè)數(shù)據(jù)與GLAS光斑冠層高度對(duì)比Fig.6 Comparison of in-situ data and GLAS-based canopy height in different sample height forms

對(duì)于不同森林類型，混交林估測(cè)精度最高，其Pearson相關(guān)系數(shù)r和RMSE分別為0.84和1.06 m，闊葉林的估測(cè)精度最低，其Pearson相關(guān)系數(shù)r和RMSE分別為0.44和2.56 m。由于本次GLA14數(shù)據(jù)獲取的時(shí)間為3月和10月2個(gè)月，研究區(qū)的白樺已經(jīng)處于落葉期，并且其冠型類似于橢圓，落葉對(duì)其冠層分布影響較大，使得闊葉林的GLAS波形出現(xiàn)失真，因此闊葉林的估測(cè)精度較低。

3 討 論

地形因素對(duì)GLAS光斑尺度森林冠層高度的估測(cè)精度影響較大，但是，仍然存在一些內(nèi)在因素未考慮。過(guò)大的光斑直徑使得在地形起伏劇烈的區(qū)域，單一的坡度不能準(zhǔn)確地反映地形的變化，雖然機(jī)載lidar為模型參數(shù)擬合提供參考數(shù)據(jù)，如果研究區(qū)沒(méi)有機(jī)載數(shù)據(jù)覆蓋，模型精確度會(huì)進(jìn)一步降低。Simard等[32]只考慮坡度和光斑大小得到冠層高度估測(cè)精度RMSE=4.4 m，低于本研究的估測(cè)精度。另外，本研究所用到改進(jìn)的地形校正模型是基于激光器垂直觀測(cè)（nadir viewing）的情況得出的，對(duì)于非垂直觀測(cè)（off-nadir viewing）地面光斑呈橢圓形，地形坡向和激光器指向方位角都會(huì)直接地改變波形形狀，特別是激光器指向方位角和地形坡向相反時(shí)，估測(cè)誤差也可能會(huì)進(jìn)一步加大。Yang等[19]研究發(fā)現(xiàn)，2°的激光器指向方位角使光斑尺度冠層高度估測(cè)存在0.1～1 m的誤差。本文所用的機(jī)載lidar數(shù)據(jù)和星載GLAS數(shù)據(jù)有3 a的時(shí)間間隔，雖然研究區(qū)屬于寒溫帶，三年的樹(shù)木生長(zhǎng)量較少，但時(shí)間尺度的不一致也會(huì)間接增加估測(cè)的不確定性。ICESat-1衛(wèi)星已于2009年11月停止數(shù)據(jù)服務(wù)，其后續(xù)的ICESat-2衛(wèi)星計(jì)劃于2018年發(fā)射升空，植被冠層高度估測(cè)是其重要任務(wù)之一[33]。其搭載激光器采用10 kHz的微脈沖和多波束的光子計(jì)數(shù)方法，能夠提供密集的交叉軌道采樣，使其光斑直徑減小到10 m，這些特性都將進(jìn)一步提高在地形條件復(fù)雜區(qū)域的冠層高度估測(cè)精度。

早期一些學(xué)者針對(duì)GLA01全波形數(shù)據(jù)估測(cè)森林冠層高度做了大量研究，但是波形處理流程相對(duì)繁瑣且處理結(jié)果存在不確定性，導(dǎo)致估測(cè)精度差異較大。GLA14數(shù)據(jù)經(jīng)過(guò)了統(tǒng)一濾波和擬合算法處理，處理過(guò)程相對(duì)簡(jiǎn)單且標(biāo)準(zhǔn)統(tǒng)一，可以減少一些數(shù)據(jù)處理過(guò)程中的偶然誤差。另外，在全球范圍內(nèi)SRTMGL1數(shù)據(jù)發(fā)布之前，除美國(guó)之外的區(qū)域，只有90 m分辨率的地形數(shù)據(jù)可用，較粗的分辨率使其不能夠精確描述地形變化。本研究利用最新發(fā)布的30 m分辨率的SRTMGL1數(shù)據(jù)并且引入了機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)，與Park等[30]2014年的估測(cè)結(jié)果相比（其RMSE=5.32 m），精度有了相對(duì)的提高。以期本文得到的結(jié)果可以為后續(xù)大尺度的森林冠層高度以及全球碳循環(huán)的研究提供理論和實(shí)踐支持。

4 結(jié) 論

本文利用星載激光雷達(dá)GLA14數(shù)據(jù)、機(jī)載激光雷達(dá)點(diǎn)云以及SRTM地形數(shù)據(jù)，對(duì)GLAS光斑尺度森林冠層高度進(jìn)行了估測(cè)，并分析了坡度對(duì)估測(cè)精度的影響，得到如下結(jié)論：

1）不同森林類型機(jī)載激光雷達(dá)點(diǎn)云冠層分布存在明顯差異。針葉林樹(shù)冠呈錐形，其冠頂不易被激光點(diǎn)云探測(cè)，較小的點(diǎn)云密度，容易錯(cuò)失冠頂；闊葉林的樹(shù)冠呈橢圓形分布，冠頂截獲激光點(diǎn)的頻率較高，樹(shù)冠各部分激光點(diǎn)的分布相比于針葉林差異較??；由于樹(shù)種組成不同及受林下植被的影響，混交林的冠層點(diǎn)云分布剖面變化較為平緩。

2）由于地形對(duì)GLAS原始波形的展寬，校正前GLAS光斑尺度森林冠層高度與機(jī)載激光雷達(dá)最大森林冠層高度相比存在正偏差。隨著坡度的升高，正偏差逐漸增大，冠層高度估測(cè)精度RMSE由3.55 m增加到10.25 m。引入坡度因素，用機(jī)載激光雷達(dá)森林冠層最大高度對(duì)模型進(jìn)行校正后，各坡度等級(jí)的RMSE在3.26～3.88 m之間，模型精度較為穩(wěn)定。

3）對(duì)比實(shí)測(cè)樣地的Lorey’s高和算術(shù)平均高，樣地Lorey’s高與估測(cè)結(jié)果擬合精度較高，平均相關(guān)系數(shù)r和RMSE分別為0.66和1.90 m。不同森林類型對(duì)GLAS光斑尺度冠層高度估測(cè)精度影響較大，混交林估測(cè)精度最高，r和RMSE分別為0.84和1.06 m；闊葉林估測(cè)精度最低，r和RMSE分別為0.44和2.56 m。這種差異主要與研究區(qū)樹(shù)種冠層結(jié)構(gòu)特征有關(guān)。

[1] 王效科，馮宗煒，歐陽(yáng)志云. 中國(guó)森林生態(tài)系統(tǒng)的植物碳儲(chǔ)量和碳密度研究[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2001，12(1)：13-16. Wang Xiaoke, Feng Zongwei, Ouyang Zhiyun. Vegetation carbon storage and density of forest ecosystems in China[J]. Chinese Journal of Applied Ecology, 2001, 12(1): 13-16. (in Chinese with English abstract)

[2] Morton D, Victoria D, Keller M. Tree height and tropical forest biomass estimation[J]. Biogeosciences, 2013, 10(1): 8385-8399.

[3] Ni Xiliang, Zhou Yuke, Cao Chunxiang, et al. Mapping forest canopy height over continental China using multisource remote sensing data[J]. Remote Sensing, 2015, 7(7): 8436-8452.

[4] 段祝庚，曾源，趙旦，等. 機(jī)載激光雷達(dá)森林冠層高度模型凹坑去除方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(21): 209-217. Duan Zhugeng, Zeng Yuan, Zhao Dan, et al. Method of removing pits of canopy height model from airborne laser radar[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(21): 209-217. (in Chinese with English abstract)

[5] 邵 晴，徐 濤，吉野辰萌，等. 基于三維激光掃描技術(shù)的糧食儲(chǔ)量監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(20)：262-267. Shao Qing, Xu Tao, Yoshino Tatsuo, et al. Design and experiment for grain storage monitoring system based on 3-D laser scanning technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(20): 262-267. (in Chinese with English abstract)

[6] Watt P J, Donoghue D N M. Measuring forest structure with terrestrial laser scanning[J]. International Journal of Remote Sensing, 2005, 26(7), 1437-1446.

[7] Nelson R, Krabill W, Maclean G. Determining forest canopy characteristics using airborne laser data[J]. Remote Sensing of Environment, 1984, 15(3): 201-212.

[8] Zolkos S G, Goetz S J, Dubayah R. A meta-analysis of terrestrial aboveground biomass estimation using lidar remote sensing[J]. Remote Sensing of Environment, 2013, 128(1): 289-298.

[9] Zhuang W, Mountrakis G, Jr J J W, et al. Estimation of above-ground forest biomass using metrics based on Gaussian decomposition of waveform lidar data[J]. International Journal of Remote Sensing, 2015, 36(7): 1871-1889.

[10] Hyypp? J, Hyypp? H, Leckie D, et al. Review of methods of small footprint airborne laser scanning for extracting forest inventory data in boreal forests[J]. International Journal of Remote Sensing, 2008, 29(5): 1339-1366.

[11] Chopping M, Nolin A, Moisen G G, et al. Forest canopy height from the multiangle imaging spectroradiometer (misr) assessed with high resolution discrete return lidar[J]. Remote Sensing of Environment, 2009, 113(10): 2172-2185.

[12] 段祝庚，趙旦，曾源，等. 基于遙感的區(qū)域尺度森林地上生物量估算研究[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2015，40(10)：1400-1408. Duan Zhugeng, Zhao Dan, Zeng Yuan, et al. Estimation of the forest aboveground biomass at regional scale based on remote sensing[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1400-1408. (in Chinese with English abstract)

[13] Abshire J B, Sun X, Riris H, et al. Geoscience laser altimeter system (GLAS) on the ICESat mission: On-orbit measurement performance[J]. Geophysical Research Letters, 2005, 32(21): 21-22.

[14] Spinhirne J D, Palm S P, Hart W D, et al. Cloud and aerosol measurements from GLAS: Overview and initial results[J]. Geophysical Research Letters, 2005, 322(22): 109-127.

[15] 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.

[16] Lefsky M. 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.

[17] Lefsky M, Harding D, Keller M. Estimates of forest canopy height and aboveground biomass using ICESat[J]. Geophysical Research Letters, 2005, 32(22), 56-68.

[18] Lee S, Nimeister W, Yang W. Physically based vertical vegetation structure retrieval from ICESat data: Validation using LVIS in white mountain national forest, New Hampshire, USA[J]. Remote Sensing of Environment, 2011, 115(11): 2776-2785.

[19] Yang W, Nimeister W, Lee S. Assessment of the impacts of surface topography, off-nadir pointing and vegetation structure on vegetation lidar waveforms using an extended geometric optical and radiative transfer model[J]. Remote Sensing of Environment, 2011, 115(11): 2810-2822.

[20] 周梅. 大興安嶺落葉松林生態(tài)系統(tǒng)水文過(guò)程與規(guī)律研究[D].北京：北京林業(yè)大學(xué)，2003. Zhou Mei. Research on the Hydrological Process and Laws of Larix gmelini Ecosystem at the Great Xingan Mountains[D]. Beijing: Beijing Forestry University, 2003. (in Chinese with English abstract)

[21] 穆喜云，張秋良，劉清旺，等. 基于機(jī)載激光雷達(dá)的寒溫帶典型森林高度制圖研究[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，2015，37(7)：58-67. Mu Xiyun, Zhang Qiuliang, Liu Qingwang, et al. Typical forest height mapping in cold temperate zone using airborne LiDAR data[J]. Journal of Beijing Forestry University, 2015, 37(7): 58-67. (in Chinese with English abstract)

[22] 胡凱龍，劉清旺，穆喜云. 差分GNSS系統(tǒng)在大興安嶺地區(qū)森林資源調(diào)查中的精度分析[J]. 林業(yè)調(diào)查規(guī)劃，2015，40(4)：1-6. Hu Kailong, Liu Qingwang, Mu Xiyun. Differential GNSS application on location precision analysis of forest resource investigation in Daxinganling region[J]. Forest Inventory and Planning, 2015, 40(4): 1-6. (in Chinese with English abstract)

[23] 高瓊，喻梅，張新時(shí). 林分材積計(jì)算的標(biāo)準(zhǔn)木方法的誤差分析及校正[J]. 林業(yè)科學(xué)，1995，31(6)：551-555. Gao Qiong, Yu Mei, Zhang Xinshi. Error analysis and correction for calculation of timber volume using standard sample trees[J]. Scientia Silvae Sinicae, 1995, 31(6): 551-555. (in Chinese with English abstract)

[24] Pang Y, Lefsky M, Andersen H E, et al. Validation of the ICEsat vegetation product using crown-area-weighted mean height derived using crown delineation with discrete return lidar data[J]. Canadian Journal of Remote Sensing, 2008, 34(41): 471-484.

[25] 穆喜云，張秋良，劉清旺，等. 基于機(jī)載LiDAR數(shù)據(jù)的林分平均高及郁閉度反演[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2015，43(9)：84-89. Mu Xiyun, Zhang Qiuliang, Liu Qingwang, et al. Inversion of forest height and canopy closure using airborne lidar data[J]. Journal of Northeast Forestry University, 2015, 43(9): 84-89. (in Chinese with English abstract)

[26] 李鵬，李振洪，施闖，等. 中國(guó)地區(qū)30 m分辨率SRTM質(zhì)量評(píng)估[J]. 測(cè)繪通報(bào)，2016(9)：24-28. Li Peng, Li Zhenhong, Shi Chuang, et al. Quality evaluation of 1 arc second version SRTM DEM in China[J]. Bulletin of Surveying and Mapping, 2016(9): 24-28. (in Chinese with English abstract)

[27] Robert Z. The CGIAR Consortium for Spatial Information [EB/OL]. 2003-01-01[2014-09-01]. https://glovis.usgs.gov. [28] Axelsson P. DEM generation from laser scanner data using adaptive TIN models[C]//International Archives of Photogrammetry & Remote Sensing, 2000.

[29] Selkowitz D J, Green G, Peterson B, et al. A multi-sensor lidar, multi-spectral and multi-angular approach for mapping canopy height in boreal forest regions[J]. Remote Sensing of Environment, 2012, 121(2): 458-471.

[30] Park T, Kennedy R, Choi S, et al. Application of physicallybased slope correction for maximum forest canopy height estimation using waveform lidar across different footprint sizes and locations: Tests on LVIS and GLAS[J]. Remote Sensing, 2014, 6(7): 6566-6586.

[31] Pang Y, Lefsky M, Sun G, et al. Impact of footprint diameter and off-nadir pointing on the precision of canopy height estimates from spaceborne lidar[J]. Remote Sensing ofEnvironment, 2011, 115(11): 2798-2809.

[32] Simard M, Pinto N, Fisher J B, et al. Mapping forest canopy height globally with spaceborne lidar[J]. Journal of Geophysical Research Biogeosciences, 2015, 116(4): 1-12.

[33] 夏少波，王成，習(xí)曉環(huán)，等. ICESat-2機(jī)載試驗(yàn)點(diǎn)云濾波及植被高度反演[J]. 遙感學(xué)報(bào)，2014，18(6)：1199-1207. Xia Shaobo, Wang Cheng, Xi Xiaohuan, et al. Point cloud filtering and tree height estimation using airborne experiment data of ICESat-2[J]. Journal of Remote Sensing, 2014, 18(6): 1199-1207. (in Chinese with English abstract)

Forest canopy height estimation based on ICESat/GLAS data by airborne lidar

Hu Kailong1,2, Liu Qingwang2※, Pang Yong2, Li Mei3, Mu Xiyun4
(1. College of Geoscience and Surveying Engineering, China University of Mining and Technology (Beijing), Beijing 100083, China; 2. Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091, China; 3. Institute of Desertification Studies, Chinese Academy of Forestry, Beijing 100091, China; 4. Institute of Forestry Ecology, Chifeng Academy of Forestry, Chifeng 024000, China)

The forest vertical structure parameters can reflect the growth status of the forest and the species diversity of the forest to a certain extent. Forest canopy height is a significant part of vertical structure parameters, and quantification of its distribution is an active academic research focus in recent years due to its important significance for the forest ecosystem research. Spaceborne lidar system ICESat/GLAS, with laser sensor placed on the satellite, is the full waveform lidar altimeter system with a 1064 nm laser operated at 40 Hz. The return GLAS waveforms can describe the vertical distribution of the landscape. However, large footprint diameter can reshape the vertical extent of waveforms for topographic change. Airborne lidar system whose laser sensor is placed on the airplane can transmit a short duration laser pulse. There may be several secondary returns as the light from a single pulse is reflected from within canopy layers of vegetation. The property of high-density laser point cloud (0.5-10 points/m2) makes some airborne lidar metrics to be suitable predictors of either canopy height or even individual tree height. In this study, combining with the SRTMGL1 terrain data and airborne lidar point cloud data, GLAS-based canopy height correction model based on physical equation was proposed. The effect of slope on the estimation accuracy was analyzed and estimated result was validated in in situ data. An irregular triangulation algorithm was used to filter the point cloud to extract the ground point. The initial triangulation model was optimized by setting the angle threshold and the height threshold. Point cloud normalized processing which eliminates the terrain effect could reflect the actual canopy height. The range of the GLAS footprint was used to extract the local maximum value of the normalized point cloud and analyzed canopy profile. This value was modeled as a true value for model parameters fitting by considering the slope, the footprint size and the surface roughness. GLAS-based canopy height indirectly was calculated from waveform parameters, it was necessary to use in situ data to analyze the estimated result. The result showed: airborne points cloud data can accurately reflect the distribution of forest canopy in the range of the GLAS footprint, but there were obvious differences in the distribution of points cloud in different forest types. By comparing uncorrected GLAS-based canopy height RH100 with airborne lidar canopy height, we found that the canopy height from RH100 was overestimated, which led to the positive bias. For the flat terrain cases, canopy and ground peak can be accurately identified from the waveform. GLAS metric RH100 can be approximately considered as forest canopy height because the last Gaussian peak was assumed to represent the ground peak. However, for the slope terrain case, the slope stretched the waveform, leading to increased waveform extent, and decreased canopy and ground peaks. For heterogeneous land surface cases, single slope information can not accurately reflect changes in the surface. The undulating surface made the waveform more complex. After topographic correction, not surprisingly, the fitting result was closer to the 1:1 fitting line. Reflecting on the root mean square error RMSE, uncorrected RMSE was 6.43 m greater than the corrected RMSE was 3.54 m. The effect of the topography was alleviated to a certain extent. As slope level increased, the RMSE of uncorrection increased from 3.55 m to 10.25 m, whereas the RMSE of correction had stabilized at between 3.26 m and 3.88 m. The effect of the topography was alleviated to a certain extent. Comparing with arithmetic average height, it can be seen that the estimation result was close to Lorey's height. In addition, the accuracy of canopy height estimation in different forest types was different, the accuracy of mixed forest was the highest (r and RMSE were 0.84 and 1.06 m), and the accuracy of broad-leaved forest was the lowest (r and RMSE were 0.44 and 2.56 m).

lasers; data handling; forestry; canopy height; airborne lidar; points cloud classification; estimation model; slope

10.11975/j.issn.1002-6819.2017.16.012

P237

A

1002-6819(2017)-16-0088-08

胡凱龍，劉清旺，龐 勇，李 梅，穆喜云. 基于機(jī)載激光雷達(dá)校正的ICESat/GLAS數(shù)據(jù)森林冠層高度估測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(16)：88-95.

10.11975/j.issn.1002-6819.2017.16.012 http://www.tcsae.org

Hu Kailong, Liu Qingwang, Pang Yong, Li Mei, Mu Xiyun. Forest canopy height estimation based on ICESat/GLAS data by airborne lidar correction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 88-95. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.16.012 http://www.tcsae.org

2017-02-24

2017-06-08

國(guó)家自然科學(xué)基金（31370635）；國(guó)家高技術(shù)研究發(fā)展計(jì)劃(2012AA12A306)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（2013CB733404）

胡凱龍，男，河南鶴壁人，博士生，主要從事激光雷達(dá)在森林結(jié)構(gòu)參數(shù)反演方面的研究。北京 中國(guó)礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，100083。Email：hklong_gis@163.com

※通信作者：劉清旺，男，助理研究員，主要從事激光雷達(dá)林業(yè)應(yīng)用研究。北京 中國(guó)林業(yè)科學(xué)研究院資源信息研究所，100091。Email：liuqw@caf.ac.cn