劉兵兵 ， 魏建新,3

（1.新疆大學(xué)地理科學(xué)學(xué)院，新疆 烏魯木齊 830017；2.新疆激光雷達(dá)應(yīng)用工程技術(shù)研究中心，新疆 烏魯木齊 830002；3.新疆維吾爾自治區(qū)自然資源信息中心（新疆維吾爾自治區(qū)自然資源檔案館），新疆 烏魯木齊 830002）

1 研究背景

森林冠層高度（Canopy Height, CH）的定義是森林冠層頂部與地面之間的垂直距離。作為重要的森林垂直結(jié)構(gòu)參數(shù)之一，冠層高度目前被廣泛地應(yīng)用于估算森林生物量和碳儲(chǔ)量，監(jiān)測(cè)森林退化以及衡量森林恢復(fù)狀況，對(duì)整個(gè)生態(tài)系統(tǒng)的研究有著巨大的意義[1-2]。

傳統(tǒng)森林冠層高度測(cè)量方法主要是利用測(cè)量?jī)x器在地面進(jìn)行測(cè)量獲取，不僅費(fèi)時(shí)費(fèi)力，而且只能獲取到小的樣點(diǎn)或樣方數(shù)據(jù)。光學(xué)遙感技術(shù)的出現(xiàn)，彌補(bǔ)了傳統(tǒng)測(cè)量方法的不足，但是光學(xué)衛(wèi)星遙感主要探測(cè)冠層表面信息，在森林垂直方向上得到的林分信息十分有限，利用其反演的冠層高度具有一定的不確定性。激光雷達(dá)（Light Detection and Ranging, LiDAR）作為新興的主動(dòng)遙感技術(shù)，能夠快速、準(zhǔn)確地獲取植被的三維結(jié)構(gòu)信息，在森林資源調(diào)查監(jiān)測(cè)方面具有巨大的潛力和優(yōu)勢(shì)，已被成功應(yīng)用于葉面積指數(shù)、冠層覆蓋度、冠層高度以及生物量等森林參數(shù)的獲取[3-6]。依據(jù)搭載平臺(tái)的不同，可以將激光雷達(dá)劃分為地基激光雷達(dá)、車載激光雷達(dá)、機(jī)載激光雷達(dá)以及星載激光雷達(dá)等。它們各有適合的應(yīng)用尺度與范圍。其中，地基激光雷達(dá)和背包激光雷達(dá)通常用于采集單木或者小尺度樣方范圍內(nèi)高精度的三維數(shù)據(jù)，可實(shí)現(xiàn)三維重建；以無(wú)人機(jī)（Unmanned Aerial Vehicle, UAV）、有人機(jī)作為搭載平臺(tái)的機(jī)載激光雷達(dá)通常用于快速獲取較大面積的樣方尺度或區(qū)域尺度的三維數(shù)據(jù)；而以衛(wèi)星作為搭載平臺(tái)的星載激光雷達(dá)，由于其較高的運(yùn)行軌道，因此可觀測(cè)到更廣闊的范圍，適用于大尺度范圍，甚至大陸大洲級(jí)的三維信息采集[7]。

應(yīng)用較為廣泛的星載激光雷達(dá)主要有美國(guó)國(guó)家航空航天局于2003年發(fā)射的ICESat（Ice, Cloud, and land Elevation Satellite）衛(wèi)星上搭載的地學(xué)激光測(cè)高系統(tǒng)（Geoscience Laser Altimeter System, GLAS）（已于2009年停止工作）[8]；2018年發(fā)射的ICESat-2衛(wèi)星上搭載的先進(jìn)地形激光測(cè)高系統(tǒng)（Advanced Topographic Laser Altimeter System, ATLAS）[9]，以及搭載在國(guó)際空間站ISS（International Space Station）上的全球生態(tài)系統(tǒng)動(dòng)態(tài)調(diào)查（Global Ecosystem Dynamics Investigation, GEDI）激光雷達(dá)[10]。但是星載激光雷達(dá)均為離散采樣，無(wú)法直接獲得連續(xù)的森林垂直結(jié)構(gòu)信息，需要聯(lián)合光學(xué)衛(wèi)星遙感數(shù)據(jù)進(jìn)行建模外推，才能獲取連續(xù)覆蓋的冠層高度[11]。模型精度往往取決于星載激光雷達(dá)數(shù)據(jù)的可用性和質(zhì)量、光學(xué)影像數(shù)據(jù)的時(shí)空一致性以及模型應(yīng)用的地理范圍[12]。

目前，國(guó)內(nèi)外研究人員已經(jīng)利用星載激光雷達(dá)以及光學(xué)遙感衛(wèi)星成功反演出多套全球范圍內(nèi)的冠層高度產(chǎn)品。Lefsky首次利用星載激光雷達(dá)GLAS和MODIS（Moderate-resolution Imaging Spectroradiometer）多光譜數(shù)據(jù)作為數(shù)據(jù)源，采用Cubist回歸模型繪制了全球森林冠層高度產(chǎn)品[13]。Simard等使用隨機(jī)森林模型聯(lián)合星載激光雷達(dá)GLAS數(shù)據(jù)和MODIS樹(shù)木覆蓋度數(shù)據(jù)繪制了1 km分辨率的全球森林冠層高度地圖，與全球微氣象通量觀測(cè)網(wǎng)絡(luò)FLUXNET站點(diǎn)實(shí)測(cè)數(shù)據(jù)相比，決定系數(shù)（Coefficient of Determination, R2）達(dá)到0.5，均方根誤差（Root Mean Square Error, RMSE）為6.1 m，研究發(fā)現(xiàn)該產(chǎn)品的誤差因森林類型而異，并隨著冠層高度的增加而增加[14]。Wang等利用GLAS數(shù)據(jù)聯(lián)合氣候數(shù)據(jù)、MODIS數(shù)據(jù)等，采用隨機(jī)森林算法，繪制了全球500 m分辨率的平均森林冠層高度地圖，利用地面站點(diǎn)的平均森林高度數(shù)據(jù)對(duì)此產(chǎn)品進(jìn)行驗(yàn)證，結(jié)果顯示該產(chǎn)品精度相對(duì)較高（R2=0.63，RMSE=4.68 m），但是在一些區(qū)域，該產(chǎn)品與地面觀測(cè)值的高度差超過(guò)10 m，需要進(jìn)一步研究以確定誤差原因[15]?？傊?，雖然聯(lián)合星載激光雷達(dá)以及普通光學(xué)衛(wèi)星遙感數(shù)據(jù)可以有效地估測(cè)全球森林冠層高度，但是這些產(chǎn)品仍存在一定的不確定性，并且還存在飽和現(xiàn)象。

機(jī)載激光雷達(dá)憑借高精度三維信息采集的優(yōu)勢(shì)，在國(guó)內(nèi)外已被廣泛應(yīng)用于森林冠層高度的提取。大量研究表明機(jī)載激光雷達(dá)點(diǎn)云的高度分位數(shù)與實(shí)測(cè)樹(shù)高具有高度相關(guān)性，利用其估測(cè)的冠層高度精度較高。龐勇等利用機(jī)載點(diǎn)云與實(shí)測(cè)林分平均高構(gòu)建統(tǒng)計(jì)模型，進(jìn)行了林分平均高度的估測(cè)。研究發(fā)現(xiàn)，機(jī)載點(diǎn)云75%的高度分位數(shù)與實(shí)測(cè)平均高具有較高的相關(guān)性，且利用激光雷達(dá)點(diǎn)云數(shù)據(jù)提取的林分平均高精度較高，可滿足林業(yè)調(diào)查的需求[16]。解宇陽(yáng)等利用無(wú)人機(jī)激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)生成冠層高度模型（Canopy Height Model, CHM），然后與實(shí)測(cè)冠層高度進(jìn)行線性回歸，發(fā)現(xiàn)兩者之間高度相關(guān)，3塊樣地的決定系數(shù)均為0.9左右，均方根誤差均小于1.4 m，表明點(diǎn)云提取的冠層高度具有較高的精度，可以作為冠層高度的實(shí)地測(cè)量值[17]。Potapov等研究發(fā)現(xiàn)，歸一化點(diǎn)云的95%和90%分位數(shù)高度可以有效避免點(diǎn)云噪點(diǎn)，最能表示真實(shí)冠層高度[18]。

目前，由美國(guó)馬里蘭大學(xué)地理科學(xué)系Potapov等創(chuàng)造的全球森林冠層高度產(chǎn)品是空間分辨率最高的全球森林冠層高度產(chǎn)品，國(guó)內(nèi)外對(duì)該產(chǎn)品的真實(shí)性檢驗(yàn)研究還比較少。為了檢驗(yàn)該產(chǎn)品的真實(shí)性，本研究利用在塞罕壩機(jī)械林場(chǎng)收集的無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)對(duì)該產(chǎn)品進(jìn)行精度驗(yàn)證。最終的驗(yàn)證結(jié)果不僅有助于改進(jìn)該產(chǎn)品的反演算法，提高產(chǎn)品精度，而且還可以為研究人員使用這套產(chǎn)品提供指導(dǎo)性建議。

2 研究區(qū)與數(shù)據(jù)介紹

2.1 研究區(qū)概況

研究區(qū)位于河北省承德市的塞罕壩機(jī)械林場(chǎng)，地理位置為東經(jīng)116°51′~117°39′，北緯42°02′~42°36′，海拔1 010 m~1 939.9 m。年平均氣溫為-1.3 ℃，年均降水量為479 mm，干燥多風(fēng)，是典型的半干旱半濕潤(rùn)寒溫性大陸季風(fēng)氣候。林場(chǎng)林業(yè)用地面積約84 395 hm2，其中有林地面積為74 690 hm2，森林覆蓋率達(dá)到80%。塞罕壩機(jī)械林場(chǎng)植被類型多種多樣，森林主要以針葉林為主，同時(shí)還分布有針闊混交林、闊葉林、灌叢、草原與草甸等。主要樹(shù)種為落葉松、樟子松、云杉、白樺、油松等。土壤類型以山地棕壤、灰色森林土和風(fēng)沙土為主。塞罕壩機(jī)械林場(chǎng)物種組成豐富、地形條件具有代表性，是國(guó)內(nèi)最重要的綜合遙感試驗(yàn)場(chǎng)地之一。

2.2 無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)獲取與預(yù)處理

無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)由研究團(tuán)隊(duì)在2018年生長(zhǎng)季期間，利用LiAir Pro無(wú)人機(jī)激光雷達(dá)系統(tǒng)獲取。LiAir Pro無(wú)人機(jī)激光雷達(dá)系統(tǒng)傳感器為Riegl VUX-1，最大掃描頻率為550 kHz，掃描精度達(dá)10 mm。為了保證飛行安全，根據(jù)掃描區(qū)域的地形，無(wú)人機(jī)激光雷達(dá)飛行高度設(shè)置為100 m，平均飛行速度為6 m/s，旁向重疊率為50%~65%。當(dāng)天氣狀況良好、晴朗無(wú)風(fēng)時(shí)，開(kāi)始飛行獲取數(shù)據(jù)。最終共采集兩塊樣地，采集面積總共約5.5 km2。最終的點(diǎn)云數(shù)據(jù)能夠反映完整的森林垂直結(jié)構(gòu)信息，兩塊樣地的點(diǎn)云密度均達(dá)到200點(diǎn)/m2以上，均能保證冠層高度的準(zhǔn)確提取。無(wú)人機(jī)激光雷達(dá)點(diǎn)云剖面圖如圖1所示。

圖1 無(wú)人機(jī)激光雷達(dá)點(diǎn)云剖面圖

無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)預(yù)處理步驟主要包括去噪、濾波、歸一化等。無(wú)人機(jī)激光雷達(dá)在飛行過(guò)程中容易產(chǎn)生各種噪點(diǎn)，為了提高點(diǎn)云質(zhì)量，本研究首先采用孤立點(diǎn)算法結(jié)合人工修正方式去除噪點(diǎn)[19]。孤立點(diǎn)算法去噪的主要步驟是首先任取一個(gè)點(diǎn)云把它作為球心，以25 m為半徑搜索周圍點(diǎn)云，假如25 m半徑的球形空間里搜索不到別的點(diǎn)云，則可把這個(gè)點(diǎn)云歸為噪點(diǎn)并進(jìn)行刪除，否則換另一個(gè)點(diǎn)云為核心繼續(xù)搜索[19]。在利用孤立點(diǎn)算法去除噪點(diǎn)后，有時(shí)還會(huì)有殘留的噪點(diǎn)，需要人工去除。本研究采用Zhao等提出的改進(jìn)的漸進(jìn)三角網(wǎng)加密算法對(duì)點(diǎn)云進(jìn)行濾波處理，將所有的點(diǎn)云分成地面點(diǎn)和非地面點(diǎn)[20]，相比于未改進(jìn)的漸進(jìn)三角網(wǎng)加密算法，該算法不僅效率高而且最大限度地保留了地形特征信息，濾波效果較好。濾波結(jié)束后利用不規(guī)則三角網(wǎng)插值算法將地面點(diǎn)插值生成1 m分辨率數(shù)字高程模型（Digital Elevation Model, DEM），并通過(guò)DEM提取樣地邊界作為無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)的矢量范圍用于后續(xù)冠層高度產(chǎn)品裁剪。最后，采用基于DEM的歸一化方法，對(duì)點(diǎn)云進(jìn)行歸一化處理以便后續(xù)分析使用。上述預(yù)處理操作均在LiDAR360點(diǎn)云處理軟件中進(jìn)行。

2.3 全球森林冠層高度產(chǎn)品獲取與預(yù)處理

本研究選擇馬里蘭大學(xué)地理科學(xué)系Potapov等創(chuàng)造的2019年全球森林冠層高度產(chǎn)品（簡(jiǎn)稱GFCH）進(jìn)行驗(yàn)證[18]。GFCH產(chǎn)品是通過(guò)整合GEDI和Landsat數(shù)據(jù)基于每個(gè)像元的回歸樹(shù)算法反演的，模型校準(zhǔn)的自變量是基于Landsat的多時(shí)相數(shù)據(jù)，因變量是使用機(jī)載激光雷達(dá)作為參考選擇的GEDI分位數(shù)高度。對(duì)回歸樹(shù)模型進(jìn)行校準(zhǔn)后，使用移動(dòng)窗口將其應(yīng)用到每個(gè)Landsat格網(wǎng)，即可得到30 m分辨率的全球森林冠層高度產(chǎn)品。

在這套產(chǎn)品中，整數(shù)0~60表示森林冠層高度，101表示水體，102表示冰或者雪，103表示空值。利用無(wú)人機(jī)激光雷達(dá)樣地的矢量邊界文件裁剪出對(duì)應(yīng)的冠層高度產(chǎn)品后，將代表水體、冰雪和空值的像元全部移除，然后將其進(jìn)行UTM投影（Universal Transverse Mercatol Projection）。

3 研究方法

3.1 無(wú)人機(jī)激光雷達(dá)冠層高度提取

以往許多研究都是利用樣點(diǎn)實(shí)測(cè)數(shù)據(jù)對(duì)全球森林冠層高度產(chǎn)品進(jìn)行驗(yàn)證。這種方法存在驗(yàn)證數(shù)據(jù)與產(chǎn)品像元空間尺度不匹配的問(wèn)題，導(dǎo)致驗(yàn)證結(jié)果存在一定的不確定性。本研究利用機(jī)載激光雷達(dá)數(shù)據(jù)則可以避免這一問(wèn)題。具體做法如下：首先以GFCH產(chǎn)品為基礎(chǔ)，生成與產(chǎn)品像元分辨率大小一致的網(wǎng)格；然后將無(wú)人機(jī)激光雷達(dá)樣地的矢量邊界疊加到網(wǎng)格上，進(jìn)一步分析無(wú)人機(jī)激光雷達(dá)點(diǎn)云面積對(duì)網(wǎng)格的覆蓋比率。當(dāng)無(wú)人機(jī)激光雷達(dá)的面積完全覆蓋網(wǎng)格時(shí)，則認(rèn)為該網(wǎng)格中無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)生成的冠層高度具有代表性，可用于后續(xù)的冠層高度的提取和驗(yàn)證。將面積覆蓋比率小于100%的網(wǎng)格去除后，利用最終滿足條件的網(wǎng)格重新裁切無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)。最后以各網(wǎng)格為計(jì)算單元，利用網(wǎng)格內(nèi)的點(diǎn)云數(shù)據(jù)提取冠層高度。

利用無(wú)人機(jī)激光雷達(dá)點(diǎn)云提取冠層高度時(shí)，取3 m以上植被點(diǎn)云的90%分位數(shù)高度作為冠層高度，這是由于這一產(chǎn)品將“森林冠層高度”定義為基于機(jī)載LiDAR的90%分位數(shù)高度，并只將3 m以上的植被歸為喬木[18]。

3.2 精度驗(yàn)證方法

基于無(wú)人機(jī)激光雷達(dá)獲取的冠層高度為觀測(cè)值，直接在像元尺度上對(duì)GFCH產(chǎn)品進(jìn)行驗(yàn)證，選取的評(píng)價(jià)指標(biāo)包括決定系數(shù)R2、偏差Bias、均方根誤差RMSE，具體計(jì)算公式如下：

4 結(jié)果與分析

對(duì)GFCH的驗(yàn)證結(jié)果如圖2所示，可以看到GFCH產(chǎn)品與激光雷達(dá)獲取的冠層高度相關(guān)性較弱（R2=0.24），且該產(chǎn)品精度較低（RMSE=5.58 m）。與激光雷達(dá)獲取的冠層高度相比，GFCH冠層高度整體偏高。平均偏差為4.85 m。

圖2 無(wú)人機(jī)激光雷達(dá)獲取的冠層高度與GFCH的散點(diǎn)圖

由圖2可知，無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)獲取的樣地冠層高度范圍在3 m~18 m，在這一區(qū)間內(nèi)，GFCH產(chǎn)品存在明顯高估的情況，這也與Potapov等的驗(yàn)證結(jié)果一致[18]。GFCH產(chǎn)品采用的是逐網(wǎng)格建模反演，其精度主要受每個(gè)格網(wǎng)中GEDI數(shù)據(jù)的可用量以及Landsat數(shù)據(jù)質(zhì)量的影響。與全球其他區(qū)域相比，GFCH產(chǎn)品在中國(guó)區(qū)域可用于建模的GEDI數(shù)據(jù)較少[18]。由于可用的GEDI數(shù)據(jù)量降低，其構(gòu)建的模型不能充分反映網(wǎng)格中森林冠層高度如何隨著地形、林齡等因子的變化，這可能是限制該產(chǎn)品在塞罕壩林場(chǎng)精度的主要原因。在森林稀疏的區(qū)域，由于GEDI較大的光斑尺寸，可能導(dǎo)致基于GEDI提取的冠層高度和真實(shí)冠層高度之間的巨大差異，造成反演模型的不確定性[21]。坡度的影響也不可忽略，它會(huì)影響星載激光雷達(dá)對(duì)森林冠層高度的估計(jì)，可能需要對(duì)GEDI數(shù)據(jù)進(jìn)行額外校正，以減少由坡度帶來(lái)的不確定性[22]。

5 結(jié)論

本研究利用無(wú)人機(jī)激光雷達(dá)獲取的冠層高度，在像元尺度上對(duì)全球森林冠層高度產(chǎn)品GFCH進(jìn)行精度驗(yàn)證。研究結(jié)果表明，該產(chǎn)品精度較低（RMSE=5.58 m），這主要與反演該產(chǎn)品時(shí)輸入模型的GEDI與Landsat數(shù)據(jù)質(zhì)量有關(guān)。隨著星載激光雷達(dá)GEDI的運(yùn)行，未來(lái)可收集到更多的GEDI數(shù)據(jù)參與模型反演以提高產(chǎn)品精度。此外，有研究表明由于小光斑機(jī)載激光雷達(dá)在數(shù)據(jù)采集過(guò)程中容易錯(cuò)失樹(shù)冠頂點(diǎn)，從而導(dǎo)致估測(cè)的冠層高度偏低，這也可能是GFCH產(chǎn)品相對(duì)于激光雷達(dá)獲取的冠層高度偏高的原因之一[23]。下一步將收集地面測(cè)量數(shù)據(jù)以驗(yàn)證機(jī)載激光雷達(dá)估測(cè)的冠層高度的精度，以便更加準(zhǔn)確地量化GFCH產(chǎn)品精度。