黃佳鵬 夏婷婷 宇 洋

(遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院,阜新 123000)

0 引言

截至2021年我國(guó)森林總面積達(dá)3.46×1010hm2,森林覆蓋率達(dá)24.02%,林下地形不僅是監(jiān)測(cè)森林生態(tài)系統(tǒng)的基礎(chǔ)數(shù)據(jù),也是構(gòu)成全球范圍數(shù)字地面模型的重要部分[1]。但是現(xiàn)有數(shù)字地面模型在森林環(huán)境下表征的地面信息,并不是真實(shí)的林下地形(移除森林覆蓋的數(shù)字地面模型)位置[2],特別是在密林情況下數(shù)字地面模型精度可能存在更大偏差[3-4]。傳統(tǒng)的森林林下地形測(cè)量方法需耗費(fèi)大量的人力、財(cái)力,且效率較低。利用遙感技術(shù)對(duì)森林垂直分布進(jìn)行定量估測(cè),可提高森林結(jié)構(gòu)參數(shù)的估測(cè)精度,并有效縮短監(jiān)測(cè)周期[5-6],對(duì)于監(jiān)測(cè)森林樹(shù)高、了解森林生態(tài)系統(tǒng)功能和估算森林碳儲(chǔ)量具有重要意義[7]。

全球陸地生態(tài)調(diào)查系統(tǒng)(Global ecosystem dynamics investigation,GEDI)作為新一代的星載激光雷達(dá)載荷,其科學(xué)任務(wù)包括表征全球森林生態(tài)系統(tǒng)結(jié)構(gòu)和動(dòng)態(tài),可以從根本上改進(jìn)對(duì)地球碳循環(huán)和生物多樣性的量化和理解,其數(shù)據(jù)產(chǎn)品在量化林下地形方面表現(xiàn)出巨大潛力[8-11]。GEDI 的光斑直徑約為 25 m,沿軌的光斑間距為60 m,相鄰地面軌跡的間距為600 m[12-13]。鑒于星載激光雷達(dá)數(shù)據(jù)估測(cè)垂直森林結(jié)構(gòu)參數(shù)方面的優(yōu)勢(shì),筆者前期研究中,探究了美國(guó)9個(gè)研究區(qū)的星載激光雷達(dá)提取林下地形的精度,決定系數(shù)R2為0.8,RMSE為3.02 m[14]。VITEZSLAV 等[15]分析了星載激光雷達(dá)數(shù)據(jù)產(chǎn)品的林下地面高程數(shù)據(jù)在歐洲境內(nèi)的精度,RMSE為1.73～3.22 m。故星載激光雷達(dá)數(shù)據(jù)可嘗試作為評(píng)價(jià)數(shù)據(jù),用以探究現(xiàn)有數(shù)字高程模型數(shù)據(jù)的精度。其中,NAHED等[16]利用星載激光雷達(dá)數(shù)據(jù)驗(yàn)證了ASTER(Advanced spaceborne thermal emission and reflection radiometer)、SRTM (Shuttle radar topography mission) DEM (V3)和TanDEM-X DEM (V1)的精度,其結(jié)果的RMSE分別為10.74、12.35、9.62 m。LI等[17]利用中國(guó)境內(nèi)的星載激光雷達(dá)數(shù)據(jù),驗(yàn)證了Copernicus、SRTM與AW3D30的精度,其結(jié)果的RMSE分別為6.73、6.59、6.63 m。研究結(jié)果表明,星載激光雷達(dá)能夠獲取較精確的林下地形信息,且結(jié)果優(yōu)于常見(jiàn)的DEM數(shù)據(jù),可為林下地形高精度估測(cè)提供基礎(chǔ)數(shù)據(jù)。但是,現(xiàn)有研究?jī)H以機(jī)載數(shù)據(jù)驗(yàn)證星載激光雷達(dá)數(shù)據(jù)估測(cè)精度或利用星載激光雷達(dá)數(shù)據(jù)探究TanDEM-X DEM等DEM數(shù)據(jù)精度,并未以真實(shí)數(shù)據(jù)作為評(píng)價(jià)標(biāo)準(zhǔn),探究GEDI數(shù)據(jù)與TanDEM-X DEM估測(cè)林下地形精度,特別是密林[18]情況下的林下地形精度。綜上所述,現(xiàn)有研究缺少密林情況下GEDI與Tandem-X DEM數(shù)據(jù)估測(cè)林下地形性能評(píng)價(jià),尚不能全面衡量GEDI與Tandem-X DEM數(shù)據(jù)產(chǎn)品估測(cè)林下地形的性能。

基于此,本文以森林覆蓋度大于70%作為密林的劃分條件[18],利用機(jī)載G-LiHT(Goddard’s LiDAR hyperspectral thermal)數(shù)據(jù)作為真實(shí)數(shù)據(jù),開(kāi)展GEDI與Tandem-X DEM數(shù)據(jù)估測(cè)林下地形性能評(píng)價(jià)研究。通過(guò)統(tǒng)計(jì)不同研究區(qū)的定量評(píng)價(jià)指標(biāo),分析兩數(shù)據(jù)在密林條件下,林下地形估測(cè)結(jié)果,并結(jié)合研究區(qū)的植被覆蓋度、冠層高度、植被類(lèi)型,分析其對(duì)于兩數(shù)據(jù)產(chǎn)品估測(cè)林下地形的影響。

1 研究區(qū)與研究數(shù)據(jù)

1.1 研究區(qū)

為評(píng)價(jià) GEDI 與 Tandem-X DEM 數(shù)據(jù)產(chǎn)品估測(cè)密林情況下林下地形的性能,選擇美國(guó)不同森林覆蓋區(qū)域作為研究區(qū)。選擇研究區(qū)域?yàn)镚-LiHT 網(wǎng)站上公布的研究區(qū)主要覆蓋物為植被的星載激光雷達(dá)數(shù)據(jù)。選擇位于美國(guó)的 Idaho州、Marine州、New Hampshire州、Orgeon州、Puerto Rico自治邦與Washington州等地區(qū)作為研究區(qū)。研究區(qū)Idaho州、Marine州、New Hampshire州、Orgeon州、Puerto Rico自治邦與Washington州的采樣點(diǎn)最大冠層高度的平均值分別為 28.27、20.33、22.65、31.08、21.29、23.64 m,各研究區(qū)的植被覆蓋度分別為 92%、88%、76%、88%、73%、86%,研究區(qū)林下地形范圍為[0.35 m,1 043.87 m]。研究區(qū)示意圖如圖1所示。

圖1 研究區(qū)位置示意圖

1.2 研究數(shù)據(jù)

1.2.1GEDI數(shù)據(jù)

GEDI搭載了全球首臺(tái)用于高分辨率森林垂直結(jié)構(gòu)測(cè)量的多波束線性體制激光測(cè)高儀,GEDI數(shù)據(jù)覆蓋范圍是51.6°N至51.6°S,主要用于熱帶和溫帶地區(qū)的森林垂直結(jié)構(gòu)參數(shù)、地面高程等的精準(zhǔn)測(cè)量[8-10]。GEDI于2018年12月成功發(fā)射,被搭載到國(guó)際空間站上,其質(zhì)量為519 kg,GEDI包含3個(gè)相同的近紅外激光器,脈沖重復(fù)頻率為242 Hz,能量10 mJ,向地面發(fā)射波長(zhǎng)1 064 nm的脈沖激光。GEDI由3個(gè)激光器組成,其中2個(gè)是全功率激光器,通過(guò)改變激光束指向,各自產(chǎn)生2個(gè)光束。另外1個(gè)激光器是全覆蓋激光器,被分成2個(gè)光束,然后共產(chǎn)生4個(gè)光束,最終3個(gè)激光器產(chǎn)生8個(gè)地面光束軌跡,分別為BEAM0000、BEAM0001、BEAM0010、BEAM0011、BEAM0101、BEAM0110、BEAM1000、BEAM1011[19-20]。GEDI光斑分布形式如圖2所示。

圖2 GEDI光斑分布

GEDI數(shù)據(jù)產(chǎn)品分為 4 級(jí)產(chǎn)品,第1級(jí)別為原始波形數(shù)據(jù)(L1A)和定位波形數(shù)據(jù)(L1B),第2級(jí)別為冠層高度和剖面指標(biāo)(L2A 和 L2B),第3級(jí)別為網(wǎng)格冠層指標(biāo)(L3),第4級(jí)別為網(wǎng)格生物量指標(biāo)(L4)。為探究密林情況下 GEDI 數(shù)據(jù)產(chǎn)品林下地形估測(cè)精度,研究擬使用GEDI的 L2A 高程產(chǎn)品,L2A 級(jí)數(shù)據(jù)產(chǎn)品的目的是為森林結(jié)構(gòu)參數(shù)估測(cè)研究提供NASA官方波形解釋數(shù)據(jù),數(shù)據(jù)產(chǎn)品包括地面高程、冠層高度和相對(duì)高度指標(biāo)等森林結(jié)構(gòu)參數(shù)指標(biāo)[21]。

為探究密林情況下 GEDI 數(shù)據(jù)產(chǎn)品估測(cè)林下地形精度,研究擬提取參數(shù)包括:lon_lowestmode、lat_lowestmode、elev_lowestmode作為林下地面高程信息參數(shù)。由于 GEDI 星載激光雷達(dá)數(shù)據(jù)與機(jī)載激光雷達(dá)數(shù)據(jù)的高程基準(zhǔn)面不同,需提取參數(shù) mean_sea_surface 用于統(tǒng)一高程基準(zhǔn)面。為優(yōu)選 GEDI 數(shù)據(jù)質(zhì)量,研究選擇 L2A 數(shù)據(jù)產(chǎn)品中的質(zhì)量評(píng)價(jià)參數(shù)包括:quality_flag、degrade_flag 和 sensitivity[21]。

1.2.2TanDEM-X數(shù)據(jù)

TanDEM-X是一項(xiàng)地球觀測(cè)雷達(dá)任務(wù),由2顆幾乎相同的衛(wèi)星組成的合成孔徑雷達(dá)干涉儀(Interferometer synthetic aperture radar,InSAR)組成,它們以近距離編隊(duì)飛行,可生成全球數(shù)字高程模型(Digital elevation model,DEM)。這些數(shù)據(jù)目前由美國(guó)地質(zhì)勘探局免費(fèi)分發(fā),可從美國(guó)地圖無(wú)縫數(shù)據(jù)分發(fā)系統(tǒng)或美國(guó)地質(zhì)勘探署 FTP 網(wǎng)站下載。TanDEM-X 任務(wù)的主要目標(biāo)是創(chuàng)建一幅覆蓋地球陸地表面的精確3D地圖[2]。數(shù)據(jù)采集于2015年1月完成,全球DEM的制作于2016年9月完成。非森林覆蓋地區(qū)的絕對(duì)高度誤差約為1 m。數(shù)據(jù)產(chǎn)品覆蓋了地球上1.5×108km2的陸地,TanDEM-X DEM 是首個(gè)以統(tǒng)一精度和無(wú)間隙方式獲取的全球全覆蓋數(shù)字高程產(chǎn)品[22]。

1.2.3G-LiHT數(shù)據(jù)

研究擬以 G-LiHT數(shù)據(jù)作為真實(shí)的驗(yàn)證數(shù)據(jù)開(kāi)展GEDI與Tandem-X DEM 數(shù)據(jù)的估測(cè)林下地形精度驗(yàn)證。G-LiHT 數(shù)據(jù)為高分辨率機(jī)載激光雷達(dá)掃描數(shù)據(jù),利用G-LiHT DTM(Digital terrain model)數(shù)據(jù)產(chǎn)品評(píng)估 GEDI 在估測(cè)林下地形方面的性能,利用 G-LiHT 冠層高度模型(Canopy height mode,CHM)數(shù)據(jù)產(chǎn)品開(kāi)展森林冠層高度影響林下地形估測(cè)性能探究。數(shù)據(jù)產(chǎn)品從機(jī)載離散回波激光雷達(dá)中獲得,并使用多傳感器儀器 G-LiHT 進(jìn)行收集。數(shù)據(jù)產(chǎn)品以 TIFF 格式發(fā)布,空間分辨率為 1 m。對(duì)于測(cè)繪項(xiàng)目,DTM的高程精度通常優(yōu)于0.5 m[23-24]。研究擬利用G-LiHT的DTM數(shù)據(jù)開(kāi)展林下地形精度評(píng)價(jià)工作,利用G-LiHT的CHM數(shù)據(jù)開(kāi)展冠層高度對(duì)于林下地形影響因素探究。

G-LiHT數(shù)據(jù)產(chǎn)品包含森林環(huán)境下 DTM 數(shù)據(jù),為量化星載激光雷達(dá) GEDI 估測(cè)森林結(jié)構(gòu)參數(shù)的精度,NASA 官方開(kāi)展了 G-LiHT 數(shù)據(jù)采集。截至2022年,G-LiHT 已被用于收集美國(guó)國(guó)家航空航天局贊助的美國(guó)、波多黎各和墨西哥廣泛生態(tài)區(qū)的766個(gè)研究區(qū)的數(shù)據(jù)。本文中使用的 G-LiHT 數(shù)據(jù)集包括 Newburyport、Loudon、PR、AMIGArb_CFR_FIA、Penobscot 和 AMIGArb_G01。研究使用的G-LiHT 數(shù)據(jù)可在https:∥glihtdata.gsfc.nasa.gov/下載。

1.2.4森林覆蓋度數(shù)據(jù)

為開(kāi)展密林區(qū)域劃分,并開(kāi)展森林覆蓋度對(duì)于林下地形影響因素探究,研究擬采用的冠層覆蓋數(shù)據(jù)為 MOD44B數(shù)據(jù)產(chǎn)品,該產(chǎn)品由 MODIS 數(shù)據(jù)產(chǎn)生。MOD44B 冠層覆蓋度產(chǎn)品是地表植被冠層覆蓋的全球數(shù)據(jù)產(chǎn)品,由3個(gè)覆蓋類(lèi)別組成,分別是冠層覆蓋百分比、非冠層覆蓋百分比和裸露百分比。MOD44B 產(chǎn)品旨在通過(guò)用一定比例的基本覆蓋成分來(lái)表示每個(gè)像素中的土地覆蓋,從而克服土地覆蓋類(lèi)別之間突然出現(xiàn)的差異。MOD44B產(chǎn)品提供了陸地表面覆蓋的定量化描述,并參考3種地面覆蓋成分對(duì)覆蓋百分比進(jìn)行了亞像素描述[25]。研究中使用的判斷密林的條件是樹(shù)冠覆蓋率大于等于70%[18]。

1.2.5植被類(lèi)型數(shù)據(jù)

為開(kāi)展植被類(lèi)型對(duì)于 GEDI 與Tandem-X DEM 數(shù)據(jù)產(chǎn)品估測(cè)林下地形影響因素探究,研究選擇使用MCD12Q1 產(chǎn)品,該產(chǎn)品為 MODIS 土地覆蓋類(lèi)型產(chǎn)品,其提供了一套科學(xué)數(shù)據(jù)集,空間分辨率為 500 m,這些數(shù)據(jù)是根據(jù)中分辨率成像光譜輻射計(jì)數(shù)據(jù)的光譜時(shí)間特征分類(lèi)創(chuàng)建的。研究計(jì)劃采用國(guó)際地圈——生物圈計(jì)劃 (International geosphere-biosphere programme,IGBP)分類(lèi)方案[26]。其中,從 MCD12Q1 產(chǎn)品中提取9種森林植被類(lèi)型,包括常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、封閉灌木林、開(kāi)放灌木林、木本稀樹(shù)草原、稀樹(shù)草原,研究擬根據(jù)不同植被類(lèi)型分別探究不同植被類(lèi)型情況下,GEDI與Tandem-X DEM 數(shù)據(jù)產(chǎn)品估測(cè)林下地形的精度。

2 研究方法

2.1 GEDI與TanDEM-X林下地形提取方法

2.1.1GEDI林下地形提取方法

為提取GEDI林下地形信息,主要擬提取8個(gè)字段,分別是:lon_lowestmode、lat_lowestmode、elev_lowestmode、elev_highestreturn、mean_sea_surface、quality_flag、degrade_flag和sensitivity。首先根據(jù)lon_lowestmode和lat_lowestmode確定每個(gè)光斑的經(jīng)緯度信息,elev_lowestmode和elev_highestreturn對(duì)應(yīng)著每個(gè)光斑數(shù)據(jù)的最高高程和最低高程,研究擬以 elev_lowestmode作為 GEDI 的林下地形數(shù)據(jù);mean_sea_surface 是平均海平面高度,在進(jìn)行高程數(shù)據(jù)處理時(shí),需要在原有數(shù)據(jù)基礎(chǔ)上根據(jù)這個(gè)參數(shù)進(jìn)行修正,使其坐標(biāo)系統(tǒng)一在WGS84坐標(biāo)系下。quality_flag、degrade_flag 和sensitivity 是選擇高質(zhì)量足印的篩選指標(biāo),利用這 3 個(gè)參數(shù)進(jìn)行數(shù)據(jù)的篩選,quality_flag 有 “0” 和 “1” 兩個(gè)值,“1” 表示質(zhì)量良好,需要剔除 “0” 的激光點(diǎn);degrade_flag 同樣有 “0”和 “1”,含義不同,“1” 表示衛(wèi)星處在降軌中,數(shù)據(jù)不準(zhǔn)確,需要保留 “0” 的光斑點(diǎn);sensitivity 表示的是冠層覆蓋度,其取值范圍為0～1,越接近 1 表示質(zhì)量越高,通常森林情況設(shè)置為sensitivity大于等于0.90,由于研究選用的數(shù)據(jù)為密林情況,將其設(shè)置為 sensitivity大于等于0.95。

2.1.2TanDEM-X林下地形提取方法

不同于 GEDI 數(shù)據(jù)光斑的離散情況,TanDEM-X 是首個(gè)以統(tǒng)一精度和無(wú)間隙方式獲取的全球全覆蓋數(shù)字高程產(chǎn)品。因此,研究以 GEDI 與機(jī)載驗(yàn)證數(shù)據(jù)重合位置的經(jīng)緯度數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)的位置信息,按照對(duì)應(yīng)經(jīng)緯度數(shù)據(jù)提取 TanDEM-X 數(shù)據(jù)的林下地形高程數(shù)據(jù)。研究擬采用的GEDI與TanDEM-X林下地形提取方法流程圖如圖3所示。

圖3 研究方法流程圖

2.2 精度驗(yàn)證

為了評(píng)價(jià) GEDI 估測(cè)林下地形的精度,研究選擇決定系數(shù)(R2)、均方根誤差(RMSE)、平均誤差(Average error)和標(biāo)準(zhǔn)差(Standard deviation,STD)作為定量評(píng)價(jià)指標(biāo)。其中,RMSE、Average和STD的計(jì)算結(jié)果越接近于0,其意義越大,說(shuō)明估測(cè)精度越高。R2取值0～1之間。

2.3 影響因素分析

2.3.1冠層高度

文獻(xiàn)[8]指出,森林冠層高度與星載激光雷達(dá)估測(cè)林下地形誤差存在相關(guān)性,以光斑內(nèi)最大的森林冠層高度作為分區(qū)條件,將研究區(qū)森林按樹(shù)高分組為[0 m,5 m)、[5 m,10 m)、[10 m,15 m)、[15 m,20 m)、[20 m,∞),分別進(jìn)行林下地形估測(cè)精度對(duì)比,探究冠層高度對(duì)于GEDI與Tandem-X DEM數(shù)據(jù)產(chǎn)品估測(cè)密林情況下林下地形性能的影響。

2.3.2植被覆蓋度

文獻(xiàn)[9]指出,植被覆蓋度與星載激光雷達(dá)估測(cè)林下地形誤差存在相關(guān)性,將研究區(qū)森林地區(qū)植被覆蓋度分組為:[70%～75%)、[75%～80%)、[80%～85%)、[85%～90%)、[90%～100%),分別進(jìn)行林下地形精度對(duì)比,探究密林情況下植被覆蓋度,對(duì)于GEDI與Tandem-X DEM數(shù)據(jù)產(chǎn)品估測(cè)密林情況下林下地形性能的影響。

2.3.3植被類(lèi)型數(shù)據(jù)

文獻(xiàn)[9,12]指出,不同森林類(lèi)型數(shù)據(jù)與星載激光雷達(dá)估測(cè)林下地形誤差存在相關(guān)性,將研究區(qū)森林類(lèi)型數(shù)據(jù)分組為:常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、封閉灌木林、開(kāi)放灌木林、木本稀樹(shù)草原、稀樹(shù)草原,分別進(jìn)行林下地形精度對(duì)比,探究密林情況下植被類(lèi)型數(shù)據(jù)對(duì)于 GEDI 與 Tandem-X DEM 數(shù)據(jù)產(chǎn)品估測(cè)密林情況下林下地形性能的影響。

3 結(jié)果與分析

為研究GEDI與Tandem-X DEM估測(cè)林下地形能力,在美國(guó)6個(gè)研究區(qū)開(kāi)展林下地形估測(cè)研究。圖4為研究區(qū)GEDI與Tandem-X DEM數(shù)據(jù)剖面形式高程數(shù)據(jù)。表1為各研究區(qū)林下地形估測(cè)精度評(píng)價(jià)指標(biāo)匯總。

表1 不同研究區(qū)林下地形估測(cè)結(jié)果定量評(píng)價(jià)指標(biāo)匯總

圖4 各研究區(qū)林下地形估測(cè)結(jié)果殘差示意圖

通過(guò)分析圖4各研究區(qū)誤差分布可知,Tandem-X DEM 誤差多為正值,GEDI-DEM 的林下地形信息多為負(fù)值,研究采用的誤差計(jì)算方式為利用機(jī)載驗(yàn)證數(shù)據(jù) DTM 與 Tandem-X DEM 做差,可知 Tandem-X DEM 數(shù)據(jù)多為低于機(jī)載驗(yàn)證數(shù)據(jù),GEDI-DEM 多為高于機(jī)載驗(yàn)證數(shù)據(jù)。分析 Tandem-X DEM 數(shù)據(jù)產(chǎn)品制作特征可知,由于存在復(fù)雜的森林植被覆蓋影響,導(dǎo)致 SAR 數(shù)據(jù)處理出現(xiàn)偏差,進(jìn)而影響 Tandem-X DEM 數(shù)據(jù)產(chǎn)品估測(cè)林下地形的精度。GEDI 數(shù)據(jù)為星載激光雷達(dá)數(shù)據(jù),由于其數(shù)據(jù)特性,使得其可以較為精準(zhǔn)刻畫(huà)森林在垂直方向上的信息,進(jìn)而可以提供較為精準(zhǔn)的林下地形信息。

以森林覆蓋度作為分類(lèi)評(píng)價(jià)標(biāo)準(zhǔn)可知,Marine州、Puerto Rico 自治邦和New Hampshire 州研究區(qū)的整體森林覆蓋度分別達(dá)到88%、73%和76%,大量的 GEDI-DEM 數(shù)據(jù)的誤差均在 “0” 附近,并且遠(yuǎn)小于 Tandem-X DEM 的誤差。而隨著森林覆蓋度數(shù)據(jù)進(jìn)一步增大,Idaho、Orgeon與Washington研究區(qū)的GEDI-DEM數(shù)據(jù)的誤差變大,誤差分布形式與 Tandem-X DEM 數(shù)據(jù)的誤差情況類(lèi)似,雖然本研究針對(duì)的情況為密林情況,但是研究結(jié)果與文獻(xiàn)[9]描述結(jié)果類(lèi)似,森林覆蓋度對(duì)于數(shù)據(jù)估測(cè)林下地形存在較為明顯的影響。

定量分析結(jié)果匯總?cè)绫?所示,在研究區(qū)域的林下地形估測(cè)評(píng)價(jià)試驗(yàn)中,GEDI-DEM的 RMSE、R2、Average、STD 的平均值分別為 6.49 m、0.99、-1.92 m與4.42 m。Tandem-X DEM 的 RMSE、R2、Average、STD 的平均值分別為18.15 m、0.98、14.63 m與7.35 m。雖然 GEDI-DEM 與Tandem-X DEM 在R2角度均與機(jī)載驗(yàn)證數(shù)據(jù)保持比較高的情況,但是進(jìn)一步比較各個(gè)研究區(qū)的決定系數(shù)指標(biāo)可知,GEDI-DEM 相對(duì)于 Tandem-X DEM 在各個(gè)研究區(qū)均表現(xiàn)出更優(yōu)的R2,證明 GEDI-DEM 與Tandem-X DEM 數(shù)據(jù)在估測(cè)林下地形方面與機(jī)載驗(yàn)證數(shù)據(jù)存在強(qiáng)相關(guān)性,而且 GEDI-DEM 與 Tandem-X DEM 數(shù)據(jù)整體變化趨勢(shì)與機(jī)載驗(yàn)證數(shù)據(jù)類(lèi)似。

比較RMSE可知,GEDI-DEM的RMSE范圍為[2.81 m,12.08 m],Tandem-X DEM的RMSE范圍為[10.21 m,31.97 m],文獻(xiàn)[9]研究指出GEDI估測(cè)地面信息的RMSE在[0.98 m,4.30 m]附近,但是本研究的定量評(píng)價(jià)指標(biāo)顯示,密林情況下的GEDI-DEM的RMSE出現(xiàn)明顯偏差,證明森林覆蓋度等復(fù)雜森林信息將影響 GEDI-DEM 的估測(cè)精度。文獻(xiàn)[2]研究指出 Tandem-X DEM 估測(cè)地面信息的絕對(duì)高程精度為10 m,同樣因?yàn)槊芰值奶厥馇闆r導(dǎo)致,Tandem-X DEM 估測(cè)林下地形信息表現(xiàn)出偏差更大的情況。比較兩數(shù)據(jù)的RMSE可知,GEDI-DEM 估測(cè)林下地形的 RMSE 在各個(gè)研究區(qū)表現(xiàn)出更低的現(xiàn)象。

比較 Average 可知,Tandem-X DEM 數(shù)據(jù)在New Hampshire州與Puerto Rico自治邦甚至出現(xiàn) Average 為 21.05 m和29.26 m的情況,結(jié)合定性評(píng)價(jià)的圖4可知,Tandem-X DEM的誤差區(qū)間分別為[10 m,30 m]與[20 m,60 m],分析原因可能是由于密林情況,導(dǎo)致SAR數(shù)據(jù)處理的不確定性,使得其估測(cè)林下地形出現(xiàn)較大偏差。與此對(duì)應(yīng),GEDI-DEM估測(cè)林下地形的Average在各研究區(qū)未出現(xiàn)比較明顯的偏差情況。分析STD可知,GEDI-DEM 數(shù)據(jù)相對(duì) Tandem-X DEM 數(shù)據(jù)在各個(gè)研究區(qū)均表現(xiàn)出更優(yōu)的 STD。Average與STD評(píng)價(jià)表明,雖然密林情況影響 GEDI-DEM 估測(cè)林下地形的精度,但是其定量評(píng)價(jià)指標(biāo)均優(yōu)于 Tandem-X DEM。

通過(guò)對(duì)定性與定量結(jié)果分析表明,由于密林情況影響,GEDI-DEM 與 Tandem-X DEM數(shù)據(jù)在估測(cè)林下地形方面均表現(xiàn)出低于其他情況下林下地形的研究成果的情況。分析原因可知,本次研究主要選擇的是密林情況,森林情況相對(duì)更為復(fù)雜,導(dǎo)致SAR數(shù)據(jù)和GEDI波形數(shù)據(jù)處理精度低。但是,通過(guò)進(jìn)一步比較各定量評(píng)價(jià)指標(biāo),實(shí)驗(yàn)結(jié)果顯示 GEDI-DEM 相對(duì)于 Tandem-X DEM定量評(píng)價(jià)指標(biāo)均表現(xiàn)更優(yōu)。

4 討論

4.1 冠層高度影響因素

統(tǒng)計(jì)不同冠層高度情況下,GEDI-DEM 與 Tandem-X DEM 數(shù)據(jù)估測(cè)林下地形的定量評(píng)價(jià)指標(biāo),如圖5所示。

圖5 不同冠層高度情況GEDI-DEM與Tandem-X DEM數(shù)據(jù)估測(cè)林下地形的定量評(píng)價(jià)結(jié)果

分析圖5中兩數(shù)據(jù)定量評(píng)價(jià)指標(biāo)可知,在研究區(qū)選擇冠層高度范圍內(nèi),GEDI與Tandem-X DEM數(shù)據(jù)的決定系數(shù)表現(xiàn)類(lèi)似,均在0.99范圍內(nèi),定量數(shù)據(jù)結(jié)果表明,不同森林冠層高度情況下,GEDI、Tandem-X DEM與機(jī)載驗(yàn)證數(shù)據(jù)之間存在強(qiáng)相關(guān)性。對(duì)比RMSE、Average與STD可知,GEDI估測(cè)林下地形的定量評(píng)價(jià)指標(biāo)均遠(yuǎn)低于Tandem-X DEM數(shù)據(jù),定量評(píng)價(jià)指標(biāo)顯示GEDI估測(cè)林下地形相比于Tandem-X DEM估測(cè)結(jié)果的RMSE、Average與STD平均降低25.06、26.84、6.82 m,定量數(shù)據(jù)結(jié)果表明 GEDI相對(duì) Tandem-X DEM 表現(xiàn)出更優(yōu)的定量評(píng)價(jià)指標(biāo)。

僅對(duì)比森林冠層高度對(duì)于 GEDI 數(shù)據(jù)影響因素可知,GEDI 數(shù)據(jù)估測(cè)結(jié)果的R2、RMSE、Average 與 STD,均能保證在一定范圍內(nèi)變化,未出現(xiàn)較大的變化趨勢(shì)。其中,在研究選擇的森林冠層高度內(nèi),GEDI 數(shù)據(jù)的 Average 變化范圍為[0 m,2 m]。定量評(píng)價(jià)結(jié)果說(shuō)明,由于 GEDI 激光數(shù)據(jù)波長(zhǎng)為1 064 nm,其具有不錯(cuò)的森林穿透能力,能夠?yàn)楣罍y(cè)森林林下地形提供科學(xué)數(shù)據(jù)。分析森林冠層高度對(duì)于 Tandem-X DEM 數(shù)據(jù)影響因素可知,Tandem-X DEM 數(shù)據(jù)估測(cè)結(jié)果的R2能保證在 0.99,未出現(xiàn)較大的變化趨勢(shì)。定量評(píng)價(jià)數(shù)據(jù)說(shuō)明,Tandem-X DEM 數(shù)據(jù)估測(cè)林下地形的結(jié)果與機(jī)載 G-LiHT 驗(yàn)證數(shù)據(jù)存在強(qiáng)相關(guān)性。但是,RMSE、Average 與 STD 顯示 Tandem-X DEM 數(shù)據(jù)出現(xiàn)較大的變化,其中,RMSE、Average 與 STD 變化幅度為 11.21、12.06、1.79 m,該結(jié)果與文獻(xiàn)[10]實(shí)驗(yàn)結(jié)果類(lèi)似,即不同的精度評(píng)價(jià)指標(biāo)整體變化趨勢(shì)為隨冠層高度增加,定量評(píng)價(jià)誤差逐步降低。定量評(píng)價(jià)數(shù)據(jù)說(shuō)明,由于 Tandem-X DEM 數(shù)據(jù)構(gòu)建數(shù)據(jù)產(chǎn)品特性,Tandem-X DEM 數(shù)據(jù)包含植被冠層高度導(dǎo)致出現(xiàn)較大評(píng)價(jià)指標(biāo)偏差情況。研究進(jìn)一步探究林下地形估測(cè)誤差與森林冠層高度的相關(guān)性可知,GEDI 數(shù)據(jù)與Tandem-X DEM 皮爾遜相關(guān)系數(shù)分別為 0.02 與 0.30,相關(guān)系數(shù)數(shù)據(jù)表明,森林覆蓋度與Tandem-X DEM 的誤差表現(xiàn)出更明顯的相關(guān)性。

4.2 植被覆蓋度影響因素

統(tǒng)計(jì)不同植被覆蓋度情況下,GEDI-DEM 與 Tandem-X DEM 數(shù)據(jù)估測(cè)林下地形的定量評(píng)價(jià)指標(biāo)如圖 6 所示。

分析圖6中兩數(shù)據(jù)定量評(píng)價(jià)指標(biāo)可知,在研究區(qū)選擇森林覆蓋度范圍內(nèi),GEDI 與Tandem-X DEM 數(shù)據(jù)的決定系數(shù)表現(xiàn)類(lèi)似,均在0.99范圍內(nèi),定量數(shù)據(jù)結(jié)果表明,不同森林覆蓋度情況下,GEDI與 Tandem-X DEM 與機(jī)載驗(yàn)證數(shù)據(jù)之間存在強(qiáng)相關(guān)性。對(duì)比 RMSE、Average 與 STD 可知,GEDI 估測(cè)林下地形的定量評(píng)價(jià)指標(biāo)均遠(yuǎn)低于 Tandem-X DEM 數(shù)據(jù),定量評(píng)價(jià)指標(biāo)顯示 GEDI 估測(cè)林下地形的 RMSE、Average 與 STD 平均降低18.14、20.41、5.04 m,定量數(shù)據(jù)結(jié)果表明GEDI 相對(duì)Tandem-X DEM定量評(píng)價(jià)指標(biāo)表現(xiàn)更優(yōu)。

圖6 不同森林覆蓋度情況GEDI-DEM與Tandem-X DEM數(shù)據(jù)估測(cè)林下地形的定量評(píng)價(jià)結(jié)果

僅對(duì)比森林覆蓋度對(duì)于 GEDI 數(shù)據(jù)影響因素可知,GEDI 數(shù)據(jù)估測(cè)結(jié)果的R2、RMSE、Average 與 STD,均能保證在一定范圍內(nèi)變化,未出現(xiàn)較大的變化趨勢(shì)。其中,GEDI 數(shù)據(jù)估測(cè)結(jié)果的 Average 在森林覆蓋度為75%～100%時(shí)變化范圍為[-1 m,1 m]。定量評(píng)價(jià)結(jié)果說(shuō)明,由于 GEDI 激光數(shù)據(jù)的特性,其波長(zhǎng)為1 064 nm,其具有不錯(cuò)的森林穿透能力,在密林區(qū)域甚至是森林覆蓋度為90%～100%定量評(píng)價(jià)指標(biāo)均表現(xiàn)較優(yōu)。分析森林覆蓋度對(duì)于 Tandem-X DEM 數(shù)據(jù)影響因素可知,Tandem-X DEM 數(shù)據(jù)估測(cè)結(jié)果的決定系數(shù)能保證在一定范圍內(nèi)變化,未出現(xiàn)較大的變化趨勢(shì)。定量評(píng)價(jià)數(shù)據(jù)說(shuō)明,Tandem-X DEM 數(shù)據(jù)估測(cè)林下地形的結(jié)果與機(jī)載驗(yàn)證數(shù)據(jù)存在強(qiáng)相關(guān)性。但是,RMSE、Average與 STD 顯示 Tandem-X DEM 數(shù)據(jù)出現(xiàn)較大的變化,其中,RMSE、Average與STD變化幅度為14.19、13.65、6.63 m,該結(jié)果與文獻(xiàn)[10]實(shí)驗(yàn)結(jié)果類(lèi)似,即不同的精度評(píng)價(jià)指標(biāo)整體變化趨勢(shì)為隨森林覆蓋度增加,定量評(píng)價(jià)誤差逐步降低,并且呈非線性變化。定量評(píng)價(jià)數(shù)據(jù)說(shuō)明,由于 Tandem-X DEM 數(shù)據(jù)構(gòu)建數(shù)據(jù)產(chǎn)品特性,Tandem-X DEM 數(shù)據(jù)包含植被信息導(dǎo)致出現(xiàn)較大評(píng)價(jià)指標(biāo)偏差情況。研究進(jìn)一步探究林下地形估測(cè)誤差與森林覆蓋度的相關(guān)性可知,GEDI數(shù)據(jù)與 Tandem-X DEM 皮爾遜相關(guān)系數(shù)分別為 0.29 與 0.40,相關(guān)系數(shù)數(shù)據(jù)表明,森林覆蓋度與 Tandem-X DEM 的誤差表現(xiàn)出更明顯的相關(guān)性。

4.3 植被類(lèi)型影響因素

統(tǒng)計(jì)不同植被類(lèi)型數(shù)據(jù)情況下,GEDI-DEM 與 Tandem-X DEM 數(shù)據(jù)估測(cè)林下地形的定量評(píng)價(jià)指標(biāo)如圖7所示。

圖7 不同植被類(lèi)型情況GEDI-DEM與Tandem-X DEM數(shù)據(jù)估測(cè)林下地形的定量評(píng)價(jià)結(jié)果

分析圖7中兩數(shù)據(jù)定量評(píng)價(jià)指標(biāo)可知,在研究區(qū)選擇植被類(lèi)型內(nèi),GEDI 與 Tandem-X DEM 數(shù)據(jù)的決定系數(shù)表現(xiàn)類(lèi)似,均在 0.95 以上,定量數(shù)據(jù)結(jié)果表明,不同地表植被類(lèi)型覆蓋情況下,GEDI 與 Tandem-X DEM 與機(jī)載驗(yàn)證數(shù)據(jù)之間存在強(qiáng)相關(guān)性。對(duì)比 RMSE、Average與 STD 可知,GEDI 估測(cè)林下地形的定量評(píng)價(jià)指標(biāo)均遠(yuǎn)低于 Tandem-X DEM 數(shù)據(jù),定量評(píng)價(jià)指標(biāo)顯示 GEDI 估測(cè)林下地形的 RMSE、Average 與 STD 平均降低 17.72、20.20、5.43 m,定量數(shù)據(jù)結(jié)果表明,GEDI相對(duì)Tandem-X DEM定量評(píng)價(jià)指標(biāo)表現(xiàn)更優(yōu)。

僅對(duì)比地表植被類(lèi)型對(duì)于 GEDI 數(shù)據(jù)影響因素可知,GEDI 數(shù)據(jù)估測(cè)結(jié)果的R2、RMSE、Average 與 STD,混交林情況下,GEDI 定量評(píng)價(jià)指標(biāo)表現(xiàn)較好,其中 RMSE、R2、Average 與 STD 分別為2.84 m、0.97、-0.48 m、2.13 m。稀疏草原情況下,GEDI 定量評(píng)價(jià)指標(biāo)表現(xiàn)較差,其中 RMSE、R2、Average 與 STD分別為10.89 m、0.99、5.56 m、6.25 m,2種植被類(lèi)型情況下,RMSE 和 Average 分別變化8.05 m和6.04 m。分析 IGBP分類(lèi)標(biāo)準(zhǔn)可知,混交林的分類(lèi)標(biāo)準(zhǔn)為針葉、闊葉在 40%～60%之間,森林冠層高度大于2 m,植被覆蓋度大于60%。稀疏草原為具有草本和其它林下系統(tǒng)的土地,樹(shù)木覆蓋度 10%～30%,樹(shù)冠高大于2 m。產(chǎn)生不同地表植被類(lèi)型精度不同的原因,可能是由于研究選擇的參數(shù)導(dǎo)致的,GEDI 官方算法說(shuō)明文檔表示,共有 6 種不同參數(shù)的波形參數(shù)提取算法,但是全球范圍的最優(yōu)參數(shù)僅記錄在 elev_lowestmode 參數(shù)中,即以相同算法參數(shù)完成全球范圍林下地形估測(cè),這將導(dǎo)致算法可能僅適用于部分地表植被類(lèi)型,在其余地表植被類(lèi)型下表現(xiàn)不佳。

分析地表植被類(lèi)型對(duì)于 Tandem-X DEM 數(shù)據(jù)影響因素可知,Tandem-X DEM 數(shù)據(jù)估測(cè)結(jié)果的決定系數(shù)能保證在 0.95 以上,未出現(xiàn)較大變化趨勢(shì)。定量評(píng)價(jià)數(shù)據(jù)說(shuō)明,Tandem-X DEM 數(shù)據(jù)估測(cè)林下地形的結(jié)果與機(jī)載驗(yàn)證數(shù)據(jù)存在強(qiáng)相關(guān)性。但是RMSE與Average顯示 Tandem-X DEM 數(shù)據(jù)出現(xiàn)較大變化,其中,常綠針葉林與農(nóng)田/天然植被存在較大差異,RMSE 與 Average 變化幅度為 21.63、26.43 m,農(nóng)田/天然植被情況下林下地形估測(cè)精度表現(xiàn)最差。定量評(píng)價(jià)數(shù)據(jù)說(shuō)明,由于 Tandem-X DEM 數(shù)據(jù)構(gòu)建數(shù)據(jù)產(chǎn)品特性,Tandem-X DEM 數(shù)據(jù)包含地表植被信息導(dǎo)致出現(xiàn)較大評(píng)價(jià)指標(biāo)偏差情況。整體分析密林情況下,冠層高度、植被覆蓋度和植被類(lèi)型數(shù)據(jù)影響因素對(duì)于估測(cè)林下地形精度可知,植被類(lèi)型數(shù)據(jù)導(dǎo)致定量評(píng)價(jià)指標(biāo)出現(xiàn)變化相對(duì)另外兩種數(shù)據(jù)更大。

5 結(jié)論

(1)GEDI與 Tandem-X DEM 數(shù)據(jù)與機(jī)載驗(yàn)證數(shù)據(jù)存在強(qiáng)相關(guān)性,其中 GEDI 與 Tandem-X DEM的R2分別為 0.99 和 0.98,GEDI 相對(duì) Tandem-X DEM 數(shù)據(jù)評(píng)價(jià)標(biāo)準(zhǔn)表現(xiàn)更優(yōu),其中,RMSE、Average 與 STD 分別為6.49、-1.92、4.42 m。

(2)地表植被類(lèi)型相對(duì)冠層高度和植被覆蓋度,會(huì)對(duì)GEDI與Tandem-X DEM數(shù)據(jù)估測(cè)林下地形性能產(chǎn)生更大的影響。