王蕊　邢艷秋　邱賽　王愛娟

摘要地形坡度對(duì)星載LiDAR的回波波形會(huì)產(chǎn)生很大的影響，并會(huì)進(jìn)一步影響森林結(jié)構(gòu)參數(shù)的正確估測(cè)。比較兩類參數(shù)量化地形坡度的能力：輔助地形DEM數(shù)據(jù)的地形指數(shù)和波形自身參數(shù)后緣長(zhǎng)度，以在反演坡地森林冠層高度時(shí)僅從回波波形本身出發(fā)，而不需要借助于其他輔助數(shù)據(jù)。采用估測(cè)坡地森林冠層高度的兩組對(duì)比模型來比較：第1組對(duì)比模型是Xing模型和基于未改進(jìn)的后緣長(zhǎng)度的線性模型；第2組對(duì)比模型是Xing模型和基于改進(jìn)的后緣長(zhǎng)度的線性模型。結(jié)果表明，在兩組對(duì)比模型中，基于波形自身特征參數(shù)的模型結(jié)果均優(yōu)于基于輔助地形DEM數(shù)據(jù)的地形指數(shù)的Xing模型，說明在量化地形坡度時(shí)，波形的自身特征參數(shù)的量化能力要高于輔助地形DEM數(shù)據(jù)的量化能力。

關(guān)鍵詞星載LiDAR；ICESatGLAS；坡地；森林冠層高度

中圖分類號(hào)S771.8文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2014）09-02790-04

基金項(xiàng)目中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金支撐項(xiàng)目（DL12EB07）；國(guó)家自然科學(xué)基金項(xiàng)目（41171274）；中國(guó)科學(xué)院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目（2011LDE012）。

作者簡(jiǎn)介王蕊（1989- ），女，山東菏澤人，博士研究生，研究方向：大光斑LiDAR數(shù)據(jù)森林回波模擬和森林生物量反演研究。*通訊作者，教授，從事3S技術(shù)及其應(yīng)用、森工管理及林業(yè)信息工程研究。

作為自然界中極為重要的環(huán)境資源，森林在全球碳循環(huán)中發(fā)揮著關(guān)鍵性的作用。星載LiDAR是近年來迅速發(fā)展的一項(xiàng)主動(dòng)遙感技術(shù)，它對(duì)森林的空間結(jié)構(gòu)和地形具有很強(qiáng)的探測(cè)能力，尤其是森林冠層高度，在森林結(jié)構(gòu)參數(shù)估測(cè)方面得到了廣泛的應(yīng)用[1-11]。但由于星載LiDAR的光斑尺寸較大，其回波波形很容易受到地形的影響，尤其是地形坡度，它會(huì)導(dǎo)致波形的展寬和重疊，使波形中的地面回波和冠層回波很難清楚地辨別出來，從而使坡地上的森林冠層高度的估測(cè)精度非常低。理論上，在坡度地形上若有均一的森林高度、高精度的輔助地形數(shù)據(jù)和已知的地面空間模式信息的情況下，將坡地上回波波形中的地面回波和冠層回波識(shí)別出來是相對(duì)簡(jiǎn)單的[12]。但實(shí)際上，許多森林高度是不均一的，充足的地形特征信息是比較缺乏的，且地面的空間模式信息通常是未知的，因此需要從回波波形的本身特征出發(fā)，尋找能夠描述地形坡度因子的參數(shù)。Lefsky等提出可以使用邊緣長(zhǎng)度來表征地形坡度，將邊緣長(zhǎng)度系數(shù)進(jìn)行多重轉(zhuǎn)換并利用逐步回歸開發(fā)出一個(gè)校正因子來估測(cè)平均冠層高度[12]。然而Pang等指出，Lefsky模型不能準(zhǔn)確地估測(cè)出冠層高度，特別是波形長(zhǎng)度較小時(shí)，并開發(fā)了一個(gè)基于邊緣長(zhǎng)度非線性的樹高估測(cè)模型[13]。隨后，Hilbert等提出了改進(jìn)的邊緣長(zhǎng)度，指出改進(jìn)后的指標(biāo)能夠更有效地定量化地形坡度的特征，尤其是波形中冠層峰值強(qiáng)度和地面峰值強(qiáng)度有較大差異時(shí)[14]。為此，筆者比較了波形自身特征參數(shù)波形邊緣長(zhǎng)度和輔助地形DEM數(shù)據(jù)的地形指數(shù)量化地形坡度的能力，以在估測(cè)坡地森林冠層高度時(shí)不借助其他輔助數(shù)據(jù)，而僅從波形自身出發(fā)，找出能夠更好地表征地形坡度的波形參數(shù)。

1研究區(qū)域及數(shù)據(jù)收集

1.1研究區(qū)域所選研究區(qū)為吉林省汪清縣林業(yè)局經(jīng)營(yíng)區(qū)（43°05′～43°40′ N、129°56′～131°04′ E，圖1），位于長(zhǎng)白山山系中低山區(qū)，總面積為30.4萬hm2，屬寒溫帶森林生態(tài)系統(tǒng)。地面高程變化范圍為360～1 477 m，地形坡度變化范圍為0～45°。夏季炎熱多雨，冬季寒冷干燥，年降水量在550 mm左右，其中5～9月份的降水量（438 mm）約占全年的80%。年平均氣溫為3.9 ℃，無霜期137 d。該區(qū)植物種類繁多，結(jié)構(gòu)復(fù)雜，深山區(qū)林相以天然次生針闊混交林為主，呈帶狀分布在海拔500～1 100 m。針葉樹主要有云杉（Picea）、紅松（Pinus koraiensis）和臭松（Symplocarpus Salisb），其中闊葉樹主要有蒙古櫟（Quercus monglica）、椴樹（Tilia）、色木（Acermono）、楓樺（Betula davuric）和白樺（Betula platyphylla）等。

1.3DEM數(shù)據(jù)該研究所用的DEM數(shù)據(jù)的比例尺為1∶50 000，分辨率為20 m，DEM數(shù)據(jù)主要有兩種用途：①生成地形坡度圖。可計(jì)算出GLAS光斑所處位置的坡度，為地面數(shù)據(jù)的采集位置做前期準(zhǔn)備。②提取地形指數(shù)?；?×3窗口可計(jì)算出GLAS光斑所處位置的地形指數(shù)g，該指標(biāo)可用來量化地形的坡度。

安徽農(nóng)業(yè)科學(xué)2014年1.4地面數(shù)據(jù)采集在采集地面數(shù)據(jù)之前，將GLAS光斑的位置分布圖和DEM生成的地形坡度圖進(jìn)行疊加，通過分析疊加圖（圖2），發(fā)現(xiàn)研究區(qū)內(nèi)幾乎所有的GLAS光斑位置位于坡度小于30°的地形上。為了評(píng)價(jià)基于GLAS數(shù)據(jù)各模型在不同坡度上估測(cè)森林冠層高度的能力，將30°以內(nèi)的地形區(qū)域分為6組，分別是0～5°、5°～10°、10°～15°、15°～20°、20°～25°和25°～30°，對(duì)每個(gè)坡度組隨機(jī)選取GLAS光斑位置作為地面數(shù)據(jù)的調(diào)查樣地，并對(duì)針葉林、闊葉林和針闊混交林3種森林類型進(jìn)行了隨機(jī)采樣。在地面數(shù)據(jù)的具體調(diào)查過程中，隨機(jī)選取GLAS激光光斑位置作為地面數(shù)據(jù)的調(diào)查樣地，利用GPS（Global Positioning System）手持儀對(duì)激光腳點(diǎn)進(jìn)行定位并記錄其坐標(biāo)，并以激光光斑中心點(diǎn)作為調(diào)查樣地的中心點(diǎn)，建立水平有效投影面積為500 m2的圓形樣地，測(cè)量并記錄了調(diào)查樣地內(nèi)的最高冠層高度及植被和地表覆蓋情況。該研究共采集了195個(gè)樣地，采集時(shí)間分別在2006年9月和2007年9月。

注：底圖為汪清DEM生成的坡度圖。

2.1ICESat/GLAS波形數(shù)據(jù)處理首先對(duì)ICESat/GLAS回波數(shù)據(jù)進(jìn)行預(yù)處理。波形預(yù)處理包括兩個(gè)部分：①數(shù)據(jù)讀取與轉(zhuǎn)換。將無法直接使用的原始二進(jìn)制數(shù)據(jù)格式轉(zhuǎn)換為可應(yīng)用的十進(jìn)制ASCII的數(shù)據(jù)格式；②數(shù)據(jù)標(biāo)準(zhǔn)化。便于不同量級(jí)或單位的指標(biāo)能夠進(jìn)行比較，從而能夠增強(qiáng)不同波形之間的可比性。

然后對(duì)預(yù)處理后的ICESat/GLAS回波波形確定背景噪聲閾值、信號(hào)開始位置和信號(hào)結(jié)束位置（圖3），為后續(xù)的波形特征參數(shù)提取做準(zhǔn)備。該研究選取整個(gè)波形數(shù)據(jù)544幀中的前100幀來確定背景噪聲的均值和標(biāo)準(zhǔn)差，具體計(jì)算如式（1）、3結(jié)果與分析

為了評(píng)價(jià)冠層高度的各估測(cè)模型在不同地形坡度范圍的表現(xiàn)能力，將195組數(shù)據(jù)進(jìn)行不同的組合，分別為0～5°、0～10°、0～15°、0～20°、0～25°和0～30° 6個(gè)累積地形坡度組，并將每個(gè)坡度組的數(shù)據(jù)分為兩組，分別用來構(gòu)建估測(cè)模型和檢驗(yàn)估測(cè)模型的預(yù)測(cè)能力。該研究使用累積坡度組來構(gòu)建估測(cè)模型是為了方便地選擇出能夠在研究區(qū)內(nèi)應(yīng)用的估測(cè)模型，并且能夠使估測(cè)模型的評(píng)價(jià)結(jié)果與其他的研究成果進(jìn)行相互比較。