坡度和粗糙度对ICESat-GLAS回波特征及其光斑脚点高程误差的影响研究

为评价ICESat-GLAS数据在青藏高原地区冰川表面高程变化中的不确定性,采用GLA01产品和GLA14产品,基于SRTM DEM数据所派生的冰川区和非冰川区表面坡度、粗糙度数据,利用多元线性回归关系模型分析了表面粗糙度、坡度对GLAS光斑脚点高程的不确定误差。结果表明:当GLAS光斑脚点坡度小于10°时,GLAS光斑脚点高程偏差为0.1m,且高程偏差随着坡度的增加而增大。在受坡度和粗糙度影响复杂地形下,GLAS光斑的回波展宽较大,不确定性偏差为0.3m。此外,冰川区GLAS光斑脚点高程误差可通过高斯滤波进行展宽偏差校正,但当冰川表面坡度大于45°时,相应的GLAS光斑脚点高程在冰川表面高程变化估算中不可用。在后续的研究中,需考虑冰川运动、GLAS回波在冰雪表面渗透对冰川DEM高程精度以及GLAS光斑脚点水平位移的高程偏差影响。

基于ICESat-GLAS波形估测平均树高的研究

以吉林省汪清林业局经营区域为例,基于星载激光雷达ICESat-GLAS回波参数,构建了平均树高回归模型,预估精度为84.05%;利用反距离加权法,对ICESat-GLAS光斑平均树高估测值进行差值运算,得到初始CHM(Canopy Height Model),实现了平均树高空间连续分布制图;再利用坡度校正和3×3移动窗口差分滤波平滑初始CHM,得到研究区平均树高修正CHM,预估精度达到91.52%。研究结果表明,坡度校正和移动窗口差分滤波方法能有效削弱坡度影响,剔除异常点,提高平均树高估测精度。

基于ICESat-GLAS全波形数据的坡地森林冠层高度估测

地形坡度对星载LiDAR的回波波形会产生很大的影响,并会进一步影响森林结构参数的正确估测。比较两类参数量化地形坡度的能力:辅助地形DEM数据的地形指数和波形自身参数后缘长度,以在反演坡地森林冠层高度时仅从回波波形本身出发,而不需要借助于其他辅助数据。采用估测坡地森林冠层高度的两组对比模型来比较:第1组对比模型是Xing模型和基于未改进的后缘长度的线性模型;第2组对比模型是Xing模型和基于改进的后缘长度的线性模型。结果表明,在两组对比模型中,基于波形自身特征参数的模型结果均优于基于辅助地形DEM数据的地形指数的Xing模型,说明在量化地形坡度时,波形的自身特征参数的量化能力要高于辅助地形DEM数据的量化能力。

ICESat-GLAS激光天顶角对反演森林冠层高度的影响

为了量化激光天顶角对ICESat-GLAS波形数据反演森林冠层高度的影响,以吉林省汪清林业局经营区为例,基于ICESat-GLAS波形数据及DEM数据,在Allouis模型和Nie模型基础上,分别引入激光天顶角,对光斑内坡度引起的高度距离(GroundExtent)进行修正,建立森林冠层高度估测模型,并通过模型对坡度的校正能力、天顶角引起的GroundExtent理论误差以及大气延迟增量三个方面讨论分析天顶角在反演森林冠层高度中的影响。结果表明:天顶角的引入能够提高模型的估测精度,决定系数(R2)分别提高了6.56%、4.26%,且能更好地校正地形坡度;在外部条件相同的情况下,由天顶角(<1°)引起的GroundExtent理论误差在0.122~1.100m范围内;在天顶延迟约为2.3m时,天顶角(<1°)对大气延迟增量的影响为0.04~3.50mm。由此可知天顶角对估测森林冠层高度存在一定的影响,引入激光天顶角的冠层估测模型能更准确地反演森林冠层高度。

基于ICESat-GLAS波形与LPA数据估测森林生物量

针对星载激光雷达波形数据估测森林生物量精度较低的问题,研究以冰云陆地高程卫星(Ice,Cloud,and land Elevation Satellite,ICESat)/地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)回波波形为例,通过修正GLAS回波波形背景噪声阈值,识别GLAS冠层回波波形,设定冠层回波波形起止点位置,提出冠层回波能量值参数Eca,并基于激光断面阵列(Laser Profile Array,LPA)数据校正Eca,得到校正后的冠层回波波形能量值参数ECca,进而估测森林生物量。研究结果显示,GLAS冠层回波波形能量值参数Eca经LPA数据校正前后森林生物量估测精度R2分别为0.87和0.89,RMSE分别为17.28 t/ha和15.76 t/ha。研究结果表明,所提出的冠层回波能量值参数能够有效估测森林生物量,且冠层回波波形能量值参数Eca经LPA数据修正后能够提高森林生物量估测精度。

基于ICESat-GLAS的坡地最大树高估测模型比较研究

地形坡度对星载LiDAR(lightdetection and ranging)估测最大树高具有较大的影响。为了提高坡度条件下树高的反演精度,通过建立坡地条件下5种不同的最大树高估测模型,前3个模型分别使用不同DEM(digital elevation model)数据的地形指数来量化地形坡度的Xing模型,第4个模型使用波形参数-未改进边缘长度来量化地形坡度,第5个模型与第4个模型类似,用改进边缘长度来替换未改进边缘长度。结果可知,波形参数模型的精度要高于使用DEM数据的地形指数的Xing模型的精度,第5个模型的精度要高于第4个模型的精度。表明波形参数量化地形坡度的能力要优于DEM数据的地形指数,而改进边缘长度模型更适合估测坡地的最大树高。

联合星载ICESat-GLAS波形与多光谱Landsat-TM影像的森林郁闭度估测

森林郁闭度的空间分布是评价森林生产力和分解率的一个重要指标.本研究以吉林汪清林区为研究区,分别利用星载激光雷达ICESat-GLAS波形数据和多光谱遥感Landsat-TM影像对该区的森林郁闭度进行估测,然后采用多元线性回归和BP神经网络两种方法对GLAS数据和TM数据进行联合,共同估测了森林郁闭度.结果表明:单一遥感数据估测森林郁闭度时,GLAS数据的模型决定系数为0.762,TM数据的模型决定系数为0.598.将GLAS数据和TM数据联合后估测森林郁闭度时,多元线性回归模型的复决定系数为0.841,BP神经网络模型的仿真精度为0.851.表明ICESat-GLAS数据与Landsat-TM影像联合能够发挥多源遥感数据的优势,提高森林郁闭度的估测精度,并为后续的空间区域内森林郁闭度的连续制图提供可靠的方法.

星载大光斑LiDAR与HJ-1A高光谱数据联合估测区域森林地上生物量

以吉林省汪清林业局经营区为研究区,利用HJ-1A/HSI高光谱数据和ICESat-GLAS波形数据,估测区域森林地上生物量。从平滑后的GLAS波形数据中提取波形长度W和地形坡度参数TS,建立GLAS森林最大树高估测模型;从GLAS波形数据中提取能量参数I(植被回波能量Ev和回波总能量E之比),建立GLAS森林郁闭度估测模型;利用GLAS估测的森林最大树高和森林郁闭度联合建立森林地上生物量模型。由于GLAS呈离散条带状分布,无法实现区域估测,因此研究将GLAS波形数据与HJ-1A/HSI高光谱数据联合,基于支持向量回归机算法实现森林地上生物量区域估测,得到研究区森林地上生物量分布图。研究结果显示,基于W和TS建立的GLAS森林最大树高估测模型的adj.R^2=0.78,RMSE=2.51m,模型验证的adj.R^2=0.85,RMSE=1.67m。地形坡度参数TS能够有效的降低地形坡度的影响;当林下植被高度为2m时,得到的基于参数I建立的GLAS森林郁闭度估测模型效果最好,模型的adj.R^2=0.64,RMSE=0.13,模型验证的adj.R^2=0.65,RMSE=0.12。利用森林最大树高和森林郁闭度建立的森林地上生物量模型的adj.R^2=0.62,RMSE=10.88 t/hm^2,模型验证的adj.R^2=0.60,RMSE=11.52 t/hm^2。基于支持向量回归机算法,利用HJ-1A/HSI和GLAS数据建立的森林地上生物量SVR模型,生成了森林地上生物量分布图,利用野外数据对得到的分布图进行验证,验证结果显示森林地上生物量估测值与实测值存在很强的线性关系(adj.R^2=0.62,RMSE=11.11 t/hm^2),能够满足林业应用的需要。因此联合ICESat-GLAS波形数据与HJ-1A高光谱数据,能够提高区域森林地上生物量的估测精度。

星载LiDAR与HJ-1A/HSI高光谱数据联合估测区域森林冠层高度

【目的】将ICESat-GLAS波形数据与HJ-1A/HSI高光谱数据联合,借助HSI高光谱数据提供的连续高分辨率光谱信息,实现区域森林冠层高度的估测,降低由于GLAS光斑呈离散条带状分布无法覆盖整个研究区造成的估测误差。【方法】首先,从平滑后的ICESat-GLAS波形数据中提取波形参数(波形长度W和地形坡度参数TS),基于W和TS建立GLAS森林冠层高度估测模型,并利用此模型计算研究区所有GLAS光斑内的森林冠层高度;然后,采用最小噪声分离法(MNF)对HJ-1A/HSI高光谱数据进行降维,提取前3个MNF分量(MNF1,MNF2,MNF3);最后,基于支持向量回归机(SVR)算法,利用GLAS估测的森林冠层高度和3个MNF分量建立区域森林冠层高度SVR估测模型,并估测研究区内无GLAS光斑覆盖区域的森林冠层高度,生成森林冠层高度分布图。【结果】从ICESat-GLAS波形数据中提取的地形坡度参数TS与野外实测地形坡度具有显著线性关系(R2=0.78);基于W和TS建立的GLAS森林冠层高度估测模型的R^2=0.78,RMSE=2.51 m,模型验证的R^2=0.85,RMSE=1.67 m;基于支持向量回归机算法建立的SVR模型建模的R2=0.70,RMSE=3.62 m,模型验证的R2=0.67,RMSE=4.42 m。采用野外数据对最终得到的森林冠层高度分布图的估测误差进行分析,结果估测误差最大值为7.10 m,最小值为0.07 m,平均值为1.78 m,估测误差的标准差为1.49 m,Q1为0.75 m,Q3为2.31 m。【结论】从ICESat-GLAS波形数据中提取的地形坡度参数TS能够很好地反映地形坡度的变化,本研究建立的线性关系模型可克服对数关系模型在平坦地区解释困难的问题。基于支持向量回归机算法,将ICESat-GLAS波形数据与HJ-1A/HSI高光谱数据联合,可克服ICESat-GLAS由于光斑呈离散条带状分布无法实现区域森林冠层高度估测的不足,实现对区域森林冠层高度的高精度估测。

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。

联合Landsat影像和ICESat测高数据估计青海湖湖泊水量变化

湖泊既是陆地水资源的重要储蓄场所,也是区域和全球水文循环系统的重要组成部分,其水量波动对气候变化较为敏感。为了掌握湖泊面积、水位和水量的变化规律,借助1988-2018年Landsat TM/ETM/OLI影像和归一化差异水体指数NDWI(normalized difference water index)提取青海湖湖泊水域面积;利用ICESat-GLAS(ice,cloud,and land elevation satellite-geoscience laser altimeter system)测高数据提取青海湖湖泊水位变化,并结合观测资料检验陆地GLAS光斑脚点高程和湖泊水位的估测精度。根据湖泊面积与水位、水量与水位的关系,构建1988-2018年青海湖湖泊面积-水位-水量波动时变序列,并探讨湖泊水位、面积、水量的年内和年际变化特征。结果表明:GLAS光斑脚点高程与高程实测值的标准误差为0.14 m,与SRTM3高程标准误差为0.26 m;1988-2018年青海湖年均水位和水量总体上呈增加趋势,其中年均水位最低值出现于2004年,平均水位为(3193.0±0.16)m,湖泊面积为(4190±13)km^2;与1988年年均水位相比,2018年青海湖年均水位上升了(1.93±0.22)m,湖泊年均面积扩张了(197.75±6.3)km^2,湖泊水量增加了(8.93±0.12)km^3。

星载LiDAR与MODIS多光谱数据联合估测区域生物量

针对区域森林生物量连续、高精度估测的难题,以黑龙江省伊春市带岭区作为研究区,提出了联合ICESat-GLAS波形数据、MODIS多光谱数据以及野外调查数据建立生物量模型的方法。该方法通过建立GLAS森林平均冠层高度估测模型、区域森林平均冠层高度的BP神经网络估算模型以及样地森林平均冠层高度-生物量模型,实现全区域森林生物量的连续高精度估测。实验结果为:GLAS森林平均冠层高度估测模型的R2=0.801,RMSE=0.614;区域森林平均冠层高度的BP网络估测模型的R2=0.8867,RMSE=0.794;针叶林、阔叶林、针阔混交林样地森林平均冠层高度-生物量模型的R2分别为0.802、0.826、0.794,RMSE分别为0.731、0.613、0.344。结果表明:将GLAS波形数据与MODIS多光谱数据联合,可以弥补由于GLAS光斑分布呈条带状而无法实现区域森林平均冠层高度估测的缺陷,实现对区域森林平均冠层高度以及生物量的高精度估测;利用森林平均冠层高度与森林生物量建模,可以解决大区域生物量计算中胸径参数难以获取的问题。

基于星载雷达全波形数据估测森林结构参数研究综述

随着遥感技术的迅速发展,基于星载雷达全波形数据来估测森林结构参数已成为一项突破性的技术。星载雷达对植被空间结构和地形探测能力很强,能准确估测出森林结构参数,为进一步研究森林碳储量和碳循环提供可靠的基础数据,因此在林业中得到广泛应用。文中介绍了星载雷达系统ICESat-GLAS及其组成和工作原理,系统总结了利用星载雷达数据估测森林结构参数的研究现状,分析了星载雷达估测森林结构参数的局限性,并对其研究趋势进行了展望。

全波LiDAR反演地形参数的树高估计

针对全波激光雷达(LiDAR)数据在坡地森林高度估测中的应用,该文提出利用地形参数估测树高的方法。首先以ICESat-GLAS大光斑全波形数据为数据源,利用指数加权和形式建立全波LiDAR波形的理想数据模型,并采用最小二乘法求解该理想模型;其次,利用阈值法确定有效波形的始末位置,进而得到有效波形的波形长度,并据此估计地形起伏参数;结合光斑直径、波形长度、地形起伏参数以及地表展宽程度,建立树高估测模型。以黑龙江省大兴安岭为实验研究区,估测树高与实际测量值之间的相关系数为0.926 2。实验结果表明:针对地形坡度等外在因素影响,利用波形本身特征参数,能有效量化地形因素的影响,并能有效解决地形复杂地区树木高度估测问题。

利用波形去噪算法的森林最大冠顶高估测研究

针对大光斑激光雷达回波信号噪声影响森林冠顶高估测精度,且回波分析法判定回波位置受限于平坦地区的问题,利用高斯低通滤波和小波去噪两种方法对GLAS波形进行去噪处理,提出了结合均方根倍差法和回波分析法来判定回波位置的有效算法。经小波去噪后信号的信噪比23.360 704,均方根误差为0.000 233 3,经均方根倍差法和回波分析法相结合来判定回波位置估测的冠顶高结果与实测结果相关性系数r值为0.864,效果均优于高斯低通滤波去噪。基于GLAS回波数据实验结果表明:小波去噪较好地实现了对回波信号的去噪处理,均方根倍差法和回波分析法相结合,实现了对坡度相对较大地区的GLAS波形的回波开始位置和地面回波位置的准确判定,对森林冠顶高的精确估算具有重要意义。

基于有效峰值修正算法的全波形数据研究

针对奇偶拐点高斯分解法在全波形数据处理中存在的精度不足的问题,提出了一种基于有效峰值修正的全波形数据处理算法。该方法首先在数据预处理过程中使用了数据分段的方式来进行噪声均值、方差的估计,在不同的信号段使用与之对应的滤波宽度进行高斯滤波,然后结合噪声阈值与滤波后波形提取出有效峰值信息,最后根据峰值信息修正高斯分量参数。以北京市区作为实验研究区,就分解精度与其他分解算法的结果进行对比。结果表明,本文算法估测的地物高度与实际测量值的均方根误差为1.02,优于奇偶拐点高斯分解法和高斯分解产品GLA14计算的结果。