基于冠层高度模型的遥感影像玉米倒伏范围提取

精准提取玉米倒伏范围是准确进行田间管理、玉米产量损失估计的基础,无人机获取遥感影像机动灵活,是作物倒伏测量的热门手段。本文提出利用无人技术基于冠层高度差的玉米倒伏范围提取方法。首先通过可见光波段差异植被指数提取玉米背景土壤分布;然后提取玉米的高度;最后基于玉米高度,通过SVM和OSTU自动阈值法提取玉米倒伏范围。试验结果表明,利用SVM法3个样本分类精度分别为88.84%、89.52%和90.80%;OSTU自动阈值法分别为94.61%、89.74%和97.20%,稍优于前者。本文基于作物高度为结构特征参数,提取作物倒伏,机理明确且一定程度上消除了无人机成像不稳定的影响。

基于森林冠层高度和异速生长方程的中国红树林地上生物量估算

红树林是一种高效率的滨海蓝碳生态系统,准确估算红树林地上生物量对研究碳循环和气候变化十分重要,获取中国红树林地上生物量将具有现实意义和应用价值。遥感技术便捷高效、观测范围广,能够服务于大尺度的生态系统监测。文章使用基于GEDI星载激光雷达反演的森林冠层高度数据和基于异速生长原理构建的红树林“树高-生物量”异速生长方程,估算2019年中国红树林地上生物量,进而分析其数量、空间分布特征及主要影响因素。结果显示,2019年中国红树林地上生物量总量和均值分别约为1974827 t和73.0 t/hm^(2);红树林分布的各省份(地区)的地上生物量均值在53.3~92.1 t/hm^(2),其中海南省的红树林地上生物量均值最高,达到92.1 t/hm^(2);中国红树林地上生物量的累积和分布受纬度和人为因素的影响。研究结果能够为后续红树林生态系统碳储量的核算提供数据基础和技术参考,也将有助于中国沿海红树林生态恢复和保护措施的制定,以及控制碳排政策的出台实施。

ICESat-2 ATL08地形和冠层高度产品精度评估

ICESat-2 ATL08地形及冠层高度产品在大范围的森林资源调查研究中的性能还需进一步探究。为此,文章首先对35个生态网络观测站的ATL08地形及冠层高度产品进行整体的精度评估;其次,验证其在不同生物群落中的精度并对单站精度进行定量评价;最后,分析该产品在多种误差因素条件下的性能。结果表明:地形和冠层高度产品的整体RMSE分别为3.23 m和6.58 m;地形高度产品在低矮或稀疏的植被区精度较高,在高大或茂密的森林区精度较低,且其精度随坡度、植被覆盖度及冠层高度的增加而降低;冠层高度产品在温带阔叶林和混交林地区的%RMSE为34.78%,在沙漠和干旱灌木丛地区的%RMSE为127.47%。另外,相比地形高度产品,冠层高度产品受地物覆盖类型、冠层高度和植被覆盖度的影响更严重且影响机制较为复杂。

基于神经网络拟合多源遥感信息估算冠层高度

为了获取空间上连续的森林冠层高度分布,借助后向传播(BP)神经网络,拟合2019-2020年冰、云和陆地高度卫星(ICESat-1)的陆地/植被产品ATL08的生长季树高数据和中分辨率成像光谱仪(MODIS)的地表信息等多源遥感资料,探索我国西南地区森林冠层高度的空间连续估算。结果如下:(1)ICESat-2/ATL08遥感数据对西南地区森林冠层高度表达可信,与2019年同期其他树高遥感数据对比,通过了置信度检验(R=0.566,P<0.01)。(2)BP神经网络拟合ICESat-2/ATL08和MODIS数据得到西南地区空间连续森林冠层高度的方法可靠。神经网络训练结果决定系数(R2)达0.7以上,均方根误差在2.5 m左右。从结果中随机选择10个自然保护区位置森林冠层高度数值,对比2005年同源遥感资料,得到R=0.836(P<0.001)。连续森林冠层高度数值的频率直方图符合正态分布,高频段为10~25 m。(3)估算得到的西南地区森林冠层高度平均值为16 m,低于2005年遥感均值,但在重庆与贵州交界、贵州东北部、云南六诏山等地,森林覆盖度和冠层高度均有所提升,云南大理的则略有减少。从空间分布来看,大于20 m的数值分布于四川盆地外围、金沙江流域、重庆大巴山、云南哀牢山和无量山以及贵州东南部等地区;四川西南部乡城和稻城、重庆东北部、云贵高原中部地区均在10 m以下。

ICESat-2/ATLAS数据地面高程及植被冠层高度反演精度验证

为验证新一代冰、云和陆地高程卫星ICESat-2/ATLAS陆地与植被高程产品(Land and Vegetation Height)ATL08数据地面高程和植被冠层高度的反演精度,以ICESat-2/ATLAS ATL08产品为研究对象,以黑龙江省帽儿山国家森林公园为研究区域,以高精度机载激光雷达数据及样地实测数据为参考,分析不同波束强度、时间、坡度及植被覆盖度下地面高程和植被冠层高度反演精度差异。研究表明,1)对地面高程来说,ATL08强波束的反演精度均方根误差(RMSE)为1.9 m,平均绝对误差(MAE)为1.1 m,弱波束的精度RMSE为4.1 m,MAE为2.0 m;2)对植被冠层高度来说,以高精度机载激光雷达数据提取冠层高度为参考,强波束的反演精度RMSE为2.7 m,MAE为2.3 m,弱波束RMSE为5.4 m,MAE为3.7 m。以样地实测树高数据为参考,夜间所有波束精度RMSE为1.8 m,MAE为1.6 m;3)随着坡度从0°增加到20°以上,地面高程反演精度的RMSE从2.3 m增大到7.7 m,植被冠高反演的RMSE从3.8 m增大到10.4 m;4)中低植被覆盖度范围(0%~80%)内,ATL08产品能较好地测量出地面高程,RMSE均小于1 m。高植被覆盖度(80%~100%)区域反演精度RMSE为3.5 m。在中等植被覆盖范围(40%~80%)内,ATL08产品能较为准确地测量出植被冠层高度,RMSE为2.6 m。植被覆盖度过高(80%~100%)或者过低(0%~40%),其精度都会下降,RMSE为4.6 m和3.3 m。ATL08数据反演地面高程和植被冠层高度的精度强波束优于弱波束,夜晚波束优于白天波束,夜晚强波束精度最高。随着坡度的增加,不同波束的地面高程和植被冠高反演误差均逐渐增大,坡度越大误差越大。地面高程反演在中低植被覆盖度情况下较为准确,植被冠层高度反演精度在中等植被覆盖度情况下达到最高。

基于多源遥感数据的植被冠层高度估算

为了大范围精确估计空间连续的森林冠层高度,研究使用随机森林回归方法,通过融合冰、云和陆地高程卫星二号(Ice,Cloud and land Elevation Satellite-2,ICESat-2)测量数据和Landsat-8影像,并结合地形、气温等数据来估算森林冠层高度,生成2020年美国密西西比州30 m空间分辨率的森林冠层最大高度和平均高度图。结果表明,森林覆盖区域冠层最大高度的均值为24.14 m,标准差为4.24 m。森林覆盖区域冠层平均高度的均值为12.04 m,标准差为2.59 m。研究区冠层高度估计值与机载测量值吻合良好(冠层最大高度R2=0.486,HRMSE=4.532 m;冠层平均高度R2=0.467,HRMSE=2.848 m)。利用估算数据进一步对森林冠层垂直结构复杂度进行了分析。研究提出的森林冠层高度制图方案对中国长江三角洲地区的森林管理、物种多样性保护与碳中和评估等具有指导意义。

基于激光雷达卫星(GEDI)的广东省森林冠层高度和生物量估算

森林冠层高度和生物量估算对估算森林碳收支方面起到重要作用。本文以广东省森林为研究对象,以全球生态系统动态调查(GEDI)激光雷达卫星为数据源,分别采用回归树和克里金插值算法,对广东省的森林冠层高度和生物量进行反演。研究结果表明,广东省的树木高度普遍在10~20 m,占比超过50%。树高高值出现在粤北的韶关、肇庆等市,树高普遍在15~20 m;而湛江市的平均树高最低,普遍不足10 m。广东省森林生物量最大值为335.85 t/hm^(2),最小值为5.25 t/hm^(2),平均值为98.27 t/hm^(2)。森林生物量高值区域主要分布在粤东山区和粤西山区,而广东省平原和城市化地区森林生物量则较低。本文结果为估算广东省森林生态系统碳吸收提供科学依据。

云南松比叶面积和叶干物质含量随冠层高度的垂直变化规律

比叶面积(SLA)和叶干物质含量(LDMC)综合反应了植物利用资源的能力,是植物适应环境所体现出的关键叶性状。为深入了解SLA和LDMC沿冠层高度的垂直变化规律,该文对云南省永仁县万马乡2株云南松(树高14.4m,树龄29年;树高30.2m,树龄138年)不同冠层高度叶片SLA和LDMC进行调查研究,分析了不同年龄树木、不同叶龄SLA和LDMC的差异,初步探讨了SLA和LDMC在云南松冠层中的垂直空间分布。结果表明:①对于SLA,29年生云南松当年叶和1年叶比138年生云南松分别高27.66%和16.71%;对于LDMC,138年生比29年生分别高14.67%和5.10%;②SLA与LDMC成负相关;③各龄叶SLA随冠层高度的增加均具有对数递减趋势;④约在22m高度以下,LDMC随冠层高度的增加而增加;22m以上,当年叶LDMC呈现下降趋势,但1年叶变化不明显。研究结果指出,光照和水分资源在冠层不同高度的分配,共同导致SLA和LDMC沿冠层垂直方向发生变化。

基于机载激光雷达校正的ICESat/GLAS数据森林冠层高度估测

针对星载激光雷达(geoscience laser altimeter system,GLAS)大光斑属性,该文提出了一种改进后的光斑尺度森林冠层高度估测方法,并分析了复杂地表对其估测精度的影响。首先,对机载lidar点云分类出地面点,并利用地面点对点云数据进行高度归一化处理,提取点云局部最大值得到光斑范围内机载lidar最大冠层高度;以机载lidar最大冠层高度作为模型参数拟合因变量,同时以坡度作为模型的输入变量,结合光斑大小和地表粗糙度,进行参数拟合,得到改进后光斑尺度森林冠层高度估测模型;最后,利用实测样地数据对冠层高度估测模型进行验证。结果表明:机载点云数据可以准确地反映光斑范围内森林冠层的分布,受到树种类型和点云密度的影响,不同森林类型的点云冠层分布存在明显差异。坡度等级直接影响GLAS光斑尺度森林冠层高度的估测精度,改进后的估测模型可以减小坡度对GLAS光斑森林冠层高度估测的影响,模型估测均方根误差(root mean square error,RMSE)稳定在3.26~3.88 m。样地Lorey's高与估测结果拟合度较好,相关系数r=0.66,不同森林类型光斑尺度冠层高度估测精度存在差异,混交林估测精度最高,r和RMSE分别为0.84和1.06 m。该方法可以有效减少地形条件对光斑尺度森林冠层高度估测的影响,并为更大尺度的冠层高度制图提供了有效的参考。

基于地面激光雷达的田间花生冠层高度测量系统研制

在花生育种研究中对于冠层高度的获取主要依靠人工测量,不但费时费力,而且存在一定的主观性。为解决这一问题,该文构建了一个田间花生冠层高度特性表型信息获取系统,利用地面激光雷达Li DAR对花生冠层结构进行扫描,获取其三维点云数据;采用多项式曲线拟合算法对点云数据进行分析,描绘冠层的大致轮廓并确定其边界,以得到目标冠层的有效数据集;通过对有效点云数据集生成的冠层高度矩阵分析,得到冠层的高度特性。试验结果表明,利用该系统获取的花生冠层平均高度与手工测量值最小偏差为2%,最大偏差为32%,最大偏差受地形影响和植株早期冠层本身的低高度所致,平均测量偏差约为11%,位于15%的可接受范围之内。该系统可以实现田间花生冠层高度信息的快速自动化获取,减少了人力成本的投入,该研究可为花生育种研究提供参考。

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。

冠层高度对毛竹叶片光合生理特性的影响

借助LI-6400便携式光合作用系统,研究了冠层高度对不同林龄毛竹(Phyllostachys pubescens)叶片光合生理特性和水分利用效率(WUE)的季节性影响,为促进毛竹林碳汇能力和生产力提升的林分结构调整等可持续栽培技术提供理论依据。结果表明:(1)出笋期,不同竹龄毛竹叶片净光合速率(Pn)和蒸腾速率(Tr)的日均值呈现出冠层上部小于冠层下部的梯度变化趋势,且2a生毛竹不同冠层Pn日均值大于3a生毛竹;孕笋行鞭期,不同林龄毛竹各时间点Pn值和日均值、以及2年生毛竹各时间点的Tr值均为冠层上部大于冠层下部。各生长季节,不同林龄毛竹个体叶片的气孔导度(Gs)均与Tr的变化趋势一致。(2)2年生毛竹各季节仅冠层上部叶片会出现"光合午休",而3年生毛竹仅于出笋期时各冠层叶片出现"光合午休"现象。(3)出笋期毛竹叶片WUE日均值随着冠层高度增加而增加,这种变化趋势不受竹龄影响;而孕笋行鞭期,仅2年生毛竹叶片WUE日均值随着冠层高度增加而下降。不同冠层高度的孕笋行鞭期毛竹叶片WUE日均值都显著高于出笋期;冠层高度对毛竹叶片气体交换特性和WUE的影响受生长发育关键期的季节因素影响,且毛竹叶片WUE与Gs之间存在负相关关系,其不受毛竹个体年龄和叶片冠层高度影响。(4)不同生长季节各冠层叶绿素a/b值均随着冠层高度下降而降低,不同林龄毛竹叶片叶绿素含量基本随着冠层自上而下呈逐渐增加的趋势。各生长季节,不同林龄个体叶片氮素含量、比叶重随冠层高度垂直变化趋势与叶片Pn日均值的垂直变化趋势一致。研究认为,毛竹不同冠层部位叶片通过改变形态、氮素含量来适应不同生长季节生长环境的变化,以便充分利用光能提高光合能力。

基于离散点云数据的森林冠层高度模型插值方法

【目的】基于森林区域离散点云特点,利用不同插值方法构建冠层高度模型,并对不同插值方法进行比较、分析和评价,为森林冠层高度模型插值方法选择提供参考。【方法】以30 m×30 m样方离散点云数据为试验数据,采用开源软件SAGS-GIS利用B样条插值（B-Spline）、普通克里金插值法（OK）、线性插值三角网法（TLI）、反距离加权插值法（IDW）4种插值方法分别构建森林冠层高度模型,对森林冠层高度模型的平面视图、三维视图、剖面图及其像元统计量进行比较和分析;同时对反距离加权插值法的插值参数搜索半径进行讨论、比较和分析。【结果】对于森林区域空间分布均匀且存在高度突变的点云数据,B-Spline插值对空值区域都进行了填充,林冠空隙也被过分填充,且CHM像元最大值明显偏离原始插值数据;TLI插值的CHM显得比较破碎;OK插值法对影像过度平滑,生成的CHM影像模糊;而IDW插值法对冠层顶部进行了适当填充和平滑,但冠层边缘不被过度平滑,保留高度突变,同时林冠空隙仍然保留也不被过分填充。IDW插值应选择合适的搜索半径,搜索半径为原始点云间隔的1.5-2.5倍较为合适。【结论】IDW插值法优于B-Spline,OK,TLI插值法,生成的CHM能较准确反映森林冠层的真实自然形态,有利于森林参数的提取。

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。

基于TerraSAR-X/TanDEM-X干涉DEM的森林冠层高度估测

森林树高的大面积估测一直是森林资源调查和林业遥感所面临的技术难题。以云南省勐腊县森林资源为研究对象,将DEM差分法与TerraSAR-X/TanDEM-X全极化干涉数据、地形图相结合,用TerraSAR-X/TanDEM-X数据干涉生成各极化通道带有森林冠层高度的DSM,从地形图上提取地表高度DTM;对2个高度模型进行水平位置匹配,并提出用参考面将DSM与DTM转换为相对高度模型RDSM和RDTM,以消除高程基准差异;最后对RDSM和RDTM进行差分运算,估测出研究区各极化通道下的森林冠层高度分布。采用森林资源二类调查数据,对各极化通道的冠层估测高进行了合理性验证。研究表明:DTM的高程基准面低于DSM,平坦农地适合作为参考面提取相对高度模型。在小班尺度上与森林资源二类调查数据的对比显示:各极化通道的冠层估测高与小班林分高均呈显著的中等正相关,冠层高度估测值大小合理,人工林的估测结果略优于天然林;人工林与天然林的冠层估测结果均在主要坡度分布区间内与小班林分高的相关性高;各极化通道的估测结果整体上没有明显差异。从总体上来看,基于地形图和TerraSAR-X/TanDEM-X数据,利用DEM差分法来大面积估测森林冠层高度是一种有效可行的途径,为辅助森林资源调查工作提供了新思路。

几种丛生竹叶性状随冠层高度的垂直变化规律

[目的]了解几种丛生竹叶的平均叶面积(MLA)、比叶面积(SLA)和叶干物质含量(LDMC)沿冠层高度的垂直变化规律。[方法]对福建农林大学百竹园内12种丛生竹不同冠层高度叶片MLA、SLA和LDMC进行调查,分析丛生竹不同冠层MLA、SLA和LDMC的垂直空间结构与差异。[结果]不同丛生竹的上、中、下冠层MLA与LDMC变化较小,SLA变化较大,MLA与LDMC均以唐竹最高(上、中、下冠层MLA均值分别为26.0、33.7、27.4 cm^2;LDMC分别为766.0、814.8、792.4 m^2/kg),LDMC以大黄苦竹最低(上、中、下冠层分别为528.4、548.5、479.0 mg/g);SLA均以高节竹最高(上、中、下冠层分别为629.0、284.9、440.7 m^2/kg);同竹种不同冠层间MLA差异不显著(P>0.05);除白哺鸡竹外,其他11种竹种3个冠层间的SLA差异不显著(P>0.05)。[结论]光照、水分资源及养分在冠层不同高度的分配,共同导致MLA、SLA和LDMC沿冠层垂直方向发生变化。

冠层高度对江西69种阔叶树小枝单叶生物量与出叶强度关系的影响

【目的】研究阔叶树不同冠层高度对当年生小枝上单叶生物量与出叶强度之间关系的影响,以期探明森林内光照环境变化对树木小枝性状的影响,为揭示阔叶树林冠生长对光环境变化的响应机制提供理论依据。【方法】采用标准化主轴回归估计(standardized major axis estimation,SMA)方法对江西省阳际峰自然保护区内69种阔叶树不同冠层高度的单叶生物量(ILM)与出叶强度(单位茎生物量的叶片数量与单位茎体积的叶片数量,Lim与Liv)的异速生长关系(树木本身某一部分的相对增长)进行研究,分析不同冠层高度(上冠层与下冠层)对亚热带常绿阔叶林内常绿和落叶树种的单叶生物量与出叶强度之间关系的影响。【结果】1)常绿和落叶树种的Liv、比叶面积和单叶面积均存在显著差异(P<0.05),但两者的叶片数量、ILM、Lim和茎密度均无显著差异(P>0.05)。常绿树种在不同冠层高度处的叶片数量、Liv、比叶面积、Lim和茎密度均存在显著差异(P<0.05),但落叶树种在不同冠层高度处仅与比叶面积存在显著差异(P<0.05)。2)常绿和落叶树种不同冠层高度当年生小枝的单叶生物量与出叶强度之间均为负等速关系;冠层高度对常绿树种小枝ILM-Lim的异速生长指数(方程斜率)无显著影响(P=0.95),但上冠层小枝ILM-Lim的异速生长常数(方程截距)显著高于下冠层(分别为1.24、1.05);冠层高度对落叶树种当年生小枝ILM-Lim的异速生长指数(P=0.65)与异速生长常数(P=0.83)均无显著影响。3)冠层高度对常绿树种当年生小枝ILM-Liv的异速生长指数(P=0.43)与异速生长常数(P=0.16)均无显著影响,对落叶树种当年生小枝ILM-Liv的异速生长指数(P=0.69)与异速生长常数(P=0.28)也无显著影响。【结论】冠层高度对常绿和落叶树种当年生小枝的单叶生物量与出叶强度之间的负等速关系未产生影响,但冠层高度对常绿树种的异速生长常数则产生显著影响,表明在一定的出叶强度下,上冠层具有更高的单叶生物量,这可能是受当年生小枝在不同冠层高度处的枝、叶资源获取策略不同所引起。

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。

方向自适应的星载光子计数激光测高植被冠层高度估算

星载光子计数激光测高系统具有较高的沿轨距离分辨率,能够探测得到植被冠层和地表的连续高程信息。然而星载植被点云的低点云密度和低信噪比,对植被相对冠层高度的估算方法提出了新的要求。本文提出了一种方向自适应的星载光子计数激光测高植被点云冠高估算方法。首先通过寻找点云高程统计直方图中代表冠层和地面位置的极值进行粗去噪,大致得到信号高程所在的范围,并估算出冠层,地面和噪声点云的平均密度以及地表坡度。随后对粗去噪后的点云进行方向自适应的密度聚类精去噪,其邻域的方向为地表坡度,与密度有关的阈值均根据估算出的点云密度自适应的做出调整。在滤波后,结合点云的密度和高程百分比分别找出地面与树冠顶端的初始点,并通过三角网方法(TIN)扩展初始点以进行分类,最终确定地表与树冠顶端的高程。采用ATLAS星载激光测高仪的植被点云对算法进行了验证,结果表明算法能够正确估算植被冠高,十分适用于坡度较大和叶面积指数较低的地区,其中冠顶与地面的高程和机载LIDAR数据高程的决定系数R^2分别为0.99与0.77,均方根误差RMSE为0.28 m与2.6 m。

GEDI L2A不同算法对地面高程和森林冠层高度精度的影响分析

全球生态系统动力学调查(global ecosystem dynamics investigation,GEDI)雷达是美国2018年12月发射的全波形激光雷达系统,可以为全球地面高程及森林冠层高度提供数据支持。为适应不同地表环境,GEDI L2A产品提供了6种不同算法来估算地面高程及森林冠层高度,这些算法的选择会影响地表参数的提取精度。以机载LiDAR得到的数字地形模型和冠层高度模型为参考数据,评估第2版GEDI L2A数据在不同植被覆盖度下不同算法的适应性以及对地面高程和森林冠层高度精度的影响。结果表明,在覆盖度小于0.2时,算法4的结果最优,在覆盖度大于等于0.8时算法2的结果最优,其余覆盖度下算法1的结果最优。将本文根据植被覆盖度选择的最优算法与GEDI L2A默认最优算法进行比较,整体看来本文的结果优于GEDI L2A默认最优算法的结果,特别是在覆盖度小于0.8,坡度大于等于10°时,本文选择的最优算法能有效提高GEDI L2A产品对地面高程和森林冠层高度估算的精度。