GEDI星载激光雷达数据估测森林冠层高度精度评估
作者： 黄佳鹏 乔俊秋 王泳
摘要 为解决现有研究针对GEDI 数据产品不同算法估测森林冠层高度不充分的问题，利用机载激光雷达数据探究GEDI 提取的佩诺布斯科特森林冠层高度精度，计算两数据的R2、RMSE并开展显著性检验分析，用以探究不同算法以及数据获取时间对估测精度的影响。结果表明：6种算法中，算法4的精度最高，R2=0.61，RMSE=5.74 m。对于不同时间获取的GEDI数据，与机载数据获取时间接近的GEDI数据估测精度较高。
关键词 全波形激光雷达；GEDI；森林冠层高度；G-LiHT；精度评估
中图分类号 S758 文献标识码 A 文章编号 0517-6611（2024）19-0097-06
doi：10.3969/j.issn.0517-6611.2024.19.021
开放科学（资源服务）标识码（OSID）：
Assessing GEDI LiDAR Data Estimation Accuracy of Canopy Height
HUANG Jia-peng，QIAO Jun-qiu，WANG Yong
（School of Geomatics， Liaoning Technical University， Fuxin， Liaoning 123000）
Abstract Existing research on the selection of Global Ecosystem Dynamics Investigation （GEDI） different algorithms to estimate accuracy of canopy height is insufficient. Based on this， this article uses airborne LiDAR data to verify the accuracy of the canopy height extracted by GEDI for the Penobscot experimental forest and calculate the R2 and RMSE of two sets of data and conduct significance test analysis to explore the impact of different algorithm selection and data acquisition time on estimation accuracy. The results show that among the six algorithms， Algorithm four has the highest accuracy， with R2=0.61， RMSE=5.74 m. For GEDI data obtained at different times， the estimation accuracy of GEDI data obtained at a time similar to that of airborne data is higher.
Key words Full waveform lidar;GEDI;Canopy height;G-LiHT;Accuracy assessment
基金项目 辽宁省博士科研启动基金计划项目（2023-BS-202）；大学生创新创业训练计划项目（S202210147007）；辽宁省教育厅基本科研项目（JYTQN2023202）。
作者简介 黄佳鹏（1993—），男，湖南永州人，副教授，博士，从事林业定量遥感研究。
收稿日期 2023-12-04
森林作为陆地生态系统的主体，在地球生态系统中占有重要地位［1］。森林通过调节气候，涵养水源，提供生物多样性和资源等方式，对环境和生态具有重要的作用，因此准确地获取植被参数至关重要。传统的方式是通过外业实地进行测量，这种方法比较简单，精度也相对较高。但获取的数据量非常小，耗时耗力，同时还需要高昂的人工费用，难以满足大范围高效率获取数据的要求。相比而言，星载激光雷达技术可以较好地克服实地调查方法的不足。与传统卫星光学遥感相比，激光雷达可以克服大气与夜间观测限制，为估测地表高程与植被冠层高度提供科学数据［2］，这使其成为研究森林垂直结构参数的理想遥感手段。
美国于2018年12月成功发射全球生态系统动力学调查星载激光雷达GEDI（global ecosystem dynamics investigation）。GEDI上安装了具有高分辨率的多波束线性阵列激光高度计，用来测量森林垂直结构，为亚热带地区的地面参数和森林参数的获取提供了精确的数据支持。GEDI搭载的激光高度计采用多波束线性阵列，可以同时对森林生态环境开展高密度数据采集，获取详细的垂直结构参数（如树高、叶面积指数和覆盖度），可以达到光斑尺度的空间分辨率［3-5］。其已经成为高空间分辨率下监测全球森林垂直结构变化的重要手段。
为充分探究GEDI数据产品估测森林冠层高度的精度，不同学者开展了大量研究。其中，Adam等［6］利用机载LiDAR数据验证了GEDI L2A数据不同算法精度，发现了默认算法并不是估测冠层高度的最优算法，应根据不同森林环境选择最优算法。Potapov等［7］为了提高估测森林冠层高度的精度，选择6种算法的平均值作为森林冠层高度，之后与机载数据进行验证。这说明应根据不同影响因素选取不同算法。刘丽娟等［8］比较了GEDI L2A数据在不同植被覆盖度下不同算法的精度，结果表明应根据不同的森林覆盖度选择不同算法进行森林高度的估测。韩明辉等［9］针对不同研究区比较了不同算法数据对森林冠层高度和森林生物量的估测精度，指出了不同算法也能够对生物量的估测精度造成影响。袁鸷慧等［10］对影响GEDI数据估测精度的因素进行了分析，并探讨了地理定位误差、地形坡度、坡向、植被覆盖度、方位角、数据获取时间、光束类型和各种森林环境等因素对其精度的影响。结果表明，影响冠层高度提取精度最主要的因素之一是植被覆盖度。
以上研究大多是对第一版数据进行的探讨，而对最新发布的第二版数据研究并不多，且未详细探究不同算法对于估测冠层高度精度的影响。因此，笔者利用G-LiHT机载激光雷达数据验证GEDI提取的森林冠层高度精度，并探究不同算法的选取以及GEDI数据获取的时间对估测精度的影响。
1 材料与方法
1.1 研究区概况
GEDI数据主要应用于温带和热带地区的森林观测，为了满足试验的需求，选择美国缅因州佩诺布斯科特试验森林（penobscot experimental forest）作为研究区域（图1），其经纬度范围为（44.85°～44.89° N，68.48°～68.54° E）。缅因州位于美国东北部，总面积约445 km2。缅因州地形多山，四季分明。森林资源丰富，主要树种有白杨（Populus spp.）、枫树（Acer spp.）、乔松（Pinus strobus）、北美铁杉（Abies balsamea）以及红椴（Betula alleghaniensis）等，冠层高度为3～30 m。
1.2 研究数据
1.2.1 GEDI 数据。
GEDI系统搭载了3个激光器，分别为1个覆盖激光器和2个全功率激光器（图2）。3个激光器（其中覆盖激光器被分成2个波束）以242 Hz的频率同时发射4束激光，光束能够抖动，从而在地球表面生成8条光斑轨道。每条轨迹由直径25 m的圆形足迹组成，相邻足迹距为60 m，相邻轨迹距约600 m，扫描范围约4.2 km，光斑分布区域如图2所示。2019 年4月，GEDI系统开始在南北纬51.6°的区间内运行，能够得到全球大部分热带和温带森林的地表高程数据。在其运行期间，能够产生超过100亿个合格的激光波形数据，为全球大部分热带和温带森林结构信息和生物量的获取提供科学、海量的信息［11-13］。
GEDI产品共分为4个级别。一级（L1A-L1B）为定位波形；二级（L2A-L2B）为光斑冠层高度和剖面度量；三级（L3）为网格冠层高度及其变化；四级（L4A-L4B）为光斑和网格地上生物量估计［14］。该研究使用2021年4月更新的GEDI第二版第二级产品A（GEDI L2A），数据可以从https：//e4ftl01.cr.usgs.gov/GEDI/获取。GEDI L2A产品提供了6种不同算法来适应不同的森林环境，6种算法分别是最大能量算法（a1）、最大能量百分比算法（a2）、最大能量百分比阈值算法（a3）、最大能量百分比阈值平均算法（a4）、最大能量百分比阈值中位数算法（a5）和最大能量百分比阈值中位数平均算法（a6）［15］，不同算法参数设置见表1，不同算法提取得到森林冠层高度不同。
1.2.2 G-LiHT数据。
为了验证GEDI L2A数据估测森林冠层高度的精度，以G-LiHT（Goddard LiDAR，Hyperspectral Thermal Imager）机载数据获取的CHM（canopy height model）作为验证数据。G-LiHT是美国宇航局制作的一套轻型强鲁棒性和低成本的机载激光遥感系统。它可以搭载在有人机和无人机上，用于森林资源的监测与管理。G-LiHT系统具有相对低成本、结构紧凑和高解析度等优点。其获取的数据产品丰富，对于森林资源的定量监测具有较高的应用价值［16］。NASA的地球科学数据系统计划根据数据产品的处理水平（0～4级）。0 级（L0）数据产品包括未处理的仪器数据；1 级（L1）产品是经过传感器辐射测量单元处理的时间参考数据；2 级（L2）产品是从 L1 产品派生的地球物理变量；3 级（L3）产品是在时空格网尺度上映射的地球物理变量［17］。该研究主要使用冠层高度模型（CHM），空间分辨率为1 m，数据可以从https：//glihtdata.gsfc.nasa.gov/获取。
1.3 研究方法
为了探究GEDI数据估测冠层高度的精度，选择覆盖研究区的GEDI L2A数据进行试验，对GEDI数据进行数据裁剪与筛选，提取GEDI数据的冠层高程和经纬度信息，利用G-LiHT机载CHM数据进行精度验证，并分析不同算法及数据采集时间对于估测精度的影响。
1.3.1 数据预处理。
GEDI L2A数据：首先对GEDI L2A数据按照研究区域的经纬度范围进行裁剪，之后按照参数quality_flag= 1，degrade_flag = 0，sensitivity ≥ 0.95进行质量筛选，剔除质量不合格的光斑。其中，quality_flag＝1为良好产品数据的标识，sensitivity ≥ 0.95为波形的灵敏度大于0.95的波形数据，作为有效数据，degrade_flag＝0为不存在地理位置退化的标识。最后提取参数lon_lowestmode，lat_lowestmode，elev_lowestmode，elev_highestre turn，rh100，其中lon_lowestmode、lat_lowestmode表示光斑经纬度数据，elev_lowestmode、elev_highestre turn分别表示地面高度和树冠高度。rh（Relative Height）表示相对于地面返回能量的高度，该研究将rh100作为GEDI数据的森林冠层高度。
G-LiHT数据：根据GEDI L2A数据提取出的经纬度信息获取G-LiHT数据。由于G-LiHT获取的CHM数据空间分辨率为1 m，而GEDI光斑的大小约为25 m，因此机载数据CHM应选空间分辨率为25 m的CHM作为森林冠层高度进行验证。同时选择CHM数据25 m×25 m栅格范围90%冠层高度百分比作为机载数据的森林冠层高度。