第４７卷㊀第２期２０２３年３月
南京林业大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）
Ｖｏｌ．４７，Ｎｏ．２Ｍａｒ．，２０２３
㊀收稿日期Ｒｅｃｅｉｖｅｄ：２０２２⁃０１⁃２６㊀㊀㊀㊀修回日期Ａｃｃｅｐｔｅｄ：２０２２⁃０４⁃０７
㊀基金项目：国家自然科学基金面上项目（３１８７０６２１，３１９７１５８０）；中央高校基本科
研业务费专项资金项目（２５７２０２１ＢＡ０８）㊂㊀第一作者：董瀚元（２４０６８５４８９８＠ｑｑ．ｃｏｍ）㊂∗通信作者：于颖（ｙｕｙｉｎｇ４４５８＠１６３．ｃｏｍ），教授㊂
㊀引文格式：董瀚元，于颖，范文义．星载激光雷达ＧＥＤＩ数据林下地形反演性能验证［Ｊ］．南京林业大学学报（自然科学版），２０２３，４７
（２）：１４１－１４９．ＤＯＮＧＨＹ，ＹＵＹ，ＦＡＮＷＹ．Ｖｅｒｉｆｉｃａｔｉｏｎｏｆｐｅｒｆｏｒｍａｎｃｅｏｆｕｎｄｅｒｓｔｏｒｙｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎｆｒｏｍｓｐａｃｅｂｏｒｎｅｌｉｄａｒ
ＧＥＤＩｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２３，４７（２）：１４１－１４９．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２２０１０４１．
星载激光雷达ＧＥＤＩ数据林下地形反演性能验证
董瀚元，于㊀颖∗，范文义
（森林生态系统可持续经营教育部重点实验室，东北林业大学林学院，黑龙江㊀哈尔滨㊀１５００４０）
摘要：ʌ目的ɔ新一代天基测高系统全球生态系统动力学调查（ＧＥＤＩ）对森林观测及经营具有重要意义，为探究ＧＥＤＩＶ２（ＧＥＤＩ第２版）数据反演林下地形的性能，利用机载雷达数据验证林下地形反演精度，并探究反演精度的影响因素㊂ʌ方法ɔ分别以美国西波拉森林与中国帽儿山森林为研究对象，利用Ｇ⁃ｌｉｈｔ及帽儿山高精度机载雷达数据验证ＧＥＤＩＶ２数据在针叶林及针阔叶混交林下反演地形的性能，并分析不同光束强度㊁光斑时间㊁坡度及植被覆盖度对地形反演精度的影响㊂ʌ结果ɔ美国西波拉针叶林地区地形反演精度均方根误差（ＲＭＳＥ）为２ ３３ｍ，平均绝对误差（ＭＡＥ）为１ ４８ｍ；帽儿山针阔叶混交林地区地形反演精度ＲＭＳＥ为４ ４９ｍ，ＭＡＥ为３ ３３ｍ㊂随着坡度㊁植被覆盖度增大，两种森林类型地形反演精度均降低㊂ʌ结论ɔＧＥＤＩＶ２数据反演针叶林林下地形精度要优于针阔叶混交林，强光束优于覆盖光束，湿润地区白天效果更优，干旱地区黑夜效果更优；平缓地区数据
使用效果极好，陡峭地区精度降低；中低植被覆盖度区域地形反演精度较高，高植被覆盖区域地形测定性能有所下降
㊂
关键词：星载激光雷达；全球生态系统动力学调查（ＧＥＤＩ）；林下地形；反演精度；坡度；植被覆盖度中图分类号：Ｓ７７１．８㊀㊀㊀㊀㊀㊀文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：
文章编号：１０００－２００６（２０２３）０２－０１４１－０９
Ｖｅｒｉｆｉｃａｔｉｏｎｏｆｐｅｒｆｏｒｍａｎｃｅｏｆｕｎｄｅｒｓｔｏｒｙｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎ
ｆｒｏｍｓｐａｃｅｂｏｒｎｅｌｉｄａｒＧＥＤＩｄａｔａ
ＤＯＮＧＨａｎｙｕａｎ，ＹＵＹｉｎｇ∗，ＦＡＮＷｅｎｙｉ
（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｕｓｔａｉｎａｂｌｅＦｏｒｅｓｔＥｃｏｓｙｓｔｅｍＭａｎａｇｅｍｅｎｔ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，Ｃｏｌｌｅｇｅｏｆ
Ｆｏｒｅｓｔｒｙ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ʌＯｂｊｅｃｔｉｖｅɔＴｈｅｎｅｗｇｅｎｅｒａｔｉｏｎｏｆｔｈｅｓｐａｃｅ⁃ｂａｓｅｄａｌｔｉｍｅｔｒｙｇｌｏｂａｌｅｃｏｓｙｓｔｅｍｄｙｎａｍｉｃｓｉｎｖｅｓｔｉｇａｔｉｏｎ（ＧＥＤＩ）ｓｙｓｔｅｍｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｆｏｒｅｓｔｏｂｓｅｒｖａｔｉｏｎａｎｄｍａｎａｇｅｍｅｎｔ．ＩｎｏｒｄｅｒｔｏｅｘｐｌｏｒｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＧＥＤＩｖｅｒｓｉｏｎ２ｄａｔａ（Ｖ２ｄａｔａ）ｉｎｖｅｒｓｉｏ
ｎｏｆｕｎｄｅｒｓｔｏｒｙｔｏｐｏｇｒａｐｈｙ，ｔｈｉｓｓｔｕｄｙｕｓｅｓａｉｒｂｏｒｎｅｒａｄａｒｄａｔａｔｏｖｅｒｉｆｙｔｈｅａｃｃｕｒａｃｙｏｆｕｎｄｅｒｓｔｏｒｙｔｏｐｏｇｒａｐｈｙｉｎｖｅｒｓｉｏｎ，ａｎｄｅｘｐｌｏｒｅｓｔｈｅｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｔｈｅａｃｃｕｒａｃｙ．ʌＭｅｔｈｏｄɔＴａｋｉｎｇｔｈｅＣｉｂｏｌａｆｏｒｅｓｔｉｎｔｈｅＵｎｉｔｅｄＳｔａｔｅｓａｎｄｔｈｅＭａｏｅｒＭｏｕｎｔａｉｎｆｏｒｅｓｔｉｎＣｈｉｎａａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔｓ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｓｏｆＧＥＤＩＶ２ｄａｔａｉｎｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔｓａｎｄｍｉｘｅｄｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔｓｗｅｒｅｖｅｒｉｆｉｅｄｕｓｉｎｇＧ⁃ｌｉｈｔａｎｄＭａｏｅｒＭｏｕｎｔａｉｎｈｉｇｈ⁃ｐｒｅｃｉｓｉｏｎａｉｒｂｏｒｎｅｒａｄａｒｄａｔａ．Ｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｂｅａｍｉｎｔｅｎｓｉｔｉｅｓ，ｓｐｏｔｔｉｍｅｓ，ｓｌｏｐｅｓａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｏｎｔｈｅａｃｃｕｒａｃｙｏｆｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎｗｅｒｅａｎａｌｙｚｅｄ．ʌＲｅｓｕｌｔɔＴｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ（ＲＭＳＥ）ｏｆｔｏｐｏｇｒａｐｈｉｃｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｉｎｔｈｅＣｉｂｏｌａｔａｉｇａａｒｅａｏｆｔｈｅＵｎｉｔｅｄＳｔａｔｅｓｗａｓ２．３３ｍ，ａｎｄｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅｅｒｒｏｒ（ＭＡＥ）ｗａｓ１．４８ｍ．ＴｈｅＲＭＳＥｖａｌｕｅｏｆｔｈｅｔｏｐｏｇｒａｐｈｉｃｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｉｎｔｈｅｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｍｉｘｅｄｆｏｒｅｓｔａｒｅａｏｆＭａｏｅｒ
Ｍｏｕｎｔａｉｎｗａｓ４．４９ｍ，ａｎｄｔｈｅＭＡＥｖａｌｕｅｗａｓ３．３３ｍ．Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｉｎｓｌｏｐｅａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ，ｔｈｅｔｏｐｏｇｒａｐｈｉｃｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｔｗｏｆｏｒｅｓｔｔｙｐｅｓｄｅｃｒｅａｓｅｄ．ʌＣｏｎｃｌｕｓｉｏｎɔＴｈｅＧＥＤＩＶ２ｄａｔａｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｏｆｕｎｄｅｒｓｔｏｒｙｔｏｐｏｇｒａｐｈｙｉｎｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔｓｗａｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｍｉｘｅｄｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔｓ．Ｓｔｒｏｎｇｂｅａｍｓｗｅｒｅｂｅｔｔｅｒｔｈａｎｃｏｖｅｒａｇｅｂｅａｍｓ，ａｎｄｔｈｅａｃｃｕｒａｃｙｗａｓｈｉｇｈｅｒｄｕｒｉｎｇｔｈｅｄａｙｔｉｍｅｉｎｈｕｍｉｄａｒｅａｓ，ａｎｄｂｅｔｔｅｒａｔ
ｎｉｇｈｔｉｎａｒｉｄａｒｅａｓ．Ｔｈｅａｃｃｕｒａｃｙｏｆｓｔｅｅｐａｒｅａｓｗａｓｒｅｄｕｃｅｄ，ｔｈｅｔｅｒｒａｉｎｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙｗａｓｈｉｇｈｅｒｉｎａｒｅａｓｗｉｔｈ
南京林业大学学报（自然科学版）第４７卷ｍｅｄｉｕｍａｎｄｌｏｗｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ，ａｎｄｔｈｅｐｅｒｆｏｒｍａｎｃｅｓｏｆｔｅｒｒａｉｎｄｅｔｅｒｍｉｎａｔｉｏｎｉｎａｒｅａｓｗｉｔｈｈｉｇｈｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗｅｒｅｄｅｃｒｅａｓｅｄ．
Ｋｅｙｗｏｒｄｓ：ｓｐａｃｅｂｏｒｎｅｌｉｄａｒ；ｇｌｏｂａｌｅｃｏｓｙｓｔｅｍｄｙｎａｍｉｃｓｉｎｖｅｓｔｉｇａｔｉｏｎ（ＧＥＤＩ）；ｔｅｒｒａｉｎｕｎｄｅｒｆｏｒｅｓｔ；ｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙ；ｓｌｏｐｅ；ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ
㊀㊀森林是陆地生态系统中具有最大生物量和生物生产力的生态系统，约占全球陆地面积的２５％［１－２］，高精度的林下地形测量无论在森林经营管理还是大范围高精度数字高程模型（ＤＥＭ）制作以及测绘工作等方面均有重要意义，是森林制图及林业科学等方面的关键组成部分㊂林下地形测量是林学㊁测绘科学㊁地图学等学科重点研究内容，在国家土地资源的管理与调研利用部分也具有举足轻重的地位㊂拥有对地观测能力的星载激光雷达系统可以提供全球范围内基于激光雷达的地面高度以及森林高度度量［３］，且拥有大尺度㊁多时相的特性，为大范围地面观测㊁森林高度观测提供重要的基础数据㊂
现有的星载激光雷达地形高度反演研究大多使用上一代卫星数据，ＩＣＥＳａｔ／ＧＬＡＳ已广泛应用于森林冠层高度以及生物量的观测中［４－７］，且在地面高程测量方面也有大量研究［８－１０］㊂２０１８年，美国航空航天局ＮＡＳＡ发射了两项新的天基测高系统，分别是２０１８年９月发射的ＩＣＥＳａｔ⁃２［１１］以及２０１８年１２月发射的全球生态系统动力学调查（ＧＥＤＩ）雷达［１２］㊂ＩＣＥＳａｔ⁃２是以光子计数的方式进行测高的数据，而ＧＥＤＩ则是与ＩＣＥＳａｔ／ＧＬＡＳ相同的线性体制全波形测高数据㊂ＧＥＤＩ搭载了全球首台用于高分辨率森林垂直结构测量的多波束线性体制的激光测高仪，主要用于热带和温带地区的森林冠层高度㊁垂直结构㊁地面高程等的精准测量
㊂与ＩＣ⁃ＥＳａｔ／ＧＬＡＳ约７０ｍ的足迹大小相比，ＧＥＤＩ的光斑大小为２５ｍ左右，光斑密度更大，且在与其他类型数据如Ｌａｎｄｓａｔ㊁ＴＡＮＤＥＭ⁃Ｘ等结合使用时效果较好，更适合于进行森林结构㊁林下地形的观测㊂现今ＧＥＤＩ数据的研究尚处于初始阶段，Ｑｉ等［１３］使用ＴＡＮＤＥＭ⁃ＸＩＮＳＡＲ与模拟的ＧＥＤＩＶ１数据结合进行了森林结构制图㊂Ａｄａｍ等［１４］利用机载激光雷达数据（ＡｉｒｂｏｒｎｅＬａｓｅｒＳｃａｎｎｉｎｇ，ＡＬＳ）评价了德国中部图林根自由州两个温带森林研究区ＧＥＤＩＶ１数据地面高程和冠层高度估计值的准确性，结果表明地形高度的平均绝对误差（ＭＡＥ）为２．５５ｍ，冠层高度的ＭＡＥ为３．１０ｍ㊂Ｇｕｅｒｒａ等［１５］利用ＡＬＳ数据和ＧＥＤＩＶ１数据估计３个快速增长的森林生态系统的森林动态，评估了西班牙地区ＧＥＤＩＶ１数据反演地形高度的精度，均方根差（ＲＭＳＥ）为４．４８ｍ㊂Ｌｉｕ等［１６］利用ＮＥＯＮ数据评价了美国地区ＧＥＤＩＶ２以及ＩＣＥＳａｔ⁃２数据地面高程及冠层高度估计值的准确性，得出在地面高程方面中低纬度地区ＩＣＥＳａｔ⁃２以及ＧＥＤＩ的ＲＭＳＥ分别为２．２４和４．０３ｍ，高纬度地区ＩＣＥＳａｔ⁃２的
ＲＭＳＥ为０ ９８ｍ㊂
以上研究大多使用Ｖ１版本数据，而对最新发布的Ｖ２版本数据研究并不充足，且缺少不同森林类型及气候等条件下的对比实验以及影响因素的具体探究，用于验证的ＡＬＳ数据精度也各有不同，难以充分说明最新版本ＧＥＤＩ数据对于地形的测定能力㊂为充分验证最新版本ＧＥＤＩ数据反演林下地形的性
能，本研究以Ｌ２ＡＶ２级数据为研究对象，选取不同森林气候类型及植被覆盖条件区域，探究不同时间下强光束与覆盖光束反演林下地面高程的精度，并研究坡度及植被覆盖率对于反演精度的影响㊂
１㊀材料与方法
１．１㊀研究区概况
由于ＧＥＤＩ数据主要用于温带和热带地区的森林观测，为对不同森林类型㊁气候条件㊁植被覆盖条件下ＧＥＤＩＶ２（第２版）数据进行验证，结合机载雷达数据获取情况，选取地区为美国新墨西哥州的西波拉森林，共选取了其中两个站点，其经纬度的范围分别为（１０６．４５６ʎ １０６．３６５ʎＷ，３５．１５６ʎ ３５．２５３ʎＮ）㊁（１０８ １６２ʎ １０８．１０８ʎＷ，３５ １０３ʎ ３５ ２３４ʎＮ），以及中国黑龙江省尚志市帽儿山地区（１２７ ４２４ʎ １２７ ７５９ʎＥ，４５ ２０７ʎ ４５ ４８６ʎＮ）㊂西波拉森林位于美国新墨西哥州西部和中部，占地面积超过６５万ｈｍ２，属于半干旱沙漠气候，研究区海拔较高，在２０００ｍ以上，植被以道格拉斯冷杉（Ｐｓｅｕｄｏｔｓｕｇａｍｅｎｚｉｅｓｉｉ）㊁美国黄松（Ｐｉｎｕｓｐｏｎｄｅｒｏｓａ）㊁西南白松（Ｐｉｎｕｓｓｔｒｏｂｉｆｏｒｍｉｓ）㊁白冷杉（Ａｂｉｅｓｃｏｎｃｏｌｏｒ）㊁蓝云杉（Ｐｉｃｅａｐｕｎｇｅｎｓ）为主，森林类型为针叶林㊂帽儿山森林位于中国黑龙江省尚志市，地貌属低山丘陵区，属温带湿润地区㊂地势由南向北逐渐升高海拔范围２５０ ８０５ｍ，研究区植被以珍贵阔叶林㊁杨桦林㊁柞木林等为主的天然
２４１
㊀第２期
董瀚元，等：星载激光雷达ＧＥＤＩ数据林下地形反演性能验证
次生林与红松（Ｐｉｎｕｓｋｏｒａｉｅｎｓｉｓ）㊁落叶松（Ｌａｒｉｘｇｍｅｌｉｎｉｉ）㊁樟子松（Ｐ．ｓｙｌｖｅｓｔｒｉｓｖａｒ．ｍｏｎｇｏｌｉｃａ）等人工林镶嵌分布，森林类型为以阔叶树种为主的温带
针阔叶混交林㊂两组研究区气候条件以及森林类
型完全不同，海拔相差较大，光斑覆盖区域地势较为平缓，美国西波拉森林地区植被覆盖度大多在
６０％左右，而帽儿山森林地区植被覆盖度大多在８０％以上（图１）㊂
Ａ．基于全球行政区划数据库ＧＡＤＭ网站下载的２０１５年７月２．５版行政区划图制作㊂Ｂａｓｅｄｏｎｔｈｅａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｍａｐｖｅｒｓｉｏｎ２．５，Ｊｕｌｙ，２０１５，ｄｏｗｎｌｏａｄｅｄｆｒｏｍｔｈｅＧＡＤＭｗｅｂｓｉｔｅｏｆｔｈｅｇｌｏｂａｌａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｄａｔａｂａｓｅ．Ｂ．底图审图号为ＧＳ（２０２０）４６１９ＢａｓｅｄｏｎｔｈｅｓｔａｎｄａｒｄｍａｐｎｕｍｂｅｒＧＳ（２０２０）４６１９㊂
图１㊀西波拉森林研究区站点及帽儿山研究区位置示意图
Ｆｉｇ．１㊀ＴｈｅｍａｐｏｆｔｈｅｓｉｔｅｏｆｔｈｅＣｉｂｏｌａｆｏｒｅｓｔｒｅｓｅａｒｃｈａｒｅａａｎｄｔｈｅｌｏｃａｔｉｏｎｏｆｔｈｅＭａｏｅｒＭｏｕｎｔａｉｎｒｅｓｅａｒｃｈａｒｅａ
１．２㊀研究数据
１．２．１㊀ＧＥＤＩＬ２Ａ数据
ＧＥＤＩ搭载了全球首台用于高分辨率森林垂直
结构测量的多波束线性体制激光测高仪，主要用于热带和温带地区的森林冠层高度㊁垂直结构㊁地面高程等的精准测量（表１㊁图２）㊂ＧＥＤＩ为全波形数据，共有８条光束轨道，分别为４条全功率光束以及４条覆盖光束，每个光斑直径约为２５ｍ，光斑中心点间隔６０ｍ，跨轨间距为６００ｍ，坐标系为ＷＧＳ８４地理坐标系，高程基准为ＷＧＳ８４基准面㊂
与ＩＣＥＳａｔ／ＧＬＡＳ约７０ｍ的足迹大小相比，光斑密度更大，且在与其他类型数据如Ｌａｎｄｓａｔ㊁ＴＡＮＤＥＭ⁃Ｘ等结合使用时效果较好，更适合于进行森林结构㊁林下地形的观测㊂数据从２０１９年３月２５日开始发布，并在２０２１年４月１６日发布了Ｖ２版本㊂其中Ｌ２Ａ级别产品提供
了每个光斑内的高度指标，可以从波形中提取出地面高程㊁冠层高度以及相对高度指标［１７］㊂在本研究中使用最新的Ｖ２版本产品，收集了美国西波拉森林两个站点２０１９年６月至１１月㊁２０２０年３月至６月以及中国
帽儿山研究区２０１９年５月至１１月间的ＧＥＤＩＬ２ＡＶ２级别数据㊂ＧＥＤＩ传感器的运作模式见图２㊂
表１㊀ＧＥＤＩ的技术指标参数
Ｔａｂｌｅ１㊀ＴｅｃｈｎｉｃａｌｐａｒａｍｅｔｅｒｓｏｆＧＥＤＩ
项目ｐｒｏｊｅｃｔ
参数ｐａｒａｍｅｔｅｒ
发射时间ｌａｕｎｃｈｔｉｍｅ２０１８年１２月５日周期ｃｙｃｌｅ２ａ
探测器ｄｅｔｅｃｔｏｒ
硅雪崩光电二极管Ｓｉ：ＡＰＤ脉冲激光波长ｐｕｌｓｅｄｌａｓｅｒｗａｖｅｌｅｎｇｔｈｐｕｌｓｅｄｌａｓｅｒｗａｖｅｌｅｎｇｔｈ１０６４ｎｍ
轨道倾角和覆盖范围ｏｒｂｉｔａｌｉｎｃｌｉｎａｔｉｏｎａｎｄｃｏｖｅｒａｇｅ轨道倾角５１．６ʎ；覆盖范围５１．６ʎＮ ５１．６ʎＳ轨道ｔｒａｃｋ３个激光器共８轨
光束ｂｅａｍ
一束激光分裂为两束覆盖光束；另外两束为全功率，４束光束抖动为８条轨迹功率（全功率／覆盖）ｐｏｗｅｒ（ｆｕｌｌｐｏｗｅｒ／ｃｏｖｅｒａｇｅ）１５ｍＪ／４．５ｍＪ光斑直径ｓｐｏｔｄｉａｍｅｔｅｒ
２５ｍ沿轨间距ｄｉｓｔａｎｃｅａｌｏｎｇｔｈｅｔｒａｃｋ６０ｍ跨轨间距ｃｒｏｓｓ⁃ｒａｉｌｓｐａｃｉｎｇ
６００ｍ
３
４１
南京林业大学学报（自然科学版）第４７
卷
图２㊀ＧＥＤＩ运作模式Ｆｉｇ．２㊀ＴｈｅＧＥＤＩｏｐｅｒａｔｉｏｎｍｏｄｅ
１．２．２㊀Ｇ⁃ｌｉｈｔ数据
Ｇ⁃ｌｉｈｔ是Ｇｏｄｄａｒｄ航天飞行中心研发的便携式
机载成像仪，共包含激光雷达㊁高光谱及热红外成像系统３个主要子系统，可搭载于各种机载平台上，测量包括地面高度㊁植被高度㊁叶片光谱等内容，空间分辨率高达１ｍ［１８］㊂本研究使用２０１８年西波拉森林地区Ｇ⁃ｌｉｈｔ激光雷达数据（ｈｔｔｐｓ：／／ｇｌｉｈｔ．ｇｓｆｃ．ｎａｓａ．ｇｏｖ）根据ＫｅｙｈｏｌｅＭａｒｋｕｐＬａｎｇｕａｇｅ（ＫＭＬ）文件以及ＧＥＤＩ雷达的运行轨迹来确定研究的范围㊂Ｇ⁃ｌｉｈｔ数据发布了空间分辨率为１ｍ的数字地面模型（ＤｉｇｉｔａｌＴｅｒｒａｉｎＭｏｄｅｌ，ＤＴＭ），数据格式为Ｔｉｆｆ，数据使用ＵＴＭ投影坐标系，水平参考高程基准为ＥＧＭ９６水准模型㊂范星光
１．２．３㊀帽儿山地区机载Ｌｉｄａｒ数据
帽儿山地区机载Ｌｉｄａｒ数据于２０１６年９月获
取，传感器为ＲｉｅｇｌＬＭＳ⁃Ｑ６８０ｉ，波长１５５０ｎｍ，平均点云密度为５ｐｔｓ／ｍ２
，以１ｍ的空间分辨率测量出地面及植被高度㊂坐标系为ＵＴＭ投影坐标系，高程基准为ＷＧＳ８４基准面，总覆盖范围约３６０ｋｍ２
㊂
１．２．４㊀辅助数据
为评估植被覆盖度对于ＧＥＤＩ测高精度的影
响，使用多光谱数据Ｌａｎｄｓａｔ８作为辅助数据进行研究㊂Ｌａｎｄｓａｔ８是美国陆地卫星计划（Ｌａｎｄｓａｔ）的第
８颗卫星，于２０１３年２月１１号在加利福尼亚范登堡空军基地由Ａｔｌａｓ⁃Ｖ火箭搭载发射成功㊂携带陆地成像仪（ｏｐｅｒａｔｉｏｎａｌｌａｎｄｉｍａｇｅｒ，ＯＬＩ）和热红外传感器（ｔｈｅｒｍａｌｉｎｆｒａｒｅｄｓｅｎｓｏｒ，ＴＩＲＳ），其数据的空间分辨率为３０ｍ［１９］㊂本研究中根据所用ＧＥＤＩ数据时间㊁云量选择使用的美国西波拉森林地区Ｌａｎｄｓａｔ８数据采集时间为２０１９年１０月１３日及
２０１９年１０月２７日，云量０．０２％及０．０４％；中国帽儿山地区Ｌａｎｄｓａｔ８数据采集时间为２０１９年９月
２４日，云量０．５７％㊂１．３㊀研究方法
验证激光测高数据精度的方法主要分为：基于野外ＧＰＳ实测点数据验证，利用其他类型高度数据验证㊂本研究为探究ＧＥＤＩ对于林下地面高的测量能力，选取ＧＥＤＩＬ２ＡＶ２级别数据进行实验㊂提取研究区域内ＧＥＤＩ数据的高程，利用处理后的帽儿山ＡＬＳ数据及Ｇ⁃ｌｉｈｔ数据验证两个研究区内ＧＥＤＩ数据提取高程的精度，并分析坡度㊁植被覆盖
度对于高程提取精度的影响
１．３．１㊀数据预处理
１）Ｇ⁃ｌｉｈｔ数据：对Ｇ⁃ｌｉｈｔ的数字地面模型（ＤＴＭ）
数据进行坡度分析，基于１ｍ空间分辨率的高程产品数据生成美国西波拉森林地区地形坡度图㊂
２）ＡＬＳ数据：为生成帽儿山森林地区高精度
ＤＥＭ，研究使用帽儿山２０１６年机载雷达点云数据，点云去噪处理后利用改进的渐进加密三角网滤波算法分类出地面点［２０］，利用反距离权重插值算法生成ＤＥＭ数据，空间分辨率为１ｍ㊂对ＤＥＭ数据进行坡度分析，基于１ｍ空间分辨率的高程产品数据生成中国帽儿山森林地区地形坡度图㊂
３）ＧＥＤＩ数据：为使ＧＥＤＩ数据能与验证数据
结合使用，首先将下载好的ＧＥＤＩＬ２Ａ数据按Ｇ⁃ｌｉｈｔ数据的ＫＭＬ文件以及帽儿山机载雷达数据范围进行空间裁剪，并将数据格式转换；其次，按参数ｑｕａｌｉｔｙ＿ｆｌａｇ㊁保留值为１的光斑点为有效光斑点，其余光斑点全部删除，在美国西波拉森林地区共筛选可用光斑点４０５１个，中国尚志市帽儿山森林可用光斑点共７７３１个；由于ＧＥＤＩ雷达的位置参数坐标使用ＷＧＳ８４地理坐标，因此按Ｇ⁃ｌｉｈｔ数据及帽儿山机载雷达数据的投影坐标系将ＧＥＤＩ数据坐标系转换为对应的ＵＴＭ投影坐标系，使数据位置相匹配㊂
４）Ｌａｎｄｓａｔ８数据：为获取研究区内植被覆盖度
情况，使用２０１９年西波拉及帽儿山地区Ｌａｎｄｓａｔ８
数据，将Ｌａｎｄｓａｔ８数据经辐射定标㊁大气校正并重采样为１０ｍ分辨率，计算出归一化植被指数，利用像元二分法提取植被覆盖度（ｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ，ＦＶＣ）［２１］㊂
１．３．２㊀地形高度提取方法利用Ｇ⁃ｌｉｈｔ数据与帽儿山ＡＬＳ数据对ＧＥＤＩ
光斑所测高程进行验证，将转换坐标系后的ＧＥＤＩ
４
４１
㊀第２期董瀚元，等：星载激光雷达ＧＥＤＩ数据林下地形反演性能验证
数据与Ｇ⁃ｌｉｈｔ的ＤＴＭ数据㊁帽儿山ＡＬＳ数据生成的ＤＥＭ位置匹配，按ＧＥＤＩ光斑大小对ＤＴＭ㊁ＤＥＭ数据裁剪，提取每个裁剪区内平均高程来作为验证㊂为了对高程数据进行一致性分析，高度必须参考相同的垂直基准，ＧＥＤＩ数据与帽儿山ＤＥＭ数据垂直基准均为ＷＧＳ８４椭球，而Ｇ⁃ｌｉｈｔ的ＤＴＭ数据垂直基准为ＥＧＭ９６高程基准，因此利用ｖｄａｔｕｍ软件将ＧＥＤＩ数据的垂直基准转换为ＥＧＭ９６高程基准，使数据间垂直基准一致㊂１．３．３㊀地形提取精度验证
参数ｅｌｅｖ＿ｌｏｗｅｓｔｍｏｄｅ代表ＧＥＤＩ光斑内平均高程，利用裁剪区内平均高程对其进行精度评估，将二者绝对高程差值在２０ｍ以上的数据剔除㊂由于强光束与覆盖光束穿透森林冠层能力不同，且不同时间的大气效应及噪声情况不同，因此比较分析不同时间段以及不同光束类型ＧＥＤＩ数据所测高程与Ｇ⁃ｌｉｈｔ数据㊁ＡＬＳ数据之间关系，根据参数ｂｅａｍ＿ｆｌａｇ㊁ｄｅｌｔａ＿ｔｉ
ｍｅ分为白天强光束㊁黑夜强光束㊁白天覆盖光束㊁黑夜覆盖光束进行分组验证，利用验证数据来衡量ＧＥＤＩ数据测地形高度的准确度㊂统计的内容包含：平均偏差［Ｂｉａｓ，式中记为σ（Ｂｉａｓ）］㊁平均绝对误差［ＭＡＥ，式中记为σ（ＭＡＥ）］㊁决定系数Ｒ２㊁均方根误差［ＲＭＳＥ，式中记为σ（ＲＭＳＥ）］㊂
σ（Ｂｉａｓ）＝１
ｎ
ˑðｎｉ＝１（ｘｉ－ｙｉ）；（１）σ（ＭＡＥ）＝１
ｎ
ˑðｎｉ＝１｜ｘｉ－ｙｉ｜；（２）Ｒ２＝１－
ðｎｉ＝１（ｘｉ－ｙｉ）２ðｎｉ＝１（ｙｉ－ ｙ
）２；
（３）σ（ＲＭＳＥ）＝
１ｎ
ðｎ
ｉ＝１（ｘｉ－ｙｉ）２㊂（４）
式中：ｘｉ为ＧＥＤＩ测定的地形高度值，ｙｉ为Ｇ⁃ｌｉｈｔ与ＡＬＳ测定的地形高度参考值， ｙ为参考值的平均值，ｎ为样本数㊂
１．３．４㊀影响因素分析１）坡度㊂为更直观对比分析，提取出裁剪区
内的坡度信息，将数据按坡度分组为０ʎ ５ʎ㊁ȡ５ʎ １０ʎ㊁ȡ１０ʎ １５ʎ㊁ȡ１５ʎ ２０ʎ㊁ȡ２０ʎ ３０ʎ㊁ȡ３０ʎ，分别进行测高精度对比，提出坡度对于ＧＥＤＩ测高精度的影响㊂
２）植被覆盖度㊂将美国西波拉森林地区及中国
帽儿山森林地区植被覆盖度分组为：０％ ２０％㊁ȡ２０％ ４０％㊁ȡ４０％ ６０％㊁ȡ６０％ ８０％㊁ȡ８０％
９０％㊁ȡ９０％ １００％，分别进行测高精度对比，提出植被覆盖度对于ＧＥＤＩ测高精度的影响
㊂
２㊀结果与分析
２．１㊀美国西波拉森林地区ＧＥＤＩ反演林下地形高度精度分析
㊀㊀对于美国西波拉森林地区，将ＧＥＤＩ数据得出的地形高度值与Ｇ⁃ｌｉｈｔ数据的参考值进行比较，统计了西波拉森林地区强光束与覆盖光束㊁黑夜与白天的不同类型ＧＥＤＩ数据反演出林下地面高程的精度（图
３）㊂
图３㊀西波拉森林不同条件下ＧＥＤＩ数据反演地形精度
Ｆｉｇ．３㊀ＴｈｅｔｏｐｏｇｒａｐｈｉｃａｃｃｕｒａｃｙｏｆＧＥＤＩｄａｔａｉｎｖｅｒｓｉ
ｏｎｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｏｎｄｉｔｉｏｎｓｏｆＣｉｂｏｌａｆｏｒｅｓｔ
５
４１