基于無人機激光雷達的冠層高度產品驗證

劉兵兵 ， 魏建新,3

（1.新疆大學地理科學學院，新疆 烏魯木齊 830017；2.新疆激光雷達應用工程技術研究中心，新疆 烏魯木齊 830002；3.新疆維吾爾自治區自然資源信息中心（新疆維吾爾自治區自然資源檔案館），新疆 烏魯木齊 830002）

1 研究背景

森林冠層高度（Canopy Height, CH）的定義是森林冠層頂部與地面之間的垂直距離。作為重要的森林垂直結構參數之一，冠層高度目前被廣泛地應用于估算森林生物量和碳儲量，監測森林退化以及衡量森林恢復狀況，對整個生態系統的研究有著巨大的意義[1-2]。

傳統森林冠層高度測量方法主要是利用測量儀器在地面進行測量獲取，不僅費時費力，而且只能獲取到小的樣點或樣方數據。光學遙感技術的出現，彌補了傳統測量方法的不足，但是光學衛星遙感主要探測冠層表面信息，在森林垂直方向上得到的林分信息十分有限，利用其反演的冠層高度具有一定的不確定性。激光雷達（Light Detection and Ranging, LiDAR）作為新興的主動遙感技術，能夠快速、準確地獲取植被的三維結構信息，在森林資源調查監測方面具有巨大的潛力和優勢，已被成功應用于葉面積指數、冠層覆蓋度、冠層高度以及生物量等森林參數的獲取[3-6]。依據搭載平臺的不同，可以將激光雷達劃分為地基激光雷達、車載激光雷達、機載激光雷達以及星載激光雷達等。它們各有適合的應用尺度與范圍。其中，地基激光雷達和背包激光雷達通常用于采集單木或者小尺度樣方范圍內高精度的三維數據，可實現三維重建；以無人機（Unmanned Aerial Vehicle, UAV）、有人機作為搭載平臺的機載激光雷達通常用于快速獲取較大面積的樣方尺度或區域尺度的三維數據；而以衛星作為搭載平臺的星載激光雷達，由于其較高的運行軌道，因此可觀測到更廣闊的范圍，適用于大尺度范圍，甚至大陸大洲級的三維信息采集[7]。

應用較為廣泛的星載激光雷達主要有美國國家航空航天局于2003年發射的ICESat（Ice, Cloud, and land Elevation Satellite）衛星上搭載的地學激光測高系統（Geoscience Laser Altimeter System, GLAS）（已于2009年停止工作）[8]；2018年發射的ICESat-2衛星上搭載的先進地形激光測高系統（Advanced Topographic Laser Altimeter System, ATLAS）[9]，以及搭載在國際空間站ISS（International Space Station）上的全球生態系統動態調查（Global Ecosystem Dynamics Investigation, GEDI）激光雷達[10]。但是星載激光雷達均為離散采樣，無法直接獲得連續的森林垂直結構信息，需要聯合光學衛星遙感數據進行建模外推，才能獲取連續覆蓋的冠層高度[11]。模型精度往往取決于星載激光雷達數據的可用性和質量、光學影像數據的時空一致性以及模型應用的地理范圍[12]。

目前，國內外研究人員已經利用星載激光雷達以及光學遙感衛星成功反演出多套全球范圍內的冠層高度產品。Lefsky首次利用星載激光雷達GLAS和MODIS（Moderate-resolution Imaging Spectroradiometer）多光譜數據作為數據源，采用Cubist回歸模型繪制了全球森林冠層高度產品[13]。Simard等使用隨機森林模型聯合星載激光雷達GLAS數據和MODIS樹木覆蓋度數據繪制了1 km分辨率的全球森林冠層高度地圖，與全球微氣象通量觀測網絡FLUXNET站點實測數據相比，決定系數（Coefficient of Determination, R2）達到0.5，均方根誤差（Root Mean Square Error, RMSE）為6.1 m，研究發現該產品的誤差因森林類型而異，并隨著冠層高度的增加而增加[14]。Wang等利用GLAS數據聯合氣候數據、MODIS數據等，采用隨機森林算法，繪制了全球500 m分辨率的平均森林冠層高度地圖，利用地面站點的平均森林高度數據對此產品進行驗證，結果顯示該產品精度相對較高（R2=0.63，RMSE=4.68 m），但是在一些區域，該產品與地面觀測值的高度差超過10 m，需要進一步研究以確定誤差原因[15]。總之，雖然聯合星載激光雷達以及普通光學衛星遙感數據可以有效地估測全球森林冠層高度，但是這些產品仍存在一定的不確定性，并且還存在飽和現象。

機載激光雷達憑借高精度三維信息采集的優勢，在國內外已被廣泛應用于森林冠層高度的提取。大量研究表明機載激光雷達點云的高度分位數與實測樹高具有高度相關性，利用其估測的冠層高度精度較高。龐勇等利用機載點云與實測林分平均高構建統計模型，進行了林分平均高度的估測。研究發現，機載點云75%的高度分位數與實測平均高具有較高的相關性，且利用激光雷達點云數據提取的林分平均高精度較高，可滿足林業調查的需求[16]。解宇陽等利用無人機激光雷達獲取的點云數據生成冠層高度模型（Canopy Height Model, CHM），然后與實測冠層高度進行線性回歸，發現兩者之間高度相關，3塊樣地的決定系數均為0.9左右，均方根誤差均小于1.4 m，表明點云提取的冠層高度具有較高的精度，可以作為冠層高度的實地測量值[17]。Potapov等研究發現，歸一化點云的95%和90%分位數高度可以有效避免點云噪點，最能表示真實冠層高度[18]。

目前，由美國馬里蘭大學地理科學系Potapov等創造的全球森林冠層高度產品是空間分辨率最高的全球森林冠層高度產品，國內外對該產品的真實性檢驗研究還比較少。為了檢驗該產品的真實性，本研究利用在塞罕壩機械林場收集的無人機激光雷達數據對該產品進行精度驗證。最終的驗證結果不僅有助于改進該產品的反演算法，提高產品精度，而且還可以為研究人員使用這套產品提供指導性建議。

2 研究區與數據介紹

2.1 研究區概況

研究區位于河北省承德市的塞罕壩機械林場，地理位置為東經116°51′~117°39′，北緯42°02′~42°36′，海拔1 010 m~1 939.9 m。年平均氣溫為-1.3 ℃，年均降水量為479 mm，干燥多風，是典型的半干旱半濕潤寒溫性大陸季風氣候。林場林業用地面積約84 395 hm2，其中有林地面積為74 690 hm2，森林覆蓋率達到80%。塞罕壩機械林場植被類型多種多樣，森林主要以針葉林為主，同時還分布有針闊混交林、闊葉林、灌叢、草原與草甸等。主要樹種為落葉松、樟子松、云杉、白樺、油松等。土壤類型以山地棕壤、灰色森林土和風沙土為主。塞罕壩機械林場物種組成豐富、地形條件具有代表性，是國內最重要的綜合遙感試驗場地之一。

2.2 無人機激光雷達數據獲取與預處理

無人機激光雷達數據由研究團隊在2018年生長季期間，利用LiAir Pro無人機激光雷達系統獲取。LiAir Pro無人機激光雷達系統傳感器為Riegl VUX-1，最大掃描頻率為550 kHz，掃描精度達10 mm。為了保證飛行安全，根據掃描區域的地形，無人機激光雷達飛行高度設置為100 m，平均飛行速度為6 m/s，旁向重疊率為50%~65%。當天氣狀況良好、晴朗無風時，開始飛行獲取數據。最終共采集兩塊樣地，采集面積總共約5.5 km2。最終的點云數據能夠反映完整的森林垂直結構信息，兩塊樣地的點云密度均達到200點/m2以上，均能保證冠層高度的準確提取。無人機激光雷達點云剖面圖如圖1所示。

圖1 無人機激光雷達點云剖面圖

無人機激光雷達數據預處理步驟主要包括去噪、濾波、歸一化等。無人機激光雷達在飛行過程中容易產生各種噪點，為了提高點云質量，本研究首先采用孤立點算法結合人工修正方式去除噪點[19]。孤立點算法去噪的主要步驟是首先任取一個點云把它作為球心，以25 m為半徑搜索周圍點云，假如25 m半徑的球形空間里搜索不到別的點云，則可把這個點云歸為噪點并進行刪除，否則換另一個點云為核心繼續搜索[19]。在利用孤立點算法去除噪點后，有時還會有殘留的噪點，需要人工去除。本研究采用Zhao等提出的改進的漸進三角網加密算法對點云進行濾波處理，將所有的點云分成地面點和非地面點[20]，相比于未改進的漸進三角網加密算法，該算法不僅效率高而且最大限度地保留了地形特征信息，濾波效果較好。濾波結束后利用不規則三角網插值算法將地面點插值生成1 m分辨率數字高程模型（Digital Elevation Model, DEM），并通過DEM提取樣地邊界作為無人機激光雷達數據的矢量范圍用于后續冠層高度產品裁剪。最后，采用基于DEM的歸一化方法，對點云進行歸一化處理以便后續分析使用。上述預處理操作均在LiDAR360點云處理軟件中進行。

2.3 全球森林冠層高度產品獲取與預處理

本研究選擇馬里蘭大學地理科學系Potapov等創造的2019年全球森林冠層高度產品（簡稱GFCH）進行驗證[18]。GFCH產品是通過整合GEDI和Landsat數據基于每個像元的回歸樹算法反演的，模型校準的自變量是基于Landsat的多時相數據，因變量是使用機載激光雷達作為參考選擇的GEDI分位數高度。對回歸樹模型進行校準后，使用移動窗口將其應用到每個Landsat格網，即可得到30 m分辨率的全球森林冠層高度產品。

在這套產品中，整數0~60表示森林冠層高度，101表示水體，102表示冰或者雪，103表示空值。利用無人機激光雷達樣地的矢量邊界文件裁剪出對應的冠層高度產品后，將代表水體、冰雪和空值的像元全部移除，然后將其進行UTM投影（Universal Transverse Mercatol Projection）。

3 研究方法

3.1 無人機激光雷達冠層高度提取

以往許多研究都是利用樣點實測數據對全球森林冠層高度產品進行驗證。這種方法存在驗證數據與產品像元空間尺度不匹配的問題，導致驗證結果存在一定的不確定性。本研究利用機載激光雷達數據則可以避免這一問題。具體做法如下：首先以GFCH產品為基礎，生成與產品像元分辨率大小一致的網格；然后將無人機激光雷達樣地的矢量邊界疊加到網格上，進一步分析無人機激光雷達點云面積對網格的覆蓋比率。當無人機激光雷達的面積完全覆蓋網格時，則認為該網格中無人機激光雷達數據生成的冠層高度具有代表性，可用于后續的冠層高度的提取和驗證。將面積覆蓋比率小于100%的網格去除后，利用最終滿足條件的網格重新裁切無人機激光雷達數據。最后以各網格為計算單元，利用網格內的點云數據提取冠層高度。

利用無人機激光雷達點云提取冠層高度時，取3 m以上植被點云的90%分位數高度作為冠層高度，這是由于這一產品將“森林冠層高度”定義為基于機載LiDAR的90%分位數高度，并只將3 m以上的植被歸為喬木[18]。

3.2 精度驗證方法

基于無人機激光雷達獲取的冠層高度為觀測值，直接在像元尺度上對GFCH產品進行驗證，選取的評價指標包括決定系數R2、偏差Bias、均方根誤差RMSE，具體計算公式如下：

4 結果與分析

對GFCH的驗證結果如圖2所示，可以看到GFCH產品與激光雷達獲取的冠層高度相關性較弱（R2=0.24），且該產品精度較低（RMSE=5.58 m）。與激光雷達獲取的冠層高度相比，GFCH冠層高度整體偏高。平均偏差為4.85 m。

圖2 無人機激光雷達獲取的冠層高度與GFCH的散點圖

由圖2可知，無人機激光雷達數據獲取的樣地冠層高度范圍在3 m~18 m，在這一區間內，GFCH產品存在明顯高估的情況，這也與Potapov等的驗證結果一致[18]。GFCH產品采用的是逐網格建模反演，其精度主要受每個格網中GEDI數據的可用量以及Landsat數據質量的影響。與全球其他區域相比，GFCH產品在中國區域可用于建模的GEDI數據較少[18]。由于可用的GEDI數據量降低，其構建的模型不能充分反映網格中森林冠層高度如何隨著地形、林齡等因子的變化，這可能是限制該產品在塞罕壩林場精度的主要原因。在森林稀疏的區域，由于GEDI較大的光斑尺寸，可能導致基于GEDI提取的冠層高度和真實冠層高度之間的巨大差異，造成反演模型的不確定性[21]。坡度的影響也不可忽略，它會影響星載激光雷達對森林冠層高度的估計，可能需要對GEDI數據進行額外校正，以減少由坡度帶來的不確定性[22]。

5 結論

本研究利用無人機激光雷達獲取的冠層高度，在像元尺度上對全球森林冠層高度產品GFCH進行精度驗證。研究結果表明，該產品精度較低（RMSE=5.58 m），這主要與反演該產品時輸入模型的GEDI與Landsat數據質量有關。隨著星載激光雷達GEDI的運行，未來可收集到更多的GEDI數據參與模型反演以提高產品精度。此外，有研究表明由于小光斑機載激光雷達在數據采集過程中容易錯失樹冠頂點，從而導致估測的冠層高度偏低，這也可能是GFCH產品相對于激光雷達獲取的冠層高度偏高的原因之一[23]。下一步將收集地面測量數據以驗證機載激光雷達估測的冠層高度的精度，以便更加準確地量化GFCH產品精度。