原名：Consistency analysis of forest height retrievals between GEDI and ICESat-2
译名：GEDI和ICESat-2之间冠层高度的一致性分析
期刊：Remote Sensing of Environment
发表时间：2022-09-15
DOI：10.1016/j.rse.2022.113244
导言
两种星载激光雷达GEDI和ICESat-2在检索森林高度方面具有独特的优势。融合这两类数据将大大增加森林高度样本的数量，实现它们的地理互补，为全球冠层高度制图提供前所未有的机会。然而，ICESat-2和GEDI使用了不同的LiDAR技术，这可能导致两类数据之间估算冠层高度的不一致。目前还没有研究详细探索结合不同模式的星载激光雷达数据以获得一致的冠层高度数据集。中国地震局地质研究所联合中国科学院航天信息研究所在Remote Sensing of Environment期刊上发表文章，该研究旨在探索从ICESat-2和GEDI数据中获得一致的冠层高度以支持全球森林冠层高度绘图的潜力。
1.研究背景
冠层高度作为描述森林冠层垂直结构的重要参数，对估计森林碳汇、了解全球气候变化和管理生态环境具有重要意义。遥感技术已成为绘制大尺度冠层高度的有效手段。光学传感器在密林中有强饱和效应，其估算的冠层高度充满了不确定性；微波遥感具有部分穿透森林树冠的能力，但它会受到地形波动的影响也面临不同程度的饱和问题；LiDAR能够穿透森林树冠获得垂直结构信息，根据平台的不同LiDAR可分为地面LiDAR、机载LiDAR和星载LiDAR。地面LiDAR常常由于遮挡不能准确估计树木的高度；机载激光雷达可以准确测量森林高度，但采集成本高，难以应用于大面积；星载LiDAR更适合于区域或全球范围内的森林高度检索。第一台星载激光雷达GLAS搭载在ICESat上，并被成功用于估计全球范围内的森林高度，然而GLAS在2009年停止了运行。NASA在2018年发射了两个新的星载LiDAR——ICESat-2和GEDI。这两者都有一些局限性：GEDI数据的覆盖范围受到国际空间站轨道倾角的限制（51.6°N ~ 51.6°S），单独使用GEDI数据可能会影响没有GEDI数据覆盖的地区的全球森林高度测绘的准确性；ICESat-2采用的是光子计数LiDAR系统，每个脉冲只能收到几个信号光子，导致密林中的森林高度估算精度较低。为了克服上述星载激光雷达数据的不同问题，该研究旨在从两个不同模式的星载激光雷达中分析获得一致的冠层高度。
2.数据和方法
（1）研究区
根据以下三个标准，如图1(a)在美国各地选择了六个研究区：
（1）公开可用的机载激光雷达数据集和星载激光雷达数据集；
（2）以不同森林类型为主的地点，包括落叶林（DF）、常绿林（EF）和混合林（MF）类型；
（3）包含不同地形坡度和植被覆盖的区域。
图1(b)显示了部分GEDI和ICESat-2数据在研究区的分布。GEDI和ICESat-2数据的地面轨迹并不完全重叠；因此，整合这两种空间激光雷达数据可以增加可用的森林高度样本数量。
a. 研究区；b. 部分研究区GEDI和ICESat-2数据的空间分布
（2）数据
GEDI：为了确保与机载LiDAR数据的时间一致性并排除落叶季节的影响，2019年4月至2019年10月期间L2A产品；相对高度指标包括RH80、RH85、RH90、RH95、RH98和RH100。每个指标包含六个值，根据波形分解算法设置六个不同的参数配置得出，排除了这六个值中的最大值和最小值，取其余四个值的平均值作为每个足迹的RH指标；使用质量标志（quality_flag == 1、波束灵敏度> 0.9 ）进一步过滤GEDI足迹。
ICESat-2：2019年4月至2019年10月ATL08提供相对高度指标（ RH80、RH85、RH90、RH95、RH98和RH100 ）；ATL03提供冠层高度、森林覆盖率以及地形坡度。特征参数如表1。
表1 基于ICESat-2数据产品计算的特征参数
ALS数据：研究区的实测机载激光雷达数据
辅助数据：利用全球地物分类数据提取森林部分(https://www.mrlc.gov/data/nlcd-2016-land-cover-conus)
（3）研究方法及对应结果
对比GEDI和ICESat-2对应的强/弱和白/黑数据提取冠层高度的准确性(最佳RH/ GEDI>ICESat/ 强>弱/ 黑>白) ；
表2 GEDI校正后的RH指标和参考森林高度的比较
图2 GEDI（a）夜间采集的全功率光束，（b）夜间采集的覆盖光束，
（c）白天采集的全功率光束，以及（d）白天采集的覆盖光束。
表3 ICESat-2 ATL08的RH指标的ALS森林高度的比较。
图3 ICESat-2 (a)夜间收集的强光束，(b)夜间收集的弱光束
(c)白天收集的强光束，(d)白天收集的弱光束
取出GEDI和ICESat-2重叠的点云，根据上步得出的最佳指标预测冠层高度并评估了研究地点、森林类型、地形坡度、森林覆盖率对两者数据差异的影响；
图4 GEDI得出的森林高度与(a)ATL03得出的森林高度
和(b)ATL08得出的森林高度的散点图在重叠的足迹中
图5 按森林覆盖率、地形坡度、森林类型和研究地点分组
的森林高度差维林图，其中红线代表森林高度差异的中值
森林高度一致性建模：以ICESat-2为自变量GEDI为因变量使用SR、RF、SR+RF建模；
图6 ATLAS预测的森林高度和GEDI得出的森林高度
在应用基于SR的一致性模型前后的比较：（a）R2，（b）RMSE
图7 ATLAS预测的森林高度和GEDI得出的森林高度
在应用基于RF的一致性模型前后的比较：（a）R2，（b）RMSE
图8 GEDI和ATLAS预测的森林高度在应用，基于RF和SR算法
的一致性模型前后的比较：（a）R2，（b）RMSE
冠层高度一致性模型的可转移性：将同一研究区的所有森林类型/不同研究区的同一森林类型的ICESat-2与GEDI融合建模，最后对不同研究区/不同森林类型进行比较分析。
图9 森林高度一致性模型的可转移性
（a）在不同的森林类型之间；（b）在不同的研究地点之间
3.研究结论
本研究探索了从GEDI和ICESat-2数据获得一致的森林高度的可能性。
(1) 两种星载激光雷达都具有很强的森林高度检索能力，GEDI得出的森林高度精度高于ICESat-2 ATLAS得出的森林高度；
(2) 从GEDI和ICESat-2得到的森林高度存在差异，随着森林覆盖率的增加，两种任务的森林高度差异呈现明显的变化趋势；
(3) 通过构建GEDI衍生的森林高度与ICESat-2特征参数之间的森林高度一致性模型，可以消除或减少森林高度差异；
(4) 与基于SR和基于RF的一致性模型相比，RF和SR算法建立的一致性模型表现更好；
(5) 通过包括所有森林类型和研究地点的训练数据，可以构建一个通用的森林高度一致性模型，表明结合ICESat-2和GEDI数据获得一致性森林高度数据集的潜力。
4.文章引用格式
Zhu X , Nie S , Wang C , et al. Consistency analysis of forest height retrievals between GEDI and ICESat-2 [J]. Remote Sensing of Environment, 2022, 0034-4257. https://doi.org/10.1016/j.rse.2022.113244
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
