基于ICESat-2数据及TanDEM-X DEM的林下地形反演

传统光学遥感手段以及SAR获取的数字高程模型(DEM)包含一定的植被信号,如何准确估计植被高度并将其从包含植被高信号的DEM中扣除,对生成高精度DEM具有重要意义.基于此,提出一种基于ICESat-2/AT-LAS数据和TanDEM-X DEM的林下地形生成方法.首先利用ICESat-2 ATLAS数据联合MODIS、温度、降雨及高程等辅助信息通过随机森林进行建模及预测,实现空间连续植被高反演;之后,在估计X波段InSAR森林区穿透深度基础上,利用反演所得植被高,扣除TanDEM-X DEM中的植被高信号,得到林下地形.选取我国东北地区作为试验区,实验结果表明:反演林下地形精度为9.14 m,相比原始Tandem-X DEM的精度提高21.2％.     

星载LiDAR产品辅助的InSAR森林高度反演

针对星载重轨InSAR森林高度反演受时间去相干制约与模型解算辅助数据难以获取的问题.考虑ALOS-2 PALSAR-2干涉数据特点,采用一种顾及时间去相干影响的半经验散射模型,利用最新发布的星载激光雷达ICESat-2 ATL08高程产品中的植被高度数据作为辅助数据,并结合主成分分析思想(PCA)对ALOS-2 PALSAR-2相干幅度信息与树高的关联模型进行参数解算.实验结果表明,在ICESat-2树高数据辅助条件下,通过散射模型可以较好抑制时间去相干的影响,进而反演出可靠的模型参数及森林高度(RMSE约为3 m).本研究验证了联合星载重轨干涉SAR与星载LiDAR数据实现大范围、大尺度森林高度反演的可行性.     

LiDAR森林冠层高度模型凹坑去除方法

LiDAR技术被越来越多地应用于林业领域,而森林冠层高度模型作为其数据产品直接影响着森林参数的反演,但其存在的局部凹坑现象对森林参数信息的提取形成阻碍。针对此问题,该文对局部凹坑去除进行了研究。利用局部稳健加权回归对点云数据进行散点平滑处理,填充凹坑(无效值);再利用反距离加权插值生成冠层表面模型,使之与数字高程模型相减得到归一化高度点云,形成去除凹坑后的森林冠层高度模型。通过对研究区30个样方的点云数据处理,及与高斯滤波、中值滤波、分层高度最大值法进行比较,并提取树高等信息进行验证。结果显示,无论在去除凹坑效果还是保持原冠层顶部形态结构上,该方法都具有明显优势。     

多源遥感数据支持下的区域性森林冠层高度估测

结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。     

集成Landsat OLI和机载LiDAR条带数据的亚热带森林生物量制图

以亚热带天然次生林为研究对象,借助一个条带的少量LiDAR点云数据和覆盖整个研究区的免费Landsat OLI多光谱数据,并结合地面实测数据,探索森林生物量低成本高精度制图方法。首先,提取了OLI和LiDAR特征变量,并与地上和地下生物量进行相关分析以筛选变量;然后,借助LiDAR数据覆盖区的样地和条带LiDAR数据构建"LiDAR生物量模型";再从LiDAR反演生物量的结果中进行采样,结合OLI特征变量构建"LiDAR-OLI模型";最后,与单独使用OLI多光谱数据建立的"OLI估算模型"结果进行比较,分析精度并验证新方法的效果。结果表明,"LiDAR-OLI模型"对地上和地下生物量的模型拟合效果较好且均优于"OLI模型",且其交叉验证的精度也较高并优于"OLI模型",从而证明了新方法的可靠性及有效性。本研究为主、被动遥感技术在中小尺度上协同反演森林参数提供了实验基础,也为基于全覆盖免费OLI多光谱数据及条带LiDAR数据的低成本森林生物量制图探索了技术路线。     

联合无人机LiDAR与Sentinel-2影像估算大豆叶面积指数

针对利用卫星遥感影像进行大范围反演大豆叶面积指数(LAI)时人工野外样本实测耗时耗力的问题，该文以黑龙江省海伦市、嫩江市两块大豆样地作为研究对象，使用无人机平台获取激光雷达(LiDAR)点云数据，利用孔隙度模型进行大豆LAI反演，根据地面实测数据开展精度评价，并进一步探讨利用无人机LiDAR反演值替代地面实测值进行Sentinel-2卫星影像LAI反演的可行性。实验结果表明，去掉地块边缘混合单元网格影响后，两块大豆样地的LAI反演精度均优于90%。利用无人机LiDAR反演值替代地面实测数据与植被指数构建回归模型，大范围卫星反演LAI精度均优于86%。     

利用TanDEM-X影像和ICESat-2高程数据获取南极高精度数字高程模型

高精度DEM是南极科学研究的基础地理信息数据之一。德国空间局发布的TanDEM-X双站干涉影像对不仅分辨率高、覆盖范围大,而且具有零时间基线,不受时间去相关、大气变化及地面目标形变的影响。本文基于TanDEM-X双站干涉影像对和迭代差分InSAR技术获取南极高分辨率DEM;然后利用南极ICESat-2高程数据和最小二乘平差方法改正DEM产品的系统性偏移误差,提高DEM产品的绝对精度。真实数据试验结果表明,本文方法可获取分辨率优于5 m、绝对精度优于2 m的南极DEM。     

3DMAX三维建模精度分析

三维建模是数字化城市建设中非常重要的内容,三维模型的精细程度直接决定着可视化的效果。为此,本文首先探讨了CAD底图精度,CAD数据主要用于构建模型主体结构和控制模型的平面精度,其精度要求主要表现在空间和时间上与现实的一致性;分析了纹理制作及粘贴精度,纹理作为精细模型外在的直观表现,所有数据均需来自现状照片,其精度除主观判定以外,也可以依靠纹理分辨率与LOD之间的相互关系来进行推理。详细研究了建筑物三维模型高度的精度及地形高度精准性,并给出精度评定方法。建筑物的高度信息,需用LiDAR获取地表高程信息。首先获取地表LiDAR数据,然后根据CAD数据可提供的建筑物平面坐标数据,内插对应的地表LiDAR数据,求出建筑物的高度信息。通过实际采集的数据并应用于相关案例,验证了本文所提方法的有效性,为建筑物三维建模精度评定提供借鉴。     

CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。     

基于光学立体和InSAR技术提取DEM的方法比较

由光学立体和InSAR技术反演高程信息的方法是各自不同的。每一种技术都有其自身的优点和缺点。由光学立体生成DEM的问题出现在云层覆盖,低地面纹理,现时变化和辐射差异。InSAR技术处理环节的主要问题是解相位模糊。两景SAR影像之间的时相失相关大多是由于植被覆盖和土地使用频繁所致。除了几何问题,如透视收缩、叠掩和阴影外,SAR数据还受到大气条件变化的影响。基线估计的不正确同样也给InSAR提取DEM带来误差。为进行DEM比较,选择了Maharastra州的Koyna试验区。试验区约为25km×25km。该区地形变化从150m到1100m,某些地方有很陡峭斜坡。大多数地方有植被覆盖。自1962年以来该地区多次发生地震。     

森林地上生物量遥感反演方法综述

森林地上生物量反演对理解和监测生态系统及评估人类生产生活的影响有着重要作用,日益发展的遥感技术使全球及大区域的生物量估算成为可能。近年来,不同的遥感技术和反演方法被广泛用于估算森林生物量。本文首先总结了现有的全球及区域生物量产品及其不确定性,然后综述了3类方法在森林地上生物量遥感反演中的应用,即基于单源数据的参数化方法、基于多源数据的非参数化方法和基于机理模型的反演方法,阐述了各类反演方法的特点、优势及局限性。最后从机理模型研究、多源遥感数据协同、生物量季节变化研究和遥感数据源不断丰富4个方面对今后的生物量遥感反演研究进行了展望。     

顾及地形因素的S-RVOG模型和PD相干最优算法联合反演植被高度

针对极化干涉SAR植被高度反演中RVOG模型未考虑地形影响,且三阶段算法受到地面相位估计误差和纯体相干性估计误差影响,提出了一种植被高度反演思路,采用考虑地形因素的S-RVOG模型作为反演模型校正地形影响,同时引入PD相干最优算法用于改善三阶段算法中直线拟合地表相位估计和纯体相干性估计精度。为验证算法的有效性,首先采用欧空局提供的PolSARpro软件模拟了不同地形坡度水平的PolInSAR数据进行仿真试验,然后采用德国宇航局提供的E-SAR机载全极化SAR数据进行真实植被场景测试,并进行了定性和定量分析。结果表明,本文方法对于不同坡度水平数据,均能有效改善传统RVOG反演模型中地形影响和三阶段算法自身误差影响,反演精度更高。     

An unsupervised two-stage clustering approach for forest structure classification based on X-band InSAR data — A case study in complex temperate forest stands

Forest structure at stand level plays a key role for sustainable forest management, since the biodiversity, productivity, growth and stability of the forest can be positively influenced by managing its structural diversity. In contrast to field-based measurements, remote sensing techniques offer a cost-efficient opportunity to collect area-wide information about forest stand structure with high spatial and temporal resolution. Especially Interferometric Synthetic Aperture Radar (InSAR), which facilitates worldwide acquisition of 3d information independent from weather conditions and illumination, is convenient to capture forest stand structure. This study purposes an unsupervised two-stage clustering approach for forest structure classification based on height information derived from interferometric X-band SAR data which was performed in complex temperate forest stands of Traunstein forest (South Germany). In particular, a four dimensional input data set composed of first-order height statistics was non-linearly projected on a two-dimensional Self-Organizing Map, spatially ordered according to similarity (based on the Euclidean distance) in the first stage and classified using the k-means algorithm in the second stage. The study demonstrated that X-band InSAR data exhibits considerable capabilities for forest structure classification. Moreover, the unsupervised classification approach achieved meaningful and reasonable results by means of comparison to aerial imagery and LiDAR data.     

雷达卫星自动成图的精密干涉测量关键技术

本文介绍用于未来自动成图的数字摄影测量智能化新方法之一：精密干涉测量新方法。它采用合成孔径雷达干涉（interferometric SAR,InSAR）技术获取极高精度的地形信息,现已成为最有效的全球测图手段之一。本文提出了面向全球测图的精密干涉测量系统技术,其中包含测量检校技术、数据处理技术及数据后处理技术。首先,需采用定标设备对几何及干涉参数进行测量检校,主要包括方位向时间延迟、距离向时间延迟、大气延迟及基线误差等。其次,需采用检校参数进行干涉数据处理,获取高精度DEM数据,干涉数据处理的关键技术包括相位初值确定方法等。最后,采用区域网平差、长短基线组合及升降轨融合等后处理技术完成全球DEM数据的生产和精度的逐步提升。本文采用6景覆盖陕西地区的TanDEM-X数据进行了数据处理及后处理试验,并获取了山地区域高程精度为5.07 m,低相干面积为0.8 km²的DEM数据,这为我国1∶50 000乃至1∶25 000比例尺全球测图提供了技术参考。     

激光雷达回波模型辅助的坡地森林冠层高度反演

大光斑激光雷达数据已广泛应用于森林冠层高度提取,但通常仅限于地形坡度小于20°的平缓地区。在地形坡度大于20°的陡峭山区,地形引起的波形展宽使得地面回波和植被回波信息混合在一起,给森林冠层高度提取带来巨大挑战。本文利用激光雷达回波模型和地形信息,提出了一种模型辅助的坡地森林冠层高度反演算法。该方法以激光雷达回波信号截止点为参考,定义了波形高度指数H50和H75,使用激光雷达回波模型与已知地形信息模拟裸地的激光雷达回波,将裸地回波信号截止点与森林激光雷达回波信号截止点对齐,利用裸地回波计算常用的波形相对高度指数RH50和RH75,对森林冠层高度进行反演。并与高斯波形分解法和波形参数法的反演结果进行了比较。研究结果表明:(1)利用所提取的波形指数RH50和RH75对胸高断面积加权平均高(Lorey’s height)进行了估算,在坡度小于20°时,高斯波形分解法、波形参数法和模型辅助法的估算结果与实测值线性拟合的相关系数(R2)分别为0.70,0.78和0.98,对应的均方根误差(RMSE)分别为2.90 m,2.48 m和0.60 m,模型辅助法略优于其他两种方法;(2)在坡度大于20°时,高斯波形分解法、波形参数法和模型辅助法的R2分别为0.14,0.28和0.97,相应的RMSE分别为4.93 m,4.53 m和0.81 m,模型辅助法明显优于其他两种方法;(3)在0°—40°时,模型辅助法对Lorey’s height估算结果与实测值的R2为0.97,RMSE为0.80 m。本研究提出的模型辅助法具有更好的地形适应性,在0°—40°的坡度范围内具备对坡地森林冠层高度反演的潜力。     

Fine-resolution forest tree height estimation across the Sierra Nevada through the integration of spaceborne LiDAR,airborne LiDAR,and optical imagery

ABSTRACT

Forests of the Sierra Nevada (SN) mountain range are valuable natural heritages for the region and the country, and tree height is an important forest structure parameter for understanding the SN forest ecosystem. There is still a need in the accurate estimation of wall-to-wall SN tree height distribution at fine spatial resolution. In this study, we presented a method to map wall-to-wall forest tree height (defined as Lorey’s height) across the SN at 70-m resolution by fusing multi-source datasets, including over 1600 in situ tree height measurements and over 1600?km² airborne light detection and ranging (LiDAR) data. Accurate tree height estimates within these airborne LiDAR boundaries were first computed based on in situ measurements, and then these airborne LiDAR-derived tree heights were used as reference data to estimate tree heights at Geoscience Laser Altimeter System (GLAS) footprints. Finally, the random forest algorithm was used to model the SN tree height from these GLAS tree heights, optical imagery, topographic data, and climate data. The results show that our fine-resolution SN tree height product has a good correspondence with field measurements. The coefficient of determination between them is 0.60, and the root-mean-squared error is 5.45?m.     

高分二号异轨立体数据的森林高度提取

森林植被碳储量的空间分布格局及其动态变化是陆地生态系统碳收支核算的基础。作为森林地上生物量的重要指示因子,森林高度的精确估算是提高森林植被碳储量估算精度的关键。现有研究已证明,由专业星载摄影测量系统获取的立体观测数据可用于森林高度提取,但光学遥感数据最大的问题是受云雨等天气因素的影响严重。区域森林地上生物量产品的生产需要充分挖掘潜在数据源。国产高分二号卫星(GF-2)虽然不是为获取立体观测数据而设计的专业星载摄影测量系统,但其获取的图像空间分辨率可达0.8 m,且具备±35°的的侧摆能力,在重复观测区域可构成异轨立体观测。本文以分别获取于2015年6月20日和2016年7月19的GF-2数据作为立体像对,其标称轨道侧摆角分别为0.00118°和20.4984°,以激光雷达数据获取的林下地形(DEM)和森林高度(CHM)为参考,对利用GF-2立体观测数据进行森林高度提取进行了研究。通过对立体处理得到的摄影测量点云的栅格化得到DSM,以激光雷达数据提供的DEM作为林下地形,得到了GF-2的CHM。结果表明GF-2提取的CHM与激光雷达CHM空间分布格局较为一致,两者之间存在明显的相关性,像素对像素的线性相关性(R2)达到0.51,均方根误差(RMSE)为3.6 m。研究结果表明,在林下地形已知的情况下,GF-2立体观测数据可用于森林高度估算。     

InSAR林下地形测绘方法与研究进展

传统光学遥感技术手段在森林覆盖区难以准确获取林下地形,原因在于其只能测量森林冠层顶部高程。微波信号能够穿透森林冠层并记录森林垂直结构信息,为解决林下地形测绘难题带来了契机,如何准确获取林下地形已成为微波遥感领域的研究热点。首先介绍了面向林下地形测绘的合成孔径雷达（synthetic aperture radar,SAR）干涉测高原理及数据获取手段。然后对利用SAR进行林下地形测绘的方法进行了分类,主要包括基于合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）、极化合成孔径雷达干涉测量（polarimetric InSAR,PolInSAR）及基于多基线InSAR/PolInSAR数据的层析SAR（tomographic SAR,TomoSAR）技术的林下地形测绘方法,并介绍了上述3种方法的应用进展。最后在此基础上,从数据获取、误差改正及散射模型构建3个角度分析了林下地形测绘所面临的问题。