劉麗娟，王成,?，聶勝，朱笑笑，習(xí)曉環(huán)，王金亮

(1 云南師范大學(xué)地理學(xué)部 云南省高校資源與環(huán)境遙感重點(diǎn)實(shí)驗(yàn)室 云南省地理空間信息技術(shù)工程技術(shù)研究中心， 昆明 650500； 2 中國(guó)科學(xué)院空天信息創(chuàng)新研究院 中國(guó)科學(xué)院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室， 北京 100094)

準(zhǔn)確獲取全球尺度的地面高程及森林冠層高度對(duì)了解陸地生態(tài)系統(tǒng)十分重要，星載激光雷達(dá)脈沖能穿透森林冠層到達(dá)地面，為大區(qū)域地面高程估算和森林垂直結(jié)構(gòu)反演提供可靠的數(shù)據(jù)源支持[1-2]。全球生態(tài)系統(tǒng)動(dòng)力學(xué)調(diào)查(global ecosystem dynamics investigation，GEDI)雷達(dá)是美國(guó)航天局2018年12月5日搭載于國(guó)際空間站(International Space Station，ISS)的星載激光雷達(dá)系統(tǒng)，該系統(tǒng)搭載了全球首臺(tái)多波束線性體制的激光測(cè)高儀，主要用于對(duì)熱帶和溫帶地區(qū)森林垂直結(jié)構(gòu)的精準(zhǔn)測(cè)量[2-4]。GEDI系統(tǒng)包括3個(gè)激光器，其中1個(gè)激光器被分為2個(gè)波束(覆蓋波束)，另外2個(gè)激光器保持全功率(全功率波束)，覆蓋波束與全功率波束分別能夠穿透95%和98%的森林冠層到達(dá)地面[5]。GEDI通過3個(gè)激光器發(fā)射頻率為242 Hz的4束光束，并通過光束抖動(dòng)在地球表面產(chǎn)生8條光斑軌跡，每條軌跡由沿軌距離為60 m、光斑直徑為25 m的圓形足跡組成，相鄰軌跡間距離約600 m，掃描幅寬約4.2 km[6]。GEDI系統(tǒng)自2019年4月開始正式在南北緯51.6°之間獲取數(shù)據(jù)，涵蓋地球上熱帶及溫帶森林，預(yù)計(jì)在其兩年壽命期間提供超過100億個(gè)高質(zhì)量波形數(shù)據(jù)，為了解地表植被結(jié)構(gòu)及獲取地上生物量提供大量有效數(shù)據(jù)[7-9]。

由于受到衛(wèi)星位置、姿態(tài)以及大氣等內(nèi)外因素的影響，GEDI L2A數(shù)據(jù)對(duì)于地面高程和森林冠層高度估算的精度有待提高[10]，GEDI系統(tǒng)通過設(shè)置不同參數(shù)得到6種算法的地面高程和森林冠層高度，為提高不同環(huán)境下GEDI L2A的測(cè)量精度提供了選擇[11]。Adam等[10]以機(jī)載LiDAR為參考數(shù)據(jù)比較了GEDI L2A不同算法得到的結(jié)果，發(fā)現(xiàn)默認(rèn)算法并不是估算地面高程和森林冠層高度的最優(yōu)算法，由于不同樣地所處環(huán)境不同，得到的最優(yōu)算法也有所差異。Potapov等[12]為得到更準(zhǔn)確的森林冠層高度，采用去除6種算法中最大最小值再求平均的方式得到最終森林冠層高度，進(jìn)而與機(jī)載LiDAR數(shù)據(jù)進(jìn)行比較，表明不同環(huán)境采用不同算法會(huì)對(duì)GEDI的測(cè)量精度產(chǎn)生影響。

雖然上述文章提及不同算法的選擇會(huì)影響GEDI L2A對(duì)地面高程和森林冠層高度估算的精度，但均是對(duì)于第1版GEDI L2A數(shù)據(jù)的研究，第2版數(shù)據(jù)相對(duì)于第1版數(shù)據(jù)在定位精度以及算法的選擇上都有所改進(jìn)，但還未有文章對(duì)第2版GEDI L2A各算法的適用性進(jìn)行研究?？紤]到植被覆蓋度會(huì)影響GEDI獲取的森林垂直結(jié)構(gòu)及地面高程信息，不同算法通過設(shè)置不同參數(shù)可以控制GEDI的波形特征得到不同的結(jié)果，因此為得到較為準(zhǔn)確的地面高程和森林冠層高度，本文以機(jī)載LiDAR提取的數(shù)字地形模型(digital terrain model, DTM)和冠層高度模型(canopy height model，CHM)為參考數(shù)據(jù)，比較不同植被覆蓋下不同算法的精度差異，并根據(jù)不同覆蓋度選擇最優(yōu)算法，以此提高GEDI L2A估算地面高程和森林冠層高度的精度，同時(shí)比較本文選擇的最優(yōu)算法與GEDI L2A默認(rèn)最優(yōu)算法對(duì)地面高程和森林冠層高度的估算精度。

1 研究方法

首先根據(jù)GEDI L2A自帶參數(shù)進(jìn)行有效光斑的篩選，并計(jì)算每個(gè)GEDI光斑對(duì)應(yīng)機(jī)載激光雷達(dá)數(shù)據(jù)(airborne laser scanning, ALS)的DTM與CHM，并利用機(jī)載CHM計(jì)算植被覆蓋度，分析GEDI L2A提供的6種算法在不同覆蓋度下得到的結(jié)果與機(jī)載DTM、CHM的精度差異，選出不同覆蓋度下的最優(yōu)算法，同時(shí)將本文選出的最優(yōu)算法與GEDI L2A默認(rèn)最優(yōu)算法在不同覆蓋度、不同坡度下進(jìn)行比較，最后定量評(píng)估算法的選擇對(duì)GEDI L2A提取地面高程和森林冠層高度精度的影響，圖1為整個(gè)過程的研究流程。

圖1 研究流程圖

1.1 GEDI L2A參數(shù)提取與數(shù)據(jù)篩選

為獲取研究區(qū)范圍內(nèi)的高質(zhì)量GEDI光斑，通過GEDI L2A數(shù)據(jù)本身所帶的一些參數(shù)過濾部分無效的GEDI光斑[13-14]。

1)lon_lowestmode_a、lat_lowestmode_a，通過經(jīng)緯度的范圍選出在研究區(qū)內(nèi)的GEDI光斑，a表示采用的不同算法；

2)quality_flag_a=1，質(zhì)量標(biāo)志為 “1”表示波形滿足基于能量、靈敏度、振幅和實(shí)時(shí)表面跟蹤質(zhì)量的特定標(biāo)準(zhǔn)，可以表示為有效波形；

3)elev_lowestmode_a，由于GEDI在采集數(shù)據(jù)中易受到云層的影響，因此刪除GEDI參數(shù)中elev_lowestmode(地面高程)的值與GEDI足跡自帶的TanDEM-X值有明顯差異的光斑(即刪除∣elev_lowestmode-TanDEM-X∣>50 m的光斑)；

4)degrade_flag=0，若該值為“1”，表示指示指向和/或定位信息的狀態(tài)下降，因此刪除degrade_flag=1的光斑，保留degrade_flag=0的光斑；

5)sensitivity ≥0.9，大于等于0.9的靈敏度閾值表示光斑質(zhì)量較好，因此刪除靈敏度小于0.9的光斑；

6)rx_assess_flag=0，若該值為“1”，表示在波形中可能出現(xiàn)的各種錯(cuò)誤，因此刪除rx_assess_flag=1的光斑，保留rx_assess_flag=0的光斑；

7)rx_algrunflag=1，表示檢測(cè)到有效信號(hào)且算法運(yùn)行成功，因此刪除rx_algrunflag=0的光斑，保留rx_assess_flag=1的光斑；

8)讀取GEDI光斑6種算法對(duì)應(yīng)參數(shù)的值，再經(jīng)過以上規(guī)則過濾每種算法的無效波形，最后通過GEDI L2A中shot_number參數(shù)，找出6種算法中的共同有效光斑作為最后的有效GEDI數(shù)據(jù)。

1.2 不同算法對(duì)GEDI L2A地面高程和森林冠層高度的精度影響

植被覆蓋度影響GEDI L2A數(shù)據(jù)獲取的地面高程信息與森林垂直結(jié)構(gòu)信息，不同算法通過設(shè)置不同參數(shù)得到的地面高程與森林冠層高度有所差異，比較不同植被覆蓋度下不同算法得到的地面高程和森林冠層高度精度，得出GEDI L2A在不同植被覆蓋度下的最優(yōu)算法。由于第2版GEDI L2A提供默認(rèn)最優(yōu)算法，對(duì)比分析GEDI L2A默認(rèn)最優(yōu)算法與本文根據(jù)植被覆蓋度選擇的最優(yōu)算法對(duì)GEDI 地面高程和森林冠層高度的測(cè)量精度。

1.3 精度評(píng)價(jià)

以機(jī)載DTM和CHM的值為參考數(shù)據(jù)，驗(yàn)證GEDI L2A估算的地面高程和森林冠層高度的估算精度，以二者之間的決定系數(shù)(coefficient of determination,R2)和均方根誤差(root mean square error, RMSE)作為評(píng)價(jià)指標(biāo)，分別對(duì)GEDI L2A各算法在不同覆蓋度下地面高程和森林冠層高度的估算精度進(jìn)行評(píng)價(jià)，同時(shí)將默認(rèn)最優(yōu)算法的結(jié)果與本文選擇的最優(yōu)算法結(jié)果在不同覆蓋度、不同坡度下進(jìn)行比較，評(píng)價(jià)兩種最優(yōu)算法的精度差異。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

2.1.1 研究區(qū)

為研究不同算法對(duì)GEDI L2A地面高程及森林冠層高度的影響，選用美國(guó)5個(gè)不同方位的森林地區(qū)作為研究區(qū)域，分別位于美國(guó)東南方向阿拉巴馬州的塔拉迪加國(guó)家森林內(nèi)(TALL)、美國(guó)西南方向加利福利亞州境內(nèi)(TEAK)、美國(guó)東北方向馬薩諸塞州中部的哈佛森林內(nèi)(HARV)、美國(guó)西北方向華盛頓州境內(nèi)(WREF)、美國(guó)西部科羅拉多州境內(nèi)(NIWO)，5個(gè)研究區(qū)位置分布如圖2所示。選擇這些研究區(qū)有以下原因：首先，能獲取高分辨率的DTM和CHM作參考數(shù)據(jù)。其次，森林覆蓋面積較大，便于研究森林冠層高度的精度。最后，5個(gè)研究區(qū)位于美國(guó)不同方位，增加了研究區(qū)的多樣性，并避免了采集環(huán)境的一致性，得出的結(jié)果更為可靠。

該圖基于國(guó)家自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2020)4397號(hào)的標(biāo)準(zhǔn)地圖制作，底圖無修改

2.1.2 研究數(shù)據(jù)

1) GEDI數(shù)據(jù)

GEDI包括多種數(shù)據(jù)產(chǎn)品，分為L(zhǎng)1、L2、L3、L4共4級(jí)。L1級(jí)產(chǎn)品為GEDI系統(tǒng)采集的經(jīng)過地理定位的GEDI波形數(shù)據(jù)；L2級(jí)產(chǎn)品為通過對(duì)波形進(jìn)行處理得到光斑尺度冠層高度參數(shù)與垂直剖面度量；L3級(jí)產(chǎn)品為網(wǎng)格化的冠層高度、覆蓋度和葉面積指數(shù)等；L4級(jí)產(chǎn)品是光斑尺度和網(wǎng)格化的地上碳儲(chǔ)量[2]。

本文使用的是2021年4月更新的GEDI L2A第2版數(shù)據(jù)，可從美國(guó)國(guó)家航空航天局陸地過程分布式數(shù)據(jù)檔案中心 (LPDAAC, https:∥e4ftl01.cr.usgs.gov/GEDI/GEDI02_A.002/)公開獲得，數(shù)據(jù)采集日期為2019年4月到2020年9月。對(duì)于每個(gè)光斑，GEDI L2A采用6種不同算法獲取對(duì)應(yīng)的地面高程、冠頂高程、相對(duì)高程[15]，這些算法是通過設(shè)置不同的參數(shù)組得出的(見表1)[11]，每種算法采用相同的噪聲平滑寬度，不同之處在于波形信號(hào)的平滑寬度、波形信號(hào)的開始閾值與結(jié)束閾值。其中，波形信號(hào)平滑寬度影響波形信號(hào)的平滑程度；波形信號(hào)開始閾值決定森林冠層頂部的位置，波形信號(hào)結(jié)束閾值決定地面高程的位置。該數(shù)據(jù)集還提供了每個(gè)光斑的質(zhì)量標(biāo)志、降級(jí)標(biāo)志等與波形質(zhì)量相關(guān)的參數(shù)，用于剔除無效的GEDI光斑。

表1 GEDI L2A 6種不同算法的參數(shù)設(shè)置(σ表示背景噪聲的標(biāo)準(zhǔn)差)

2) 機(jī)載激光雷達(dá)數(shù)據(jù)

為評(píng)估GEDI數(shù)據(jù)中地面高程和森林冠層高度的精度，以機(jī)載激光雷達(dá)數(shù)據(jù)獲取的DTM及CHM作現(xiàn)場(chǎng)測(cè)量的替代數(shù)據(jù)[16]。本文選擇的機(jī)載激光雷達(dá)數(shù)據(jù)來源于國(guó)家生態(tài)觀測(cè)網(wǎng)絡(luò)(national ecological observatory network, NEON)[17]，獲取的 DTM與CHM數(shù)據(jù)空間分辨率為1 m，水平精度為5～15 cm，垂直精度為5～35 cm[18]，其評(píng)價(jià)依據(jù)是與地塊實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證得到的[19]?？紤]到GEDI光斑大小約25 m，DTM的值用25 m×25 m柵格范圍內(nèi)的平均值作為地面高程，CHM的值選用25 m×25 m柵格范圍內(nèi)第90百分位值作為森林冠層高度[12]。

5個(gè)研究區(qū)ALS數(shù)據(jù)采集日期分別為2019年4月(TALL)、2019年8月(HARV)、2019年6月(TEAK)、2019年7月(WREF)和2019年8月(NIWO)，與GEDI數(shù)據(jù)采集日期比較接近，避免了因數(shù)據(jù)采集時(shí)間不一致而出現(xiàn)的誤差。研究區(qū)詳細(xì)信息如表2，其中，研究區(qū)TEAK、NIWO的平均坡度較大，平均覆蓋度較??；HARV、TALL平均坡度較小，平均覆蓋度較大；WREF平均坡度最大，平均覆蓋度最大。

表2 研究區(qū)機(jī)載激光雷達(dá)數(shù)據(jù)詳細(xì)信息

3)森林冠層高度及植被覆蓋度數(shù)據(jù)

根據(jù)GEDI L2A自帶參數(shù)進(jìn)行有效光斑篩選，并提取有效光斑的地面高程值和森林冠層高度的相對(duì)高度度量值(間隔為1%)。為得到GEDI L2A森林冠層高度與ALS獲得的森林冠層高度相關(guān)性最好的相對(duì)高度指標(biāo)，分析默認(rèn)最優(yōu)算法中rh90、rh92、rh94、rh96、rh98、rh100與ALS森林冠層高度的相關(guān)性(表3)?？梢钥闯?，隨著森林冠層高度百分位數(shù)的增加，GEDI與ALS的R2先增大后減小，RMSE先減小后增大，在GEDI百分位樹高為rh96時(shí)，GEDI與ALS森林冠層高度的相關(guān)性最高，因此本文選擇rh96的值作為GEDI森林冠層高度的值。

表3 機(jī)載LiDAR提取rh90和GEDI森林冠層高度百分位參數(shù)的比較結(jié)果

植被覆蓋度的計(jì)算是由機(jī)載CHM以25 m為格網(wǎng)大小計(jì)算得出，即每個(gè)格網(wǎng)中CHM值大于等于2 m的柵格單元與格網(wǎng)內(nèi)所有柵格單元的比值即為植被覆蓋度。將植被覆蓋度以0.2為間隔分為5個(gè)等級(jí)，5個(gè)研究區(qū)在不同植被覆蓋度下光斑分布的情況如表4所示?？梢钥闯鯰ALL、WREF、HARV研究區(qū)的光斑大多分布于覆蓋度大于等于0.8的地區(qū)，TEAK、NIWO研究區(qū)的光斑多分布在覆蓋度小于0.8的地區(qū)。

表4 研究區(qū)在不同覆蓋度下的光斑分布情況

2.2 實(shí)驗(yàn)結(jié)果

2.2.1 不同算法對(duì)GEDI L2A提取地面高程和森林冠層高度的影響

統(tǒng)計(jì)5個(gè)研究區(qū)所有GEDI光斑在不同覆蓋度下采用不同算法得到的地面高程、森林冠層高度，并計(jì)算與ALS地面高程、森林冠層高度的相關(guān)性，表5為二者相關(guān)性結(jié)果。其中，計(jì)算地面高程時(shí)，采用所有GEDI光斑，計(jì)算森林冠層高度時(shí)，刪除植被覆蓋度等于0的光斑。

表5 不同覆蓋度下不同算法的GEDI L2A與ALS相關(guān)性

對(duì)于GEDI L2A地面高程而言，除算法1和算法4的RMSE相同，其余算法在不同覆蓋度下獲得地面高程與機(jī)載地面高程的RMSE均有差異。在植被覆蓋度小于0.8時(shí)，算法1或算法4的結(jié)果優(yōu)于其他算法的結(jié)果；在覆蓋度大于等于0.8時(shí)，算法2的結(jié)果優(yōu)于其他算法的結(jié)果，所有算法中，算法5的RMSE值最大，精度最差。

對(duì)于GEDI L2A森林冠層高度而言，不同算法在不同覆蓋度下獲得的森林冠層高度與ALS森林冠層高度的RMSE各不相同。在植被覆蓋度小于0.2時(shí)，算法4得到的結(jié)果優(yōu)于其他算法的結(jié)果，植被覆蓋度大于等于0.8時(shí)，算法2的結(jié)果優(yōu)于其他算法的結(jié)果，覆蓋度為0.2～0.8時(shí)，算法1的結(jié)果優(yōu)于其他算法，所有算法中，算法5的RMSE值最大，精度最差。

綜合地面高程與森林冠層高度在不同覆蓋度下的最優(yōu)算法，得出在植被覆蓋度小于0.2時(shí)選擇算法4，在植被覆蓋度大于等于0.8時(shí)選擇算法2，其余覆蓋下選擇算法1的結(jié)果能提高GEDI L2A地面高程和森林冠層高度的估算精度。

2.2.2 不同條件下默認(rèn)最優(yōu)算法與本文最優(yōu)算法對(duì)比

GEDI L2A第2版數(shù)據(jù)提供了每個(gè)光斑的默認(rèn)最優(yōu)算法，本文根據(jù)植被覆蓋度也得到每個(gè)光斑的最優(yōu)算法，由于不同外界條件(植被覆蓋度、坡度)均會(huì)影響DTM和CHM提取的精度，以機(jī)載LiDAR為參考數(shù)據(jù)，統(tǒng)計(jì)5個(gè)研究區(qū)所有GEDI光斑的R2與RMSE，對(duì)不同覆蓋度及不同坡度下默認(rèn)最優(yōu)算法和本文最優(yōu)算法的精度進(jìn)行比較，表6和表7分別為不同條件下默認(rèn)最優(yōu)算法與本文最優(yōu)算法的結(jié)果。可以看出，無論是默認(rèn)最優(yōu)算法還是本文最優(yōu)算法，GEDI L2A對(duì)DTM估計(jì)值的精度明顯高于對(duì)CHM估計(jì)值的精度，原因可能是CHM垂直結(jié)構(gòu)信息更為復(fù)雜。

表6 不同覆蓋度下默認(rèn)最優(yōu)算法與本文最優(yōu)算法結(jié)果對(duì)比

表7 不同坡度下默認(rèn)最優(yōu)算法與本文最優(yōu)算法結(jié)果對(duì)比

從表6可以看出，DTM在植被覆蓋度小于0.8時(shí)，本文最優(yōu)算法的精度明顯優(yōu)于默認(rèn)最優(yōu)算法的精度，在植被覆蓋度大于等于0.8時(shí)，本文最優(yōu)算法與默認(rèn)最優(yōu)算法無明顯差別(本文最優(yōu)算法精度略低于默認(rèn)最優(yōu)算法精度)；對(duì)于CHM而言，在植被覆蓋度小于0.8時(shí)，本文最優(yōu)算法的精度優(yōu)于默認(rèn)最優(yōu)算法的精度，在植被覆蓋度大于等于0.8時(shí)，兩種最優(yōu)算法的估算精度無明顯差別(本文最優(yōu)算法精度略低于默認(rèn)最優(yōu)算法精度)，說明本文的最優(yōu)算法更適合用于植被覆蓋度小于0.8的地區(qū)。整體看來，本文選擇的最優(yōu)算法比默認(rèn)最優(yōu)算法的精度更高，DTM方面R2無變化，RMSE減小0.11 m，CHM的R2提高0.02，RMSE減小0.21 m。

從表7可以看出，DTM在坡度小于10°時(shí)，默認(rèn)算法與本文算法無明顯差別，在坡度大于等于10°時(shí)，本文最優(yōu)算法優(yōu)于默認(rèn)最優(yōu)算法，且坡度越大，本文最優(yōu)算法提取的DTM精度越高。對(duì)于CHM而言，在坡度小于10°時(shí)，默認(rèn)最優(yōu)算法與本文最優(yōu)算法相差不大，在坡度大于等于10°時(shí)，本文最優(yōu)算法優(yōu)于默認(rèn)最優(yōu)算法，坡度越大，本文最優(yōu)算法提取的CHM精度越高。因此，本文選擇的最優(yōu)算法更適合估算坡度大于等于10°的區(qū)域。

2.2.3 各研究區(qū)默認(rèn)最優(yōu)算法與本文最優(yōu)算法的散點(diǎn)圖對(duì)比

圖3顯示了每個(gè)研究區(qū)GEDI地面高程、森林冠層高度與ALS地面高程、森林冠層高度之間兩種最優(yōu)算法的散點(diǎn)圖?？梢钥闯?個(gè)研究區(qū)中，研究區(qū)TEAK(圖3(a))和研究區(qū)NIWO(圖3(b))的DTM、CHM相比默認(rèn)最優(yōu)算法提高的精度最大，其余研究區(qū)兩種算法的DTM、CHM的RMSE無明顯差別，主要原因是研究區(qū)TEAK 、NIWO的覆蓋度較低，且坡度較大，本文選擇的最優(yōu)算法更適合覆蓋度小于0.8，坡度大于等于10°的地區(qū)。而研究區(qū)HARV、WREF、TALL平均覆蓋度都大于0.8，由表6可知當(dāng)覆蓋度大于等于0.8時(shí)，默認(rèn)算法與本文算法提取的精度相差不大。

圖3 不同研究區(qū)兩種最優(yōu)算法的散點(diǎn)圖對(duì)比

2.3 討論

不同算法之間是通過改變波形信號(hào)平滑寬度、信號(hào)開始閾值、信號(hào)結(jié)束閾值來達(dá)到控制波形長(zhǎng)度的目的。算法1是設(shè)計(jì)用于大多數(shù)情況，其他算法組設(shè)計(jì)目的是在觀測(cè)條件不太理想的情況下提供信息。

對(duì)于GEDI L2A DTM不同算法分析，在植被覆蓋度小于0.8時(shí)，激光脈沖能透過冠層直達(dá)地面獲取地面回波信息，適用于大多數(shù)情況下的算法1能夠獲取較為準(zhǔn)確的DTM，而算法1和算法4的區(qū)別在于信號(hào)的開始閾值不同，這只會(huì)影響CHM的值，不會(huì)影響DTM的值，因此算法1和算法4 DTM的值總是相同的。算法3雖然有與算法1相同的波形信號(hào)結(jié)束閾值，但其信號(hào)平滑寬度更小，不能很好地消除噪聲帶來的影響。算法2、5、6的波形信號(hào)結(jié)束閾值比1更低，導(dǎo)致檢測(cè)到低于實(shí)際地面回波信號(hào)的噪聲，造成DTM的低估，其中算法5因有最低信號(hào)結(jié)束閾值，獲得的DTM精度最差。在植被覆蓋度大于等于0.8時(shí)，激光脈沖不能完全透過茂密的冠層準(zhǔn)確獲取地面回波信息，適用于大多數(shù)情況下的算法1由于其最高波形信號(hào)結(jié)束閾值，已經(jīng)不能準(zhǔn)確獲取DTM導(dǎo)致精度降低，算法3、4有與算法1相同的波形信號(hào)結(jié)束閾值，也不能準(zhǔn)確獲取地面信息，算法5因有最低信號(hào)結(jié)束閾值造成DTM的低估，使獲得的DTM精度最差。算法2、6的波形信號(hào)結(jié)束閾值比較適中，在覆蓋度大于等于0.8時(shí)的DTM精度相對(duì)較高，二者相比，具有更低結(jié)束閾值的算法2更能夠去除一些低矮灌木的影響，獲取比算法6更為準(zhǔn)確的DTM。

對(duì)于GEDI L2A CHM不同算法分析，在植被覆蓋度小于0.2時(shí)，波形記錄是由較低的樹冠層或地面返回信號(hào)觸發(fā)的，此時(shí)波形信號(hào)起點(diǎn)和地面高程之間的高度差較低或(接近)為零，選擇算法4是因其具有最高的波形信號(hào)開始閾值與結(jié)束閾值，可獲得最短的波形長(zhǎng)度，得到更為準(zhǔn)確的CHM值，其他算法的波形長(zhǎng)度均比算法4的波形長(zhǎng)度更長(zhǎng)，導(dǎo)致CHM估計(jì)的精度較差。在植被覆蓋度大于等于0.8時(shí)，樹冠頂部的返回信號(hào)能很好地超過波形記錄開始閾值，選擇算法2是因?yàn)槠湫盘?hào)平滑的寬度最小，信號(hào)開始閾值最小，能獲得除算法5以外最長(zhǎng)的波形長(zhǎng)度，獲得更為準(zhǔn)確的CHM。算法5雖然能獲取最長(zhǎng)的波形長(zhǎng)度，但由于信號(hào)結(jié)束閾值最低造成DTM的低估，從而導(dǎo)致獲得的CHM被高估。其余覆蓋度下，適用于大多數(shù)情況的算法1的取得的精度最高，算法4雖然與算法1有著相同的波形信號(hào)平滑閾值與信號(hào)結(jié)束閾值，但由于有較高的波形信號(hào)開始閾值，而導(dǎo)致CHM被低估。算法3雖然與算法1有著相同的波形信號(hào)開始閾值與信號(hào)結(jié)束閾值，但由于波形信號(hào)平滑寬度最小，不能很好地消除噪聲的影響導(dǎo)致CHM的精度較差。

因此，根據(jù)植被覆蓋度選擇最優(yōu)算法的方法能很好地提高GEDI L2A對(duì)DTM和CHM估算的精度。

3 結(jié)論

不同環(huán)境選擇不同算法對(duì)于GEDI的精度有一定的影響，在植被覆蓋度小于0.2時(shí)選擇算法4，植被覆蓋度大于等于0.8時(shí)選擇算法2，其余覆蓋度下選擇算法1的結(jié)果比單獨(dú)使用一種算法的結(jié)果估算精度更高，這為GEDI數(shù)據(jù)在不同環(huán)境選擇合適的算法提出了一種判定方法。

GEDI L2A第2版數(shù)據(jù)提供了每個(gè)光斑默認(rèn)最優(yōu)算法，將默認(rèn)最優(yōu)算法與本文最優(yōu)算法進(jìn)行對(duì)比，發(fā)現(xiàn)在植被覆蓋度大于等于0.8，或者坡度小于10°時(shí),兩種最優(yōu)算法估算的DTM和CHM精度無明顯差別，在植被覆蓋度小于0.8，且坡度大于等于10°時(shí)，本文最優(yōu)算法精度明顯優(yōu)于默認(rèn)最優(yōu)算法精度，說明本文最優(yōu)算法在特定環(huán)境下能很好地估計(jì)DTM與CHM，這為后面的研究以及提高GEDI L2A精度具有重要的意義。

文中的參考數(shù)據(jù)是基于機(jī)載激光雷達(dá)數(shù)據(jù)得到的DTM與CHM，雖然獲取的數(shù)據(jù)精度遠(yuǎn)高于GEDI數(shù)據(jù)，但是也包含某些誤差(例如對(duì)森林冠層高度的低估)，這對(duì)本文GEDI L2A DTM和CHM的精度也有一定的影響。其次，影響GEDI L2A精度的因素還有很多，包括外界環(huán)境與GEDI儀器自身的影響，未來也將從這兩個(gè)方面繼續(xù)研究影響GEDI精度的因素。