森林高度遥感估测研究综述

摘要　在森林资源调查中，树高是最重要的测树因子之一。该文在总结森林高度地面测量方法的基础上，探持基于遥感数据估算森林高度的方法。分别讨论各种方法的适用性及其不确定性，以为选择估算森林高度的方法提供参考。

关键词　森林高度；遥感估测；方法

中图分类号　S758.1　文献标识码　A　文章编号　1007-5739(2012)02-0198-02

森林生态系统是陆地生态系统的主要组成部分，在调节全球气候、维持全球碳收支平衡、减缓大气温室气体的浓度增长等方面起到至关重要的作用。在森林经营管理中，通常利用树高来确定立木材积和材积生长率，在森林资源日益减少的今天，对森林实现精准的测量显得尤为重要。该文介绍森林树高地面测量的方法，总结利用3类遥感数据(光学遥感，基于雷达数据的遥感、光学和雷达数据相结合)估算森林高度的方法，就各种方法的适用性及其不确定性分别进行讨论，以为选择估算森林高度的方法提供参考。

1　森林树高地面测量方法

在传统的地面测量中，一般是在不把树木伐倒的情况下对树高进行测定，即测定的是立木高度。在地面测量中，目前主要采用测高器对林地单木树高进行测量。这些仪器是依据空间解析几何原理实时测量任一树高，不用攀树、轮尺、伐倒，在森林精准监测中具有重要作用。根据测高器的原理，可将测量方法分为2类：一是如克里斯顿测高器、韦塞测高器等利用几何相似原理进行测量；二是如布鲁莱斯测高器、激光测高器等利用三角函数原理进行测量，本质上是一种测角器。

测高器是现阶段森林资源调查中树高测量最常用的工具，能满足林业中5％精度的要求，这是被广泛认同的目。测高器使用方法简单，测量精度较高，适用于单木树高的测量。

2　基于遥感的树高提取方法

地面测量主要依靠人工获取林木高度信息，是一个艰苦、繁琐、漫长、低效的过程。遥感技术的出现，使直接、实时、自动、可靠地进行大范围树高估测成为可能，给林业测量带来重大突破，提高了工作效率，减少了大量的人力、物力的支出，为快速、准确地获取大范围森林资源调查数据提供一种有潜力的技术手段。利用遥感技术估测森林高度，是目前很重要的一个研究方向。

2.1　光学遥感

在利用遥感图像提取单木树高时，首先进行单木的分割，然后再进行高度的提取。目前，主要有基于阚值、边缘监测、区域特征和特征空间聚类等的遥感图像分割方法。韩学峰利用快鸟图像，计算立木阴影长度，通过几何算法，得到林分平均树高。崔少伟等利用快鸟影像，采用几何光学模型法和基于单木树影灰度值与树高的回归模型法对研究区的天然林单木的树高进行估测，证明回归模型法的有效性和可行性目。在光学遥感数据中，由于森林阴影的长度、太阳高度角、方位角以及坡度、坡向等多个因子具有不确定性，在单木树高的测量中容易造成较大的人为误差，所以无法推广到大范围的森林树高测量中。普通的光学传感器只能用于提供森林水平分布的详细信息而很难提供垂直分布的信息。因此，利用光学遥感数据对林木特别是大范围的密集林分高度进行估测有待于今后进一步研究。

2.2　基于雷达数据的遥感

国内外目前和今后发展的对地观测主要手段是成像光谱仪、微波雷达、高分辨率分光计和主动激光雷达。其中，激光雷达和干涉合成孔径雷达在林业调查中使用较广。

2.2.1　基于激光雷达数据估算树高的方法。激光雷达(ugbting detection and ranging，LIDAR)是一种主动遥感技术，利用激光测距，通过对从空中或空间飞行器上发射的激光角度和探测到的激光距离来计算激光点的地理位置的方法，能够精确地获取地表物体的特征信息。

树高是LIDAR能够直接测量的冠层表面的特征参数。对于森林高度估测的一般思路是利用地面点生成的数字高程模型(digital elevation model，DEM)，然后由冠层上表面的点生成数字表面模型(digital surface model，DSM)，通过计算DSM和DEM的差值生成冠层高度模型(canopy height model，CHM)，最后从CHM中提取森林高度。在提取森林高度的数据处理过程中。由于要利用不同的算法和约束条件对波形进行分解，期间产生的误差会对结果产生一定的影响。

在CHM中采用局部最大值算法搜索树冠顶点是利用LIDAR数据估算树高比较常用的一种方法。Zimble et al使用LIDAR数据估测单木树高时，使用一个固定的圆形搜索窗口，最终得到每个聚类的最大树高值和树高位置，但该研究中单木树高仅适用于样地尺度的树高估算moPopescu et al利用LIDAR数据估测典型混交林的树高，提出一种基于可变窗口的局部最大值(LM-VWS)树高提取算法，此方法具有更大的灵活性，适用于复杂的树冠结构，但缺点是没有考虑连续树冠情况。Clark et al使用单回波LIDAR数据，根据外业测量的单木树高和位置，对利用窗口提取方法获得的树高进行验证，结果表明单木树高被低估。

2.2.2　基于干涉合成孔径雷达估算树高的方法。利用干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)数据进行树高反演的技术已较为成熟。目前，基于InSAR数据的树高反演算法大体上可以分为2类：一类是基于相干优化的反演方法；另一类是基于高分辨率波达算法(ESPRIT)的相位优化反演方法。

有学者提出DEM差值法、DEM差值与RVoG地相位相结合法等，通过确定森林顶部和森林底部对应的极化通道，得到森林顶层与森林底层不同的干涉相位，对干涉相位做差分，反演出森林高度，已有试验表明这2种方法对林分平均重低估。Cloude认为森林顶层HV极化干涉相位，底层是HH-VV极化干涉相位，但极化干涉优化的差分DEM将得到3个不同极化相位图，与最小相干系数对应的干涉相位作为森林底层对应的干涉相位，与最大相干系数对应的干涉相位作为森林顶层干涉相位，利用这2个干涉相位进行森林高度的估计。上述方法简单、计算量小，但是研究证明并不存在相位中心位于森林顶部的简单极化，反演精度不高，总体存在误差。Cloude et al在2003年提出三阶段森林高度反演方法，该方法是基于极化复相关系数的数学特征和不同极化复相关系数在复平面的直线分布特征，该法简便易行，估算结果具有较高的精度，纯体去相关系数的精确获取是该算法的关键，由于存在时间去相关和其他一些不利条件，因而会导致纯体去相关系数估计不准。

Yamada et al通过ESPRIT算法估算得到散射中心位于森林顶部和底部的干涉相位，利用实测的SIR-C数据证明了方法的有效性。对于森林成分去极化特征。Yamada etal又对ESPRIT算法进行了改进，进一步降低了干涉相位的偏差。ESPRIT算法能够较好的提取植被冠层相干相位，但也存在冠层底部和树干散射的相干作用，导致估测森林高度结果的不准确。李哲等改进ESPRIT算法，使估算结果有所改善，但精度和相关度仍不理想，通过几种方法的结果分析，发现三阶段Sine算法和三阶段算法具有较高的精度与较好的相关性。

由于目前国内外InSAR数据的获取还比较困难，对这些树高反演算法的评价研究较少，星载LIDAR所能获取的，高程数据比普通干涉雷达精确得多，而且L1DAR的数据后处理工作也更为简单。但L1DAR数据还存在一些问题有待解决，如成本较高、树冠和地面的回波不容易区分，还需进一步探讨森林结构和LIDAR回波之间的理论研究等。

2.3　光学、雷达数据相结合

国内外对利用激光雷达数据和高分辨率CCD获取林分尺度的森林参数都有相关研究。Stonge et al估测森林蓄积量和生物量时用小光斑激光雷达数据和多光谱影像，结果显示这种方法估计针叶林的生物量和蓄积量的精确度较高，也可在特定情况下提高阔叶林样地的估计精度。庞勇等以高密度机载小光斑激光雷达数据及与其同步获取的高分辨率数码影像为数据源，提取高精度的单木水平方向信息及树高信息。光学数据与雷达数据相结合的方式与单独使用一种数据相比，具有估算精度高的优点，与外业调查数据相结合；可降低遥感数据源的不确定性，并根据估算结果与实测数据的分析对已有方法进行改进。

3　结论与展望

由于没有相应的数据，未能针对森林高度估算现有方法进行延伸与改进，只是对目前森林高度估算方法进行总结。通过地面测量获取森林高度，得到的结果较为直接、准确，但是不适合大面积的监测与估算，利用遥感数据进行森林高度的估算，则大大减少人力、物力和财力等成本的支出，提高工作效率，为大面积的森林调查提供多种调查途径。同时也应该看到遥感数据源的不确定性，因而对于在森林高度估算中使用较为广泛的LIDAR数据及InSAR数据的处理方法上应展开更多的研究，特别是结合地面调查数据，在已有方法的基础上进行改进或开辟新的研究方法，从而为森林调查提供技术支持，以促进林业生产实践水平的提高。