检索项:   检索词:    
  世界林业研究  2011, Vol. 24 Issue (1): 41-45  
0

引用本文  

马利群, 李爱农. 激光雷达在森林垂直结构参数估算中的应用[J]. 世界林业研究, 2011, 24(1): 41-45.
Ma Liqun, Li Ainong. Review of Application of LiDAR to Estimation of Forest Vertical Structure Parameters[J]. World Forestry Research, 2011, 24(1): 41-45.

基金项目

中国科学院知识创新工程重要方向项目山地森林生态系统空间关键信息遥感定量反演(ZCX2-YW-QN313);“百人计划”项目(110900K242)

通信作者

李爱农(1974-), 男, 安徽人, 研究员, 主要从事山地资源与环境定量遥感研究, E-mail:ainongl@iimde.ac.cn

作者简介

马利群(1985-), 女, 山东泰安人, 硕士生, 主要从事定量遥感和GIS应用, E-mail:mayifan18@163.com.cn

文章历史

收稿日期:2010-12-07
激光雷达在森林垂直结构参数估算中的应用
马利群1,2 , 李爱农1,3     
1. 中国科学院山地灾害与环境研究所, 成都 610041;
2. 中国科学院研究生院, 北京 100039;
3. Department of Geography, University of Maryland, College Park, MD 20742, USA
摘要:激光雷达是近年来迅速发展的主动遥感技术, 激光脉冲对森林具有很强的穿透能力, 在森林垂直结构参数估测中具有巨大的潜力与优势。文中分别总结了小光斑和大光斑激光雷达在获取树高、生物量等森林参数中的应用及其优缺点, 同时分析比较了小光斑和大光斑激光雷达在估测森林参数上的不同; 最后重点介绍了目前唯一的星载大光斑激光雷达ICESat/GLAS系统, 总结分析了其在大面积森林空间结构参数估算中的应用现状, 并对激光雷达前景及其应用中存在的问题进行了探讨和展望。
关键词激光雷达    垂直结构参数    树高    生物量    郁闭度    GLAS    
Review of Application of LiDAR to Estimation of Forest Vertical Structure Parameters
Ma Liqun1,2, Li Ainong1,3     
1. Institute of Mounta in Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China;
2. Graduate University of Chinese Academy of Sciences, Beijing 100039, China;
3. Depart ment of Geography, University of Maryland, College Park, MD 20742, USA
Abstract: LiDAR(Light Detect and Ranging) is an active remote sensing technology that developed rapidly in recent years, and has shown great potential and advantage in terms of estimating forest vertical structure parameters due to its strong capacity to penetrate forest canopy.In this paper, the application of the small and large footprint LiDAR for retrieving forest parameters such as tree height, canopy structure, biomass and stock were reviewed, and their advantage and disadvantage were also analyzed.The paper also analyzed and compared the difference of the small and large footprint LiDAR in estimating forest parameters.Finally, this review described the ICESat/GLAS system, the only large footprint satellite LiDAR at present, concluded its application in estimating spatial structure parameter of large-area forest, envisioned the application prospect of LiDAR technology and discussed existing problems in forestry applications.
Key words: LiDAR    vertical structure parameter    tree height    biomass    crown density    GLAS    

遥感技术具有覆盖面积大、更新速度快、成本低等优点, 在森林资源调查和森林空间结构参数估算上具有很大的优势。森林资源遥感调查主要使用光学遥感、微波遥感以及激光雷达数据。光学遥感数据主要记录了森林的水平结构信息[1], 其遥感信号难以有效反映森林的垂直结构, 部分研究主要集中在林种单一的样区, 难以在大范围上推广。微波遥感对植被具有一定的穿透能力, 如利用极化干涉合成孔径雷达估算森林树高[2], 双基线极化干涉合成孔径雷达提取植被参数[3], 但在植被生物量超过150 Mg/hm2的地区, 微波信号对生物量的变化响应不明显, 且受地形起伏的干扰, 使应用受到很大的限制[4]。激光雷达(Light Detection and Ranging, LiDAR)是近年来迅速发展的主动遥感技术, 对森林具有很强的穿透能力, 在森林参数获取方面具有显著的优势。Lefsky等利用TM, LiDAR, ADAR和AV IRIS数据分别对林分结构进行定量估算, 获取胸高断面积、高度和蓄积量等参数, 发现LiDAR估测精度比其他数据高很多[5]。鉴于LiDAR在森林空间结构参数估算方面的优势, 本文总结了小光斑和大光斑激光雷达在森林垂直结构参数估算中的应用, 并对其应用前景进行了讨论和展望。

1 LiDAR在森林空间结构参数估算中的应用 1.1 小光斑激光雷达在森林参数估算中的应用

小光斑激光雷达系统一般指光斑直径小于1 m、离散记录大量激光回波数据的激光雷达系统。光斑的大小随着飞行高度的变化而改变, 一般在0.2~ 0.9 m。小光斑激光雷达的光斑尺寸小于林木冠幅, 仅能对树冠的一部分进行感应, 因此需要在水平方向上增加采样频度以弥补其在垂直方向上采样的不足。小光斑LiDAR系统首先被用于地形测绘, 近年来才被用于林业测量研究[6]

1.1.1 估算树高

树高是反映材积和林地质量的重要参数, 通过计算树冠回波和地面回波之间的距离估测树高。小光斑激光雷达对树高的估算, 首先是识别树冠, 然后通过滤波得到数字表面模型(Digital Surface Model, DSM)和数字地形模型(Digital Elevation Model, DEM), 利用DSM减去DEM得到树冠高模型(Canopy Height Model, CHM), 即平均树高。Næsset等基于36个林分数据, 发现LiDAR获取的高度和实测树高之间有91%的相关性[7]。Hans Erik Andersen利用LiDAR根据分割算法得到Kenai Peninsula地区的树高, 与实测树高的相关性为0.69[8]。Hudak等结合LiDAR和ETM+数据, 通过普通克里金插值和最小二乘法估测了LiDAR点空白区的树高, 并成功绘制出区域树高图[9]

1.1.2 估算生物量和蓄积量

森林生物量和蓄积量与树高等参数关系密切[10], 利用LiDAR数据估测森林生物量和蓄积量, 一般首先利用LiDAR数据准确估测树高、胸径等参数, 然后利用数理统计建立生物量和蓄积量与树高、胸径和株数等参数的回归模型进行估测。Holmegren等利用2个回归模型估测了10 m半径的样地蓄积量。第1个模型是以LiDAR估测的树高和冠幅作为变量, 相关系数是0.9;第2个模型是以LiDAR估测的树高和株数作为变量, 相关系数是0.82[11]。Nicholas C等利用LiDAR根据一个修改的树冠体积方法估测的树高和实测树高之间的相关性可达到85%, 说明小光斑能够很好地反应树高和林分的信息[12]

1.1.3 估算郁闭度

激光对树冠的响应不仅是树高的函数, 而且也是树冠郁闭度和树冠密度的函数, 因此, 树冠郁闭度和密度也可以通过LiDAR数据来获取[13]。小光斑系统可通过植被的回波数量和地面的回波数量比来估算树冠郁闭度。李奇等认为, 利用树冠反射总量除以发射激光脉冲总量估算森林郁闭度在实际情况下一般不会成立, 通过改进的EM(Improved Expectation Maximum)算法对原始波形进行分解, 得到地表反射脉冲总量和发射脉冲总量, 再根据植被的平均发射率估算森林郁闭度, 认为森林郁闭度是植被反射脉冲总量除以植被平均反射率与发射脉冲总量的乘积[14]

1.2 大光斑激光雷达在森林参数估算中的应用

大光斑激光雷达系统一般指光斑直径在8~70 m, 能够连续记录激光回波波形的激光雷达系统。光斑范围内包括多种树木信息, 也是地面和植被共同作用的结果[15]。目前发展的大光斑激光雷达系统是以美国为首的, 主要有NASA的机载LVIS和SLICER系统和星载GLAS系统。

1.2.1 估算树高

森林冠层高度可以通过激光雷达回波信号开始与最后一个回波的峰值点的差值得到。Parker等利用SLICER波形数据在不同年龄(幼林到成熟林)、不同树冠类型的5个林区进行了树高测量, 结果证实, 利用波形数据可获得树高[16]。Harding等利用SLICER数据获取树冠高度, 并对阔叶林进行了验证[17]。Means等利用SLICER波形计算得到树冠的反射率和地表反射率, 计算两者的比值, 从而求出树冠郁闭度, 与实地测量参数进行回归, 发现相关性较好[14]。Blair等介绍了LVIS在估测树高和树冠结构上的优势。Sun等利用LVIS验证了GLAS估算树高的可靠性, 发现LVIS数据75%(占总能量的75%的位置)的高度和估算结果相关性最大, 相关系数可达82%[18]

1.2.2 估算冠层结构

大光斑LiDAR系统将从冠层到地面间的激光回波信号全部进行了数字化记录, 因此, 记录的波形与树冠的垂直结构密切相关。尤其是大光斑激光雷达系统的波形记录了来自星下点冠层组分(包括叶、干、大枝和小枝)表面垂直投影的反射[6]。这些回波波形与冠层的垂直分布密切相关, 很好地反映了冠层组分的表面积(包括树叶、树枝、树干), 根据这些截面的回波可以部分重建林分冠层的垂直结构。Lefsky等利用SLICER波形数据很好地描述了林冠的垂直分布[19]

1.2.3 估算生物量和郁闭度

大光斑激光雷达估测生物量也是根据生物量与树高之间的相关性进行估算。Lefsky等在温带针叶林、阔叶林和北方针叶林3个研究区利用冠层高度曲线(Canopy Height Profile, CHP)计算平均树高(MCH), 相关性可达84%[20]。Lefsky等又进一步在西北太平洋的5个样区估算了生物量、叶面积指数和其他森林结构指数, 并用实测数据进行了验证, 树高和生物量的相关系数可以达到92%[19]

大光斑激光雷达在估算郁闭度时, 通过波形中来自植被的回波面积和来自地面的回波面积之比进行计算, 需要植被和地面的反射率作为参数。Lefsky等还在Cascade Range地区估算了郁闭度, 相关性最大可达77%[21]

1.3 小光斑与大光斑雷达在估算森林参数上的比较

小光斑雷达采样具有高空间分辨率和高频率的特点, 能够记录高密度的采样点信息, 从而可以详细测量地面和森林冠层表面, 能够标识出单株树木的特征。然而, 小光斑激光雷达也存在着成本高、覆盖范围有限、数据量大等局限, 限制了其在大面积森林空间结构信息提取中的应用。大光斑激光雷达的优点体现在获取树冠结构能力强, 能够准确描述大面积森林冠层空间结构信息, 记录光斑内随着时间变化的能量值, 获取比小光斑激光雷达更多的关于树冠的信息, 且理论上具有获取全球数据的能力。但是, 大光斑激光雷达传感器在空间上采样不连续, 无法达到无缝覆盖, 在大比例尺应用上也存在着局限。

小光斑激光雷达系统常采用机载平台, 机载LiDAR激光系统的发散角、扫描视场角和飞行区域等因素都阻碍了机载LiDAR对全球范围数据的获取。目前, 由于激光器硬件系统的限制, 大光斑激光雷达系统也多采用机载平台, 不过星载系统是发展趋势, 并且已得到成功运用。与机载LiDAR相比, 星载LiDAR具有运行轨道高、观测视野广, 可以触及世界的每一个角落[22]等机载雷达不可替代的优势。

2 GLAS在森林参数估算中的应用

ICESat(Ice, cloud, and land elevation satellite)的主要科学目的是测量冰体、地形及其时变、云层及大气层的特征[23]。GLAS(Geoscience Laser Altimeter System waveforms)是搭载在ICESat卫星上的一个激光测高仪。GLAS发射的脉冲频率是40Hz, 每个光斑的直径在70m左右, 光斑之间沿卫星飞行轨道的间隔约170m。由于GLAS的采样频率高, 我们得到的数据可用高斯曲线去拟合得到波形数据。GLAS记录了冰体、海冰、陆地和海洋的表面特征, 其中陆地上的数据可以用于森林空间结构参数估算。由于GLAS数据较其他数据具有覆盖范围大、免费获取、重复观测等优点, 已被广泛应用于森林参数估算, 如树高、郁闭度、生物量和NPP等[24-26]

2.1 估算树高

GLAS是大光斑激光雷达, 是一种波形数据, 处理方法不同于小光斑激光雷达数据。庞勇等利用GLAS波形数据阐述了数据预处理和波形长度计算方法[27]。Lefsky等在7个研究区利用3个波形指数, 波长、上端边缘纠正系数和下端边缘纠正系数定量估算得到了纠正系数, 平均树高则是波长和纠正系数的差值[28]。Sun等在长白山地区利用GLAS数据进行了森林高度和生物量估算, 结果显示, 在平地的估算精度比较高[29]。Lefsky等在美国田纳西州和俄勒冈州2个研究区进行了树高和生物量估算, 并且考虑了地形的影响[30]。Li等利用GLAS地形因子过滤波形数据结合时间序列Landsat光学遥感影像成功实现了美国密西西比州次生林无缝模拟[31]。王成等考虑了GLAS波形的地形改正, 结合MODIS数据估算了东北三省的植被平均高度。董立新等利用GLAS数据和MERSI影像对江西中部山地进行了森林冠层高度反演, 得到了连续的植被高度分布。

2.2 估算森林生物量和蓄积量

GLAS估测生物量是通过建立其与波形参数之间的模型来进行的。Lefsky等利用树冠的平均高度及其二次方根的标准差和叶、枝的体积这3个参数估测得到了地表生物量[32]。王金亮等利用GLAS数据以云南香格里拉为例进行了森林蓄积量估测, 结果表明, 复杂地区的估算精度会下降, 但树高和蓄积量之间仍有很好的相关性[33]。庞勇等进一步模拟分析了林木空间格局对大光斑波形的影响, 把森林的空间格局分为规则、随机、团状, 分别模拟了植被波形面积(AWAV)和波形半能量高度(HOME)与生物量、蓄积量等森林参数的相关关系。研究发现, 对于规则分布和随机分布采用HOME作为森林参数估算的指标较好, 而对于聚集分布则采用AWAV作为森林参数估算的指标较好。波形植被部分的面积和波形半能量高度都和生物量、蓄积量等森林参数密切相关, 可以通过AWAV、HOME和生物量的关系建模来估算森林生物量[34]

3 结语与展望

激光雷达具有极高的角分辨力、距离分辨能力和抗干扰能力等优点, 它的空间和时间分辨率高, 动态探测范围大, 能够穿透森林, 可以高精度地获取地面物体的高度, 以及森林水平和垂直结构信息, 弥补了其他遥感数据的不足。从激光器搭载平台上来讲, 机载激光雷达由于受到视场角和飞行区域等限制, 不能获取大范围的数据。星载激光雷达飞行轨道高, 可以触及世界每一角落, 具有全球覆盖能力。从激光束尺度上来讲, 小光斑激光雷达由于返回的是离散点, 因此在小尺度上应用比较好, 数据处理和算法上较大光斑激光雷达的波形数据成熟。小光斑往往得到的是单株树木的高度, 由于树冠的遮蔽, 其往往低估了树高。为了提高采样精度要降低飞行高度, 导致大范围上获取树高的成本昂贵。大光斑激光雷达的波形数据能够更加详细地描述森林的垂直结构信息。但由于大光斑数据在空间分布上不连续, 因此, 获取大比例尺范围内的树高时会受到限制。而且大光斑范围内地表复杂, 估算结果也容易受到地形的影响。

目前, 唯一的星载激光雷达GLAS系统的3个激光器都已不工作, 但NASA计划在2015年发射第2颗卫星ICESat2, 在2017年发射DESDYNI, 计划将星载LiDAR光斑大小提升到20~30 m, 可期为森林空间参数估测提供稳定可靠的LiDAR数据源。

尽管激光雷达在森林参数估测中取得了很大的成功, 但仍存在许多不足:1)在使用激光雷达估算树高时, 一方面, 需要准确地估算地球表面高程, 在地表复杂的林区看似来自地表面的点可能是来自下层林区; 另一方面, 不管是小光斑还是大光斑激光雷达系统, 在确定植被树冠最上层时还存在着困难[35]。2)树种的相关生长方程与树种和地域密切相关, 但由于缺乏相应的生长方程常采用经验统计方法。3)由于激光雷达采样点, 特别是大光斑激光雷达数据是离散的, 不能进行连续的森林空间结构参数估算。此外, LiDAR估算森林垂直结构参数的地面验证一直是一个难题。林分结构的验证依赖于高密度的采样。有研究发现, 森林结构指数和树冠结构的关系在一定尺度上是相同的, 该发现可以有效地降低采样强度[20]

在今后的发展中, 应关注以下问题:1)将大光斑激光雷达数据和其他连续采样遥感数据(如成像雷达和光学遥感)结合才能实现森林空间结构参数的无缝估算。例如, 将长时间序列的光学遥感空间连续观测数据与激光雷达空间采样数据相结合, 进行大范围的森林空间结构参数模拟和制图将会是研究的重点。2)目前相应的生成方程是经验统计方法, 这在理论上还不是很完善。随着LiDAR技术的成熟和发展, 物理模型将会更多地应用于激光雷达获取森林参数, 同时也是定量遥感发展的方向之一。3)由于阔叶林的水平和垂直结构比较复杂, 目前LiDAR主要是应用于针叶林, 如何将垂直结构的LiDAR和多光谱数据应用在阔叶林将是下一步的工作。4)目前波形数据的解算也存在一定的限制, 如在确定植被树冠上层和地面的时候还存在着困难, 波形数据的解算是以后工作的研究重点。5)LiDAR在林业中的应用是一门综合的学科, 包括遥感、林学、信号处理等, 如何最大可能地发挥这些学科的优势是以后研究工作的重点。6)在复杂的地区如山地, 大光斑的光斑范围比较大, 波形容易受地形的影响, 如何消除地形的影响是今后在山地展开工作的重点。7)目前特别是大光斑估算树高结果比较可信, 虽然有些研究也涉及了郁闭度、陆上生物量估算, 但可信度和稳定性都有待讨论。目前都是通过能量、高度与地面实测数据的相关性分析来估算的, 关于利用大光斑激光雷达估算森林生物量的机理还有待进一步突破。

参考文献
[1]
何祺胜, 陈尔学, 曹春香, 等. 基于LIDAR数据的森林参数反演方法研究[J]. 地球科学进展, 2009(7): 748-755. DOI:10.3321/j.issn:1001-8166.2009.07.008 (0)
[2]
Santoro M, Fransson J E S, Eriksson L E B, et al. Sign atures of ALOSPALSARL-band backscatter in Swedish forest[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(12): 4001-4019. DOI:10.1109/TGRS.2009.2023906 (0)
[3]
Garestier F, Dubois-Fernandez P C, Papathanassiou K P. Pine forest height inversion using single-passX-band PolInSAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 46(1): 59-68. (0)
[4]
Means J E, Acker S A, Harding D J, et al. Use of large-footprint scanning airborne lidar to estimate forest stand characteristics in the Western Cascades of Oregon[J]. Remote Sensing of Environment, 1999, 67(3): 298-308. DOI:10.1016/S0034-4257(98)00091-1 (0)
[5]
Lefsky M A, Cohen W B, Spies T A. An evaluation of alternate remote sensing products for forest inventory, monitoring, and mapping of Doug las-fir forests in western Oregon[J]. Canadian Journal of Forest Research, 2001, 31(1): 78-87. DOI:10.1139/x00-142 (0)
[6]
庞勇, 李增元, 陈尔学, 等. 激光雷达技术及其在林业上的应用[J]. 林业科学, 2005, 41(3): 129-136. DOI:10.3321/j.issn:1001-7488.2005.03.022 (0)
[7]
Erik Næsset. Determination of mean tree height of forest stands using airborne laser scanner data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1997, 52(2): 49-56. DOI:10.1016/S0924-2716(97)83000-6 (0)
[8]
Andersen H E. Using airborne light detection and ranging (lidar) to characterize forest stand condition on the Kenai Peninsula of Alaska[J]. Western Journal of Applied Forestry, 2009, 24(2): 95-102. (0)
[9]
Hudak A T, Lefsky M A, Cohen W B, et al. Integration of lidar and Land sat ETM+data for estimating and mapping forest canopy height[J]. Remote Sensing of Environment, 2002, 82(2/3): 397-416. (0)
[10]
Porte A, Trichet P, Bert D, et al. Allometric relationships for branch and tree woody biomass of Maritime pine (Pinus pinaster Aīt.)[J]. Forest Ecology and Management, 2002, 158(1/3): 71-83. (0)
[11]
Holmgren J, Nilsson M, Olsson H. Estimation of tree height and stemvolume on plots using airborne laser scanning[J]. Forest Science, 2003, 49(3): 419-428. (0)
[12]
Coops N C, Hilker T, Wulder M A, et al. Esti mating canopy structureof Douglas-fir forest stands from discrete-return LiDAR[J]. Trees-Structure and Function, 2007, 21(3): 295-310. DOI:10.1007/s00468-006-0119-6 (0)
[13]
赵峰, 李增元, 王韵晟, 等. 机载激光雷达(LiDAR)数据在森林资源调查中的应用综述[J]. 遥感信息, 2008(1): 106-110. DOI:10.3969/j.issn.1000-3177.2008.01.021 (0)
[14]
李奇, 马洪超, 邬建伟, 等. 机载小光斑LIDAR的森林参数评估[J]. 林业资源管理, 2008(1): 74-81. DOI:10.3969/j.issn.1002-6622.2008.01.017 (0)
[15]
Abshire J B, Sun X L, Riris H, et al. Geoscience Laser Altimeter System (GLAS) on th e ICESatm ission:on-orbitmea surement performance[J]. Geophysical Research Letters, 2005, 32: 1534-1536. (0)
[16]
Parker G G, Lefsky M A, Harding D J. Light transmittance in forest canopies determined using airborne laser altimetry and in-canopy quantum measurements[J]. Remote Sensing of Environment, 2001, 76(3): 298-309. DOI:10.1016/S0034-4257(00)00211-X (0)
[17]
Harding D J, Lefsky M A, Parker G G, et al. Laser altimeter canopy height profiles:m ethods and validation for closed-canopy, broadleaf forests[J]. Remote Sensing of Environment, 2001, 76(3): 283-297. DOI:10.1016/S0034-4257(00)00210-8 (0)
[18]
Sun G, Ranson K J, Kimes D S, et al. Forest vertical structure from GLAS:an evaluation using LVIS and SRTM data[J]. Remote Sensing of Environment, 2008, 112(1): 107-117. DOI:10.1016/j.rse.2006.09.036 (0)
[19]
Lefsky M A, Hudak A T, Cohen W B, et al. Geographic variability inlidar predictions of forest stand structure in the Pacific Northwest[J]. Remote Sensing of Environment, 2005, 95(4): 532-548. DOI:10.1016/j.rse.2005.01.010 (0)
[20]
Lefsky M A, Cohen W B, Harding D J, et al. Lidar remote sensing of above‐ground biomass in three biomes[J]. Global Ecology and Biogeography, 2002, 11(5): 393-399. DOI:10.1046/j.1466-822x.2002.00303.x (0)
[21]
Harding D J, Lefsky M A, Parker G G, et al. Laser altimeter canopy height profiles:methods and validation for closed-canopy, broad leaf forests[J]. Remote Sen sing of Environment, 2001, 76(3): 283-297. DOI:10.1016/S0034-4257(00)00210-8 (0)
[22]
Lee A, Scarth P, Gerrand A. A new dataset for forest height across Australia:Pilot Project to Calibrate ICES at Laser Data with Airborne LiDAR[J]. Innovations in Remote Sensing and Photogrammetry, 2009, 24(15): 37-50. (0)
[23]
Spinhirne J D, Palm S P, Hart W D, et al. Cloud and aerosol measurements from GLAS:overv iew and initial results[J]. Geophysical Research Letters, 2005, 32(22): 1-5. (0)
[24]
Simard M, Rivera-Monroy V H, Mancera-Pineda J E, et al. A system atic method for 3D mapping of mangrove forests based on Shuttle Radar Topography Mission elevation data, ICE sat/GLAS waveforms and field data:application to cienaga grande de Santa Marta, Colombia[J]. Remote Sensing of Environment, 2008, 112(5): 2131-2144. DOI:10.1016/j.rse.2007.10.012 (0)
[25]
Nelson R, Ranson K J, Sun G, et al. Esti mating Siberian timber volume using MOD IS and ICE Sat/GLAS[J]. Remote Sensing of Environment, 2009, 113(3): 691-701. DOI:10.1016/j.rse.2008.11.010 (0)
[26]
Iqbal I A. Evalu ating the potential of ICES at/GLAS data to estimate canopy height in the New Forest National Park, UK[D]. Nether lands: University of Twente, 2010. (0)
[27]
庞勇, 于信芳, 李增元, 等. 星载激光雷达波形长度提取与林业应用潜力分析[J]. 林业科学, 2006, 42(7): 137-140. (0)
[28]
Lefsky M A, Keller M, Pang Y, et al. Revised method for forest canopy height estimation from Geoscience Laser Altimeter System waveforms[J]. Journal of Applied Remote Sensing, 2007, 1: 1-18. (0)
[29]
Sun G, Ranson K J, Masek J, et al. Predicting tree height and biomass from GLAS data[C]. 10th International Symposium on Physical Measurement and Signature in Remote Sensing, Davos, Switzerland, 2007. (0)
[30]
Lefsky M A, Harding D J, Keller M, et al. Estimates of forest canopy height and aboveground biomass using ICE Sat[J]. Geophysical Research Letters, 2005, 32: 1-4. (0)
[31]
Li Ainong, Huang C Q, Sun G. .Modeling the height of young forests regenerating from recent disturbances in Mississippi using Landsat and ICE Sat data[J]. Remote Sensing of Environment (inpress). (0)
[32]
Lefsky M A, Turner D P, Guzy M, et al. Combining lidar estimates of aboveground biomass and Landsat estimates of standage for spatially extensive validation of modeled forest productivity[J]. Remote Sensing of Environment, 2005, 95(4): 549-558. DOI:10.1016/j.rse.2004.12.022 (0)
[33]
王金亮, 程峰, 陈联君. CESat-GLAS数据估算复杂地形区域森林蓄积量潜力初探[C]. 第一届全国激光雷达对地观测高级学术研讨会, 北京, 2010. (0)
[34]
庞勇, 孙国清, 李增元. 林木空间格局对大光斑激光雷达波形的影响模拟[J]. 遥感学报, 2006, 10(1): 97-103. (0)
[35]
Lefsky M A, Cohen W B, Parker G G, et al. Lidar remote sensing for ecosystem studies[J]. Bioscience, 2002, 52(1): 19-30. DOI:10.1641/0006-3568(2002)052[0019:LRSFES]2.0.CO;2 (0)