近日，遥感与数字地球全国重点实验室研究员倪文俭带领团队，在星载大光斑激光雷达（GEDI）山地密林地上生物量透视探测方面取得突破性进展，量化了地形对国别尺度森林生物量估测的影响程度，自主研发了浓密森林条件下波形自适应信号截止点识别算法。
地形影响是山地林区星载激光雷达透视探测的核心难题，现有研究在光斑尺度上开展了大量的研究，但在国别尺度上，地形会对森林地上生物量估测结果造成多大程度的不确定性影响，目前尚缺乏清晰认识。
团队在前期工作中自主研发了大光斑激光雷达波形指数（SAWA），验证了其对GEDI数据中的适用性，研制了GEDI-SAWA产品；进而建立了GEDI-SAWA森林地上生物量估测模型，系统评估地形对区域地上生物量估测的影响。
结果表明，在美国本土（CONUS），地形造成的地上生物量估测结果的不确定性约为1.11~3.93 Pg；而在中国区域，约为2.01~10.14 Pg。
该成果以《Mitigating terrain effects of GEDI data on regional accounting of aboveground biomass utilizing slope-adaptive waveform metrics》为题发表于《Remote Sensing of Environment》。
热带浓密林区地上生物量精准估测是全球变化研究的基础，激光穿透能力不足导致地上生物量存在显著低估。研究团队基于激光回波波形穿透特性的创新认知，突破了传统固定阈值地面检测思路，发展了弱信号条件下的波形自适应地面检测方法（WAED）。
研究团队以巴西亚马逊浓密热带雨林为典型研究区，验证结果表明，WAED算法整体性能显著优于GEDI官方产品；在冠层高度反演方面，平均偏差由-3.94米降至0.23米，RMSE由7.58米降至4.29米，该方法在不同波形敏感性和激光光束类型条件下均表现出良好的稳定性和泛化能力，有效解决了星载大光斑激光雷达森林碳储量低估的问题。
该成果以《Waveform-adaptive estimation of canopy heights using GEDI data in dense Amazonian forests》为题发表于《Remote Sensing of Environment》。
图1 不同地形坡度等级下GEDI SAWA地上生物量估测偏差变化。AGBDL4A为GEDI官方发布的结果，AGBDori和AGBDadj为使用不同信号截止点的SAWA估测结果，AGBDREF为参考数据。（AGBD指地上生物量密度）
图2 不同穿透类型典型波形的WAED地面检测结果。(a-d) 强穿透波形的ALS点云、候选地面高程、波形形态特征及地面检测结果；(e-h) 中等穿透波形的对应结果；(i-l) 弱穿透波形的对应结果。
论文链接：
Waveform-adaptive estimation of canopy heights using GEDI data in dense Amazonian forest
动态新闻