基于机载LiDAR全波形数据白桦林林分LAI反演研究

西北林学院学报２０１８，３３（１）：１１—１８　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—７４６１．２０１８．０１．０２　基于机载ＬｉＤＡＲ全波形数据白桦林林分ＬＡ　反演研究　邢艳秋　，姚松涛　，尤号田　，田　昕　，彭　涛。，李梦颖　，谢　杰　，闫　灿　（１．东北林业大学森林作业与环境研究中心，黑龙江哈尔滨１５００４０；２．中国林业科学研究院资源信息研究所，北京１０００９１；　３．东北林业大学信息与计算机工程学院，黑龙江哈尔滨１５００４０）　摘　要：为提高森林叶面积指数（ＬＡＤ的估测精度，本研究以白桦林为研究对象，以机载激光雷达　（ＬｉＤＡＲ）全波形数据为研究数据，首先提出了机载ＬｉＤＡＲ全波形数据读取与波形特征信息提取　的相关算法，结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息，然后依据波形　能量信息在传统激光穿透指数（ＬＰＩ）计算的基础上结合全波形数据的特点，计算出全波形激光穿　透指数（ＬＰＩｆ。），最后获得样地体元激光穿透指数（ＬＰＩ　），用于估测森林林分ＬＡ　，并将估测结　果与机载ＬｉＤＡＲ离散回波点云数据估测森林ＬＡ　的结果进行了对比。结果表明，全波形样地体　元激光穿透指数ＬＰＩ　与森林林分ＬＡ　之间的建模精度Ｒ　一０．８１５，ＲＭＳＥ一０．１０５，预测精度　Ｒ　一０．８６４，ＲＭＳＥ一０．１３９，同时在同等样地尺度下，全波形数据返回脉冲能量信息估测森林ＬＡＩ　的精度要高于离散回波点云数据的，因而，基于机载ＬｉＤＡＲ全波形数据能够实现森林林分ＬＡＩ的　高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据，弥补和提供了机载　ＬｉＤＡＲ全波形数据估测森林ＬＡＩ的方法和思路。　关键词：机载激光雷达；全波形数据；样地体元激光穿透指数；白桦林；叶面积指数　中图分类号：￥７９２．１５３　文献标志码：Ａ　文章编号：１００１—７４６１（２０１８）０１—００１１－０８　Ａ　Ｉｎｖｅｒｓｉｏｎ　ｏｎ　Ｂｉｒｃｈ　Ｆｏｒｅｓｔ　ＬＡＩ　Ｂａｓｅｄ　ｏｎ　Ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　Ｆｕｌ１　Ｗａｖｅｆｏｒｍ　Ｄａｔａ　ＸＩＮＧ　Ｙａｎ—ｑｉｕ　，ＹＡＯ　Ｓｏｎｇ－ｔａｏ¨，ＹＯＵ　Ｈａｏ－ｔｉａｎ　，ＴＩＡＮ　Ｘｉｎ　，ＰＥＮＧ　Ｔａｏ。，ＬＩ　Ｍｅｎｇ－ｙｉｎｇ　，　ＸＩＥ　Ｊｉｅ　，ＹＡＮ　Ｃａｎ　（１．Ｃｅｎｔｅｒｄｏｒ　Ｆｏｒｅｓｔ　Ｏｐｅｒａｔｉｏｎ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔ，Ｎｏｒｔｈｅａｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ，ＨｅｉｌｏｎｇＪｉａｎｇ　１５００４０，Ｃｈｉｎａ；　２．Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｆｏｒｅｓｔ　Ｒｅｓｏｕｒｃｅ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｉｑｕｅｓ，Ｂｅｉｊｉｎｇ　１０００９１，Ｃｈｉｎａ；　３．Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ，Ｈｅｉｌｏｒ　ｇｄｉａｎｇ　１５００４０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｅｓｔｉｍａｔｉｏｎ　ａｃｃｕｒａｃｙ　ｏｆ　ｆｏｒｅｓｔ　ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ（ＬＡＩ），ｔｈｉｓ　ｐａｐｅｒ　ｔｏｏｋ　ｂｉｒｃｈ　ｆｏｒｅｓｔ　ａｓ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｏｂｊｅｃｔ　ａｎｄ　ｔｈｅ　ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ　ｏｆ　ａｉｒｂｏｒｎｅ　ｌｉｇｈｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒａｎｇｉｎｇ（ＬｉＤＡＲ）ａｓ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｄａｔａ．Ｆｉｒｓｔｌｙ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ　ｒｅａｄｉｎｇ　ａｎｄ　ｗａｖｅｆｏｒｍ　ｌｅａ—　ｔｕｒｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ　ｗｅｒｅ　ｐｒｏｐｏｓｅｄ　ｔｏ　ａｎａｌｙｚｅ　ｔｈｅ　ｅｎｅｒｇｙ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｅａｃｈ　ｗａｖｅｆｏｒｍ　ｃｏｍｐｏｎｅｎｔ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｔｏ　ｅａｃｈ　ｆｕｌｌ～ｗａｖｅｆｏｒｍ，ａｎｄ　ｔｈｅｎ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｗａｖｅｆｏｒｍ　ｅｎｅｒｇｙ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｌａｓｅｒ　ｐｅｎｅｔｒａｔｉｎｇ　ｉｎｄｅｘ（ＬＰＩ）ｃａｌｃｕｌａｔｉｏｎ，ｔｈｅ　ｗｈｏｌｅ　ｗａｖｅｆｏｒｍ　ｄａｔａ（ＬＰＩ｝　）ｗｅｒｅ　ｏｂｔａｉｎｅｄ，ｗｈｉｃｈ　ｗｅｒｅ　ｕｓｅｄ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　ＬＡＩ　ｏｆ　ｆｏｒｅｓｔ　ｓｔａｎｄｓ　ａｎｄ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｗｉｔｈ　ｔｈｅ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　ｄｉｓｃｒｅｔｉｚａ—　ｔｉｏｎ（ＬＰＩｆｉ）．Ｔｈｅ　ｅｃｈｏ　ｐｏｉｎｔ　ｃｌｏｕｄ　ｄａｔａ　ｗｅｒｅ　ｕｓｅｄ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｆｏｒｅｓｔ　ＬＡｊ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｍｏｄｅｌｉｎｇ　ａｃｃｕｒａｃｙ　Ｒ。一０．８１５，ｔｈｅ尺ＭＳＥ一０．１０５，ｔｈｅ　ｐｒｅｄｉｃｔｉｏｎ　ａｃｃｕｒａｃｙ　ｗａｓ　Ｒ　一０．８６４，ＲＭＳＥ　＝＝＝０．１３９，ａｎｄ　ｔｈｅ　ｓａｍｅ　ａｃｃｕｒａｃｙ　ｗａｓ　ｏｂｔａｉｎｅｄ　ａｔ　ｔｈｅ　ｓａｍｅ　ｓｉｚｅ　ａｓ　ｔｈｅ　ｐｌｏｔ　ｖｏｘｅｌ　ｌａｓｅｒ　ｐｅｎｅｔｒａｔｉｏｎ　ｉｎｄｅｘ　ＬＰＩ｝　ａｎｄ　ｔｈｅ　ｆｏｒｅｓｔ　ｓｔａｎｄ　ＬＡ　．Ｔｈｅ　ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ　ｒｅｔｕｒｎ　ｐｕｌｓｅ　ｅｎｅｒｇｙ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　收稿日期：２０１７－０３－２２修回日期：２０１７－０５－０３　基金项目：国家重点基础研究发展计划项目（２Ｏ１３ＣＢ７３３４Ｏ４）；林业公益性行业科研专项（２０１５０４３１９）。　作者简介：邢艳秋，女，教授，博导，研究方向：森工管理与林业信息工程。Ｅ—ｍａｉｌ：ｙａｎｑｉｕｘｉｎｇ＠ｎｅｆｕ．ｅｄｕ．ａｎ　＊通信作者：姚松涛，男，硕士研究生，研究方向：机载激光雷达。Ｅ—ｍａｉｌ：ｙａｏｓｏｎｇｔａｏ０３７４＠１６３．ｃｏｒｎ　１２　西北林学院学报　ｆｏｒｅｓｔ　ＬＡＪ　ａｃｃｕｒａｃｙ　ｗａｓ　ｈｉｇｈｅｒ　ｔｈａｎ　ｔｈｅ　ｄｉｓｃｒｅｔｅ　ｅｃｈｏ　ｐｏｉｎｔ　ｃｌｏｕｄ　ｄａｔａ．Ｔｈｅｒｅｆｏｒｅ。ｂａｓｅｄ　ｏｎ　ｔｈｅ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ。ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ　ｃｏｕｌｄ　ｒｅａｌｉｚｅ　ｔｈｅ　ｈｉｇｈ　ｐｒｅｃｉｓｉｏｎ　ｉｎｖｅｒｓｉｏｎ　ｏｆ　ｔｈｅ　ｆｏｒｅｓｔ　ｓｔａｎｄ　ＬＡ　Ｉ．ｗｈｉｃｈ　ｃｏｕｌｄ　ｐｒｏｖｉｄｅ　ｈｉｇｈ　ｐｒｅｃｉｓｉｏｎ　ｂａｓｉｃ　ｄａｔａ　ｆｏｒ　ｔｈｅ　ｆｕｒｔｈｅｒ　ｓｉｍｕｌａｔｉｏｎ　ａｎｄ　ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｆｏｒｅｓｔ　ｅｃｏｌｏｇｉｃａｌ　ｐａｒａｍｅｔｅｒｓ，　ｔｏ　ｍａｋｅ　ｕｐ　ａｎｄ　ｐｒｏｖｉｄｅ　ｔｈｅ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　ｆｏｒｅｓｔ　ＬＡｊ　ｍｅｔｈｏｄｓ．　Ｋｅｙ　ｗｏｒｄｓ：ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ；ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ；ｐｌｏｔ　ｖｏｘｅｌ　ｌａｓｅｒ　ｐｅｎｅｔｒａｔｉｏｎ　ｉｎｄｅｘ；ｂｉｒｃｈ　ｆｏｒｅｓｔ；ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ　作为植被冠层的重要结构参数，叶面积指数　（Ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ，ＬＡｊ）定义为单位水平地面面积上　绿色植物叶表面积总和的一半　］，常用于表征植物　冠层叶片的疏密程度，不仅是植被生长状况的重要　指标，也是植被生长模型的重要输入参数＿３］。　激光雷达（Ｌｉｇｈｔ　Ｄｅｔｅｃｔｉｏｎ　Ａｎｄ　Ｒａｎｇｉｎｇ，Ｌｉ—　ＤＡＲ）作为一种主动式遥感技术，通过发射激光脉　冲和接收返回脉冲的方式，来获取高精度的森林空　间结构和林下地形信息，现已广泛应用于森林经营　管理与生态系统研究等领域ｌ＿４　］。按回波模式，¨一　ＤＡＲ系统通常可分为离散回波和全波形２种，其　中，离散回波ＬｉＤＡＲ通过记录冠层的单个或多个　离散回波信号以获得不同密度的点云数据；全波形　ＬｉＤＡＲ则通过记录返回脉冲的全部能量来得到亚　米级森林垂直剖面　］。　近年来，有学者基于离散回波ＬｉＤＡＲ点云数　据对森林冠层ＬＡＩ反演进行了大量的研究，其中多　是通过计算森林冠层内部的激光穿透指数（Ｌａｓｅｒ　ｐｅｎｅｔｒａｔｉｏｎ　ｉｎｄｅｘ，ＬＰＩ），以此实现森林ＬＡＩ的准　确估测。如：Ｔ．Ｓａｓａｋｉ＿ｌ６　等通过使用机载ＬｉＤＡＲ数　据，评估了２种不同类型的阔叶林叶面积指数　（ＬＡＩ）。结果表明，使用简单的地面点数与所有点　数的比值激光穿透变量，即使在冠层严重闭合的情　况下，仍是估计阔叶林ＬＡＩ最实用。骆社周＿＿７　等利　用ＬｉＤＡＲ离散回波强度数据借助ＬＰＩ实现了甘肃　大野口地区的森林ＬＡＪ估测，并与ＴＭ遥感影像反　演结果进行对比，结果表明ＬｉＤＡＲ数据森林ＬＡ，　反演精度明显高于光学遥感影像。但利用离散回波　强度计算ＬＰＩ时，未考虑激光脉冲在穿透森林冠层　时的能量损耗，会使不同离散回波类型之间强度数　据的可比性较小，进而影响反演模型精度。邢艳　秋［８　等通过离散回波强度数据的同束划分，避免了　不同离散回波类型之间强度数据可比性小的问题，　并通过同束激光穿透指数估测了白桦林冠层ＬＡ　，　结果表明同束激光穿透指数估测ＬＡ　的效果明显　好于未分束激光穿透指数。因全波形ＬｉＤＡＲ数据　处理方法不成熟，限制了其广泛应用ｌｇ］，近年来，随　着技术的不断发展，全波形ＬｉＤＡＲ数据开始逐渐　应用于ＬＡ　估测并获得成功，但此类研究多见于农　业植被ＬＡ　估测研究。周梦维ｌ１　、苏伟口　等基于　机载ＬｉＤＡＲ全波形数据，通过引入Ｋｕｕｓｋ多层均　匀冠层方向反射模型反演了农作物的叶面积体密度　和叶面积指数，验证结果表明反演的作物叶面积体　密度与实测数据基本一致，叶面积指数反演的相对　误差为１２．５　。然而由于森林垂直及水平结构比　分布较为规则且整齐的农作物复杂很多，使得机载　ＬｉＤＡＲ全波形数据反演森林冠层ＬＡｊ变得更加复　杂，因而有关全波形ＬｉＤＡＲ数据反演森林ＬＡｆ的　相关研究相对较少。　为研究机载ＬｉＤＡＲ全波形数据在森林ＬＡＪ估　测研究中的应用潜能，本研究依据全波形机载Ｌ卜　ＤＡＲ发射和返回脉冲的高斯性，尝试将机载Ｌｉ—　ＤＡＲ全波形数据引入到森林ＬＡＩ反演研究中，希　望通过机载ＬｉＤＡＲ全波形数据波形特征信息完善　森林ＬＡ　的反演过程，并建立其与森林ＬＡ，的模　型，以提高模型的精度。通过完整波形数据的读取　和后处理，在ＬＰＩ理论计算方法的基础上，基于机　载ＬｉＤＡＲ全波形数据返回脉冲能量信息与每块样　地的范围，计算出样地体元激光穿透指数，建立其与　实测ＬＡｆ的模型，并用地面实测ＬＡ　数据对模型　精度进行验证，同时与机载ＬｉＤＡＲ离散回波点云　数据反演森林ＬＡ　的结果进行对比，以期提高森林　ＬＡＩ的反演精度和模型的适用性，为后续同类研究　提供参考。　１　研究区概况与数据收集　１．１研究区概况　选择内蒙古自治区额尔古纳市东南部的依根农　林交错区作为研究区域，其东与牙克石市为邻，东南　与陈巴尔虎旗相连，西和西南与拉布大林农牧场接　壤，北与三河马场交界，东北与根河市毗邻，地理位　置坐标为１２０。３６　５０．４８　一１２０。５２　５６．５３”Ｅ，５０。２１　１１．０８”一５０。２４　３２Ｏ０”Ｎ．。该研究区分布在森林与　湿型草原过渡地带，为内蒙古中湿型草原带，海拔高　度６ＯＯ～７００　ｍ，属寒温带大陆性季风气候，具有较　复杂的山岳地形地貌特征＿】　，是典型的农林交错　区，天然植被保护比较完整，山脉丘陵阴坡广泛分布　着以白桦（Ｂｅｔｕｌａ　ｐｌａｔｙｐｈｙｌｌａ）为主的天然次生林，　第１期　邢艳秋等：基于机载ＬｉＤＡＲ全波形数据白桦林林分ＬＡＩ反演研究　ｌ３　此研究区与白桦林具有一定的区域代表性，符合研　究需求，混生树种包括落叶松（Ｌａｒｉｘ　ｇｍｅｌｉｎｉｉ）、樟　子松（Ｐｉｎｕｓ　ｓｙｌｖｅｓｔｒｉｓ　ｖａｒ．ｍｏｎｇｏｌｉｃａ）等，林下灌木　层主要由石棒绣线菊（Ｓｐｉｒａｅａ　ｍｅｄｉａ）、筐柳（Ｓａｌｉｘ　ｌｉｎｅａｒｉｓｔｉｐｕｌａｒｉｓ）、等组成。　１．２外业样地ＬＡＩ实测数据获取　ＭＡＴＬＡＢ等。　２　研究方法　基于机载ＬｉＤＡＲ全波形数据包含的详细波形　信息，实现波形读取、预处理与波形特征信息提取等　处理后，能够精确地计算出打在冠层与地面的返回　脉冲能量，在ＬＰＩ理论计算基础上提出一个新的激　光穿透指数，即全波形激光穿透指数：通过全波形冠　为配合飞行数据，综合考虑研究区内的森林类　型及生长状况，本研究于２０１２年８月至９月在研究　区内随机布设了８Ｏ个边长为１０　ｍ的方形样地对天　层返回脉冲能量和地面返回脉冲能量，计算完整返　然次生白桦林进行了相应ＬＡ　实测数据的采集工　作：使用ＬＡＩ　２０００冠层分析仪对每个样地白桦林林　分ＬＡ　进行测量，ＬＡＩ　２０００是公认的测量森林　ＬＡ工精度较高的仪器［１　，其光学探测器部分由５个　呈同心圆排列的光子探测器组成，覆盖了以测量点　为中心Ｏ～７４。天顶角范围的视区，外业操作时应保　证仪器处于地面以上１．３０　１２１＂处，这个高度不但方　便操作，而且能够有效避免下层灌草对测量结果的　干扰，测量时记录每个样地４个角点处和样地中心　点处的ＬＡＩ值，其平均值作为该样地的白桦林林分　ＬＡ　实测值，同时记录了样地内的白桦树棵数树　龄、灌木层与地面层植被类型等，并使用Ｔｒｉｍｂｌｅ　ＧｅｏＸＴ６０００　ＧＰＳ手持定位仪对样地中心点进行定　位，其定位精度达５０　ｃｍ。外业样地ＬＡＩ实测数据　基本统计结果见表１。　表１　外业样地ＬＡＩ实测数据基本统计量　Ｔａｂｌｅ　１　Ｔｈｅ　ｂａｓｉｃ　ｓｔａｔｉｓｔｉｃｓ　ｏｆ　ｆｉｅｌｄ—ｍｅａｓｕｒｅｄ　ＬＡＩ　ｄａｔａ　１．３　机载ＬｉＤＡＲ全波形数据　研究区机载ＬｉＤＡＲ全波形数据采集时间为　２０１２年８月２６日，天气状况良好，采用的飞机型号　为运５，相对飞行高度１　３００　ｍ，搭载的激光雷达扫　描系统为Ｌｅｉｃａ　ＡＬＳ６０，采用的大地坐标系统为　ＷＧＳ８４、投影坐标系统为ＵＴＭ。Ｌｅｉｃａ　ＡＬＳ６０系　统最高扫描频率为２００　ＫＨｚ，最大视场角为７５。ｒ¨］。　每个激光脉冲在地面上所形成的光斑直径大约为　０．２～Ｏ．３　ｍ［１　，全波形数据是返回脉冲被接收望远　镜接收后，由采样器对其进行数字化采样而成，记录　了激光光斑内地物对应的完整波形数据＿１引。　本研究采集的全波形数据使用的文件类型为　ＬＡＳ１．３，以二进制格式存储，记录了接收的完整波　形数据，包括采样间隔和实时记录的返回脉冲距离、　方位及波形特征信息等［１　。在进行数据应用时，　需将原始数据的二进制格式转换为十进制数据格　式＿１　］，在转换过程中用到的编程语言为ＩＤＬ或　回脉冲激光穿透指数。然后根据样地范围内的全波　形个数得到其样地体元激光穿透指数，之后结合野　外实测ＬＡＩ数据，分析其与森林ＬＡ　的关系。以　期实现机载ＬｉＤＡＲ全波形数据准确方便地估测森　林ＬＡＩ。　２．１全波形数据读取　Ｌｅｉｃａ　ＡＬＳ６０系统采集的全波形数据经过坐标　转换等处理后，以ＬＡＳ１．３格式存储在文件中，　ＬＡＳ１．３增加了对全波形数据的支持，通过访问一　个激光点数据，能够以映射字段访问到与该点关联　的返回脉冲波形，读取到对应的波形信息。计算机　系统访问内存速度比访问硬盘速度快得多，在读取　数据时如果更少访问硬盘而更多访问内存，那么读　取速度将会快速提升。基于这种思路，本研究借助　ＩＤＬ编程语言使用内存映射文件方法　肌　实现研究　区ＡＬＳ６０　ＬＡｓ１．３全波形数据的读取。　２．２全波形数据预处理与波形特征信息提取　全波形数据预处理是消除波形信息中存在的噪　声信号，由于每条全波形对应着１９．２　ｍ的沿脉冲　距离，实际工作环境中不考虑异常噪声点的情况下，　可穿透地物的分布范围通常要小于这个长度。本研　究采用波形振幅值排序取Ｎ分位点（本研究中取　』＼，一５０　）振幅值作为去噪阈值，剔除相应全波形数　据中的噪声振幅值。　全波形数据波形特征信息提取采用的是高斯波　形分解方法。全波形数据高斯分解的准确性和效率　性与初始参数的选取有很大关系。波形分量初始位　置的探测方法主要有简单阈值法、二阶导数零点法、　局部极大值法、重心法等。本研究使用简单阈值法　识别每个波形分量的起止波点振幅值和波峰振幅　值，该方法能够准确地得到波形分量，在实际处理中　表现出较好的适应性。然后通过ＬＭ算法对确定　的波形分量迭代优化后，达到预处理后波形的最小　二乘拟合（图１）。　离散回波点是高斯分量中心位置对应的波峰　ＬｉＤＡＲ点，在全波形扫描器的情况下，波形分解还　可提供脉冲宽度和脉冲强度作为属性，其中脉冲强　１４　西北林学院学报　度是返回信号的积分，因此该强度值物理上是脉冲　能量。相比之下，传统离散回波ＬｉＤＡＲ系统仅提　供强度，然而一般情况下我们对该强度值是如何在　这些系统中得到的知之甚少，通常它是返回脉冲的　最大振幅值，其被错误地称为强度。　供返回信号的三维坐标　］，并且在许多情况下也提　１２０　９６　７２　．　鞲　４８　地　噪　２４　＼　——Ｏ　＾．　一一＾ｒ．　——＾／／．＿｜／　　　ｌ６　３２　４８　６４　——■　．　８０　９６　ｌｌ２　１２８　采样数　图１　Ｌｅｉｃａ　ＡＬＳ６０全波形数据及波形参数　Ｆｉｇ．１　Ｌｅｉｃａ　ＡＬＳ６０　ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｄａｔａ　ａｎｄ　ｗａｖｅｆｏｒｍ　ｐａｒａｍｅｔｅｒｓ　因此本研究通过波形数据的高斯分解，可以提　取每个波形分量的振幅、宽度、位置等重要的波形特　激光脉冲地面反射率和冠层反射率没有确定值，故　引入了二者的比值“，ａ一　／ｐ　，表示激光脉冲地面　层与植被冠层反射率比值系数。　全波形激光雷达系统对返回脉冲进行等间隔采　样，记录着发射脉冲的整个返回脉冲，基于其冠层返　回脉冲能量和地面返回脉冲能量，本研究可以得到　征信息，进而计算每个波形分量的能量信息。高斯　波形分量能量信息计算方法如下：　Ｅ—Ｊ　霎Ａ０ｅ（ｘ－ｘ　ｚ　孙　ｄ　＝＝＝￣／２丌Ａ０盯　（１）　式中，Ｅ表示返回脉冲能量值，Ａ。表示高斯波形分　量的波峰振幅值，　表示高斯波形分量的宽度（高斯　波形分量的标准差）。　２．３样地体元激光穿透指数计算　植被冠层间有空隙，全波形激光脉冲会在其中　发生反射、吸收和散射等现象，返回脉冲波形是经过　该发射脉冲的完整返回脉冲激光穿透指数，称之为　全波形激光穿透指数。然后根据样地范围，对同属　一块样地的完整全波形数据进行归纳和处理，就能　得到该块样地内所有全波形激光穿透指数的均值，　称之为样地体元激光穿透指数。　由以上内容得知，本研究样地内的第条激光返　回脉冲的全波形激光穿透指数ＬＰＩ　。如公式（５）：　ＬＰ　一　Ｅｇｉ　（５）　多次叠加后的复杂高斯波形，末次波形分量可以确　定是地面返回脉冲，ＬＰＩ与冠层空隙大小有着直接　的关系。冠层空隙不能很好地通过波形数量反映出　来，但返回脉冲能量值与物体表面积存在如公式（２）　所示的关系：　Ｅ—Ｄ×Ａ　（２）　式中，ｉ一１，２…Ｎ，Ｎ表示样地内全波形激光脉冲个　数，Ｅ　和Ｅ　分别表示样地内第条全波形激光脉冲　中的冠层返回脉冲能量和地面返回脉冲能量。　由于ＬＰＩ　仅表示样地内第条激光返回脉冲的　全波形激光穿透指数，因此在反演森林样地ＬＡｊ之　式中，Ａ表示返回光斑作用面积，Ｐ表示物体反射　率。　本研究的ＬＰＩ原理公式（３）反映了激光脉冲的　穿透能力，结合公式（２）可以推出公式（４）。　ＬＰ　一—　＾　Ｔ＾　前，可以对样地范围内所有激光返回脉冲的全波形　激光穿透指数∑ＬＰＩ　求取平均值作为该样地体元　（３）　激光穿透指数，如公式（６）所示。　Ⅲ一　一　㈩　ＬＰ　式中，ＬＰＩ　一去∑ＬＰ，，　（６）　式中，Ａ　和Ａ　分别表示地面返回脉冲和冠层返回　脉冲的作用面积；　和Ｐ　分别表示激光脉冲地面反　射率和冠层反射率；Ｅ　和Ｅ　分别表示完整激光脉　冲的地面返回脉冲能量和冠层返回脉冲能量。由于　表示样地体元激光穿透指数，Ｎ表示　样地内全波形激光脉冲个数，ｉ一１，２…Ｎ。　根据以上ＬＰＩｎ和ＬＰＩｆ＿ｍ　的最终计算公式可　知，在进行森林样地ＬＡ　反演模型构建之前，需要　第１期　邢艳秋等：基于机载ＬｉＤＡＲ全波形数据白桦林林分ＬＡＪ反演研究　１５　确定公式内部的地面层与植被冠层反射率比值系数　ａ。由于考虑到不同目标物在同一束脉冲内光斑大　小近似相等而使全波形激光脉冲的返回脉冲能量减　少作用面积产生的影响ｌ＿２　，可以认为反射率比值系　数近似等于样地的地面层与植被冠层返回脉冲能量　之比，即口一∑Ｅ　／∑Ｅ　，从而确定值。　２．４　ＬＡＩ模型构建与精度评价　用决定系数Ｒ。评价，其值越大　，说明模型构建结果　越好；模型预测精度用ＲＭＳＥ（Ｒｏｏｔ　ｍｅａｎ　ｓｑｕａｒｅ　ｅｒｒｏｒ，尺ＭＳＥ）进行评价，其值越小，说明模型预测　效果越好。　３　结果与分析　３．１　全波形数据读取与后处理结果　本研究采用统计模型对森林样地ＬＡ　进行分　析和验证，从ＬＡ工与ＬＰＩ的定义上可知，ＬＡ　和　本研究实现了研究区机载ＬｉＤＡＲ　Ｌｅｉｃａ　ＡＬＳ６０　ＬＡＳ１．３格式的原始返回脉冲波形的处理。　ＬＰ　两者间具有线性关系，因此本研究拟建立如公　式（７）所示的模型对ＬＡ　进行估测。　ＬＡ　一ａ×ＬＰＩ＋８　（７）　某条原始返回脉冲波形的读取结果见图２，不仅顺　利读取了原始返回脉冲波形数据，还获取了与其相　关的参数，如采样起始与结束时间、采样间隔、采样　个数、坐标位置参数等。这些参数为后续的全波形　数据后处理提供了基础，波形预处理和波形分量高　斯拟合等后处理结果，与该原始返回脉冲波形的对　比分别见图３、图４。　式中，ａ表示线性回归系数，ＬＰＩ表示ＬＰＩｆｉ或　ＬＰ　，ｅ表示误差项。　从野外采集的８０个样地数据中随机选取６Ｏ个　用于模型构建，余下２Ｏ个用于模型验证。建模精度　１２Ｏ　９６　佃直　７２　萋　ｓ　２４　０　１６　３２　４８　６４　８０　９６　ｌ１２　１２８　采样数　图２　Ｌｅｉｃａ　ＡＬＳ６０系统的原始返回脉冲波形　Ｆｉｇ．２　Ｔｈｅ　ｒａｗ　ｒｅｔｕｒｎ　ｐｕｌｓｅ　ｗａｖｅｆｏｒｍ　ｏｆ　Ｌｅｉｃａ　ＡＬＳ６０　ｓｙｓｔｅｍ　ｌ２０　９６　．　１皿　毒７２　‘　萋　ｓ　隧　２４　：　．　，，、，、　Ｌ一，．＾、　———，，　，厂　／＼一　—————　——　———、＿，，、．＿，　——　——＾／Ｏ　１６　３２　４８　６４　８０　９６　ｌｌ２　ｌ２８　采样数　图３波形数据预处理结果与原始返回脉冲波形的　Ｅ较　Ｆｉｇ．３　Ｃｏｍｐａｒｉｓｏｎ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｐｒｏ—ｐｒｏｃｅｓｓ　ｏｆ　ｗａｖｅ｛ｏｒｍ　ｄａｔａ　ａｎｄ　ｔｈｅ　ｒａｗ　ｒｅｔｕｒｎ　ｐｕｌｓｅ　ｗａｖｅｆｏｒｍ　全波形ＬｉＤＡＲ系统主要在光斑大小、脉冲能　量和脉冲重复频率（ｐｕｌｓｅ　ｒｅｐｅｔｉｔｉｏｎ　ｆｒｅｑｕｅｎｃｙ，　ＰＲＦ）方面有所不同『】　，大多数商业应用系统是具　有较高ＰＲＦ的小光斑（直径０．２～Ｏ．３　ｍ，取决于飞　行高度和光束发散角），它们在散射脉冲内提供高点　密度和准确测高描述，以使全波形ＬｉＤＡＲ系统的　每个返回脉冲基本上都可以通过波形分解来检测　到。因此，可以分离沿脉冲方向上具有最小距离　１６　西北林学院学报　３３卷　Ｖｇｔ／２的相邻目标，其中　是激光脉冲在大气中的　群速度，ｔ是机载激光扫描（ａｉｒｂｏｒｎｅ　ｌａｓｅｒ　ｓｃａｎｎｅｒ，　采样的时间间隔为１　ｎｓ，因此完整的全波形对应了　约１９．２　ｍ的脉冲方向距离。当然，也容易求得样地　内全波形数据原始返回脉冲波形分量的振幅、宽度、　ＡＬＳ）系统脉冲持续时间，例如，Ｌｅｉｃａ　ＡＬＳ６０扫描　器５　ｍｓ的脉冲持续时间可以分离０．７５　ｍ的最小距　离，此外由于记录的全波形数据具有１２８次采样且　ｌ２０　位置等重要波形特征信息，并可以按照公式（１），计算　相应返回脉冲的首末次高斯波形分量的能量信息。　９６　７２　萋　ｓ　２４　Ｏ　图４波形分量高斯拟合结果与原始返回脉冲波形的比较　Ｆｉｇ．４　Ｃｏｍｐａｒｉｓｏｎ　ｂｅｔｗｅｅｎ　ｗａｖｅｆｏｒｍ　ｃｏｍｐｏｎｅｎｔ　Ｇａｕｓｓｉａｎ　ｆｉｔ　ａｎｄ　ｔｈｅ　ｒａｗ　ｒｅｔｕｒｎ　ｐｕｌｓｅ　ｗａｖｅｆｏｒｍ　３．２样地反射率比值系数计算结果　通过计算全波形激光脉冲的地面返回脉冲能量　和冠层返回脉冲能量，得到采集的８Ｏ个外业样地的ＬＡＩ值偏小。但总体来说，基于机载ＬｉＤＡＲ全波　形数据波形特征信息求出的样地体元激光穿透指数　ＬＰＩ　…　反演森林ＬＡＪ的结果比较理想。　２·５　地面层与植被冠层反射率比值系数的基本统计结果　（表２）。　表２外业样地反射率比值系数基本统计量　Ｔａｂｌｅ　２　Ｂａｓｉｃ　ｓｔａｔｉｓｔｉｃｓ　ｏｆ　ｆｉｅｌｄ　ｐｌｏｔ　ｒｅｆｌｅｃｔａｎｃｅ　ｒａｔｉｏ　ｃｏｅｆｆｉｃｉｅｎｔ　ｄａｔａ　２　０　ｌｌ５　．－ｏ　０　５　３．３模型构建结果与精度分析　０．０　０　２　０．４　０．６　０．８　１．０　经回归分析得知，通过机载Ｌ』ＤＡＲ全波形数　ＬＰ　…　据波形特征信息求出的样地体元激光穿透指数　ＬＰＩ｝　…与实测ＬＡ　有较好的相关性（Ｒ　一０．８１５，　ＲＭＳＥ＝＝＝０．１０５），模型构建结果见图５，建模结果比　图５　实测ＬＡＩ与ＬＰＩ　…　的回归关系　Ｆｉｇ．５　Ｒｅｇｒｅｓｓｉｏｎ　ｏｆ　ｔｈｅ　ｆｉｅｌｄ—ｍｅａｓｕｒｅｄ　ＬＡＪ　ａｇａｉｎｓｔ　ｔｈｅ　ＬＰＩ　…　较理想且实测ＬＡ　与全波形样地体元激光穿透指　数ＬＰＩ　ＬＰＩ　具有明显的负相关关系：ＬＡＪ随着　的增大而减小，即当叶面积指数越大时激光　脉冲的穿透率反而越小，这与森林样地实际情况基　本吻合。　为了验证该模型的预测精度，用余下的２０个野　外地面实测ＬＡ　值对预测ＬＡ　值进行了评价。从　模型的验证结果图６来看，实测值与预测值之间的　嚣　决定系数Ｒ。一０．８６４，均方根误差ＲＭＳＥ一０．１３９，　可以得知实测ＬＡ　值与预测ＬＡ　值很接近，但也　有些ＬＡ　预测值比实测值偏大。出现这种情况可　能是因为在野外测量ＬＡ　时使用的仪器受到操作　者采集时间及操作方式等因素的影响，导致实测　图６实测ＬＡＪ与预测ＬＡＩ的回归关系　Ｆｉｇ．６　Ｒｅｇｒｅｓｓｉｏｎ　ｏｆ　ｔｈｅ　ｆｉｅｌｄ—ｍｅａｓｕｒｅｄ　ＬＡＪ　ａｇａｉｎｓｔ　ｔｈｅ　ｐｒｅｄｉｃｔｅｄ　ＬＡＪ　第１期　邢艳秋等：基于机载ＬｉＤＡＲ全波形数据自桦林林分ＬＡＪ反演研究　ｌ７　另外，将模型构建结果与机载ＬｉＤＡＲ离散回　波点云数据反演的森林ＬＡ工模型结果进行了对　ＬｉＤＡＲ系统中，一般通过阈值法存储记录返回脉冲　波形上的多个波峰位置点，并将其振幅值拉伸到０～　比［８］。发现在同等样地尺度下，通过全波形激光返　回脉冲能量信息反演森林ＬＡＪ的精度（Ｒ　一０．８１５，　ＲＭＳＥ￣－０．１０５）要高于离散回波点云数据的（Ｒ。一　０．７２０，ＲＭＳＥ一０．１４０）。因此，比较而言，全波形样　地体元激光穿透指数ＬＰＩ　在实现高精度森林　ＬＡ　反演中更准确客观占有优势。　４　结论与讨论　本研究以白桦林为研究对象，通过对全波形数　据进行读取和波形特征信息提取处理，在传统激光　穿透指数（ＬＰＩ）计算的基础上推演出全波形返回脉　冲能量信息ＬＰＩ计算模型，之后求得样地体元激光　穿透指数（ＬＰＩｆ‘ｍｅ　）用于估测森林林分ＬＡ，，并以　地面实测ＬＡ　数据对模型进行了验证。通过对结　果进行分析，得出以下主要结论。　实现了ＬＡＳ１．３全波形文件的读取，且采用的　波形处理方法，能够较为准确地提取出振幅、宽度、　位置等重要波形特征信息，进而获得各波形分量的　能量信息，比徐光彩Ｌ２　等的研究提取速度较快且避　免了过分解现象，有效波形的提取是波形分析领域　里的一个难点问题，这方面技术的改进，将使森林　ＬＡ　的反演精度大大提高。　所有样地反射率比值系数ｃｔ基本相同，约为　１．２，表明林下地面返回脉冲能量值稍大于森林冠层　返回脉冲能量值。邢艳秋［８　等研究的结果较本研究　的大，主要原因是他们使用了整个研究区内的地面　单次离散回波强度值和冠层单次离散回波强度值来　计算ａ，未避免样地外较多非林地（如稀疏林甚至空　地）范围内较强地面离散回波强度值，导致得到的口　值较本研究的大。这是由于全波形数据记录了完整　的亚米级森林几何结构和密集的物理能量垂直返回　信息，以使机载ＬｉＤＡＲ全波形数据在林分特征信　息高精度提取上潜力更大。　通过机载ＬｉＤＡＲ全波形数据提取的样地体元　激光穿透指数ＬＰＩ　能够精确提高森林林分ＬＡＪ　估算。通过ＬＰＩ　建立的机载ＬｉＤＡＲ全波形数　据与森林ＬＡ　的模型的预测精度Ｒ　一０．８６４，　ＲＭＳＥ一０．１３９，说明该新参数提高了森林冠层ＬＡＩ　的反演精度，同时在同等样地尺度下，全波形激光返　回脉冲能量信息反演森林ＬＡ　的精度（Ｒ　一０．８１５，　ＲＭＳＥ一０．１０５）要高于离散回波点云数据的（Ｒ　一　０．７２０，ＲＭＳＥ＝Ｏ．１４０），此外，骆社周　等通过离散　回波强度值对森林ＬＡｆ进行了估测，预测精度仅为　Ｒ。一０．８２５，ＲＭＳＥ一０．１６５。这是因为在离散回波　２５５作为其强度值，数值越大表示强度值越大，然而　发射脉冲波形能量并不稳定，严格来说离散回波点　云强度值是不准确的。由此也反映出机载ＬｉＤＡＲ　全波形数据本身具有的优势，能够为高精度定量估　算森林ＬＡＪ提供优质的数据源和新的参数。　本研究所提取的全波形机载ＬｉＤＡＲ样地体元　激光穿透指数，虽然可以避免离散回波点云数据归　纳完整回波次数能力上的不足，以及由于点云密度　导致垂直结构细致程度刻画不一致的问题，提高了　森林叶面积指数反演精度，但仍存在一定不足。如：　全波形数据预处理与波形特征信息提取方法的选择　和优化，不能更准确地获得森林冠层和地面的返回　脉冲信息，进而影响了ＬＰＩ　的计算精度；同时野　外采集数据时在样地范围多尺度方面（５、１５　ｍ等）　和样地林分密度多样性方面（密集林地、稀疏林地、　空地等）欠缺了考虑。因此，未来研究应从上述两个　方面对反演模型进行完善和评价，以提高统计模型　的理论性和可推广性。　参考文献：　Ｅｌｉ　ＷＡＴＳＯＮ　Ｄ　Ｊ．Ｃｏｍｐａｒａｔｉｖｅ　ｐｈｙｓｉｏｌｏｇｉｃａｌ　ｓｔｕｄｉｅｓ　ｏｎ　ｔｈｅ　ｇｒｏｗｔｈ　ｏｆ　ｆｉｅｌｄ　ｃｒｏｐｓ　Ｉ．ｖａｒｉａｔｉｏｎ　ｉｎ　ｎｅｔ　ａｓｓｉｍｉｌａｔｉｏｎ　ｒａｔｅ　ａｎｄ　ｌｅａｆ　ａｒｅａ　ｂｅｔｗｅｅｎ　ｓｐｅｃｉｅｓ　ａｎｄ　ｖａｒｉｅｔｉｅｓ，ａｎｄ　ｗｉｔｈｉｎ　ａｎｄ　ｂｅｔｗｅｅｎ　ｙｅａｒｓ［Ｊ］．Ａｎｎａｌｓ　ｏｆ　Ｂｏｔａｎｙ，１９４７，１１（１）：４１—７６．　ｒ２］　ＹＯＮＧＨＥＥ　Ｓ，ＳＥＧＵＣＨＩ　Ｍ，ＫｏＲＩＹＡＭＡ　Ｍ，ｅｔ　ａ１．Ｅｓｔｉｍａ—　ｔｉｏｎ　ｏｆ　ＬＡＩ　ｉｎ　ｔｈｅ　ｆｏｒｅｓｔｅｄ　ｗａｔｅｒｓｈｅｄ　ｕｓｉｎｇ　ＡＳＴＥＲ　ｄａｔａ　ｂａｓｅｄ　ｏｎ　Ｐｒｉｃｅ＇ｓ　ｍｏｄｅｌ　ｉｎ　ｓｕｍｍｅｒ　ａｎｄ　ｗｉｎｔｅｒ［Ｊ］．Ｅｕｒｏｐｅａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｒｅｓｔ　Ｒｅｓｅａｒｃｈ，２０１０，１２９（６）：１２３７—１２４５．　［３］ＨＡＢＯＵＤＡＮＥ　Ｄ，ＭＩＬＬＥＲ　Ｊ　Ｒ，ＰＡＴＴＥＹ　Ｅ，ｅｔ　ａ１．Ｈｙｐｅｒ—　ｓｐｅｃｔｒａｌ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｉｃｅｓ　ａｎｄ　ｎｏｖｅｌ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｐｒｅｄｉｃｔｉｎｇ　ｇｒｅｅｎ　ＬＡＪ　ｏｆ　ｃｒｏｐ　ｃａｎｏｐｉｅｓ：ｍｏｄｅｌｉｎｇ　ａｎｄ　ｖａｌｉｄａｔｉｏｎ　ｉｎ　ｔｈｅ　ｃｏｎ—　ｔｅｘｔ　ｏｆ　ｐｒｅｃｉｓｉｏｎ　ａｇｒｉｃｕｌｔｕｒｅ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎ—　ｍｅｎｔ，２００４，９０（９０）：３３７－３５２．　［４］郭庆华，刘瑾，陶胜利，等．激光雷达在森林生态系统监测模拟　中的应用现状与展望［Ｊ］．科学通报，２０１４（６）：４５９～４７８．　ＧＵ０　Ｑ　Ｈ，ＬＩＵ　Ｊ，ＴＡＯ　Ｓ　Ｌ，ｅｔ　ａ１．Ｐｅｒｓｐｅｃｔｉｖｅｓ　ａｎｄ　ｐｒｏｓｐｅｃｔｓ　ｏｆ　Ｌｉ　ＤＡＲ　ｉｎ　ｆｏｒｅｓｔ　ｅｃｏｓｙｓｔｅｍ　ｍｏｎｉｔｏｒｉｎｇ　ａｎｄ　ｍｏｄｅｌｉｎｇ［Ｊ］．　Ｃｈｉｎａ　Ｓｃｉｅｕｃｅ　Ｂｕｌｌｅｔｉｎ，２０１４，５９：４５９—４７８．（ｉｎ　Ｃｈｉｎｅｓｅ）　［５］李增元，刘清旺，庞勇．激光雷达森林参数反演研究进展ＥＪ］．遥　感学报，２０１６，２０（５）：１１３８—１１５０．　ＬＩ　Ｚ　Ｙ，ＬＩＵ　Ｑ　Ｗ，ＰＡＮＧ　Ｙ．Ｒｅｖｉｅｗ　ｏｎ　ｆｏｒｅｓｔ　ｐａｒａｍｅｔｅｒｓ　ｉｎ—　ｖｅｒｓｉｏｎ　ｕｓｉｎｇ　ＬｉＤＡＲ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１６，２０　（５）：１１３８—１１５０．（ｉｎ　Ｃｈｉｎｅｓｅ）　［６］ＳＡＳＡＫＩ　Ｔ，ＩＭＡＮＩＳＨＩ　Ｊ，ＩＯＫＩ　Ｋ，ｅｔ　ａ１．Ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｌｅａｆ　ａｒ—　ｅａ　ｉｎｄｅｘ　ａｎｄ　ｇａｐ　ｆｒａｃｔｉｏｎ　ｉｎ　ｔｗｏ　ｂｒｏａｄ－ｌｅａｖｅｄ　ｆｏｒｅｓｔｓ　ｂｙ　ｕｓｉｎｇ　ｓｍａｌｌ—ｆｏｏｔｐｒｉｎｔ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲＥＪ］．Ｌａｎｄｓｃａｐｅ　ａｎｄ　Ｅｃｏｌｏｇｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１６，１２（１）：１１７—１２７．　［７］骆社周，王成，张贵宾，等．机载激光雷达森林叶面积指数反演　１８　西北林学院学报　３３卷　研究口］．地球物理学报，２０１３，５６（５）：１４６７—１４７５．　ＬＵ０　Ｓ　Ｚ，ＷＡＮＧ　Ｃ，ＺＨＡＮＧ　Ｇ　Ｂ，ｅｔ　ａ１．Ｆｏｒｅｓｔ　ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ　（ＬＡＤ　ｉｎｖｅｒｓｉｏｎ　ｕｓｉｎｇ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　ｄａｔａ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊ．Ｇｏ—　ｅｐｈｙｓ，２０１３，５６（５）：１４６７—１４７５．（ｉｎ　Ｃｈｉｎｅｓｅ）　Ｅ８］邢艳秋，霍达，尤号田，等．基于机载ＬｉＤＡＲ单束激光穿透指数　的白桦林ＬＡｊ估测［Ｊ］．应用生态学报，２０１６，２７（１１）：３４６９—　３４７８．　ＸＩＮＧ　Ｙ　Ｑ，ＨＵ０　Ｄ，ＹＯＵ　Ｈ　Ｔ，　ｆ　ａ１．Ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｂｉｒｃｈ　ｆｏｒ—　ｅｓｔ　ＬＡｆ　ｂａｓｅｄ　ｏｎ　ｓｉｎｇｌｅ　ｌａｓｅｒ　ｐｅｎｅｔｒａｔｉｏｎ　ｉｎｄｅｘ　ｏｆ　ａｉｒｂｏｒｎｅ　Ｌｉ—　ＤＡＲ　ｄａｔａ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ａｐｐｌｉｅｄ　Ｅｃｏｌｏｇｙ，２０１　６，２７　（１１）：３４６９－３４７８．（ｉｎ　Ｃｈｉｎｅｓｅ）　［９］焦义涛，邢艳秋，霍达，等．机载全波形ＬｉＤＡＲ数据处理及林业　应用研究综述［Ｊ］．世界林业研究，２０１５，２８（３）：４２—４６．　ＪＩＡ０　Ｙ　Ｔ，ＸＩＮＧ　Ｙ　Ｑ，ＨＵ０　Ｄ，ｅｔ　ａ１．Ａ　ｒｅｖｉｅｗ　ｏｎ　ｆｕｌｌ—ｗａｖｅ　ｆｏｒｍ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ｉｔ　ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　ｆｏｒ—　ｅｓｔｒｙ［Ｊ］．Ｗｏｒｌｄ　Ｆｏｒｅｓｔｒｙ　Ｒｅｓｅａｒｃｈ，２０１５，２８（３）：４２—４６．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１０］周梦维，柳钦火，刘强，等．机载激光雷达的作物叶面积指数定　量反演［Ｊ］．农业工程学报，２０１１，２７（４）：２０７—２１３．　ＺＨ０Ｕ　Ｍ　Ｗ，ＬＩＵ　Ｑ　Ｈ，Ｌ１Ｕ　Ｑ，　ａ１．Ｉｎｖｅｒｓｉｏｎ　ｏｆ　ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ　ｂａｓｅｄ　ｏｎ　ｓｍａｌｌ—ｆｏｏｔｐｒｉｎｔ　ｗａｖｅｆｏｒｍ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ［Ｊ］．　Ｔｒａｎｓａｃｔｉ０ｎｓ　ｏｆ　ｔｈｅ　ＣＳＡＥ，２０１１，２７（４）：２０７—２１３．（ｉｎ　Ｃｈｉ—　ｎｅｓｅ）　［１１］苏伟，展郡鸽，张明政，等．基于机载ＬｉＤＡＲ数据的农作物叶　面积指数估算方法研究［Ｊ］．农业机械学报，２０１６，４７（３）：２７２　２７７．　ＳＵ　Ｗ，ＺＨＡＮ　Ｊ　Ｇ，ＺＨＡＮＧ　Ｍ　Ｚ，ｅｔ　ａ１．Ｅｓｔｉｍａｔｉｏｎ　ｍｅｔｈｏｄ　ｏｆ　ｃｒｏｐ　ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ　ｂａｓｅｄ　ｏｎ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ　ｄａｔａ［Ｊ］．Ｔｒａｎｓ—　ａｃｔｉｏｎｓ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　Ｓｏｃｉｅｔｙ　ｆｏｒ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｍａｃｈｉｎｅｒｙ，　２０１６，４７（３）：２７２　２７７．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１２］骆社周，王成，习晓环，等．星载激光雷达ＧＬＡＳ与ＴＭ光学　遥感联合反演森林叶面积指数口］．红外与毫米波学报，２０１５，　３４（２）：２４３－２４９．　ＬＵ０　Ｓ　Ｚ　ＷＡＮＧ　Ｃ，ＸＩ　Ｘ　Ｈ　ｅｔａ１．Ｆｏｒｅｓｔ　ｌｅａｆ　ａｒｅａ　ｉｎｄｅｘ　ｅｓｔｉ—　ｍａｔｉｏｎ　ｕｓｉｎｇ　ｃｏｍｂｉｎｅｄ　ＩＣＥＳａｔ／ＧＩ　ＡＳ　ａｎｄ　ｏｐｔｉｃａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｆｒａｒｅｄ　Ｍｉｌｌｉｍｅｔｅｒ　Ｗａｖｅｓ，　２Ｏ１５，３４（２）：２４３－２４９．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１３］霍达，邢艳秋，田昕，等．基于机载ＩＡＤＡＲ的四次多项式拟合　法估测单木冠幅［Ｊ］．西北林学院学报，２０１５，３０（３）：１６４—１６９．　ＨＵＯ　Ｄ，ＸＩＮＧ　Ｙ　Ｑ，ＴＩＡＮ　Ｘ，ｅｔａ１．Ｅｓｔｉｍａｔｉｎｇ　ｉｎｄｉｖｉｄｕａｌ　ｔｒｅｅ　ｃｒｏｗｎ　ｄｉａｍｅｔｅｒ　ｕｓｉｎｇ　ｆｏｕｒｔｈ　ｄｅｇｒｅｅ　ｐｏｌｙｎｏｍｉａｌ　ｆｉｔｔｉｎｇ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ａｉｒｂｏｒｎｅ　ＬｉＤＡＲ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，２０１５，３０（３）：１６４—１６９．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１４］　ＭＡＩ　Ｉ　ＥＴ　Ｃ，ＢＲＥＴＡＲ　Ｆ．Ｆｕｌｌ—ｗａｖｅｆｏｒｍ　ｔｏｐｏｇｒａｐｈｉｃ　ｌｉｄａｒ：　Ｓｔａｔｅ—ｏｆ—ｔｈｅ—ａｒｔ［Ｊ］．Ｉｓｐｒｓ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ　８Ｌ　Ｒｅ一　ｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００９，６４（１）：１－１６．　［１５］　ＲＥＩＴＢＥＲＧＥＲ　Ｊ，ＳＣＨＮＯＲＲ　Ｃ，ＫＲＺＹＳＴＥＫ　Ｐ，ｅｔ　ａ１．３Ｄ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｏｆ　ｓｉｎｇｌｅ　ｔｒｅｅｓ　ｅｘｐｌｏｉｔｉｎｇ　ｆｕｌｌ　ｗａｖｅｆｏｒｍ　ＬｉＤＡＲ　ｄａｔａ［Ｊ］．Ｉｓｐｒｓ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ＆Ｒｅｍｏｔｅ　Ｓｅｎｓ—　ｉｎｇ，２００９，６４（６）：５６ｉ－５７４．　［１６］　刘春，姚银银，吴杭彬．机载激光扫描（ＬｉＤＡＲ）标准数据格式　（ＬＡＳ）的分析与数据提取［Ｊ］．遥感信息，２００９（４）：３８—４２．　ＬＩＵ　Ｃ，ＹＡｏ　Ｙ　Ｙ，ＷＵ　Ｈ　Ｂ．Ａｎａｌｙｓｉｓ　ｏｆ　Ｉ　ｉＤＡＲ　ｓｔａｎｄａｒｄ　ｄａｔａ　ｆｏｒｍａｔ（ＬＡＳ）ａｎｄ　ｄａｔａ　ｅｘｔｒａｃｔｉｏｎ［Ｊ￣．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｉｎｆｏｒ—　ｍａｒｉｏｎ，２００９（４）：３８－４２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１７］　赵自明，史兵，田喜平，等．ＬＡＳ格式解析及其数据的读取与　显示［Ｊ］．测绘技术装备，２０１０，１２（３）：１７－２０．　［１８］　王蕊，邢艳秋，尤号田，等．基于星载ＬｉＤＡＲ波形数据的森林　胸高断面积估测研究［Ｊ］．西北林学院学报，２０１４，２９（５）：１５６—　１６２．　ＷＡＮＧ　Ｒ，ＸＩＮＧ　Ｙ　Ｑ，Ｙ０Ｕ　Ｈ　Ｔ，ｅｔ　ａ１．Ｆｏｒｅｓｔ　ｂａｓａｌ　ａｒｅａ　ｅｓ—　ｔｉｍａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｓｐａｃｅｂｏｒｎｅ　ＬｉＤＡＲ　ｗａｖｅｆｏｒｍ　ｄａｔａ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，２０１４，２９（５）：１５６—　１　６２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１９］　王爱娟，邢艳秋，邱赛，等．基于窗函数的林区ＩＣＥＳａｔ—ＧＩ　ＡＳ　波形数据消噪研究［Ｊ］．西北林学院学报，２０１　６，３Ｉ（１）：２１４—　２２Ｏ．　ＷＡＮＧ　Ａ　Ｊ，ＸＩＮＧ　Ｙ　Ｑ，ＱＩＵ　Ｓ，ｅｔ　ａ１．Ｄｅｎｏｉｓｉｎｇ　ｏｆ　ｆｏｒｅｓｔ　ＩＣ—　ＥＳａｔ—ＧＬＡＳ　ｗａｖｅｆｏｒｍ　ｄａｔａ　ｂａｓｅｄ　ｏｎ　ｗｉｎｄｏｗ　ｆｕｎｃｔｉｏｎ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，２０１６，３１（１）：２１４—　２２０．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２Ｏ］　刘丽丽，刁建鹏，姜华根，等．机载激光雷达全波形数据快速读　取方法研究［Ｊ］．数字技术与应用，２０１３（３）：１１６－１１　６．　［２１］　杨群．在ＶＢ利用内存映射文件读取大数据量原始遥感影像　图ＥＪ］．计算机工程与应用，２００３，３９（６）：１３５—１３７．　ＹＡＮＧ　Ｑ．Ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ｄｉｓｐｌａｙｉｎｇ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｆｉｌｅ　ｂｙ　ｕｓｉｎｇ　ｍｅｍｏｒｙ　ｍａｐｐｉｎｇ　ｆｉｌｅ　ｉｎ　ＶＢ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒ—　ｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ，２００３。３９（６）：１３５—１３７．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２２］　ＶＡＵＧＨＮ　Ｎ　Ｒ．Ｍ０ＳＫＡＩ　Ｌ　Ｍ．ＴＵＲＮＢＩ　ＯＭ　Ｅ　Ｃ．Ｔｒｅｅ　ｓｐｅｃｉｅｓ　ｄｅｔｅｃｔｉｏｎ　ａｃｃｕｒａｃｉｅｓ　ｕｓｉｎｇ　ｄｉｓｃｒｅｔｅ　ｐｏｉｎｔ　ｌｉｄａｒ　ａｎｄ　ａｉｒ—　ｂｏｒｎｅ　ｗａｖｅｆｏｒｍ　ｌｉｄａｒ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１２，４（２）：３７７—　４０３．　［２３］　ＷＡＧＮＥＲ　Ｗ，ＵＬＩ　ＲＩＣＨ　Ａ，ＤＵＣＩＣ　Ｖ，ｅｔ　ａ１．Ｇａｕｓｓｉａｎ　ｄｅ—　ｃｏｍｐｏｓｉｔｉｏｎ　ａｎｄ　ｃａｌｉｂｒａｔｉｏｎ　ｏｆ　ａ　ｎｏｖｅｌ　ｓｍａｌｌ——ｆｏｏｔｐｒｉｎｔ　ｆｕｌｌ－·　ｗａｖｅｆｏｒｍ　ｄｉｇｉｔｉｓｉｎｇ　ａｉｒｂｏｒｎｅ　ｌａｓｅｒ　ｓｃａｎｎｅｒ［Ｊ］．Ｉｓｐｒｓ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ＆Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００６，６０（２）：１００—　１１２．　［２４］　徐光彩．机载ＬＩＡＤＲ波形数据处理及分类研究［Ｄ］．南京：南　京林业大学，２０１０．