TECIS星载LiDAR波形参数优化与森林高度反演：基于信号阈值与指标计算方法的协同优化研究

针对TECIS（陆地生态系统碳卫星）LiDAR波形数据在森林高度反演中信号阈值设置与指标计算方法的关键问题，中国科学院研究人员通过多阈值组合与ALS（机载激光雷达）数据验证，提出最优信号截断（6倍起始/12倍终止阈值）与波形分解法结合的RH（相对高度）指标计算方案，模型精度达r=0.86。该研究为宽足印波形LiDAR大尺度应用提供技术支撑，成果发表于《International Journal of Applied Earth Observation and Geoinformation》。

　　

森林作为陆地生态系统的核心组成部分，其垂直结构参数的精确测量对全球碳循环研究至关重要。传统光学遥感难以穿透茂密冠层获取三维信息，而星载激光雷达（LiDAR）凭借主动探测优势成为森林高度测绘的利器。然而，中国首颗兼具波形LiDAR与多角度成像能力的TECIS（陆地生态系统碳卫星）在轨运行后，其波形数据处理面临两大挑战：如何通过噪声阈值设置界定有效信号范围？如何选择最优波形指标计算方法？这些问题的解决直接关系到森林高度反演的准确性，也是当前国际激光遥感领域的攻关难点。

针对这一科学问题，中国科学院的研究团队以中国北方森林区为实验场，创新性地设计了多维度信号处理方案。研究首先通过ALS数据与TECIS足迹的空间匹配构建验证基准，随后系统测试了24种波形阈值组合（涵盖4种信号截断长度与6种噪声倍数）和3类波形指标算法（基于波形分解的rH、能量累积的rh及地形校正的Trh），最终建立了以ALS第99百分位高度（P₉₉）为基准的评估体系。

关键技术方法包括：1）基于DEM（数字高程模型）剖面的足迹位置校正技术，将空间配准误差控制在6米内；2）动态波形截断策略，通过400/500bin信号窗与15/50bin噪声窗组合优化信噪比；3）高斯分解与SAWA（坡度自适应波形分析）算法融合，实现复杂地形下的地面峰值识别；4）引入TE（后缘长度）与LE（前缘长度）指标构建多元回归模型。所有数据均来自中国资源卫星应用中心2022-2023年生长季的TECIS固定增益模式数据，匹配同期CAF-LiTCHy系统获取的ALS点云（密度2.5-8.5 pts/m²）。

研究结果揭示三大核心发现：

4.1 足迹配准与信号阈值响应
通过RMSE热力图优化的空间校正方案显示，TECIS足迹平均位移14.3米，收敛轨道误差<6米。信号阈值分析表明，400bin截断+50bin噪声计算（S2组）配合6倍起始/12倍终止阈值（G5组）时，rH₁₀₀与ALS P₉₉相关性最高（r=0.85），偏差仅0.23米。而宽松阈值（3倍标准差）导致偏差激增至5.59米。

4.2 波形算法性能对比
波形分解法（rH）显著优于能量累积法（rh），其夜间数据偏差比昼间低42%。SAWA算法在高坡度（>10°）场景表现稳健，但模型精度（R²=0.71）仍低于结合TE/LE的rH模型（R²=0.86）。值得注意的是，WFL（波形长度）对终止阈值敏感，需12倍标准差严格控制。

4.3 环境因子影响机制
中冠层覆盖（40-60%）条件下，G5组阈值使R²突破0.7。坡度分组显示，<10°区域模型R²达0.91，而>20°区域SAWA将RMSE降低19%。昼夜采集对比证实，严格阈值可抑制太阳噪声，使夜间数据偏差减少31%。

这项研究开创性地提出了适用于TECIS波形数据的"双阈值-三算法"优化框架。其科学价值体现在：1）确立6倍起始/12倍终止阈值为中国北方森林的最优噪声抑制方案，比传统GLAS阈值（3-5倍）更适应复杂地形；2）证实波形分解法在冠层/地面峰值识别中的不可替代性，而SAWA可作为高坡度区域的补充方案；3）揭示中冠层覆盖与低坡度协同优化规律，为分区建模提供依据。

实际应用中，该成果已支撑TECIS林高产品算法开发，其动态阈值设置策略可推广至GEDI等国际卫星数据再处理。未来研究可结合深度学习提升波形分解效率，并扩展至热带雨林等更复杂生态系统。正如作者Pang Yong强调，这项从信号处理视角出发的工作，"为宽足印波形LiDAR的大尺度应用铺平了道路"。