基于 GEDI 激光雷达与多传感器影像数据改进城市绿地冠层高度估算

《Remote Sensing Applications: Society and Environment》：Improved Canopy Height Estimation of Urban Green Spaces Using GEDI LiDAR and Multi-Sensor Imagery Data

　　

摘要

冠层高度是城市绿地（UGS）的关键结构参数，对于估算地上生物量和碳储量至关重要。然而，现有的全球生态系统动力学探测计划（GEDI）衍生的冠层高度产品基于GEDI相对高度（RH）指标对应于脚印中心处植被高度的假设。因此，在整壁降尺度映射中，通常使用与脚印中心共址的卫星像元的光谱和辅助特征作为冠层高度建模的预测因子。在高度异质的城市环境中，这一假设经常被违背，因为脚印中心经常落在不透水面而非树冠上，导致严重的脚印-像元不匹配和有偏的冠层高度估计。为了解决这一局限性，本研究开发了一种基于目标像元的冠层高度反演框架，用与GEDI RH指标最佳对应的图像像元取代传统的脚印中心分配方式。本研究利用光谱混合分解得到的植被比例阈值筛选GEDI脚印，并通过高斯分解结合建筑高度约束进行校正。采用轻量级卷积神经网络（CNN）定位GEDI脚印中的目标像元。比较了三种机器学习模型的冠层高度反演性能，包括极端梯度提升（XGBoost）、随机森林（RF）和k近邻（KNN）。结果表明，基于目标像元的反演始终优于基于中心像元的反演，其中XGBoost取得了最高精度（R2=0.61，RMSE=2.61 m），而基于中心像元的反演精度为（R2=0.27-0.54，RMSE=3.44-2.96 m）。所提出的框架为缓解脚印-像元不匹配提供了有效解决方案，支持准确的城市冠层高度映射、城市碳储量估算和生态系统管理。

引言

城市绿地在城市生态系统中发挥着重要作用，支持碳汇、微气候调节、生物多样性保护和改善城市居住条件（Cheng等，2024；Goddard等，2010；Li等，2025；Wang等，2021；Yang等，2025）。在城市植被的结构属性中，冠层高度是最重要的变量之一，因为它表征了植被垂直结构并直接影响地上生物量（AGB）、碳储量和生态系统功能（Quan等，2024；Zhang等，2025）。实地冠层高度测量方法，如经纬仪测量和地面激光扫描，在单木层面提供高精度和详细的结构信息。然而，这些方法劳动密集、耗时，且难以在空间异质的城市地区实施。此外，实地调查往往受到有限可达性、安全问题和有限时间覆盖的限制，限制了其在大规模、长期城市森林监测中的适用性。因此，从遥感获取空间连续的冠层高度已成为重要的研究课题。

光学遥感和合成孔径雷达（SAR）数据已广泛用于此目的（El Gharbawi等，2023；Fayad等，2024）。多光谱和高光谱传感器，如Landsat、Sentinel-2和EO1-Hyperion，由于对光合活动、叶面积指数和冠层水分的敏感性，提供与植被垂直结构间接相关的光谱反射数据和植被指数（Kattenborn等，2015；H. Ma等，2025）。先前的研究表明，短波红外和绿波段的反射率以及多时相归一化差值植被指数（NDVI）的季节动态，对于冠层高度估算特别具有信息量（Liu等，2022；Malambo和Popescu，2024；Turubanova等，2023）。相比之下，SAR数据由于对冠层几何形状和介电性质的敏感性，提供了关于植被结构的互补信息，与光学数据结合时可促进冠层高度反演（Freeman和Durden，1998；Khati等，2018；Liao等，2020；Schwartz等，2024）。例如，Pourshamsi等（2021）整合了全极化L波段UAVSAR数据来估算加蓬热带森林的冠层高度，并展示了极化参数与冠层结构之间的强关系（R2=0.83，均方根误差（RMSE）=6.92 m）。受这些进展的启发，大量研究整合了光学和SAR数据，利用其在捕捉生理和结构特征方面的互补优势，从而显著提高冠层高度反演精度（Dixon等，2025；Fayad等，2024；Tolan等，2024；Yadav等，2025）。

尽管光学-SAR数据整合取得了进展，但光学影像主要捕捉冠层表面反射率，随着冠层闭合度和结构复杂性的增加，其敏感性逐渐降低，限制了其准确表征植被垂直结构的能力（Ghosh等，2020）。同时，SAR观测对地形效应和散射机制的变化敏感，特别是在复杂环境中（Qi和Dubayah，2016）。近年来，星载光检测与测距（LiDAR）已成为准确反演森林垂直结构的有力工具。全球生态系统动力学探测计划（GEDI）任务使用1064 nm激光脉冲提供全波形测量，实现植被结构的高精度垂直剖分（Lee等，2019）。与ICESat-1/2相比，GEDI具有更小的脚印直径和更高的沿轨采样密度，并提供多种植被结构指标，包括地面高程、冠层顶部高度和多层次相对高度（RH）。这些优势使GEDI成为区域和全球冠层高度估算的独特数据源。然而，由于其轨道采样策略，GEDI脚印在空间上是离散的，无法提供整壁冠层高度映射。为了解决这一局限性，研究人员越来越多地将GEDI测量与多源遥感数据和机器学习技术相结合，以空间外推冠层高度。例如，Wang等（2023）整合了GEDI、ICESat-2和Sentinel-2数据，使用随机森林（RF）模型生成了10 m分辨率的区域冠层高度产品。类似地，Choi等（2023）将GEDI波形特征与TanDEM-X干涉数据结合，使用极随机树生成了25 m森林高度图。Lang等（2023）开发了一种基于卷积神经网络（CNN）的概率深度学习框架，生成了全球冠层高度产品（RMSE=2.7 m）。这些研究展示了GEDI与多源遥感结合在冠层高度反演方面的巨大潜力。然而，大多数现有方法都是针对具有相对连续和均质森林植被的区域或全球森林生态系统开发的。

尽管取得了这些进展，将基于GEDI的冠层高度反演应用于异质城市环境仍然比连续森林更具挑战性。一个主要局限是，大多数现有研究从每个GEDI脚印的中心像元提取光学/SAR特征（Lang等，2023；Potapov等，2021），隐式假设该像元代表了GEDI波形观测到的植被结构。然而，在城市环境中，GEDI脚印的几何中心通常最有可能与道路、屋顶、裸地或其他不透水面重合，而非植被。因此，通过使用GEDI脚印中心匹配提取的遥感预测变量通常与GEDI波形所代表的植被高度在物理上不一致，导致冠层高度反演中的系统误差（Zhu等，2023）。另一个重要的不确定来源是城市GEDI波形中的强建筑回波。传统方法通常直接使用RH指标作为冠层高度的代理变量，而不区分植被和建筑回波，这可能会使得出的植被高度估计产生偏差，特别是在建筑和树木通常出现在同一GEDI脚印中的密集建成区。此外，大多数现有的冠层高度产品主要在大面积森林区域开发和验证，而碎片化城市绿地、稀疏林地和混合景观则 largely 被忽视（Zhu等，2022）。这些局限性表明，改进城市冠层高度反演不仅需要更高质量的GEDI参考样本，还需要GEDI观测与遥感预测变量之间更具物理一致性的对应关系。

为了解决这些局限性，本研究开发了一种改进的多源遥感冠层高度反演框架，专为复杂城市环境而设计，整合了GEDI、SAR和光学遥感数据。与将GEDI观测分配给每个脚印中心像元的传统方法不同，所提出的框架明确识别出最能代表GEDI波形记录的植被信号的目标像元，从而减少了碎片化城市景观中常见的脚印-像元不匹配。本研究假设，在模型开发之前同时改进GEDI参考样本的质量及其与遥感预测变量的空间对应关系，可以显著减少异质城市环境中的冠层高度反演误差。因此，研究目标是：1) 开发基于光谱混合分解的GEDI脚印筛选策略，通过减少混合城市地物类型的干扰来提高GEDI样本的纯度；2) 使用基于高斯分解（GD）的冠层高度校正方法结合地面高程约束来缓解高层建筑对GEDI波形的影响并提取植被高度；3) 提出一种基于轻量级CNN和置信度阈值的目标像元定位方法，取代中心像元分配方式并提高模型可靠性。所提出的框架预计将为改善复杂景观中GEDI城市冠层高度反演提供实际路线图，并为城市绿地管理和碳储量评估提供更可靠的信息。

分段片段

研究区域

研究区域为江苏省省会南京市，位于中国东部（31°14′~32°37′N，118°22′~119°14′E；图1）。该市由11个市辖区组成，总面积为6587.04平方公里。作为长江三角洲地区的主要副省级城市，近几十年来经历了快速的城市扩张和持续的城镇化进程。根据2024年的官方统计（https://tjj.nanjing.gov.cn/bmfw/njtjnj/），建成区面积为901平方公里，在

方法

本研究提出了一种改进方法，利用GEDI、Sentinel-1/2和ALOS PALSAR影像数据来提高城市冠层高度估算的性能。该方法论包括六个步骤（图3）。（1）对GEDI数据进行质量筛选，并对Sentinel-2影像应用全约束最小二乘（FCLS）光谱混合分解方法，推导像元级端元丰度，以从脚印中去除非植被区域。（2）将GEDI脚印分类为区域

基于混合像元分解的植被脚印区分

在Sentinel-2影像数据中识别了七种光谱特征不同的端元（图4）。其中四个端元对应于不透水面类型，包括红屋顶、蓝屋顶、低反射率材料和高反射率材料。在其余三个端元中，植被端元在近红外区域（785-900 nm）表现出反射率峰值，裸土端元在可见光波段表现出单调递增，阴影端元

基于光谱混合分解的GEDI脚印筛选

我们采用光谱混合分解方法从Sentinel-2影像中推导植被比例图，用于去除以非植被表面为主的GEDI脚印。植被比例图与超高分辨率城市绿地分布表现出广泛的空间一致性（图6），证明其适用于识别城市环境中以植被为主的GEDI脚印。与仅依赖GEDI质量标志的常规过滤技术不同，

结论

准确估算城市冠层高度对于理解植被结构和支持城市碳核算至关重要。本研究开发了一种面向异质城市环境的多源冠层高度反演框架，用目标像元定位策略取代了传统的中心像元分配方式，从而减少了GEDI脚印与遥感像元之间的空间不匹配。为支持该策略，该框架整合了光谱

CRediT作者贡献声明

孙敏：撰写——初稿，可视化，验证，软件，资源，调查，形式分析，概念化。李明士：撰写——审阅与编辑，监督，项目管理，资金获取。张正南：撰写——审阅与编辑，监督，项目管理，方法论，资金获取

未引用参考文献

ElGharbawi等，2023；Ma等，2025。

伦理声明

本研究未涉及人类参与者或人类组织样本。本研究中未使用实验动物。因此，本研究不适用伦理批准和知情同意。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响到本论文所报告的工作。

数据可用性

支持本研究发现的GEDI数据可在NASA Earthdata获取（https://www.earthdata.nasa.gov/）。Sentinel数据可在ESA Copernicus数据空间生态系统获取（https://dataspace.copernicus.eu/）。ALOS PALSAR-2/PALSAR数据和SRTM数据可在Google Earth Engine平台获取（https://code.earthengine.google.com/）。AIEC产品可在AI Earth云平台获取（https://engine-aiearth.aliyun.com/#/）。

3D-GloBFP产品

**利益冲突声明** ?
作者声明不存在可能被认为影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢**
本研究由国家自然科学基金委员会（项目编号：31971577）、江苏高校优势学科建设工程（PAPD）、南京中山植物园基金（项目编号：JSPKLB202506）以及江苏省植物研究所人才基金（项目编号：JIBTF202504）提供资金支持。

孙敏 | 张正南 | 李明时

南京林业大学南方中国可持续林业协同创新中心，中国南京 210037