城市导向的树冠高度提取方法（基于ICESat-2数据）

《Remote Sensing》：An Urban-Oriented Method for Tree Canopy Height Extraction Using ICESat-2 Data

　　

城市森林在维持宜居城市环境中起着关键作用，而树冠高度（TCH）是表征城市森林结构和生态功能的关键参数。然而，由于城市土地覆盖的高度空间异质性，利用星载激光雷达在城市建成区进行精确的TCH反演仍然具有挑战性。本研究提出了一种面向城市的ICESat-2数据处理和TCH提取方法，并在美国伊利诺伊州皮奥里亚进行了评估。通过整合光谱约束与光子空间分布模式，该方法进一步将非地面光子分离为植被光子和建筑光子。随后引入个体树冠多边形作为TCH提取的空间约束，有助于克服常规网格在表示激光足迹尺度和精细城市景观细节方面的局限性。此外，一种基于能量加权的非排他性光子-树冠分配策略允许每个光子根据各树冠截获的足迹能量比例，对多个树冠做出贡献。在与植被光子相关的1391个树冠中，286个满足总光子计数和高权重光子计数的阈值，并保留用于精度评估。以机载激光扫描（ALS）参考数据导出的树冠高度进行验证，结果表明所提出的方法实现了R² = 0.55和RMSE = 2.71 m。进一步分析表明，反演精度主要受光束强度控制：强光束精度更高（R² ≈ 0.60），而白天和夜间观测差异很小。总体而言，经过针对性处理后，ICESat-2能够在城市建成区提供一组个体树冠高度样本，这些样本可能支持局部校准，并作为后续区域树冠高度制图的潜在标签。

# 论文解读：面向城市的ICESat-2树冠高度提取方法

## 研究背景与问题

城市森林作为基于自然的解决方案（NBS），在增强碳汇、提升城市韧性和改善居住环境方面具有重要作用。树冠高度（TCH）是表征城市森林结构和生态功能的核心参数，精确获取TCH对于揭示城市森林冠层空间格局和量化NBS实施效果至关重要。然而，当前大规模树冠高度产品主要针对自然森林开发，在城市复杂环境中表现有限。星载激光雷达系统GEDI（全波形系统）和ICESat-2（光子计数系统）中，GEDI在异质性城市表面难以分离混合回波，而ICESat-2具有约11 m的小足迹直径和单光子记录能力，更适于城市精细目标区分。但现有ICESat-2光子处理算法（如ATL08的DRAGANN去噪、多规则点云分类）主要针对自然环境，在城市建成区易将表面结构高度误认为纯冠层高度，且缺乏专用策略。因此，迫切需要开发面向城市的ICESat-2光子处理框架，以提取可靠的个体树冠高度样本，支持局部验证和区域制图。

## 研究内容与结论

研究人员在伊利诺伊州皮奥里亚（Peoria, Illinois, USA）建成区，提出了一种面向城市的ICESat-2光子处理与TCH提取方法。该方法通过整合光谱约束与光子空间结构，将非地面光子进一步分离为植被光子和建筑光子；引入个体树冠多边形作为对象基提取单元，以克服规则网格在表示激光足迹尺度和城市精细景观细节方面的局限性；并采用基于能量加权的非排他性光子-树冠分配策略，允许光子根据各树冠截获的足迹能量比例贡献给多个树冠。以机载激光扫描（ALS）参考数据验证，在286个保留树冠样本（占与植被光子相关的1391个树冠的20.6%）上，得到R² = 0.55，RMSE = 2.71 m，偏差 = ?0.86 m。进一步分组分析表明，强光束比弱光束精度更高（R² ≈ 0.60），而白天和夜间观测差异较小。该研究证实，ICESat-2经针对性处理后可在城市建成区提供稀疏但可靠的个体树冠高度样本，这些样本可用于局部验证、校准，并作为后续区域树冠高度制图的潜在标签。论文发表在《Remote Sensing》。

## 主要关键技术方法

研究人员采用以下关键技术：首先，数据预处理包括ATL03光子数据筛选（云影响、信噪比和质量控制标志）、坐标转换、垂直基准统一（XGM2019e_2159模型）和沿轨距离计算。去噪阶段采用改进滑动窗口直方图粗去噪（50 m沿轨单元、25 m垂直窗口，选光子计数不低于最大计数40%的候选窗口，并加入连续性约束）结合水平椭圆OPTICS精细去噪。光子分类分两步：地面光子提取通过10 m滑动窗口，取10–50%高度分位数内的光子，经高斯核估计局部均值选择初始种子，局部极值滤波去除异常，样条函数拟合地形，迭代添加残差小于0.9 m的光子；非地面光子分类基于Sentinel-2 MSAVI2（阈值0.2）光谱约束，结合空间结构分析（连续段长度>3 m、光子数>3、高程变化<0.5 m识别屋顶），并用DBSCAN去除孤立点，最终分为噪声、地面、植被和建筑四类。树冠高度提取采用Tolan 1 m全球产品生成树冠多边形（高斯平滑、距离变换、局部最大值检测、分水岭分割，并手动校正），构建植被光子缓冲区（半径5.5 m），基于二维高斯能量分布模型（σ=3.89 m）计算每个光子与树冠的权重（能量积分），实施双阈值筛选（强光束：高权重光子数≥3且总光子数≥6；弱光束：高权重光子数≥1且总光子数≥3），取最大相对高度作为TCH估计。ALS数据（伊利诺伊州地质调查局，2022年，点密度≥4 pts/m²，垂直精度RMSEz≤10 cm）作为验证参考。

## 研究结果

### 3.1 城市导向ICESat-2处理方法的验证

通过去噪评估，所有样本的F1分数为0.76–0.95，精度0.80–0.98，召回率0.66–0.95，表明方法在背景噪声较高时优先保留信号光子纯度。地形重建方面，在35,543个验证点上，R² = 0.99，RMSE = 2.73 m，偏差 = ?0.09 m，但局部地形偏差（如密集建筑区）仍存在，不过这些区域通常无植被树冠，不影响冠层高度估计。光子分类示例显示，在植被主导区，多数非地面光子被正确分为植被，道路和建筑光子被归为建筑；在建筑主导区，局部植被光子被保留，水平分布的建筑光子被正确识别。这些定性质证表明，光谱约束与空间结构分析互补，可有效区分植被与建筑。

### 3.2 城市树冠高度估计的精度

在286个保留树冠上，ICESat-2估计的TCH与ALS参考的比对结果为R² = 0.55，r = 0.81，RMSE = 2.71 m，偏差 = ?0.86 m。误差空间分布无明显聚集。按光束强度和白天/夜间分组：强光束夜间R² = 0.61，RMSE = 2.71 m，偏差 = ?1.04 m；强光束白天R² = 0.60，RMSE = 2.50 m，偏差 = ?0.66 m；弱光束夜间R² = 0.18，RMSE = 3.41 m，偏差 = ?1.69 m；弱光束白天R² = 0.31，RMSE = 2.90 m，偏差 = ?0.68 m。同一光束类型下，白天与夜间相关系数差异小于0.03，表明光束强度对精度影响大于采集时间。残差分析显示，筛选后树高误差随树高增加的趋势减弱，但临近建筑区的样本仍存在较大异常值。

### 3.3 保留与排除树冠的特征

保留树冠的中位面积（39.16 m²）大于排除树冠（24.25 m²），中位ALS高度略高（17.53 m vs. 16.51 m），与最近建筑的中位距离相似（11.88 m vs. 14.05 m）。说明筛选过程倾向于保留冠幅较大的树冠，而高度和建筑邻近性差异有限。

## 讨论与结论

### 讨论总结

在讨论部分，研究人员将提取的ICESat-2样本与现有Tolan 1 m和Lang 10 m产品进行比较。在286个保留树冠中，Tolan产品系统性低估树高（RMSE = 6.97 m），Lang产品普遍高估（RMSE = 4.10 m），而ICESat-2样本更接近ALS参考。经均值误差校正后，Tolan产品RMSE降至4.44 m，Lang产品降至4.02 m，表明这些样本可用于局部产品偏差评估与校准。

不确定性分析指出，系统低估主要源于光子计数激光雷达特性：检测到的植被光子常来自冠层内部而非顶部，尤其在冠层顶部稀疏采样时。光束强度差异导致强光束提供更多可用植被光子，弱光束误差更大。白天与夜间差异小，表明去噪和筛选程序降低了背景辐射影响。方法选择方面，最大相对高度作为TCH估计器虽直接可解释，但对稀疏采样敏感；光子计数阈值筛选在精度与样本保留间权衡，引入样本选择偏差（偏向大冠幅）。辅助数据方面，树冠多边形精度依赖于Tolan产品及手动校正，存在操作员依赖性；多时相观测之间（ICESat-2、ALS、辅助数据）的时间不一致性也引入不确定性。

### 结论部分翻译

本研究开发了一种面向城市的方法，从ICESat-2光子数据中提取伊利诺伊州皮奥里亚建成区的树冠高度（TCH）。主要方法贡献是面向城市的、基于对象的ICESat-2工作流程，整合了植被-建筑光子分离与基于树冠的TCH提取。通过引入非排他性、能量加权光子-树冠分配，该方法允许重叠树冠根据截获的足迹能量共享光子信息，从而减少空间不匹配，更好地表示碎片化城市植被中ICESat-2足迹采样。以ALS为参考数据，286个满足选定光子支持阈值的树冠（占与植被光子相关的1391个树冠的20.6%）实现了R² = 0.55，RMSE = 2.71 m，偏差 = ?0.86 m。这些结果表明，所提出的工作流程能够支持在城市建成区从ICESat-2观测中提取稀疏的个体树冠TCH样本。进一步的分组分析表明，反演精度主要受光束强度和树高影响，而采集时间和与最近建筑的距离也有一定影响。从应用角度看，ICESat-2不太可能支持城市地区连续或全面的TCH制图，但它可以提供一组稀疏的局部可靠树冠高度样本。这些样本可能有助于局部验证、局部校准，并作为后续区域树冠高度制图的参考数据。