《Frontiers in Plant Science》：GEDI canopy cover assessment using airborne LiDAR across eco-climate regions of the United States
编辑推荐：
关于木本植物密度和冠层覆盖度的信息是我们定义陆地生态系统类型的核心，对于理解生态系统状态、动态、生物地球化学过程和生物多样性至关重要。国际空间站（ISS）上的全球生态系统动力学调查（GEDI）LiDAR以25 m直径足迹采样木本植被结构的三维结构信息，包括每个
关于木本植物密度和冠层覆盖度的信息是我们定义陆地生态系统类型的核心，对于理解生态系统状态、动态、生物地球化学过程和生物多样性至关重要。国际空间站（ISS）上的全球生态系统动力学调查（GEDI）LiDAR以25 m直径足迹采样木本植被结构的三维结构信息，包括每个足迹中冠层覆盖度的估算。本研究通过将GEDI反演结果与美国20个研究样地约46万个GEDI足迹的高分辨率机载激光扫描（ALS）数据进行比较，对GEDI分数冠层覆盖度估算进行了评估。基于统计评估，研究人员观察到高相关性（未进行地理定位校正时R2=0.84；进行地理定位校正后R2=0.96），均方根误差（RMSE）分别为14.1%（未校正）和7.2%（校正后）。然而，GEDI L2B冠层覆盖度在某些生态气候区的误差仍然显著，特别是在旱地（平均相对误差（MRE）=69.8%）和灌木地（MRE=84.1%）。分析还确定，当实际冠层覆盖度较低（<20%）或较高（>70%）时，GEDI分数覆盖度反演最为有效，而在冠层覆盖度为20-70%的区域内误差通常会增大。本研究为美国本土（CONUS）各生态气候区的GEDI冠层覆盖度精度提供了基线评估，有助于改进对GEDI冠层覆盖度产品的解释和未来完善。
论文解读
一、研究背景与意义
木本植物冠层覆盖度是定义生态系统类型（如草原、林地、森林）的核心生物物理测量指标，同时也为陆地过程、生态和生物地球化学过程以及生物多样性提供景观尺度的认知。冠层覆盖度被定义为树木或灌木冠层（垂直投影）覆盖的水平地面比例，通常不包括林下或林间生长的草本植被。传统的地面测量方法在大范围地理区域内实施起来极为费力，因此卫星遥感估算成为区域至全球尺度上常用的手段。然而，被动光学遥感在提取冠层覆盖度时存在诸多局限：可见光反射率在高覆盖度下容易饱和、难以将茂密草本植被与树冠区分、森林景观的复杂垂直结构也会干扰反演精度，此外云层、冠层阴影、草本覆盖、坡度衰减和信号饱和等因素均可能引入不确定性。
激光雷达（LiDAR）能够直接测量三维冠层结构，理论上对可见光遥感所遇到的问题相对不敏感。ICESat是2003年发射的首个星载LiDAR任务，其后继任务ICESat-2于2018年发射，主要用于监测全球冰盖和冰川质量，虽然两者均可用于植被结构反演，但均未提供广泛的植被结构信息，尤其是覆盖度。2018年部署于国际空间站的全球生态系统动力学调查（GEDI）是首个专门设计用于测量植被结构的任务，其全波形激光测距系统已在±51.6°纬度范围内记录了超过5年的数据。GEDI在1064 nm波长下工作，以25 m直径足迹进行近天底观测，其L2B产品提供冠层覆盖度和植物面积指数（PAI），L2A产品提供冠层相对高度（RH）。
尽管GEDI产品已在全球多个生态系统中得到验证，但冠层覆盖度的验证研究相对有限。现有验证多集中于冠层高度和PAI产品，而针对不同气候条件和不同植物功能类型（PFT）的冠层覆盖度系统验证仍存在明显空白。此外，国际空间站位置的不确定性导致GEDI地理定位误差约10 m，这种局部尺度（10-20 m）的错位在异质冠层覆盖区域可能导致不准确的比较和误导性的验证结论。因此，有必要对不同气候条件和不同植物功能类型下的GEDI冠层覆盖度产品进行更全面的验证，以评估其当前效用和潜在改进方向。
二、研究内容与主要结论
本研究利用美国20个样地的机载激光扫描（ALS）参考数据验证GEDI冠层覆盖度产品，样地覆盖美国本土（CONUS）多样的生态气候系统，包括阔叶林（BLF）、针叶林（NLF）和灌木地，海拔从近海平面到2344 m，年均温度3.6°C至19.5°C，年均降水量（MAP）111至1576 mm，干旱指数（AI=MAP/PET）介于0.19至7.1之间。研究比较了ALS衍生的冠层分数覆盖度（CFC）与GEDI L2B产品衍生的CFC，评估了不同生物气候和植物功能类型下的CFC精度，并评估了局部配准对误差减少的影响以及地理定位偏移的最常见角度和距离。
研究得出以下主要结论：未进行地理定位校正时，GEDI与ALS冠层覆盖度的总体相关性R2=0.84，RMSE=14.1%；采用“靶心”（bullseye）方法进行地理定位校正后，R2提升至0.96，RMSE降至7.2%，平均相对误差（MRE）从40.1%降至0.07%。最优地理定位偏移距离通常在5 m以内，偏移方向集中于正北（0°）和正南（180°）。在湿润环境中，GEDI在低覆盖度（<10%）和高覆盖度（>70%）下表现良好，但在中间覆盖度（约10-70%）下倾向于高估ALS估算值；在干旱环境中，GEDI在低覆盖度（<10%）下表现良好，但在覆盖度超过10%后持续高估。在植物功能类型方面，灌木地的误差最大（MRE=84.1%），其次为针叶林（MRE=25.7%）和阔叶林（MRE=24.9%），地理定位校正后分别降至12.3%、2.4%和3.4%。
三、关键技术与方法
研究人员主要采用了以下关键技术方法：其一，GEDI L2B V2数据获取与筛选，从NASA陆地过程分布式主动归档中心（LPDAAC）获取数据，通过质量标志（Quality flag=1）、退化标志（Degrade flag=1）和灵敏度阈值（>0.98）筛选高质量足迹，从800947个足迹中筛选出464549个有效样本；其二，ALS点云处理与冠层高度模型（CHM）构建，利用美国地质调查局（USGS）三维高程计划（3DEP）2017至2022年间采集的ALS数据，通过不规则三角网（TIN）归一化生成数字地形模型（DTM），栅格化生成数字表面模型（DSM），计算CHM=DSM?DTM，以1 m高度阈值区分木本植被（>1 m）与草本植被（<1 m）；其三，“靶心”（bullseye）地理定位优化方法，以30°间隔、5至25 m距离对每个GEDI足迹进行系统位移，寻找使GEDI与ALS冠层覆盖度差异最小的最优位置；其四，精度评估方法，采用普通最小二乘（OLS）回归和标准化主轴（SMA）回归分析整体关系，辅以均方根误差（RMSE）、平均误差（ME）、平均绝对百分比误差（MAPE）和平均相对误差（MRE）等指标评估误差分布。
四、研究结果
3.1 GEDI配准前与ALS比较
配准前，20个研究样地的GEDI-ALS相关性差异较大，R2介于0.07至0.57之间，RMSE范围相对较窄（0.22至0.44）。将所有足迹合并后，模型拟合显示R2=0.84，RMSE=14%。GEDI在低ALS覆盖度（<10%）和高覆盖度（>70%）下与ALS对应良好，但在中间覆盖度下高估ALS值。在湿润环境中，大部分覆盖度估算集中在75-90%区间，总体一致性较好，但在中间覆盖度（约10-70%）仍存在高估；在干旱环境中，GEDI在低覆盖度下表现良好，但覆盖度超过10%后持续高估。在不同植物功能类型中，中间覆盖度的高估偏差在灌木地尤为明显，在针叶林和落叶林中当实际覆盖度低于约75%时也存在。
3.2 GEDI配准后与ALS比较
经过靶心最优共定位（配准后）分析，所有样地的样地级相关性均较配准前提高，R2范围提升至0.17至0.82，RMSE降至0.12至0.33。在合并足迹级分析中，R2提升约0.14，RMSE降低0.07，MRE从40.1%降至0.07%，斜率和截距均有所改善。地理定位偏移分析表明，使GEDI与ALS冠层覆盖度差异最小化的最优位置通常在名义足迹中心5 m以内，主导角度偏向南和北。距离超过5 m的偏移被选择的频率较低，表明GEDI导航精度通常在5 m以内，但地理定位偏移源倾向于在名义中心南北方向振荡。
3.3 GEDI冠层覆盖度在干旱度下的表现
以干旱指数阈值0.65将样地分为湿润和干旱两类。湿润地区分析了9个ALS样地的267408个L2B足迹，平均ALS冠层覆盖度为77%，配准后回归斜率增加（OLS：0.9至0.97；SMA：0.96至0.99），截距减小（OLS：0.10至0.04；SMA：0.04至0.02）。干旱地区分析了11个ALS样地的197147个足迹，平均冠层覆盖度为51%，地理定位校正后中间覆盖度的估算精度有所提高。两类环境均在低和高覆盖度下表现更好，中间覆盖度存在明显高估，地理定位校正后均有改善。
3.4 GEDI冠层覆盖度在植物功能类型下的表现
研究使用175518个足迹评估了9个阔叶林样地、169016个足迹评估了6个针叶林样地、120015个足迹评估了5个灌木地样地。配准前，灌木样地的RMSE（0.33-0.44）高于针叶林（0.24-0.32）和阔叶林（0.22-0.43）。合并所有足迹后，阔叶林平均冠层覆盖度为0.71，针叶林为0.74，灌木地为0.48。最优共定位使所有植物功能类型的RMSE降低约0.08，R2提高约0.15，配准后所有类型的R2均大于0.94，RMSE为0.07±0.02。阔叶林的MRE从24.9%降至3.4%，针叶林从25.7%降至2.4%，灌木地从84.1%降至12.3%。
五、讨论与结论
讨论部分指出，GEDI冠层覆盖度估算在很大程度上受森林结构、冠层密度、地理位置和足迹配准的影响。配准前L2B覆盖度产品的不准确性可归因于GEDI波形覆盖度估算技术，冠层间隙检测主要依赖于冠层顶部高度、冠层底部和地面回波的反演，冠层顶部与底部之间的微小差异会导致低矮冠层区域的覆盖度低估，而在高大冠层中则导致高估。GEDI与ALS数据获取时间的差异可能反映真实的植被变化或干扰而非估算误差，数据获取日期相差可能超过两年，增加了验证的不确定性。干旱林地中精度显著不足的另一因素是激光地面探测能力，稀疏植被导致的弱地面回波降低了GEDI捕捉冠层间隙和短植被冠层覆盖度的能力。15.6 ns的GEDI激光脉冲限制了在低于2.3 m高度下可靠分离植被和地面回波的能力，植被回波可能与地面信号重叠，影响波形衍生的冠层覆盖度估算。覆盖度高估的主要来源可能是小于LiDAR足迹的冠内残余间隙，波形分解技术和波形处理是造成冠层覆盖度差异的主要原因。此外，GEDI与ALS冠层覆盖度估算代表相关但算法上不完全相同的测量，GEDI L2B冠层覆盖度源自波形能量，而ALS冠层覆盖度计算为超过选定高度阈值的CHM像素比例，这可能造成两者之间的系统性差异。
研究结论表明，采用靶心方法进行位置校正可改善整体结果，但此类校正在多大程度上代表人为改进尚无法评估。配准前相关性为0.84，RMSE为14.1%；地理定位校正后R2=0.96，RMSE为7.2%。配准前GEDI冠层覆盖度高估的主要原因是波形和脉冲宽度导致的地面确定不准确，这种高估也可能由GEDI与ALS覆盖度的测量尺度差异引起。共定位后，GEDI覆盖度产品与ALS覆盖度产品有效相关。在植物功能类型中，阔叶林的总覆盖度估算最为准确，而相对稀疏的植被（灌木地）估算精度较低。在生态气候区方面，GEDI在中湿森林中可提供可靠的冠层覆盖度估算，但在旱地中精度较低。本研究为美国本土不同植物功能类型和气候区的GEDI冠层覆盖度估算提供了基线误差评估，有助于产品开发并增进对GEDI覆盖度产品的总体理解。
