近日，武汉大学遥感信息工程学院巫兆聪教授和时芳琳博士在IEEE Transactions on Geoscience and Remote Sensing (TGRS) 发表题为“Mapping Forest Canopy Height at Large Scales using ICESat-2 and Landsat: An Ecological Zoning Random Forest Approach”(使用ICESat-2和Landsat绘制大规模森林冠层高度：一种生态分区随机森林方法)的研究成果。

森林冠层高度（Forest canopy height）是计算森林生物量和碳汇的重要指标。研究针对新一代星载激光雷达ICESat-2 ATLAS数据，提出了一种基于生态分区的随机森林（EZRF）大尺度森林冠层高度估算方法，将稀疏点状ATL08激光雷达树高数据与空间连续Landsat变量和气候、地形等辅助变量相关联进行森林冠层高度估算（图1）。与现有的技术相比，该方法综合考虑了与森林生长相关的生态因素，通过将生态分区因子纳入森林冠层高度建模中，得到遥感-生态耦合的森林冠层高度估算模型。在中国33个森林生态区的分析验证，结果表明基于EZRF的模型在森林冠层高度反演中表现出更大的潜力，相比于单一区域模型（TZRF），精度提高了21.5%~36.5%（图2）。

图1 基于生态分区随机森林树高反演方法的框架与步骤

图2 TZRF模型(生态区:T)和EZRF模型(生态区:1~33)精度随预测变量数量的变化情况。

研究利用EZRF模型，系统地评估了当前国内外用于森林冠层高度估算的主要变量系列，包括33个遥感类变量（光谱类变量、纹理类变量）和29个生物气候类变量（地形类变量、气候类变量），发现遥感类变量和生物气候类变量对森林冠层高度的估算精度会随着生态区的地理位置变化存在较大的差异，在33个生态区的森林冠层高度估算精度r的变化范围达到0.42 - 0.96（图3），不同变量类型森林冠层高度估算精度的时空适应性存在显著的差异。

在森林冠层密度较高的中国南方阔叶林生态区，即使仅使用Landsat遥感类变量对森林冠层高度进行估算，其精度（平均r = 0.65）明显优于仅使用生物气候类变量的估算结果(平均r = 0.61)，但在森林冠层密度稀疏的中国北部针叶林生态区，仅使用Landsat遥感类变量的森林冠层高度估算精度要低于生物气候类变量。组合类变量（Landsat遥感类变量+生物气候类变量）在所有生态区对森林冠层高度的估算均获最优结果（平均r = 0.72）。

图3 EZRF模型在验证数据集上的相关系数（r）；（a）-（c）针叶林；（d）-（f）阔叶林。

为了进一步探讨生态分区尺度上森林冠层高度估算的主要影响因素，研究基于EZRF算法量化了不同变量在森林冠层高度估算中的相对重要性（图4）。实验结果表明，从生态分区的整体范围来看，生物气候类变量中的地形（dem、aspect、slope）变量是森林冠层高度估算中的最重要变量，具体来说，地形由于影响土壤发育侵蚀、土壤水分保持等因素，影响树木的生长发育；其次是Landsat遥感类变量中的单光谱波段变量，其中绿色波段（B3），由于与叶绿素II相关，在森林冠层高度估算中表现出最高的精度；近红外光谱波段的纹理变量（B5_dvar）提供了关于森林结构的丰富信息，可以有效抑制树冠阴影造成的影响，获得优于近红外单光谱波段（B5）的森林冠层高度估算精度；此外，顾及地形坡度（slope）、坡向（aspect）和太阳光照因子的山阴变量（hd1、hd2、hd3、hd4、hd5、hd6），由于反映了森林生长与不同地形条件下光照变化差异的信息，在森林冠层高度估算中具有强于遥感光谱指数类变量（RVI、DVI、SAVI、NDVI）的重要性；气候类变量中，温度类变量（bio1 - bio11）展现出随着生态区变化的明显趋势，而降水类变量（bio12 - bio19）的重要性在不同生态区相对均匀，该结果印证了水分是树木生长的主要驱动因素，而温度更加体现树木生长的局部差异这一重要现象。

图4 TZRF模型(生态区:T)和EZRF模型(生态区:1~33)的变量重要性排序。颜色越暖，变量越显著。

本研究基于ICESat-2星载激光雷达数据、Landsat遥感数据和生物气候类数据开发了一套基于生态分区的森林冠层高度估算方法，论文提出的方法显示了综合考虑与森林生长相关的生态因素在森林冠层高度估算中的优势。此外本研究全面揭示了遥感类变量和生物气候类变量在森林冠层高度估算中的相对重要性及贡献大小，证明了结合Landsat遥感类变量和生物气候类变量对大尺度森林冠层高度的估算的优势，推荐在相关研究中，使用组合类变量进行森林冠层高度估算。本研究提供的结果可以促进未来大尺度森林冠层高度的研究，并有助于在生态分区尺度上对森林碳管理策略的完善提供一定的技术支持和理论依据。

Wu Zaocong, Shi Fanglin. Mapping Forest Canopy Height at Large Scales using ICESat-2 and Landsat: An Ecological Zoning Random Forest Approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022. https://ieeexplore.ieee.org/document/9998516