森林垂直结构参数的定量测量，如树高、生物量等，对森林生态系统功能、森林物质与能量交换，尤其是森林碳储量、全球碳循环的研究有至关重要的作用(Dixon et al., 1994; Perry, 1994)。传统的遥感技术尽管在林业领域有广泛的应用，但大多数遥感技术只能获取冠层的水平分布信息，无法获取垂直信息; 并且在森林郁闭度很高时，对森林生物量的反演精度也变得很困难(Dubayah et al., 1997)。随着激光雷达主动遥感技术的发展，这些问题得到很好的解决。它利用多次回波技术，获取森林结构的三维信息，估计森林的垂直参数。国内外学者已成功地运用这一技术提取森林的垂直结构信息(Harding et al., 2001; Dubayah et al., 2000; Weishampel et al., 2000; Means et al., 1999; Sun et al., 2008)。本文采用大光斑激光雷达全球观测数据GLAS(geoscience laser altimeter system)，对波形数据进行处理与分析，反演树高和生物量，为后续的森林碳循环模型的研究提供数据基础和参考依据。

1 研究区域概况

黑龙江省位于中国的东北部，是中国位置最北、纬度最高的省份。它介于121°11′—135°05′ E，43°26′—53°33′ N。地势西北和东南高，西南为松嫩平原，东北部为三江平原。全省林业经营总面积3 126万hm²，占全省土地面积的68.9%。有林地面积1 919万hm²，活立木总蓄积15亿m³，森林覆盖率达41.9%，森林面积、森林总蓄积和木材产量均居全国首位，是国家最重要的国有林区和最大的木材生产基地。森林树种达100余种，利用价值较高的有30余种。天然林资源是黑龙江省森林资源的主体，主要分布在大小兴安岭和长白山脉及部分半山区县(市)。本文在黑龙江省内选择几个典型林场—帽儿山、凉水、孟家岗、二十二站等林场作为研究区域，研究区域内的主要乔木植物有红松(Pinus koraiensis)、云杉(Picea)、樟子松(Pinus sylvestris var. mongolica)、落叶松(Larix)、水曲柳(Fraxinus mandschurica)、胡桃楸(Juglans mandshurica)、蒙古栎(Quercus monglica)、椴树(Tilia)、色木(Acer mono)、榆树(Ulmus)、白桦(Betula platyphylla)、杨树(Populus)等。

2 数据与方法 2.1 地面数据获取

收集黑龙江省各林业局和森林调查规划设计院的森林资源调查数据，还获取黑龙江省内的一些样地数据。2007年8月，在帽儿山、凉水、孟家岗、二十二站等林场根据ICEsat GLAS的光斑位置，随机选取并设置31个与激光光斑位置对应的圆形样地，样地半径为30 m，郁闭度在0.8左右，每个样地的测量因子包括胸径、树高、冠幅、生物量等。

2.2 GLAS数据

GLAS传感器是搭载在美国科学实验卫星ICEsat(冰、云和陆地高程卫星)上的第1个激光雷达传感器。该卫星于2003年1月12日发射成功，目的是为了观测全球范围内的大气、海洋、陆地、生物圈的变化(Harding et al., 2005)。卫星轨道高度590 km，倾角94°，回归周期183天。GLAS传感器记录的是一个椭圆光斑的激光能量的回波信号，光斑直径大约为60 m，光斑间隔为172 m。GLAS的数据产品依次是卫星记录数据(1A)，包括GLA01-GLA04;初级数据产品(1B)，包括GLA05-GLA07;应用数据产品(2)，包括GLA08-GLA15。本研究是针对陆地应用，所以采用GLA01波形数据、GLA05基于波形的高程数据、GLA06高程数据和GLA14陆地/植被高度数据。

本研究获取覆盖中国黑龙江省的GLAS第三激光器Laser3I数据，时间为2007年的10月。图 1为黑龙江省内的激光光斑数据分布图。

2.3 数据处理与分析

GLA01数据文件是记录激光雷达回波数据的原始文件，1 s内接受40个激光光束回波信号，解压信号后每一个激光光束有1 000帧，1帧的大小为1 ns或15 cm，并记录每个激光光束的经纬度坐标、记录号和光束号。从GLA01数据文件中可以提取原始波形信号、噪声均值、噪声标准差和发射脉冲波形，为后面处理波形提供参数。GLA14数据文件除了记录与GLA01文件对应的经纬度坐标和记录号外，还有信号开始位置、结束位置、波形中心位置和拟合后的高斯波峰等信息(图 2)。GLA05是高程数据文件，可以与SRTM DEM或已有的DEM数据结合对激光光斑位置进行校正，计算两者之间的相关系数，当相关程度达到最大时光斑地理位置得以最后确定。

2.3.1 树高提取方法

本研究用IDL和MATLAB对GLAS波形数据进行处理，提取树高。处理流程: 1)对原始的波形数据采用高斯低通滤波去掉高频噪声，高斯窗口大小与发射脉冲宽度相近，以此达到平滑数据的目的。2)从GLA01数据中计算背景噪声的均值与标准差，因为信号开始时的噪声比信号结束时的噪声低，所以要分别计算。3)确定信号的开始与结束位置，条件为大于背景噪声均值加上3倍的标准差。4)用高斯波峰拟合波形的多峰，计算出多峰参数的初始值振幅、波峰位置、宽度。泰勒级数展开方程，采用最小二乘非线性拟合求出新的参数的改正数，进而得到6个高斯波峰的最优解。波峰的各个参数也可以从GLA14文件中直接获取。5)地面回波波峰位置的确定，从信号的结束位置开始查找波峰，如果波峰位置与信号结束位置很近，小于发射脉冲的半宽，继续查找，直到满足条件为止。6)波形的长度是波形开始位置与地面回波波峰之间的距离，进而可以求出树高，图 3中波形长度为12.75 m。

2.3.2 生物量提取方法

波形半能量高(HOME)是回波中植被部分能量一半的高度, 是地面回波峰值位置与植被能量一半位置之间的距离。HOME对冠层垂直结构和郁闭度变化很敏感，是一个综合森林冠层体积信息和森林高度信息的量，与森林地上生物量密切相关(Drake et al., 2002)，所以本研究通过建立HOME与已知的样地地上生物量的反演模型来计算激光点的地上生物量。图 3显示为植被部分的能量及波形半能量高，半能量高HOME值为7.525 m。

3 结果与分析 3.1 树高反演的结果

图 4比较了GLAS波形长度与样地平均树高，两者之间存在明显的线性关系，回归方程为: y=0.970 6x -0.240 7，决定系数为0.966 7。采用圆形样地实测的平均树高对模型模拟的树高进行检验，理论精度达到93.7%。然而，波形的长度不全等于树高是因为有地形坡度和树冠形状的影响，即受回波中地面展宽和第一个波峰的前沿上升斜率的影响。

3.2 生物量反演的结果

图 5为森林生物量与波形半能量高HOME之间的关系，两者之间存在明显的指数关系，回归方程为: y=9.239 6exp(0.217x)，决定系数为0.997 4，采用圆形样地实测的生物量对模型模拟的生物量进行检验，理论精度达到91.3%。

4 结论与讨论

GLAS是第一个对全球进行观测的激光雷达传感器，通过GLAS数据可以准确地对树高和生物量进行反演。本研究详细介绍了GLAS波形数据的处理方法，在此基础上建立树高和生物量的反演模型，决定系数分别为0.966 7和0.997 4，理论精度分别为93.7%和91.3%。但是由于大光斑激光雷达GLAS数据的密度小，且不连续性，很难成像，所以可以采用LVIS(laser vegetation imaging sensor)光斑直径较小、密度较大的激光雷达数据进行区域反演，或者与多角度、多光谱遥感数据结合反演区域尺度上的树高和生物量, 这有待于进一步研究。