顾及林区植被穿透率的多源DEM数据精度评价

顾及林区植被穿透率的多源DEM数据精度评价 Accuracy evaluation of multi-source DEM data based on the analysis of vegetation-induced penetration rate in the forest area 1 first-author 蔡士雪，研究方向为多源高程数据精度评价及树高去除。E-mail： 1565585625@qq.com 蔡士雪，研究方向为多源高程数据精度评价及树高去除。E-mail： 1565585625@qq.com 1565585625@qq.com 1 corresp 岳林蔚，研究方向为空间数据质量改善、多源遥感数据融合、图像超分辨率重建、水环境协同分析等。E-mail： yuelw@cug.edu.cn 岳林蔚，研究方向为空间数据质量改善、多源遥感数据融合、图像超分辨率重建、水环境协同分析等。E-mail： yuelw@cug.edu.cn yuelw@cug.edu.cn 1 2 中国地质大学(武汉) 地理与信息工程学院, 武汉 430078 中国地质大学(武汉) 地理与信息工程学院, 武汉 430078 School of Geography and Information Engineering, China University of Geosciences (Wuhan), Wuhan 430078, China School of Geography and Information Engineering, China University of Geosciences (Wuhan), Wuhan 430078, China 武汉大学 资源与环境科学学院, 武汉 430079 武汉大学 资源与环境科学学院, 武汉 430079 School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China 随着现代遥感观测技术的不断发展，目前已经有多个版本的公开高程数据集。然而，在林区，由于植被对电磁波的遮挡或吸收作用，遥感手段探测得到的高程不能反映真实的地表信息，存在系统偏差的影响。为了分析多源DEM产品在林区高程偏差的特性，本文选取了美国马里兰州和索诺马县为研究区域，对比不同地形、不同林区类型条件下雷达DEM产品SRTM1、TanDEM-X 90和光学DEM产品AW3D 30与裸地参考高程3DEP的差值，得到3类高程产品的林区穿透率，并结合林区类型、植被冠层高度、冠层覆盖度和坡度等辅助数据进行差异分析。结果表明，SRTM1、TanDEM-X 90和AW3D 30中，C波段雷达探测数据SRTM1的整体林区穿透率最大，尤其是在马里兰州常绿针叶林，其整体穿透率可达0.771；而基于X波段雷达观测的TanDEM-X 90和光学数据AW3D 30的林区穿透率相当。3类高程产品在针叶林中的林区穿透率大于在阔叶林中的林区穿透率，且林区穿透率均随着冠层覆盖度的增加而减弱，其中TanDEM-X 90和AW3D 30的林区穿透率减弱幅度较大。除探测波长影响外，主要原因是TanDEM-X 90和AW3D 30均由高分辨率数据采样得到，重采样前的高分辨率原始数据更容易检测到树木之间的开阔区域。此外，复杂的地形环境在一定程度上会降低高程数据产品的垂直精度，导致计算得到的林区穿透率偏低。因此，在林区对SRTM1、TanDEM-X 90和AW3D 30这3类高程产品进行应用时，应综合考虑传感器波段的穿透性、林区类型、冠层覆盖度以及坡度的影响，根据每个产品的林区穿透率去除植被冠层高度，以获取更加精确的地表信息。 With the development of modern remote sensing observation technology, there are several versions of public elevation datasets. However, due to the shielding effect or absorption of electromagnetic waves by dense vegetation in forest areas, the elevation obtained by remote sensing techniques is inevitably influenced by the systematic deviation. In this paper, the radar-derived DEM products (i.e., SRTM1 and TanDEM-X 90) and optical-sensor based AW3D30 dataset were chosen to analyze the characteristics of elevation deviations of multi-source DEM products in forest areas. The Maryland and Sonoma County of the United States were selected as the study regions. Using the 3DEP as the reference of bare-ground elevation, the vegetation-induced penetration rates of the three elevation products in the areas with different terrain conditions and covered by various forest types were obtained. The results showed that the overall penetration rate of SRTM1 obtained through C-band radar detection is the largest among the three datasets, followed by TanDEM-X 90 and AW3D 30 with comparable penetration rates. In terms of forest types, the penetration rates in coniferous forests are greater than that in broad-leaved forest. Moreover, the forest penetration rate decreases with the increase of canopy coverage, especially for TanDEM-X 90 and AW3D 30. In addition to the influence of detection wavelength, the main reason is that both TanDEM-X 90 and AW3D 30 are sampled from high-resolution data, and the high-resolution raw data before resampling make it easier to detect the open area between trees. In addition, the complex terrain environment will decrease the vertical accuracy of DEM datasets, and result in relatively lower penetration rates. Based on the results, the vegetation-induced penetration rate was synthetically affected by multiple factors, including sensor’s working waveband, forest type, canopy coverage, and terrain slope. The canopy height should be removed for the elevation datasets considering different penetration power of vegetation to obtain more accurate surface information. This research is helpful in improving the accuracy of canopy height removal for elevation products, and it provides a scientific reference basis for users when selecting the appropriate elevation products in the applications. SRTM1 TanDEM-X 90 AW3D 30 林区 穿透率 精度评价 SRTM1 TanDEM-X 90 AW3D 30 forest area penetration rate accuracy evaluation 1　引言 1 DEM（Digital Elevation Model）是重要的地理空间基础数据，包含GIS数字地形分析所需要的丰富的地学信息（ 朱红春，2003 朱红春，2003 ）。随着遥感技术的迅猛发展，目前已有多个版本的免费DEM数据产品，覆盖全球大部分陆地区域，并广泛应用于地质全球模型、冰川体积变化监测、自然灾害评估和气候学分析等领域（ Grohmann，2018 Grohmann，2018 ； 陈昊楠 等，2020 陈昊楠 等，2020 ）。然而，由于观测条件、处理技术、地形环境等因素的影响，获取的DEM产品往往在空间分辨率、数据精度等方面存在较大差异，影响分析与应用结果的可信性，因此，对DEM产品质量进行评估具有重要的意义（ 詹蕾 等，2010 詹蕾 等，2010 ； 唐新明 等，2021 唐新明 等，2021 ）。 由于在复杂的地形地貌区域难以获得准确的地面高程信息，对高程数据的精度分析大多集中在低植被或低地势区域进行。比如， Altunel（2019） Altunel（2019） 通过将TanDEM-X 90 （TerraSAR-X add-on for Digital Elevation Measurement-90m）和SRTM （Shuttle Radar Topography Mission）数据在土耳其4个水库中的裸地或者草本区域与使用RTK-GPS测量的高精度高程进行比较，发现在地形陡峭的区域，TanDEM-X 90数据被高估，在低坡度区域，TanDEM-X 90的高程精度优于SRTM； Hawker等（2019） Hawker等（2019） 在地势平缓的漫滩地区使用机载激光雷达DTM数据评估了TanDEM-X 90、MERIT （Multi-Error-Removed Improved-Terrain）和SRTM3数据的精度，结果显示在裸地区域，TanDEM-X 90的垂直精度最高，而在植被覆盖区域，MERIT的精度最高。 对于林区而言，除了粗差及随机误差之外，DEM精度还往往受到观测手段的影响，存在被植被遮挡造成的系统偏差。比如SRTM1数据的C波段和TanDEM-X 90数据的X波段的雷达相位中心由于叶子，树枝和树干的吸收和反射效应而无法到达真实地表，并且位于植被的垂直范围内而不是在林区表面（ Farr 等，2007 Farr 等，2007 ）。 Bourgine和Baghdadi（2005） Bourgine和Baghdadi（2005） 在对法属圭亚那南部地势较为平坦的原始森林进行研究时发现，SRTM3获取的高程相比实际的地表平均高出约15 m； Carabajal和Harding（2006） Carabajal和Harding（2006） 在全球多个区域使用GLAS （Geoscience Laser Altimeter System）地学激光测高数据研究SRTM1的精度，发现植被覆盖地区，SRTM1获取的平均高程的位置大约位于冠层顶部到地面距离的40%； Kenyi等（2007） Kenyi等（2007） 在加利福尼亚州内华达山脉中将SRTM1减去NED （National Elevation Dataset）得到的森林冠层高度与根据LVIS （Laser Vegetation Imaging Sensor）数据导出的植被冠层高度、树冠形状、冠层覆盖度3个指标进行比较分析，结果表明，植被对高程偏差的影响一般随冠层高度和覆盖度的增大而增大。 Grohmann（2018） Grohmann（2018） 通过与SRTM、ASTER （Advanced Spaceborne Thermal Emission and Reflection Radiometer）和AW3D 30 （ALOS World 3D-30 m）等DEM产品在7个具有不同地形地貌、植被覆盖和土地利用的研究区域的对比，对巴西境内12 m分辨率的TanDEM-X进行了质量评估，结果发现TanDEM-X数据细节信息较为丰富，而SRTM1的有效水平分辨率比标称的30 m粗糙。除此之外，植被类型在其精度评价中也是一个重要的因素，一般来说，在低矮植被区域，高程数据的高程偏差较小，而在森林区域高程偏差较大（ Shortridge和Messina，2011 Shortridge和Messina，2011 ）。 综上所述，在植被区域，尤其是林区，目前全球高程数据产品大多不能代表实际裸地高程，这在一定程度上限制了高程数据在洪水建模、林区灾害评估等领域的应用。针对此问题，我们需要深入探讨高程产品在林区所探测的具体位置，进而在应用中可以更加精确地分析植被造成的系统偏差对应用结果的影响。然而，在林区对高程产品进行精度分析过程中，目前研究大多基于高程差的量值进行精度评估。为进一步明确在不同测量波段、林区特征以及地形因子等条件下多源DEM数据对林区的穿透性差异，本文以裸地高程数据3DEP （3D Elevation Program）为参考数据，分析了SRTM1、TanDEM-X 90和AW3D 30数据产品在林区的穿透率系统误差，同时结合传感器波段的穿透性、林区类型、冠层覆盖度和坡度等辅助数据进行分析。其中，光学波段本身不具有穿透性，但为了便于与SRTM1和TanDEM-X 90产品进行对比，本文将由光学高程数据AW3D 30与裸地的栅格高程差值和林区植被高度的比值表述为光学DEM的林区穿透率。SRTM1是目前应用最广泛的高程数据产品之一，而AW3D 30和TanDEM-X 90是分别于2016年和2018年才免费共享的高程产品，目前关于三者在植被覆盖区域的精度对比研究较少，因此本文针对雷达、光学多源DEM数据产品，进行林区高程精度评估具有重要的理论意义和应用价值。 2　研究区域 1 为了探讨不同地形对SRTM1、TanDEM-X 90和AW3D 30的林区穿透率的影响，本文共选用两个研究区域，分别为位于地势平坦的美国马里兰州和地势陡峭的美国索诺玛县，如 图1 图1 所示。 （a） 研究区域Ⅰ—马里兰州 （b） 研究区域Ⅱ—索诺马县 （a） The first study area Ⅰ： Maryland （b） The second study area Ⅱ： Sonoma 研究区域Ⅰ是美国马里兰州，经纬度覆盖范围为37°69′—39°95′N，74°82′—79°71′W，总面积约为3.2万 km 2 ，该区域自然资源丰富，森林占州面积约40%，主要分布常绿针叶林和落叶阔叶林。同时，从 图1 图1 （a）可以看出，马里兰州东部多为沿海平原，而最西部阿巴拉契亚山脉地势较为复杂，位于全州高程最高点。研究区域Ⅱ为美国加利福尼亚州索诺玛县，其经纬度覆盖范围为38°10′—38°86′N，122°34′—123°54′W，总面积超1500 km 2 ，该区域多面环山，地势复杂，林区面积约占60%，主要分布常绿针叶林和常绿阔叶林。 3　实验数据 1 3.1　全球高程产品 2 3.1.1　SRTM1 3 SRTM是由美国航空航天局（NASA）和国防部国家测绘局（NIMA）联合测量的30 m分辨率全球高程数据集（ https：//earthexplorer.usgs.gov/ https://earthexplorer.usgs.gov/ ［2020-07-01］），在2000年2月进行的一次为期11 d的任务期间，利用C波段干涉合成孔径雷达系统收集（ Zhao 等，2018 Zhao 等，2018 ）。C波段雷达相位中心绝对水平和垂直精度的任务规范分别为20 m（90%置信度下的圆性误差）和16 m（90%置信度下的线性误差）（ Carabajal和Harding，2005 Carabajal和Harding，2005 ）。SRTM有两个版本的免费公开数据，分别为SRTM1和SRTM3，本研究中使用的SRTM高程数据是SRTM1，分辨率为30 m，该数据集于2014年开始向全球逐步免费开放，是近几年应用最广泛的高程产品（ 李鹏 等，2016 李鹏 等，2016 ）。 3.1.2　AW3D 30 3 AW3D 30是日本宇宙航空研发机构（JAXA）于2016年发布的30 m分辨率全球覆盖DSM数据集（ https：//www.eorc.jaxa.jp/ALOS/en/aw3d30/ https://www.eorc.jaxa.jp/ALOS/en/aw3d30/ ［2020-07-01］），数据采集时间为2006年—2011年。它实际上是通过对5 m分辨率的AW3D地形数据进行重采样获取的高程产品，根据重采样聚合方式不同，目前有均值和中值两个版本的数据，本文选用的是均值处理得到的DEM数据（ 袁小棋 等，2018 袁小棋 等，2018 ）。AW3D是由装在先进的陆地观测卫星“ALOS”上的立体测图全色遥感器（PRISM）测得的数据，5 m的水平分辨率使其具有精细的细节信息，更容易检测到树木之间的开阔区域，即使重采样至30 m分辨率的AW3D 30，依旧可以保留裸地或低矮植被的高度信息（ Grohmann，2018 Grohmann，2018 ）。 3.1.3　TanDEM-X 90 3 TanDEM-X 90是由德国宇航中心（DLR）于2016年生产的全球覆盖高程数据集（ https：//download.geoservice.dlr.de/TDM90/ https://download.geoservice.dlr.de/TDM90/ ［2020-01-01］），分辨率为90 m，是通过对12 m分辨率的TanDEM-X数据进行重采样获取的高程产品，并于2018年对外免费发布。TanDEM-X是一项对地观测雷达任务，数据采集时间为2010年—2015年，它是由两颗间隔120 m至500 m的X波段合成孔径雷达以紧密排列的方式制造的SAR干涉仪同时观测同一个区域，通过多次重复观测获取质量均匀的全球高程产品。TanDEM-X产品的绝对垂直精度小于10 m，相对垂直精度在坡度小于等于20°时为2 m，在坡度大于等于20°时为4 m（ Wessel 等，2018 Wessel 等，2018 ）。由于空间平均，TanDEM-X 90产品的相对垂直精度优于12 m分辨率的TanDEM-X产品的相对垂直精度。在本文中将TanDEM-X 90产品通过双线性插值重采样至30 m分辨率，使其与SRTM1和AW3D 30产品分辨率一致。同时，TanDEM-X 90的垂直基准为WGS84（G1150）椭球体，而AW3D 30和SRTM1高程均是参考EGM96大地水准面的正高，为了统一垂直基准，本文将TanDEM-X 90高程由椭球高转换到正高，转换关系如下： <math display="block" id="M1"><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">e</mi><mi mathvariant="normal">l</mi><mi mathvariant="normal">i</mi><mi mathvariant="normal">p</mi></mrow></msub><mo>=</mo><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">o</mi><mi mathvariant="normal">r</mi><mi mathvariant="normal">t</mi><mi mathvariant="normal">h</mi><mi mathvariant="normal">o</mi></mrow></msub><mo>+</mo><mi>N</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631142&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631138&type= 23.79133224 3.80999994 式中， <math id="M2"><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">e</mi><mi mathvariant="normal">l</mi><mi mathvariant="normal">i</mi><mi mathvariant="normal">p</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631147&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631144&type= 5.67266655 3.72533321 为WGS84椭球高， <math id="M3"><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">o</mi><mi mathvariant="normal">r</mi><mi mathvariant="normal">t</mi><mi mathvariant="normal">h</mi><mi mathvariant="normal">o</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631153&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631150&type= 6.60400009 3.72533321 为EGM96正高， <math id="M4"><mi>N</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631162&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631160&type= 2.62466669 2.62466669 为正高与椭球高之差，在处理过程中 <math id="M5"><mi>N</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631162&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631160&type= 2.62466669 2.62466669 可以由ArcGIS软件提供的WGS84.img文件中获取。 3.2　裸地高程 2 3DEP （3D Elevation Program）是美国地质勘探局（USGS）通过采用激光雷达（Lidar）和干涉合成孔径雷达（Ifsar）研发的高精度地面高程数据，以满足用户对美国高质量的地形数据的需求，以及对国家自然和建筑特征的其他广泛的三维信息的需求。第一份3DEP数据集于2016年生产，并计划于2023年完成所有数据集的采集工作，目前已有6份不同分辨率且覆盖美国不同区域的3DEP数据集可以免费下载（ USGS，2019 USGS，2019 ）。为了与SRTM1和AW3D 30的水平分辨率一致，本文选用了30 m分辨率的3EDP数据集作为裸地高程数据，其水平基准为1983年北美基准（NAD 83），垂直基准为1988年北美垂直基准（NAVD88）。因此，为了统一垂直基准，本文利用NOAA开发的Vdatum软件，将3DEP高程基准转换到EGM96大地水准面，并投影至WGS 84大地坐标系（ NOAA，2018 NOAA，2018 ）。随后，以垂直基准校正后的3DEP为基础数据提取30 m水平分辨率的坡度数据，为在空间结构上分析SRTM1、TanDEM-X 90和AW3D 30的林区穿透率做数据准备（ Zhou和Liu，2004 Zhou和Liu，2004 ）。其中两个研究区域的坡度分布情况如 图2 图2 所示，可以看出，索诺马县地形坡度高，而马里兰州虽然整体地势平坦，但是在其西部仍存在地势陡峭的阿巴拉契亚山脉地区。 1,2; 3.3　植被数据 2 植被数据是林区高程产品精度评价的重要结构参数，在本研究中包括植被冠层高度、冠层覆盖度和林区类型数据。马里兰州和索诺马县的冠层高度数据和冠层覆盖度数据名称分别为“LiDAR-Derived Aboveground Biomass，Canopy Height and Cover for Maryland，2011”和“LiDAR-derived Biomass，Canopy Height and Cover，Sonoma County，California，2013”，且均可以从EARTHDATA网站上免费获取（ https：//search.earthdata.nasa.gov/ https://search.earthdata.nasa.gov/ ［2020-07-01］），分辨率为30 m。其中冠层覆盖度是通过结合激光雷达数据和美国国家农业影像计划（NAIP）的高分辨率多光谱图像，使用基于对象的方法创建的。然后将冠层覆盖度作为掩膜，应用于激光雷达数据分别获取的DSM与DEM的差值，从而得到冠层高度（ Dubayah 等，2017 Dubayah 等，2017 ）。马里兰州的植被冠层高度数据和冠层覆盖度数据于2011年获取，最大冠层高度达50 m，索诺玛县的植被冠层高度数据和冠层覆盖度数据于2013年获取，最大冠层高度达100 m。两个研究区域中植被冠层高度与冠层覆盖度的分布情况如 图3 图3 和 图4 图4 所示。 1,2; 1,2; 植被类型数据选用500 m分辨率的MODIS三级土地覆盖产品MCD12Q1（MODIS Land Cover Type Product）（ https：//ladsweb.modaps.eosdis.nasa.gov/search/ https://ladsweb.modaps.eosdis.nasa.gov/search/ ［2022-07-01］），该数据集包含17种土地覆盖类型（ Friedl 等，2010 Friedl 等，2010 ； Zhao 等，2018 Zhao 等，2018 ）。本文通过对两个研究区域的MCD12Q1产品进行分析发现，马里兰州主要分布的林区类型为常绿针叶林和落叶阔叶林，对应的MCD12Q1像元值为1和4，而索诺马县主要分布的林区类型为常绿针叶林和常绿阔叶林，对应的MCD12Q1像元值为1和2。两个研究区域中的林区类型分布状况如 图5 图5 所示，从中可以看出，索诺马县的两种林区类型分布较为均匀，而马里兰州中，常绿针叶林的像素数量要远小于落叶阔叶林。本文将两个研究区不同林区类型分别作为掩膜，提取所需要的分析区域。 1,2;3; 4　实验方法 1 4.1　亚像素配准 2 由于获取数据技术的差异，各类高程产品之间往往存在着像元偏移现象（ Ni等，2014 Ni等，2014 ）。其中亚像素配准广泛应用于高程产品配准与精度评价研究中（ Rodríguez等，2006 Rodríguez等，2006 ； Van等，2008 Van等，2008 ； Tachikawa 等，2011 Tachikawa 等，2011 ）。为了使对应数据的原始分辨率得到准确的亚像素位移，本文首先将SRTM1、TanDEM-X 90、AW3D 30和3DEP数据通过双线性内插的方法分别重采样至3 m分辨率，然后将SRTM1、TanDEM-X 90和AW3D 30以3 m的像元单位为步长沿 <math id="M6"><mi>x</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631277&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631276&type= 1.77800000 2.62466669 和 <math id="M7"><mi>y</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631283&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631280&type= 1.77800000 3.47133350 方向进行平移，并分别计算每个平移位置上SRTM1、TanDEM-X 90和AW3D 30与3DEP高程差的标准偏差，最后根据标准偏差最小时的位移量分别作为SRTM1、TanDEM-X 90和AW3D 30配准时最佳的位移量进行平移。3类高程产品在两个区域的偏移量如 表1 表1 所示。表格中偏移量的数值单位是30 m分辨率的像元尺寸。 注： 其中 <math id="M8"><mi>x</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631295&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631293&type= 1.35466671 2.03200006 方向以东为正， <math id="M9"><mi>y</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631302&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631298&type= 1.35466671 2.62466669 方向以北为正，例如（0.3，-0.4）代表向东偏移0.3个像元，并向南偏移0.4个像元。 2 研究区域 3 高程产品 SRTM1 TanDEM-X 90 AW3D 30 马里兰州 （-0.1， 0.3） （0.1， 0.3） （-0.3， 0.4） 索诺马县 （0.2， 0.2） （0.1， 0.2） （-0.1， 0.4） 4.2　提取低坡度区域 2 高程数据在采集和处理过程中不可避免地会受到地形环境因素的质量限制，比如在地形起伏较大的区域，容易使雷达影像产生阴影、顶底位移和透视收缩等现象，从而影响了高程数据的实际林区穿透性（ Toutin，2002 Toutin，2002 ）。 Askne等（2019） Askne等（2019） 在探究TanDEM-X对森林结构的敏感性时曾发现，TanDEM-X的相位中心高度与林区冠层高度和林区密度的乘积具有较强的相关性。因此，本文选用植被冠层高度和冠层覆盖度的乘积作为辅助变量，记为PHC（Product of Height and Coverage）；将SRTM1、TanDEM-X 90和AW3D 30数据与3DEP的差值分别记为3类高程产品的高程差，从 图6 图6 可以看出，随着坡度的增大，3类高程产品的高程差与PHC的相关性普遍降低，因此，为降低高坡度区域对结果分析的不确定影响，本研究将坡度大于20°的区域从实验中剔除，剔除高坡度区域后的像元数目如 表2 表2 所示。其中，索诺马县由于地势陡峭，高坡度区域占整个研究区域的比例较高，但是保留下的低坡度区域的像元数目较多，依旧具有统计意义。此外，通过 图5 图5 与 表2 表2 可以看出，虽然马里兰州的常绿针叶林面积远小于落叶阔叶林，但常绿针叶林的像元数量也足以进行统计分析。 1,2;3; 2 参量 2 马里兰州 2 索诺马县 常绿针叶林 落叶阔叶林 常绿针叶林 常绿阔叶林 林区类型像元数目 88674 5989354 1072840 924663 去坡度>20°后的像元数目 88659 5686892 626226 464710 去异常值后的像元数目 87945 5630947 617472 459717 4.3　异常值剔除 2 由于传感器测量时仪器的震荡、云层遮挡、以及研究区域周围复杂的地形特征的影响，导致部分高程数据质量降低，容易产生异常值（ Goud和Bhardwaj，2021 Goud和Bhardwaj，2021 ； Chen等，2020 Chen等，2020 ）。针对这个问题，本次实验将利用平均值及标准差设置阈值，对DEM数据中的粗差点进行剔除（ 岳林蔚，2017 岳林蔚，2017 ）。首先，计算SRTM1、TanDEM-X 90和AW3D 30与3DEP数据的高程差，然后分别统计3个高程差的均值和标准差，按照“三倍标准差法”确定每一个类别产品的阈值，即［ Mean -3· Std ， Mean +3· Std ］，其中 Mean 为高程差的平均值， Std 为高程差的标准差，最后将高程差在阈值之外的高程点作为异常值从本次实验中剔除，剔除异常值后的像元数目如 表2 表2 所示。 4.4　林区穿透率计算 2 由于每个林区的整体平均冠层高度相差较大，仅从穿透深度无法比较高程数据在不同类型林区的穿透性，因此实验将使用林区穿透率作为高程精度的评价指标。林区穿透率的计算公式如下所示： <math display="block" id="M10"><mi>P</mi><mo>=</mo><mfrac><mrow><mi>M</mi><mi>e</mi><mi>a</mi><mi>n</mi><mfenced separators="|"><mrow><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">C</mi><mi mathvariant="normal">a</mi><mi mathvariant="normal">n</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">p</mi><mi mathvariant="normal">y</mi></mrow></msub><mo>-</mo><mo stretchy="false">(</mo><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">D</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">M</mi><mi mathvariant="normal">s</mi></mrow></msub><mo>-</mo><msub><mrow><mi>H</mi></mrow><mrow><mn mathvariant="normal">3</mn><mi mathvariant="normal">D</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">P</mi></mrow></msub><mo stretchy="false">)</mo></mrow></mfenced></mrow><mrow><mi>M</mi><mi>e</mi><mi>a</mi><mi>n</mi><mo stretchy="false">(</mo><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">C</mi><mi mathvariant="normal">a</mi><mi mathvariant="normal">n</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">p</mi><mi mathvariant="normal">y</mi></mrow></msub><mo stretchy="false">)</mo></mrow></mfrac></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631347&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631344&type= 54.18666840 10.41399956 式中， <math id="M11"><mi>P</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631355&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631351&type= 2.28600001 2.62466669 为整体的林区穿透率， <math id="M12"><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">C</mi><mi mathvariant="normal">a</mi><mi mathvariant="normal">n</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">p</mi><mi mathvariant="normal">y</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631363&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631360&type= 8.46666718 3.72533321 是林区的冠层高度， <math id="M13"><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">D</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">M</mi><mi mathvariant="normal">s</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631370&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631367&type= 7.45066643 3.72533321 是SRTM、AW3D 30和TanDEM-X 90的高程值， <math id="M14"><msub><mrow><mi>H</mi></mrow><mrow><mn mathvariant="normal">3</mn><mi mathvariant="normal">D</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">P</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631375&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631373&type= 7.28133297 3.72533321 是对应位置的裸地高程，即3DEP高程值。其中 式（2） 式（2） 中的 <math id="M15"><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">C</mi><mi mathvariant="normal">a</mi><mi mathvariant="normal">n</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">p</mi><mi mathvariant="normal">y</mi></mrow></msub><mo>-</mo><mo stretchy="false">(</mo><msub><mrow><mi>H</mi></mrow><mrow><mi mathvariant="normal">D</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">M</mi><mi mathvariant="normal">s</mi></mrow></msub><mo>-</mo><msub><mrow><mi>H</mi></mrow><mrow><mn mathvariant="normal">3</mn><mi mathvariant="normal">D</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">P</mi></mrow></msub><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631380&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=37631378&type= 34.96733475 4.57200003 部分为林区穿透深度，SRTM1、TanDEM-X 90和AW3D 30这3类高程数据的林区穿透深度分别记为d_S、d_T和d_A。 5　实验结果 1 本文主要研究SRTM1、TanDEM-X 90和AW3D 30高程产品对林区的穿透能力，并在不同的林区类型、冠层覆盖度及地形坡度等条件下，对比分析3类高程产品的林区穿透率。 5.1　整体林区穿透率分析 2 本节首先统计了SRTM1、TanDEM-X 90和AW3D 30在两个研究区域中的林区穿透深度d_S、d_T和d_A的平均值、标准差、偏度和峰度，通过对比分析，统计各类高程产品在林区的穿透深度的分布特性。马里兰州中的常绿针叶林、落叶阔叶林和索诺马县中的常绿针叶林、常绿阔叶林这4个林区的整体平均植被冠层高度、平均冠层覆盖度和平均坡度如 表3 表3 所示。 2 参量 2 马里兰州 2 索诺马县 常绿针叶林 落叶阔叶林 常绿针叶林 常绿阔叶林 平均植被覆盖度 0.850 0.864 0.774 0.845 平均坡度/（°） 0.598 6.733 12.205 12.692 平均植被高度/m 18.168 24.487 26.419 31.403 偏度是统计平均值周围分布不对称程度的数字特征（ 金秉福，2012 金秉福，2012 ）。其中，偏度正值表示右偏，负值表示左偏，当偏度的绝对值小于0.5时，则数据分布较为对称（Miliaresis 和Delikaraoglou，2009）。而峰度也是检验分布正态性的标准之一，标准正态分布的峰度为3，当峰度小于3时，数据的分布呈平峰瘦尾型，而当峰度大于3时，数据的分布则呈尖峰厚尾型（ 张俊 等，2021 张俊 等，2021 ）。如 图7 图7 和 图8 图8 所示，除马里兰州常绿针叶林区，3类高程产品在其他区域的林区穿透深度直方图均呈相对集中的单峰分布，偏度绝对值也均小于0.5，说明分布比较匀称。马里兰州与索诺马县中林区的峰度均大于3，呈尖峰厚尾型，说明3类高程产品的林区穿透深度分布更集中于均值，但是相较于正态分布，其分布的极端值较多。 同时本文统计了马里兰州和索诺马县林区中3类高程产品的林区穿透深度信息（ 表4 表4 和 表5 表5 ），从整体的穿透深度统计结果可以看出，在每一个林区，SRTM1穿透深度的平均值大于其他两类高程产品。除此之外，本节还统计了3类高程产品在两个研究区域的整体林区穿透率（ 表6 表6 和 表7 表7 ）。结果表明，在两个研究区域内SRTM1的林区穿透率也是最强的，同时对应的高程偏差最小，即SRTM1的整体垂直精度最高。这是因为C雷达波段在林区具有较高的穿透性，且SRTM1的获取时间是冬季，多数林区枝叶凋零，即使是常绿林，也会有近25%树种处于落叶期，使得SRTM1可以更加容易地探测到林区深处，而TanDEM-X 90和AW3D 30的林区穿透率在所有研究区域中相当。从 表6 表6 和 表7 表7 还可以得出，3类高程产品在针叶林中的林区穿透率始终大于在阔叶林中的林区穿透率，这是因为针叶林的冠层呈针叶状，阔叶林的冠层呈阔叶状，测量波段在针叶林中具有更高的穿透性。在所有研究区域中SRTM1的林区穿透率相较于其他两类高程产品最大，尤其是在马里兰州的常绿针叶林中，SRTM1的穿透率可以高达0.771，如 表6 表6 所示。 2 参数 3 常绿针叶林 3 落叶阔叶林 SRTM1 TanDEM-X 90 AW3D 30 SRTM1 TanDEM-X 90 AW3D 30 平均值 14.000 10.393 10.516 17.519 14.010 13.428 标准差 5.853 5.767 5.633 5.891 7.141 5.956 偏度 -0.629 0.524 0.980 -0.419 -0.053 0.202 峰度 6.441 4.953 6.394 4.508 3.880 3.828 2 参数 3 常绿针叶林 3 常绿阔叶林 SRTM1 TanDEM-X 90 AW3D 30 SRTM1 TanDEM-X 90 AW3D 30 平均值 17.942 17.394 17.187 19.994 18.600 18.764 标准差 10.679 12.378 8.685 9.693 12.462 8.554 偏度 0.065 -0.026 0.459 -0.032 -0.145 0.364 峰度 3.011 3.132 3.696 3.180 3.150 3.630 2 参数 3 常绿针叶林 3 落叶阔叶林 SRTM1 TanDEM-X 90 AW3D 30 SRTM1 TanDEM-X 90 AW3D 30 平均穿透率 0.771 0.576 0.579 0.715 0.572 0.548 高程偏差/m 4.168 7.775 7.653 6.967 10.477 11.059 2 参数 3 常绿针叶林 3 常绿阔叶林 SRTM1 TanDEM-X 90 AW3D 30 SRTM1 TanDEM-X 90 AW3D 30 平均穿透率 0.679 0.658 0.651 0.637 0.592 0.598 高程偏差/m 8.477 9.025 9.232 11.409 12.803 12.639 5.2　冠层覆盖度对穿透率的影响 2 植被覆盖度对高程产品的林区穿透深度有很大的阻碍影响（ Huang 等，2001 Huang 等，2001 ； Carabajal和Harding，2005 Carabajal和Harding，2005 ； Bhang 等，2007 Bhang 等，2007 ）。Miliaresis 和Delikaraoglou （2009）更是证明了SRTM的林区穿透深度与植被覆盖度存在线性关系。因此，本文通过计算不同冠层覆盖度等级下SRTM1、TanDEM-X 90和AW3D 30的林区穿透率，探讨3类高程产品林区穿透率对冠层覆盖度的敏感性，以及与林区类型之间的关系。 由于林区植被多集中于高覆盖度区域，因此本文从冠层覆盖度为0.5时开始进行分析。经统计，马里兰州的常绿针叶林、落叶阔叶林和索诺马县的常绿针叶林、常绿阔叶林在不同冠层覆盖度等级下的平均林区穿透率统计结果如 表8 表8 和 表9 表9 所示，以及林区穿透率与冠层覆盖度的相关性系数（ R 2 ）和 P 值的统计结果如 表10 表10 和 表11 表11 所示， 图9 图9 为研究区域中3类高程产品林区穿透率随冠层覆盖度的变化关系。从 表10 表10 和 表11 表11 中可以看出，两个研究区域中，3类高程产品的林区穿透率与冠层覆盖度均具有较高的相关性，且从 图9 图9 、 表8 表8 和 表9 表9 发现，冠层覆盖度越高，高程产品的林区穿透率越低。其中AW3D 30和TanDEM-X 90对冠层覆盖度表现得较敏感，尤其是在冠层覆盖度接近1时，TanDEM-X 90和AW3D 30的林区穿透率迅速下降。首先，光学波段对林区不具有穿透性，因此AW3D 30的林区穿透率主要依赖于重采样前的AW3D数据高空间分辨率（5 m）的细节信息，即在冠层覆盖度较低时，高分辨率高程数据的网格中可能包含裸地或低高度草本区域，使得重采样后的30 m空间分辨率高程数据AW3D 30保留了一部分低矮区域的高度信息，在林区得到的实际高度低于冠层顶部高度，因此AW3D 30的林区穿透性对冠层覆盖度的敏感性较高；另一方面，TanDEM-X 90的X波段对林区具有一定的穿透性，但X波段波长较短（3.1 cm），使得其作用于TanDEM-X 90的林区穿透性并不显著。而与AW3D类似，TanDEM-X 90重采样前的原始高程数据TanDEM-X具有较高的空间分辨率（12 m），因此TanDEM-X 90同样保留了一部分开阔区域的高度信息，进一步加大了其在林区的穿透深度及其林区穿透率对冠层覆盖度的敏感性。此外，在两个研究区域中，当冠层覆盖度小于1时，AW3D 30的林区穿透率始终大于TanDEM-X 90的林区穿透率，这是因为5 m的空间分辨率相较于12 m可以探测到更多的裸地和低矮植被区域，进一步验证了原始高程数据的高空间分辨率是重采样后的TanDEM-X 90和AW3D 30产品具有较高林区穿透率的主要影响因素；但是当冠层覆盖度等于1时，在所有的研究区域中，原始测量波段的波长对林区的穿透性的影响占主导地位，具体表现为C波段测得的SRTM1高程产品的林区穿透率最大，光学波段测得的AW3D 30高程产品的林区穿透率降到最低。此外，与5.1节结果相似，3类高程产品在针叶林中的林区穿透率也普遍大于阔叶。在马里兰州中，SRTM1的林区穿透率大于TanDEM-X 90和AW3D 30，这与5.1节整体林穿透率分析的结果相似，且SRTM1的林区穿透率与TanDEM-X 90和AW3D 30的林区穿透率的差异随着冠层覆盖度的增大而增大。但由于高坡度区域对雷达信号的遮挡或阴影等影响，在地势陡峭的索诺马县，SRTM1计算得到的穿透率有所减弱，使得在冠层覆盖度小于1时，SRTM1的林区穿透率均小于AW3D 30。此外，TanDEM-X 90的测量波段也是雷达波段，但由于TanDEM-X项目运行时，在复杂地形区域增加了覆盖范围，且重新定位轨道，以减少在山区地形中雷达阴影造成的影响，因此，在索诺马县中，TanDEM-X 90的变化趋势受地形的的影响较小。 注： P SRTM1 、 P TanDEM-X 90 和 P AW3D 30 分别表示SRTM1、TanDEM-X 90和AW3D 30的林区穿透率。 2 覆盖度 4 常绿针叶林 4 落叶阔叶林 像元数目 P SRTM1 P TanDEM-X 90 P AW3D 30 像元数目 P SRTM1 P TanDEM-X 90 P AW3D 30 ［0.5，0.6） 1501 0.826 0.704 0.759 116197 0.796 0.719 0.765 ［0.6，0.7） 1958 0.822 0.682 0.741 136510 0.784 0.701 0.740 ［0.7，0.8） 2628 0.825 0.647 0.698 163118 0.774 0.686 0.715 ［0.8，0.9） 4325 0.819 0.618 0.673 239938 0.760 0.666 0.680 ［0.9，1.0） 9719 0.809 0.580 0.625 570823 0.745 0.631 0.618 1.0 47605 0.758 0.510 0.500 4007690 0.696 0.534 0.489 注： P SRTM1 、 P TanDEM-X 90 和 P AW3D 30 分别表示SRTM1、TanDEM-X 90和AW3D 30的林区穿透率。 4 常绿针叶林 4 常绿阔叶林 覆盖度 像元数目 P SRTM1 P TanDEM-X 90 P AW3D 30 像元数目 P SRTM1 P TanDEM-X 90 P AW3D 30 ［0.5，0.6） 24296 0.766 0.771 0.817 14703 0.738 0.743 0.779 ［0.6，0.7） 29831 0.743 0.738 0.791 19078 0.718 0.713 0.753 ［0.7，0.8） 36985 0.717 0.703 0.755 25889 0.695 0.681 0.723 ［0.8，0.9） 55679 0.690 0.666 0.707 42935 0.665 0.639 0.679 ［0.9，1.0） 131648 0.648 0.602 0.620 120109 0.627 0.580 0.595 1.0 151369 0.612 0.547 0.527 178954 0.591 0.529 0.509 2 参数 3 常绿针叶林 3 落叶阔叶林 SRTM1 TanDEM-X90 2 AW3D30 SRTM1 TanDEM-X90 AW3D30 R 2 0.621 0.963 2 0.891 0.891 0.847 0.880 P 0.063 0.001 2 0.005 0.005 0.009 0.006 2 参数 3 常绿针叶林 3 常绿阔叶林 SRTM1 TanDEM-X90 2 AW3D30 SRTM1 TanDEM-X90 AW3D30 R 2 0.987 0.981 2 0.942 0.984 0.982 0.938 P 0.001 0.001 2 0.002 0.001 0.001 0.002 1,2; 6　结论 1 SRTM1、TanDEM-X 90和AW3D 30是广泛应用的全球公开DEM产品。其中，SRTM1和TanDEM-X90通过合成孔径雷达干涉测量获取，探测波段分别为C波段和X波段，而AW3D 30为光学DEM数据产品。在林区，3类高程产品均会由于植被遮挡和吸收产生系统偏差。本文考虑不同波长电磁波对于植被冠层的穿透作用以及数据分辨率采样等因素的影响，综合分析这3种多源DEM数据产品在林区的垂直精度，有利于提高后期对高程产品进行树高去除的精度，以及为用户在对3类高程产品进行使用选择时提供科学的参考依据。此外，AW3D 30和TanDEM-X 90都是近几年免费共享的全球高程数据产品，因此本研究具有较高的时效性以及重要的理论及应用价值。 研究结果表明，就整体而言，SRTM1的林区穿透率相较于其他两类高程产品最高，其在马里兰州常绿针叶林中的整体穿透率可达0.771。首先是因为相比于X波段，C波段对林区更具有穿透能力，其次SRTM1获取于北半球冬季，林区间隙增大，使得SRTM1可以探测到林区更深的位置。而基于X波段雷达测量获取的TanDEM-X 90的林区穿透率和AW3D 30的林区穿透率相当，且3类高程产品在针叶林中的林区穿透率大于在阔叶林中的林区穿透率。SRTM1、TanDEM-X 90和AW3D 30的林区穿透率均随着冠层覆盖度的增加而降低，而由于重采样前的原始高程数据具有较为丰富的细节信息，因此TanDEM-X 90和AW3D 30数据减弱的幅度较大，对冠层覆盖度表现得较为敏感。此外，复杂的地势环境也会在一定程度上降低SRTM1的林区穿透率。相较于索诺马县，马里兰州具有更高的冠层覆盖度和更加平坦的地形环境，因此SRTM1在马里兰州的整体林区穿透率与TanDEM-X 90和AW3D 30的林区穿透率的差值更大。 综上所述，当在林区中对SRTM1、TanDEM-X 90和AW3D 30这3类高程产品去除因树高和冠层覆盖度引起的高程偏差时，应充分考虑传感器波段的穿透性、林区类型、冠层覆盖度以及坡度的影响，而非在林区高程数据上直接减去冠层高度。由于数据限制，本文目前只针对两个研究区域进行分析，且对应的林区类型仅有3种，因此在将来的研究中将扩展多个研究区，并针对更多的林区类型进行深入分析。 参考文献（References） Altunel A O . 2019 . Evaluation of TanDEM-X 90 m digital elevation model . International Journal of Remote Sensing , 40 ( 7 ): 2841 - 2854 [ DOI: 10.1080/01431161.2019.1585593 http://dx.doi.org/10.1080/01431161.2019.1585593 ] Evaluation of TanDEM-X 90 m digital elevation model Askne J I H , Persson H J and Ulander L M H . 2019 . On the sensitivity of Tandem-X-Observations to boreal forest structure . Remote Sensing , 11 ( 14 ): 1644 - 1666 [ DOI: 10.3390/rs11141644 http://dx.doi.org/10.3390/rs11141644 ] On the sensitivity of Tandem-X-Observations to boreal forest structure Bhang K J , Schwartz F W and Braun A . 2007 . Verification of the vertical error in C-band SRTM DEM using ICESat and Landsat-7, Otter Tail County, MN . IEEE Transactions on Geoscience and Remote Sensing , 45 ( 1 ): 36 - 44 [ DOI: 10.1109/tgrs.2006.885401 http://dx.doi.org/10.1109/tgrs.2006.885401 ] Verification of the vertical error in C-band SRTM DEM using ICESat and Landsat-7, Otter Tail County, MN Bourgine B and Baghdadi N . 2005 . Assessment of C-band SRTM DEM in a dense equatorial forest zone . Comptes Rendus Geoscience , 337 ( 14 ): 1225 - 1234 [ DOI: 10.1016/j.crte.2005.06.006 http://dx.doi.org/10.1016/j.crte.2005.06.006 ] Assessment of C-band SRTM DEM in a dense equatorial forest zone Carabajal C C and Harding D J . 2005 . ICESat validation of SRTM C-band digital elevation models . Geophysical Research Letters , 32 ( 22 ): L22 S 01 [ DOI: 10.1029/2005GL023957 http://dx.doi.org/10.1029/2005GL023957 ] ICESat validation of SRTM C-band digital elevation models Carabajal C C and Harding D J . 2006 . SRTM C-band and ICESat laser altimetry elevation comparisons as a function of tree cover and relief . Photogrammetric Engineering and Remote Sensing , 72 ( 3 ): 287 - 298 [ DOI: 10.14358/PERS.72.3.287 http://dx.doi.org/10.14358/PERS.72.3.287 ] SRTM C-band and ICESat laser altimetry elevation comparisons as a function of tree cover and relief Chen C F , Yang S , Li Y Y . 2020 . Accuracy Assessment and Correction of SRTM DEM Using ICESat/GLAS Data under Data Coregistration . Remote Sensing , 12 ( 20 ): 3435 . [ DOI: 10.3390/rs12203435 http://dx.doi.org/10.3390/rs12203435 ] Accuracy Assessment and Correction of SRTM DEM Using ICESat/GLAS Data under Data Coregistration Chen H N , Xu S F , Huang Y , Wang S J , Shu S , Yu B L and Wu J P . 2020 . Vertical accuracy correction and analysis of ASTER GDEM V2 over Antarctic Glacier . Journal of Remote Sensing , 24 ( 8 ): 1010 - 1022 Vertical accuracy correction and analysis of ASTER GDEM V2 over Antarctic Glacier 陈昊楠 , 许诗枫 , 黄艳 , 王淑杰 , 舒松 , 余柏蒗 , 吴健平 . 2020 . ASTER GDEM V2的南极冰川高程误差校正及精度分析 . 遥感学报 , 24 ( 8 ): 1010 - 1022 [ DOI： 10.11834/jrs.20208361 http://dx.doi.org/10.11834/jrs.20208361 ] ASTER GDEM V2的南极冰川高程误差校正及精度分析 Dubayah R O , Swatantran A , Huang W , Duncanson L , Tang H , Johnson K , Dunne J O and Hurtt G C . 2017 . CMS: LiDAR-Derived Biomass, Canopy Height and Cover, Sonoma County , California , 2013 . Oak Ridge, Tennessee, USA: ORNL DAAC [ DOI: 10.3334/ORNLDAAC/1523 http://dx.doi.org/10.3334/ORNLDAAC/1523 ] CMS: LiDAR-Derived Biomass, Canopy Height and Cover, Sonoma County Farr T G , Rosen P A , Caro E , Crippen R , Duren R , Hensley S , Kobrick M , Paller M , Rodriguez E , Roth L , Seal D , Shaffer S , Shimada J , Umland J , Werner M , Oskin M , Burbank D and Alsdorf D . 2007 . The shuttle radar topography mission . Reviews of Geophysics , 45 ( 2 ): 361 - 403 [ DOI: 10.1029/2005RG000183 http://dx.doi.org/10.1029/2005RG000183 ] The shuttle radar topography mission Friedl M A , Sulla-Menashe D , Tan B , Schneider A , Ramankutty N , Sibley A and Huang X M . 2010 . MODIS collection 5 global land cover: algorithm refinements and characterization of new datasets . Remote Sensing of Environment , 114 ( 1 ): 168 - 182 [ DOI: 10.1016/j.rse.2009.08.016 http://dx.doi.org/10.1016/j.rse.2009.08.016 ] MODIS collection 5 global land cover: algorithm refinements and characterization of new datasets Goud G P S , Bhardwaj A . 2021 . Estimation of Building Heights and DEM Accuracy Assessment Using ICESat-2 Data Products . Engineering Proceedings , 10 ( 1 ): 37 [ DOI: 10.3390/ECSA-8-11442 http://dx.doi.org/10.3390/ECSA-8-11442 ] Estimation of Building Heights and DEM Accuracy Assessment Using ICESat-2 Data Products Grohmann C H . 2018 . Evaluation of TanDEM-X DEMs on selected Brazilian sites: comparison with SRTM, ASTER GDEM and ALOS AW 3 D 30 . Remote Sensing of Environment , 212 : 121 - 133 [ DOI: 10.1016/j.rse.2018.04.043 http://dx.doi.org/10.1016/j.rse.2018.04.043 ] Evaluation of TanDEM-X DEMs on selected Brazilian sites: comparison with SRTM, ASTER GDEM and ALOS AW Hawker L , Neal J and Bates P . 2019 . Accuracy assessment of the TanDEM-X 90 Digital Elevation Model for selected floodplain sites. Remote Sensing of Environment, 232 (C) : 361 - 375 [ DOI: 10.1016/j.rse.2019.111319 http://dx.doi.org/10.1016/j.rse.2019.111319 ] Accuracy assessment of the TanDEM-X 90 Digital Elevation Model for selected floodplain sites. Remote Sensing of Environment, 232 Huang C Q , Yang L M , Wylie B K and Homer C G . 2001 . A strategy for estimating tree canopy density using Landsat 7 ETM+ and high resolution images over large areas // Proceedings of the Third International Conference on Geospatial Information in Agriculture and Forestry . Denver, Colorado : Earth Resources Observation and Science (EROS) Center A strategy for estimating tree canopy density using Landsat 7 ETM+ and high resolution images over large areas Jin B F . 2012 . Influencing factors and significance of the skewness coefficient in grain size analysis . Marine Sciences , 36 ( 2 ): 129 - 135 Influencing factors and significance of the skewness coefficient in grain size analysis 金秉福 . 2012 . 粒度分析中偏度系数的影响因素及其意义 . 海洋科学 , 36 ( 2 ): 129 - 135 [ DOI: 10.1007/s11783-011-0280-z http://dx.doi.org/10.1007/s11783-011-0280-z ] 粒度分析中偏度系数的影响因素及其意义 Kenyi L , Dubayah R , Hofton M , Blair J B and Schardt M . 2007 . Comparison of SRTM-NED data to LIDAR derived canopy metrics // 2007 IEEE International Geoscience and Remote Sensing Symposium . Barcelona : IEEE: 2825 - 2829 [ DOI: 10.1109/IGARSS.2007.4423431 http://dx.doi.org/10.1109/IGARSS.2007.4423431 ] Comparison of SRTM-NED data to LIDAR derived canopy metrics Li P , Li Z H , Shi C and Liu J N . 2016 . Quality evaluation of 1 arc second version SRTM DEM in China . Bulletin of Surveying and Mapping , ( 9 ): 24 - 28 Quality evaluation of 1 arc second version SRTM DEM in China 李鹏 , 李振洪 , 施闯 , 刘经南 . 2016 . 中国地区30 m分辨率SRTM质量评估 . 测绘通报 , ( 9 ): 24 - 28 [ DOI: 10.13474/j.cnki.11-2246.2016.0285 http://dx.doi.org/10.13474/j.cnki.11-2246.2016.0285 ] 中国地区30 m分辨率SRTM质量评估 Miliaresis G and Delikaraoglou D . 2009 . Effects of percent tree canopy density and DEM misregistration on SRTM/NED vegetation height estimates . Remote Sensing , 1 ( 2 ): 36 - 49 [ DOI: 10.3390/rs1020036 http://dx.doi.org/10.3390/rs1020036 ] Effects of percent tree canopy density and DEM misregistration on SRTM/NED vegetation height estimates Ni W J , Sun G Q , Zhang Z Y , Guo Z F and He Y T . 2014 . Co-registration of two DEMs: impacts on forest height estimation from SRTM and NED at mountainous areas . IEEE Geoscience and Remote Sensing Letters , 11 ( 1 ): 273 - 277 [ DOI: 10.1109/LGRS.2013.2255580 http://dx.doi.org/10.1109/LGRS.2013.2255580 ] Co-registration of two DEMs: impacts on forest height estimation from SRTM and NED at mountainous areas NOAA 2018 . Vdatum [EB/OL]. National Oceanic and Atmospheric Administration . https://vdatum.noaa.gov https://vdatum.noaa.gov Vdatum Rodríguez E , Morris C S and Belz J E . 2006 . A global assessment of the SRTM performance . Photogrammetric Engineering and Remote Sensing , 72 ( 3 ): 249 - 260 [ DOI: 10.14358/PERS.72.3.249 http://dx.doi.org/10.14358/PERS.72.3.249 ] A global assessment of the SRTM performance Shortridge A and Messina J . 2011 . Spatial structure and landscape associations of SRTM error . Remote Sensing of Environment , 115 ( 6 ): 1576 - 1587 [ DOI: 10.1016/j.rse.2011.02.017 http://dx.doi.org/10.1016/j.rse.2011.02.017 ] Spatial structure and landscape associations of SRTM error Tachikawa T , Kaku M , Iwasaki A , Gesch D B , Oimoen M J , Zhang Z , Danielson J J , Krieger T , Curtis B , Haase J , Abrams M and Carabajal C . 2011 . ASTER Global Digital Elevation Model Version 2 – Summary of Validation Results . Earth Resources Observation and Science (EROS) Center ASTER Global Digital Elevation Model Version 2 – Summary of Validation Results Tang X M , Li S J , Li T , Gao Y D , Zhang S B , Chen Q F and Zhang X . 2021 . Review on global digital elevation products . National Remote Sensing Bulletin ， 25 （ 1 ）： 167 - 181 Review on global digital elevation products 唐新明 , 李世金 , 李涛 , 高延东 , 张书毕 , 陈乾福 , 张祥 . 2021 . 全球数字高程产品概述 . 遥感学报 ， 25 （ 1 ）： 167 - 181 [ DOI： 10.11834/jrs.20210210 http://dx.doi.org/10.11834/jrs.20210210 ] 全球数字高程产品概述 Toutin T . 2002 . Impact of terrain slope and aspect on radargrammetric DEM accuracy . ISPRS Journal of Photogrammetry and Remote Sensing , 57 ( 3 ): 228 - 240 [ DOI: 10.1016/S0924-2716(02)00123-5 http://dx.doi.org/10.1016/S0924-2716(02)00123-5 ] Impact of terrain slope and aspect on radargrammetric DEM accuracy USGS 2019 . 3 DEP [EB/OL]. U.S. Geological Survey . https://viewer.nationalmap.gov/basic https://viewer.nationalmap.gov/basic DEP Van N T G , McVicar T R , Li L T , Gallant J C and Yang Q K . 2008 . The impact of misregistration on SRTM and DEM image differences . Remote Sensing of Environment , 112 ( 5 ): 2430 - 2442 [ DOI: 10.1016/j.rse.2007.11.003 http://dx.doi.org/10.1016/j.rse.2007.11.003 ] The impact of misregistration on SRTM and DEM image differences Wessel B , Huber M , Wohlfart C , Marschalk U , Kosmann D and Roth A . 2018 . Accuracy assessment of the global TanDEM-X Digital Elevation Model with GPS data . ISPRS Journal of Photogrammetry and Remote Sensing , 139 : 171 - 182 [ DOI: 10.1016/j.isprsjprs.2018.02.017 http://dx.doi.org/10.1016/j.isprsjprs.2018.02.017 ] Accuracy assessment of the global TanDEM-X Digital Elevation Model with GPS data Yuan X Q , Li G Y , Gao X M , Zhang W J and Lu J . 2018 . Evaluation of AW 3 D 30 m DSM data elevation quality and precision validation of typical region. Geomatics & Spatial Information Technology , 41 ( 4 ): 98 - 101 Evaluation of AW 袁小棋 , 李国元 , 高小明 , 张文君 , 禄兢 . 2018 . AW 3 D 30 m DSM数据质量分析及部分典型区域精度验证. 测绘与空间地理信息 , 41 ( 4 ): 98 - 101 AW Yue L W . 2017 . Research on DEM Fusion Blending Multi-Source and Multi-Scale Elevation Data . Wuhan : Wuhan University Research on DEM Fusion Blending Multi-Source and Multi-Scale Elevation Data 岳林蔚 . 2017 . 多源多尺度DEM数据融合方法与应用研究 . 武汉 : 武汉大学 多源多尺度DEM数据融合方法与应用研究 Zhan L , Tang G A and Yang X . 2010 . Evaluation of SRTM DEMs' elevation accuracy: a case study in Shaanxi Province . Geography and Geo-information Science , 26 ( 1 ): 34 - 36 Evaluation of SRTM DEMs' elevation accuracy: a case study in Shaanxi Province 詹蕾 , 汤国安 , 杨昕 . 2010 . SRTM DEM高程精度评价 . 地理与地理信息科学 , 26 ( 1 ): 34 - 36 SRTM DEM高程精度评价 Zhang J , Wang M Z and Hu Y F . 2021 . Skewness and kurtosis analysis of cavitation noise for underwater vehicles . Technical Acoustics , 40 ( 6 ): 757 - 762 Skewness and kurtosis analysis of cavitation noise for underwater vehicles 张俊 , 王明洲 , 胡友峰 . 2021 . 水下航行器空化噪声偏度和峰度分析 . 声学技术 , 40 ( 6 ): 757 - 762 [ DOI: 10.16300/j.cnki.1000-3630.2021.06.003 http://dx.doi.org/10.16300/j.cnki.1000-3630.2021.06.003 ] 水下航行器空化噪声偏度和峰度分析 Zhao X Q , Su Y J , Hu T Y , Chen L H , Gao S , Wang R , Jin S C and Guo Q H . 2018 . A global corrected SRTM DEM product for vegetated areas . Remote Sensing Letters , 9 ( 4 ): 393 - 402 [ DOI: 10.1080/2150704X.2018.1425560 http://dx.doi.org/10.1080/2150704X.2018.1425560 ] A global corrected SRTM DEM product for vegetated areas Zhou Q M and Liu X J . 2004 . Analysis of errors of derived slope and aspect related to DEM data properties . Computers and Geosciences , 30 ( 4 ): 369 - 378 [ DOI: 10.1016/j.cageo.2003.07.005 http://dx.doi.org/10.1016/j.cageo.2003.07.005 ] Analysis of errors of derived slope and aspect related to DEM data properties Zhu H C . 2003 . A Research on Spatial Data Mining of Digital Elevation Models: A Case Study in the Loess Plateau of North Shaanxi Province . Xi’an : Northwest University A Research on Spatial Data Mining of Digital Elevation Models: A Case Study in the Loess Plateau of North Shaanxi Province 朱红春 . 2003 . 数字高程模型(DEM)空间数据挖掘研究——以在陕北黄土高原的实验为例 . 西安 : 西北大学 [ DOI: 10.7666/d.y527587 http://dx.doi.org/10.7666/d.y527587 ] 数字高程模型(DEM)空间数据挖掘研究——以在陕北黄土高原的实验为例 10.11834/jrs.20210221 P2 1007-4619（2022）11-2268-14 蔡士雪，岳林蔚，尹超，邱中航.2022.顾及林区植被穿透率的多源DEM数据精度评价.遥感学报，26（11）： 2268-2281 蔡士雪，岳林蔚，尹超，邱中航.2022.顾及林区植被穿透率的多源DEM数据精度评价.遥感学报，26（11）： 2268-2281 Cai S X，Yue L W，Yin C and Qiu Z H. 2022. Accuracy evaluation of multi-source DEM data based on the analysis of vegetation-induced penetration rate in the forest area. National Remote Sensing Bulletin， 26（11）：2268-2281 Cai S X，Yue L W，Yin C and Qiu Z H. 2022. Accuracy evaluation of multi-source DEM data based on the analysis of vegetation-induced penetration rate in the forest area. National Remote Sensing Bulletin， 26（11）：2268-2281 国家自然科学基金（编号：41801263） Supported by National Natural Science Foundation of China (No. 41801263) 2020-07-01 2022-11-07 2022-12-09 2021-03-09 遥感学报 11 26