导读：国家与全球尺度的高分辨率森林冠层高度产品对估算森林碳储存、理解森林生态系统过程以及制定森林经营政策等至关重要。

　　

　　现有的森林冠层高度产品的空间分辨率一般是500米或1000米，难以满足应用需求。新近发射的星载激光雷达传感器GEDI与ICESat-2 ATLAS可以获取全球范围内分米级空间分辨率的森林冠层高度脚点数据，为大尺度森林冠层高度的高分辨率绘制提供了可能。

　　

　　当今，随着科技水平的快速提升，激光雷达的技术得到了不断的发展和升级。人工智能时代的到来，激光雷达也已被广泛应用于自动驾驶、机器人、安防监控、无人机、地图测绘、物联网、智慧城市等高新科技领域。激光雷达形式多样，随着器件水平和加工制造水平的更新，激光雷达技术指标和技术方式也在不断升级。

　　

　　激光雷达技术按不同的载体可分为星载、机载、车载及固定式激光雷达系统。其中星载及机载激光雷达系统结合卫星定位、惯性导航、摄影及遥感技术，可进行大范围数字地表模型数据的获取；车载系统可用于道路，桥梁，隧道及大型建筑物表面三维数据的获取；固定式激光雷达系统常用于小范围区域精确扫描测量及三维模型数据的获取。

　　

　　然而，星载激光雷达获取的脚点数据是沿卫星轨道离散分布的，无法直接生成空间连续的森林冠层高度产品。以往研究通常运用星载激光雷达脚点数据与遥感影像和环境因子，建立回归模型，进而生成空间连续的大尺度森林冠层高度产品，但该方法难以充分利用GEDI与ICESat-2 ATLAS较为密集的脚点数据，且易受到遥感影像饱和效应的影响。如何充分高效地利用新一代星载激光雷达数据生成大尺度高分辨率森林冠层高度产品，亟须进一步探讨。

　　

　　中国科学院植物研究所苏艳军研究组设计了一种深度学习指导的空间内插模型NNGI(Neural Network Guided Interpolation)。该模型运用深度神经网络自动学习权重的能力，解决了如何在内插模型中均衡考虑空间、环境与光谱等特征距离的权重贡献，突破了常用内插模型仅使用空间距离的局限。借助研究组积累的140平方公里的无人机激光雷达数据训练了NNGI模型，内插GEDI与ICESat-2 ATLAS星载激光雷达脚点数据，绘制了全国30米分辨率的森林冠层高度产品。与三套独立的验证数据集(超过100万个的GEDI脚点数据、33平方千米的无人机激光雷达数据和近6万条的森林清查数据)相比，该研究得到的产品精度较高。

　　

　　此外，受益于空间内插策略，NNGI生成的产品在森林冠层较高的地区几乎没有出现饱和。这套高精度、高空间分辨率的全国森林冠层高度产品表明了NNGI模型在监测国家乃至全球尺度森林冠层高度方面具有较好的应用潜力，所生成的全国森林冠层高度产品有助于提升大尺度森林生物量估算的准确性，为制定气候减缓政策与实现碳中和目标提供数据支持。

　　

　　总之，激光雷达技术的出现，为空间信息的获取提供了全新的技术手段，使得空间信息获取的自动化程度更高，效率更明显。这一技术的发展也给传统测量技术带来革命性的挑战。

　　

　　资料来源：电子发烧友、植物研究所