顾及林区植被穿透率的多源DEM数据精度评价

蔡士雪，岳林蔚，尹超，邱中航

1.中国地质大学(武汉) 地理与信息工程学院,武汉 430078;

2.武汉大学 资源与环境科学学院,武汉 430079

1 引 言

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）。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；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；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）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）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）。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）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）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）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）。

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

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所示。

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km2，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（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 km2，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。

图1 两个研究区域的地理位置与植被覆盖区域的高程分布图Fig.1 Geographical location of the two study areas and elevation distribution of canopy coverage area

3 实验数据

3.1 全球高程产品

3.1.1 SRTM1

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/［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）。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）。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）。

3.1.2 AW3D 30

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/［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）。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）。

3.1.3 TanDEM-X 90

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/［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）。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：

式中，Helip为WGS84 椭球高，Hortho为EGM96 正高，N为正高与椭球高之差，在处理过程中N可以由ArcGIS软件提供的WGS84.img文件中获取。

3.2 裸地高程

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）。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）。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）。其中两个研究区域的坡度分布情况如图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。

图2 两个研究区域中的坡度分布图Fig.2 Distribution of slope in the two study areas

3.3 植被数据

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/［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）。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和图4所示。

图3 两个研究区域中植被冠层高度分布图Fig.3 Distribution of canopy height in the two study areas

图4 两个研究区域中冠层覆盖度分布图Fig.4 Distribution of canopy coverage in the two study areas

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/［2022−07−01］），该数据集包含17 种土地覆盖类型（Friedl 等，2010；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 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。

图5 两个研究区域中林区类型分布图Fig.5 Distribution of forest types in the two study areas

4 实验方法

4.1 亚像素配准

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）。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；Van 等，2008；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x和y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所示。表格中偏移量的数值单位是30 m分辨率的像元尺寸。

表1 偏移量统计表Table 1 Statistical table of deviation

4.2 提取低坡度区域

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）。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 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 与表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。

表2 林区类型像元数目、去除坡度大于20°后的像元数目以及去除异常值后的像元数目统计表（像元分辨率：30 m）Table 2 Statistical table of pixel number of forest type，pixel number after removal of slope greater than 20°and pixel number after removal of outliers（pixel resolution：30 m）

图6 马里兰州和索诺马县中3类高程产品的高程差与PHC的相关性系数随坡度的变化情况Fig.6 Sensitivity analysis of the correlation coefficient between PHC and elevation difference of three types of elevation products in Maryland and Sonoma with slope gradient

4.3 异常值剔除

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；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）。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所示。

4.4 林区穿透率计算

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：

式中，P为整体的林区穿透率，HCanopy是林区的冠层高度，HDEMs是SRTM、AW3D 30和TanDEM−X 90的高程值，H3DEP是对应位置的裸地高程，即3DEP高程值。其中式（2）中的HCanopy−(HDEMs−H3DEP)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

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

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所示。

表3 马里兰州和索诺马县中各个林区的平均植被覆盖度、平均坡度、平均植被高度统计表Table 3 Statistical table of average canopy coverage，average slope and average vegetation height of each forest area in Maryland and Sonoma

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）。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）。如图7 和图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。

图7 3类高程产品在马里兰州中的林区穿透深度统计直方图Fig.7 Histograms of forest penetration depths of three types of elevation products in Maryland

图8 3类高程产品在索诺马县中的林区穿透深度统计直方图Fig.8 Histograms of forest penetration depths of three types of elevation products in Sonoma

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 和表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 和表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 和表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所示。

表4 马里兰州中3类高程产品的林区穿透深度统计表Table 4 Statistical table of forest penetration depth of three types of elevation products in Maryland

表5 索诺马县中3类高程产品的林区穿透深度统计表Table 5 Statistical table of forest penetration depth of three types of elevation products in Sonoma

表6 马里兰州中3类高程产品的林区穿透率Table 6 Forest penetration rates of three types of elevation products in Maryland

表7 索诺马县中3类高程产品的林区穿透率Table 7 Forest penetration rates of three types of elevation products in Sonoma

5.2 冠层覆盖度对穿透率的影响

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；Carabajal 和Harding，2005；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 和表9所示，以及林区穿透率与冠层覆盖度的相关性系数（R2）和P值的统计结果如表10 和表11 所示，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 和表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、表8 和表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。

图9 马里兰州和索诺马县中3类高程产品的林区穿透率与冠层覆盖度的关系图Fig.9 Relationship between the penetration rate of three types of elevation products in the forest area and canopy coverage in Maryland and Sonoma

表8 马里兰州中3类高程产品在不同冠层覆盖度等级下的平均林区穿透率统计表Table 8 Statistic table of mean penetration rate of three types of elevation products in forest area under different canopy coverage levels in Maryland

表9 索诺马县中3类高程产品在不同冠层覆盖度等级下的平均林区穿透率统计表Table 9 Statistic table of mean penetration rate of three types of elevation products in forest area under different canopy coverage levels in Sonoma

表10 马里兰州中3类高程产品林区穿透率与冠层覆盖度的相关性系数（R2）和P值Table 10 Correlation coefficient（R2）and P value of the penetration rate of the three types of elevation products in the forest area and the canopy coverage in Maryland

表11 索诺马县中3类高程产品林区穿透率与冠层覆盖度的相关性系数（R2）和P值Table 11 Correlation coefficient（R2）and P value of the penetration rate of the three types of elevation products in the forest area and the canopy coverage in Sonoma

6 结 论

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。