星载激光雷达兼具了激光雷达对植被垂直信息刻画的优势和大范围数据获取的特点,在大区域尺度的森林参数定量反演上具有很大的优势。美国宇航局NASA(National Aeronautics and Space Administration)在2018年9月发射了ICESat(the Ice,Cloud,and land Elevation Satellite)-2卫星,这是光子计数激光雷达首次搭载在星载平台上,因此,对ICESat-2相关前期数据的研究将对卫星发射后的林业应用提供重要指导价值。本文以在美国境内获取的ICESat-2卫星ATLAS(Advanced Topographic Laser Altimeter System)传感器机载原型机及其模拟数据为主要数据源,从信号仿真模拟,数据预处理以及森林参数反演三个方向开展了研究。重点讨论了不同光斑大小及采样间隔对森林参数估测精度的影响,提出了从强背景噪声中有效提取植被信号的方法,并基于机载和星载模拟数据开展了森林参数的反演应用,具体包括以下研究内容:(1)光子计数激光雷达数据模拟仿真:本文基于FLIGHT(Forest LIGHT interaction model)辐射传输模型耦合ICESat-2卫星ATLAS载荷的参数配置设计了森林参数范围来模拟可能的森林类型,并采用蒙特卡洛采样方法模拟产生了一系列的模拟光子点云数据。相关的结果分析表明:随着光斑尺度的增大,光子点云统计变量对于相应的森林参数的估计呈现下降的趋势。对于不同光斑大小的整体趋势而言,最优光斑尺度应该设计在10-20米范围。随着光斑采样间隔的减小,光子点云统计变量对于相应的森林参数的估计呈现上升的趋势。当采样间隔大小超过0.8米后各项精度指标的误差呈现加速下降的趋势,表明最优的采样间隔应该尽可能小才能保证较好的探测精度。(2)光子计数激光雷达数据预处理:针对光子点云数据的特点,基于非监督分类和监督分类的思想分别提出了两种光子点云的森林信息提取算法。对于非监督分类的方法,提出了一种椭圆局部离群因子的光子计数激光雷达林区信号提取的自动算法,结果表明水平椭圆搜索区域相较于圆形或垂直椭圆搜索区域具有更好的去噪效果,该算法不仅对低噪声情况下平坦地形具有较好的结果,而且对于在高噪声水平下对粗糙表面的MATLAS数据也能取得很好的信号提取结果。对于监督分类的方法,本文根据光子点云数据的特点构造了12个光子点云特征并进一步提出了一种基于机器学习的光子点云分类方法,结果表明:基于少量样本通过机器学习的方法应用在较大范围内光子点云分类中能够很好地探测信号光子,同时不同研究区所构建的模型可以在相似的地形条件和信噪比的情形下取得较好的模型迁移性。(3)光子计数激光雷达森林参数反演:首先使用Howland林区的SIMPL、G-Li HT(Goddard’s Li DAR,Hyperspectral&Thermal Imager)和样地数据来研究利用光子计数激光雷达进行森林参数反演的潜力。相关的结果分析表明:光子点云数据与传统小光斑机载激光雷达点云统计特征具有一致性,大部分森林参数的最优统计尺度为50米,最大树高的最优尺度则为40米。进一步基于不同尺度的ATLAS模拟数据进行了森林参数敏感性分析和遥感反演建模的分析,相关的结果分析表明:本文提出的“大于2米的光子点个数占全部光子点个数的百分比”特征参数能够较好地表征森林覆盖度和森林场景内光能截获两个指标,同时,未来满足实际森林参数生产的需求的统计尺度应为50米左右。本文的主要创新点如下:(1)基于辐射传输模型系统地分析了不同光斑大小、不同光斑采样间隔对于森林参数反演的敏感性响应,并给出星载光子计数激光雷达的硬件参数推荐方案:即最优光斑尺度应设计在10-20米范围,光斑间采样间隔应不超过0.8米。该项成果对传感器硬件的方案设计提供了理论基础;(2)提出了一种基于椭圆局部离群因子的光子计数激光雷达林区信号提取的自动算法,并给出了推荐的椭圆参数配置:即长轴半和短半轴之比为6:1,算法平均检测精度不低于85%,且能应用于强噪声复杂地形条件下。