利用高空间精度的ALS：一种贝叶斯模型方法量化和纠正航天LiDAR森林冠层观测的地理定位误差
摘要：空间遥感光探测和测距（LiDAR）测量森林结构中的地理定位误差可能损害森林属性估计，并降低与地理参考现场测量或其他遥感数据的集成。当地理定位误差没有被很好量化时，数据集成尤其成问题。我们提出了一个通用模型，利用机载激光扫描（ALS）数据来量化和校正空间遥感LiDAR中的地理定位误差。为了说明该模型，我们使用了来自NASA戈达德的LiDAR高光谱和热成像仪（G-LiHT）的LiDAR数据，结合了来自NASA全球生态系统动力学调查（GEDI）的一部分LiDAR数据。该模型适用于使用空间相符的G-LiHT生成的模拟GEDI足迹核数据的多个冠层高度指标，并结合两个数据集生成的冠层高度指标之间的加法和乘法映射。贝叶斯实现提供了参数和地理定位误差估计的概率不确定性量化。结果显示，西南方向存在9.62 m的系统性地理定位误差。此外，GEDI足迹内的估计地理定位误差非常不稳定，结果显示真实足迹中心位于20 m内的概率约为0.45。通过在此提纲中估计和校正地理定位误差，可以帮助后续整合空间LiDAR数据（如GEDI）与其他地理参考数据的努力。
作者：Elliot S. Shannon, Andrew O. Finley, Daniel J. Hayes, Sylvia N. Noralez, Aaron R. Weiskittel, Bruce D. Cook, Chad Babcock
论文ID：2209.11797
分类：Applications
分类简称：stat.AP
提交时间：2023-08-24