预定区域内中的光斑区域；
[0043] 第三确定模块30,与第二确定模块20相连接，用于确定所述光斑区域中所述星载 激光雷达数据的高斯分布波形参数；以及，
[0044] 建立模块40,与第三确定模块30相连接，用于根据所述预定区域的平均树高数据 和所述高斯分布波形参数，通过多元回归方程构建平均树高模型。
[0045] 在本发明实施例的一个实施方式中，上述的第一确定模块10,可以包括：
[0046] 处理单元，用于对预先获取的预定区域内的机载激光雷达数据进行点云分类处 理，得到地上物体高度数据模型；以及
[0047] 提取单元，与上述的处理单元相连接，用于根据所述地上物体高度数据模型对点 云进行统计分析，提取出所述预定区域的平均树高数据。
[0048] 在本发明实施例的一个实施方式中，上述的第三确定模块30,可以包括：
[0049] 分解单元，用于对所述光斑区域内的星载激光雷达数据进行波形分解，得到预定 个数的单高斯分布波形数据；以及
[0050] 确定单元，与上述的分解单元相连接，用于根据所述预定个数的单高斯分布波形 数据确定高斯分布波形参数。
[0051] 在本发明实施例的一个实施方式中，上述的建立模块40,可以包括：
[0052] 分类单元，用于按照坡度对所述预定区域进行分类；以及
[0053] 建立单元，与上述的分类单元相连接，用于根据所述预定区域的平均树高数据和 所述高斯分布波形参数，通过多元回归方程分别构建各个分类的平均树高模型。
[0054] 下面对本发明实施例的一个实例进行描述。
[0055] 在本实例中，包括以下三个部分：
[0056] -、典型研究区及地面实测数据采集处理
[0057] 机载激光雷达数据及地面实测数据来源于寒区旱区科学数据中心，星载激光雷达 数据获取于美国冰雪数据中心（NSIDC)的美国冰，云和陆地高程卫星（ICESat)上搭载的地 球科学激光测高系统（Geoscience Laser Altimeter System, GLAS)传感器数据，典型研究 区位于甘肃省张掖市大野口试验区。
[0058] 在2008年6月1日至28日，地面测量样地共有63个25mX 25m样地，利用激光测 高仪、卷尺、皮尺、LAI-2000等测量了样地内所有立木的树高、胸径、叶面积指数、枝下高、冠 幅等森林参数，并获取了森林地上生物量。
[0059] 表1研究区地面实测森林参数统计表
[0060]
[0061 ] 二、机载激光雷达反演区域平均树高
[0062] 机载激光雷达数据获取时间为2008年6月23日，平均飞行高度约3560m，距离地 面飞行高度约760m，飞行速度约227km/h，共7条航带，平均扫描宽度约700m，旁向重叠率约 90%以上，地面覆盖面积约1. 9km2。
[0063] 飞机上搭载的LiDAR系统为LiteMapper 5600,其中激光扫描仪为Riegl LMS-Q560,波长1550nm，激光脉冲长度3. 5ns，激光脉冲发散角小于等于0. 5mrad，地面平均 光斑直径约为38cm，可分辨目标的最小间隔0. 6m，脉冲重复频率为50kHz。
[0064] LiDAR系统的精密定位采用了双频DGPS和惯性导航系统（Inertial Measurement Unit, IMU)，地表点的定位精度（水平/垂直）为0· lm/0. 03m(lsigma) (@800m AGL)。点云 数据坐标系统为WGS84,采用UTM投影（北半球6度分带的第48带）。
[0065] 1)点云数据分类：
[0066] 利用Terrascan软件进行点云分类。首先，剔除噪声点如飞鸟及地下点等；然后， 利用改进的不规则三角网格加密法进行点云分类，由最小邻近区域算法获取一个初始的稀 疏不规则三角格网，每次将满足设定的阈值条件的点添加到三角网中，重新构建新的不规 则三角格网，并重新计算新的阈值条件，对剩余点进行同样的判断筛选，这样重复多次，直 到不再有新点加入为止。
[0067] 开始时选择一些局部最小值点，要确保这些点击在地面上。通过Max building size参数控制最初点的选择，根据研究区的实际情况，设置Max building size为30. 0m， Iteration angle设置为9. 0,程序假设在60X60的区域内，至少有一个点击在了地面上， 并且认为最低点为地面点。
[0068] 通过点云数据的分类处理，获取得到DSM(Digital Surface Model)和 DEM (Digital Elevation Model)，两者相减即得到地上物体高度数据nDSM (Normalized Digital Surface Model)〇
[0069] 2)区域平均树高提取：
[0070] 利用nDSM对点云进行统计，采用的主要统计量包括高度分位数、平均值、方差、倾 斜度、峰值、平均绝对偏差、标准偏差以及冠层覆盖度。联合样地实测森林参数与点云统计 量，基于多元线性回归方程建立区域平均树高反演模型，并利用方差膨胀因子（Variance Inflation Factor, VIF)检验共线性（一般VIF小于10代表不存在显著的共线性），可得 机载激光雷达点云数据反演区域平均树高方程为：
[0071] hL= 1. 959+0. 627*h 95+0. 401*h25
[0072] 上式中为区域平均树高，h 95为95th高度分位数，h 25为25th高度分位数，调节 R2为0.881，所有自变量统计性显著F= 149. 77, p〈0. 001。两个自变量的VIF值小于10， 表明变量间不存在显著的共线性。地面样地实测林分平均树高与机载激光雷达点云数据反 演平均树高对比，均方根误差RMSE为1. 21m。
[0073] 三、星载激光雷达反演复杂地形条件下区域平均树高
[0074] GLAS大光斑全波形数据中GLA01和GLA14数据被用来反演森林平均树高，其中， GLA01为卫星测高仪发射与接收的原始波形数据，GLA14包含大光斑内地物高程数据及光 斑位置、形状信息。
[0075] 由于GLAS波形数据在发射与接收过程中受大气前向散射及饱和信号影响，因此， 在处理波形数据之前，要除去云雾及饱和度影响，依据GLA14中参数（FRir_qaFlag= 15及 satNdx = 0)选取无云及低饱和度的光斑数据。覆盖研究区内光斑数据共有66个，光斑分 布时间为L2A (2003年9-11月）及L3K (2008年10月）。
[0076] 1) GLAS波形数据预处理
[0077] 为使GLAS波形数据与机载LiDAR点云数据的坐标一致，将GLAS波形数据所在 TOPEX/Poseidon坐标系转换至WGS84坐标系，确定每个光斑中心所在位置；同时，确定GLAS 波形数据所在大光斑的形状，通过标准椭圆方程，提取GLA14数据中的D_Tpmajoraxis、D_ Tpazimuth与D_Tpeccentricity分别对应大光斑椭圆的主轴、方位角及离心率，可以获取 得到每个GLAS大光斑的椭圆覆盖区域大小。
[0078] 2) GLAS波形数据波形分解
[0079] 对已确认大光斑中心位置及形状的波形数据进行高斯滤波平滑及阈值去噪处理。 高斯滤波器的宽度与发射波形数据的宽度一致，通过对接收波形数据进行高斯滤波后可以 去除部分接收波形数据的高频噪声并保证高信噪比（SNR);对已经高斯滤波后的接收波形 数据进行阈值去噪，阈值选取依据GLA01数据中的D_4nsbgmean和D_4nsbgsdev参数，至 此，完成对接收波形数据的预处理。
[0080] 为解释复杂地形条件下的波形数据，这里使用到高斯波形分解算法对经预处理后 的波形数据进行波形分解，将原始连续波形数据分解为设定个数的单高斯分布的波形，接 收波形可由下式表示：
[0081]
[0082] 其中，w(t)为接收