211198598_基于TerraSAR-X

第48卷第2期2023年3月㊀林㊀业㊀调㊀查㊀规㊀划
Forest Inventory and Planning
Vol.48㊀No.2
Mar.2023
doi:10.3969/j.issn.1671-3168.2023.02.003
基于TerraSAR-X/TanDEM-X数据的
森林高度反演算法研究
申晨1,岳彩荣2,章皖秋2,朱腾1,张金兰1
(1.广东工贸职业技术学院,广东广州510510;2.西南林业大学,云南昆明650224)
摘要:基于RVoG模型,对传统三阶段算法及其改进算法进行研究,以云南省西双版纳州勐腊县为研究区,以TerraSAR-X/TanDEM-X数据为数据源进行森林高度反演算法研究,并结合野外实测数据进行结果验证㊂结果表明,三阶段改进算法对森林高度反演精度优于传统三阶段算法㊂三阶段改进算法对天然林高度反演精度较高;三阶段算法对橡胶林高度反演精度较高㊂
关键词:森林高度反演算法;TerraSAR-X/TanDEM-X数据;极化干涉SAR;散射机制;平地效应
中图分类号:S758.54;P208;TP31;TP753㊀㊀文献标识码:A㊀㊀文章编号:1671-3168(2023)02-0016-10
引文格式:申晨,岳彩荣,章皖秋,等.基于TerraSAR-X/TanDEM-X数据的森林高度反演算法研究[J].林业调查规划,2023,48(2):16-25.doi:10.3969/j.issn.1671-3168.2023.02.003
SHEN Chen,YUE Cairong,ZHANG Wanqiu,et al.Forest Height Inversion Algorithm Based on TerraSAR-X/TanDEM-X Data[J].Forest Inventory and Planning,2023,48(2):16-25.doi:10.3969/j.issn.1671-3168.2023.02.003
Forest Height Inversion Algorithm Based on TerraSAR-X/TanDEM-X Data
SHEN Chen1,YUE Cairong2,ZHANG Wanqiu2,ZHU Teng1,ZHANG Jinlan1
(1.Guangdong Polytechnic of Industry and Commerce,Guangzhou510510,China;
2.Southwest Forestry University,Kunming650224,China) Abstract:Based on the RVoG model,the three-stage algorithm and its improved algorithm were studied. In Mengla County,Xishuangbanna,Yunnan,TerrasAR-X/tandem-X data were used as data sources to conduct forest height inversion algorithm.Finally,the results were verified by field measurement data. The results showed that the accuracy of the improved three-stage algorithm was better than that of the tra-ditional three-stage algorithm.For natural forest and rubber forest,the improved three-stage algorithm had higher accuracy in height inversion of natural forest.The accuracy of the three-stage algorithm for rubber forest height inversion was high.
Key words:forest height inversion algorithm;TerraSAR-X/TanDEM-X data;polarization interferometry SAR;scattering mechanism;flat effect
1研究背景及现状
1.1研究背景
森林冠层高度作为森林垂直结构属性,是用来估计林分蓄积量㊁立地生产力和生物量的重要参数㊂当前,森林冠层高度测量主要有野外人工测量和遥感技术反演两种方式㊂在森林地带,遥感手段反演
收稿日期:2021-11-11.
资助项目:基于PollInSAR数据的森林高度反演算法研究项目(220000025716).
第一作者:申晨(1990-),女,山西潞城人,硕士,助理工程师.主要从事地图制图㊁资源环境遥感研究.Email:514935785@
申晨,等:基于TerraSAR -X /TanDEM -X 数据的森林高度反演算法研究
森林高度比人工测量具有巨大优势㊂极化干涉合成孔径雷达(PolInSAR)是一种新型的遥感技术,既具有极化合成孔径雷达对植被散射体形状和方向敏感的特性,又具有干涉合成孔径雷达对植被体空间分布和高度敏感的特性,不仅可以提高地形测量精度,同时也获得相关散射机制的物理参数,特别是森林参数为树高的高精度反演以及地物其他各种参数的反演提供了可能,在林业资源管理以及林业调查研究方面具有重大意义㊂
1.2研究现状合成孔径雷达(SAR)概念首先于1951年由
C.Wiley 等提出,其指出多普勒频移现象可以用逻辑合成一个更大的雷达孔径㊂该理论突破了真实孔径雷达由于不可能无限制增大雷达天线孔径大小带来的方位向分辨率低的缺点[1]㊂随着国外PolIn-SAR 技术的发展,国内很多科研院所开始对该技术进行研究㊂2014年付海强等针对传统PCT 方法中 相干相位-幅度联合反演算法 的缺点,采用RVoG
模型,利用改进的非线性迭代算法反演植被高度和
地表相位[2]㊂2016年郭胜龙等提出一种基于单基
线减缩极化干涉SAR 对森林进行林下地形估计及树高反演的方法[3]㊂2017年龙江平等在相干区域边界优化的基础上,对相位信息和幅度信息进行优化,联合干涉相位和相干幅度信息有效地区分出地表散射和森林体散射,提高了森林高度反演的可靠性㊂2020年陈利军等利用X /L /C 段的干涉数据集在青海典型复杂地形实验区成功获取了DEM 数据产品,证明X 波段干涉测量DEM 的精度与细节质量相对较高[4]㊂
2森林高度反演算法研究
2.1RVoG 散射模型
随机体散射体-地表二层(Random Volume over
Ground,RVoG)模型是目前极化干涉中应用最广泛
的模型之一㊂该模型包含散射体和地面两层结构,如图1所示㊂该模型以两层介质模型描述了厚度为h v 随机分布的森林覆盖模型㊂该模型广泛应用于森林高度提取和消光系数估计[5]㊂在RVoG 模型下,森林高度可理解为随机体的厚度㊂
图1㊀RVoG 散射模型Fig.1㊀Scattering model of RVoG
㊀㊀RVoG 模型中相关公式为:
γc (w ң
)=e iΦ0γv +m (w ң
)1+m (w ң)γv =I
I 0ʂγv (ω)I =ʏ
h v 0exp(ik z z ∗)exp 2σz ∗cos θ0()
dz ∗I 0=ʏ
h v 0exp 2σz ∗cos θ0()
dz ∗ìîíïïï
ïk z =m
2πλΔθsin θìî
íïïïïïïïïï
ïï(1)式中:γc (w ң
)为随机体散射体-地表二层的总复相
干;Φ0为地面干涉相位;m 为给定极化状态下的地体幅度比,有效的地体幅度比参数m (w )可以表征
电磁波穿过植被体层时引起的衰减,也可以理解为衰减系数和随机体厚度(森林高度)的函数,相位中心的变化可引起地体幅度比的变化;γv 为体散射相干性,体散射相干性复数值γv 与电磁波的极化状态无关;h v 为森林高度;θ为雷达波的入射角;σ为消光系数;k z 为垂直有效波束,对于单站模式(Monos-tatic)的雷达数据,k z 公式中的m =2,对于双站模式(Bistatic)的雷达数据,k z 公式中的m =1;Δθ为两次观测中入射角的差值;λ为电磁波的波长㊂其中已
知量为θ㊁k z ㊁λ㊁Δθ,γc (w ң
)由极化干涉基本公式估计获得,未知量为h v 和σ㊂
2.2三阶段森林高度反演算法
三阶段森林高度反演算法是由Cloude 和Patha-㊃
71㊃第2期
林业调查规划
nassiou 提出的一种经典森林高度反演算法,通过直线拟合㊁地表相位求解㊁森林高度参数估计3个步骤完成㊂
第一步:直线拟合
将RVoG 模型公式变形可得如下变形公式:
γc (w ң
)=e iΦ0γv +m (w ң
)1+m (w ң
)
=e
iΦ0
γv +
m (w ң
)
1+m (w ң
)
(1-γv )
(
)
(2)
㊀㊀由公式(2)可知,在复平面内,不同极化状态下的复相干系数呈直线分布㊂然而实际情况下,由于森林地带微气候复杂多变㊁植被自身结构千差万别,复相干系数在复平面内的分布并非一条直线,而是一个长椭圆形的复相干区域,如图2所示㊂
图2㊀三阶段森林高度反演算法示意
Fig.2㊀Three -stage forest height inversion algorithm
㊀㊀因而几乎不存在某一条直线,使不同极化状态
下的复相干系数全部在该直线上㊂因此,Cloude 和Pathanassiou 提出利用最小二乘法对不同极化状态下的复相干系数在复平面内进行直线拟合㊂㊀㊀第二步:地表相位求解
复相干系数的取值在0~1范围㊂由于地面层
的高相干性,可以假设地面的复相干系数模值为1.
由公式(2)可知,当地体幅度比m (w )=ɕ时,体散射复相干为模为1的地面相干㊂该地相干恰好为复平面内拟合直线与单位圆的两个交点之一㊂一般认
为,占据HV 极化通道的复相干γHV 为植被层的体散射复相干,因此,在复平面内距离γHV 最远的一个交点即为地面层的复相干,该交点对应的相位则为三阶段森林高度反演算法中的地表相位Φ0㊂
第三步:森林高度参数估计
由RVoG 模型公式(1)可知,复相干系数γv 是消光系数σ和森林高度h v 的函数㊂也就是说,每给定一个σ值和一个h v 值,便可对应一个γv 值㊂通过建立γv ㊁σ㊁h v 之间的二维查找表,可得到不同森林高度和消光系数下对应的复相干系数的理论值㊂
正因此,三阶段森林高度反演算法求得的森林高度值皆为整数㊂
一般认为,占据HV 极化通道的复相干γHV 为植被层的体散射复相干,对应于地体幅度比m (w )=0情况,将m (w )=0带入公式(1)并变形,可得以下公式:
γHV =e iΦ0γv ⇒γv =γHV e i (-Φ0
)(3)
其中求得的γv 为复相干系数的估计值㊂利用最小差异原则比较二维查找表中复相干系数的理论值γv 和由公式(3)求得的复相干系数的估计值,便可确定对应的消光系数σ和森林高度h v ㊂
三阶段森林高度反演算法将复相干系数引入反
演模型并考虑了地表相位的生成,是一种科学的森林高度反演算法,三阶段算法流程图见图3所示㊂三阶段方法在实际操作中计算量大㊁运算时间长,地表相位的确定受复相干系数分布以及直线拟合方法的影响较大,当体散射去相干存在误差时,往往会导致反演结果出现误差㊂
2.3三阶段森林高度反演算法的改进
从相干区域优化㊁体散射复相干优化两个方面提
高地表相位的准确程度,实现三阶段算法的改进[6]㊂
2.3.1相干区域优化
为了扩大相干区域范围,提高地表相位的准确程度,本文提出相干性幅度差最大准则和干涉相位差最大准则,实现相干区域的优化㊂
相干性幅度差最大准则是通过寻找不同极化状态下的相干性幅度差,选取相干性幅度差最大时对应的极化状态为最优极化状态[6]㊂即满足公式(4):max γ(ωi )-γ(ωj )=Δr opt (4)
式中:ωi ㊁ωj 为极化干涉矢量;γ(ωi )㊁γ(ωj )分别为极化干涉矢量ωi ㊁ωj 所对应的复相干系数;γ(ωi )㊁γ(ωj )分别为极化干涉矢量ωi ㊁ωj 所对应的复相
干系数的幅度值㊂
㊃
81㊃第48卷
申晨,等:基于TerraSAR-X/TanDEM-X数据的森林高度反演算法研究
图3㊀三阶段算法流程
Fig.3㊀Flowchart of the three-stage algorithm ㊀㊀相干性幅度差最大的最优相干估计可以看成是选取相干区域中相干性幅度极大值和极小值作为最优相干性,从而使得相干性幅度差最大㊂
干涉相位差最大准则是通过寻找不同极化状态下的干涉相位,该准则的本质与PD算法一致[7],也是通过拉格朗日极值法找到相干区域内不同极化状态复相干系数相位的差值,干涉相位差值最大时对应的极化状态为最优相干性估计㊂即满足公式(5): maxφ(ωi)-φ(ωj)=Δφopt(5)式中:ωi㊁ωj为极化干涉矢量;φ(ωi)㊁φ(ωj)分别为极化干涉矢量ωi㊁ωj所对应的干涉相位㊂
干涉相位差最大的最后相干性估计可以有效地分离出不同散射体的相位中心,提高了地表相位的估计精度㊂相干区域边界提取见图4㊂
总而言之,相干性幅度差最大准则和干涉相位差最大准则有效地扩充了相干区域范围,使地表相位的估计更加准确,有利于森林植被高度反演精度的提高㊂
2.3.2体散射复相干优化
由极化干涉先验知识可知,极化通道HV所代表
图4㊀相干区域边界提取
Fig.4㊀Extraction of the boundary in coherence areas
的复相干为植被体散射复相干㊂然而,HV复相干中常含有地表分量,并非纯体散射复相干㊂在森林高度反演中,植被冠层常具有较高的相位中心㊂因此,本文提出以不同极化状态中距离地相位最远的复相干为体散射复相干,代替HV的复相干进行三阶段森林高度反演算法研究㊂三阶段改进算法流程图见图5所示㊂
3TerraSAR-X/TanDEM-X数据森林高度反演数据试验与分析
3.1研究区概况
勐腊县位于西双版纳傣族自治州南部,与老挝接壤㊂全境在北回归线以南,总面积约688510hm2,林地面积占总面积的88.31%㊂林地主要分布在坡度10ʎ~30ʎ㊁海拔500~1000m区域,其中天然林约占林地面积的65.56%,橡胶林约占林地面积的34.44%㊂气候属热带湿润季风气候,全年热量丰富,降水充沛,旱雨两季分明㊂勐腊县是我国热带生态系统和森林植被保存较为完整㊁热区生物资源较为富集地区,境内广泛分布有雨林㊁季雨林㊁常绿阔叶林和竹林等植被类型,被称为热带植物王国㊂3.2研究数据介绍
为验证森林高度反演算法对真实数据的估计结果,采用德国航空航天中心提供的TerraSAR-X和
㊃91㊃
第2期
林业调查规划
图5㊀三阶段改进算法流程图
Fig.5㊀Flowchart of the improved three-stage algorithm TanDEM-X卫星的双星全极化SAR影像进行试验㊂其中主轨道为TanDEM-X平台,副轨道为TerraSAR-X平台,拍摄时两卫星平台分别对同一地面发射电磁波,并分别接收各自的回波,具体参数如表1所示㊂由于主辅雷达平台的拍摄时间仅差10秒,可忽略时间影响㊂
表1㊀研究数据参数
Tab.1㊀Parameters of study data
全极化Bistatic2015年12月13431.86~33.34 2.1㊀㊀分别读取主辅影像的单视复数据后生成主辅影
像的Pauli彩色合成图(图6)㊂
3.3数据预处理
对SAR图像的预处理主要包括:主辅影像配准㊁去地平效应㊁生成极化干涉矩阵T6㊁计算复相干系数㊁计算垂直有效波数㊂预处理流程见图7所示㊂
图6㊀主辅影像Pauli合成图
Fig.6㊀Pauli-basis composite image of master
and salve image
图7㊀预处理流程
Fig.7㊀Flowchart of preprocessing
3.3.1极化SAR图像滤波
高分辨率SAR图像更容易受到斑点噪声的影响,因此有必要在解译前进行滤波处理㊂从滤波效果来看,增强Lee滤波可有效抑制斑点噪声,改善
SAR图像的视觉效果㊂通常选择3ˑ3的窗口能比较好地保持地物边界信息等细节特征㊂滤波前后的干涉图如图8所示㊂
㊃02㊃第48卷
申晨,等:基于TerraSAR-X/TanDEM-X数据的森林高度反演算法研究
图8㊀滤波前后干涉图
Fig.8㊀Interference patterns of HH before
and after filter
3.3.2去平地效应
平地效应是由于受InSAR系统空间几何关系的影响,地面上高程相同的点本应在干涉图上保持不变的相位差发生了变化,造成干涉图相位一定程度的偏移[8]㊂
平地效应的存在使干涉结果不能真实地反映地面高程,且干涉条纹过密会给相位解缠带来很大困难㊂平地相位目前主要有两种算法:(1)基于卫星轨道数据计算多普勒方程㊁斜距方程和椭圆方程得到平地相位;(2)监测干涉相位频谱中占优势的条纹频率计算平地相位[9]㊂本实验采用去地平方法为干涉相位频谱来除去平地效应,计算得到的平地相位如图9所示㊂
图9㊀平地相位
Fig.9㊀Flat earth phase ㊀㊀以HH极化通道为例,通过去平地,平地效应引起地面条纹过密的现象得到有效抑制(图10)㊂
图10㊀HH极化干涉图
Fig.10㊀Interference patterns of HH polarimetric channel 3.3.3垂直有效波数
垂直有效波数的计算对于树高估计是必须的参数,数值差异与主辅影像的入射角之差有关㊂能否准确计算垂直有效波数k z,直接关系到后续树高计算结果的准确程度㊂根据k z公式进行运算得到垂直有效波数k z的文件㊂
3.3.4极化干涉数据地理编码TerraSAR-X/TanDEM-X原始数据生成的SLC㊁复相干系数以及最后的森林高度数据均无坐标系统㊂不仅如此,SLC数据与真实地貌呈东西镜像,且距离向与方位向的分辨率不同㊂因此,为了方便森林高度结果与光学影像的匹配,提出极化干涉数据地理编码,使雷达数据处理结果具有光学影像的坐标系统㊂3.3.5复相干系数的计算及优化
复相干系数包含了极化干涉SAR数据的相位信息和幅度信息,通常情况下,复相干系数以实部(real)和虚部(imaginary)两部分存储,共4个字节㊂极化干涉复相干系数的计算及优化会直接影响到森林高度反演结果的准确性和可靠性㊂不同极化状态下的复相干系数如图11所示,图中像元的灰度值为该点模值的自然度数,其明暗程度也反映了复相干系数模值的大小㊂
按不同林地种类,天然林和橡胶林的复相干系数有微小差异㊂将编码后的复相干系数文件与森林资源二类调查数据进行叠加,提取天然林和橡胶林所对应的复相干系数,进行数据统计分析(表2)㊂
㊃12㊃
第2期
林业调查规划
图11㊀不同极化状态下的复相干系数
Fig.11㊀Complex coherence coefficient in different polarization
㊀㊀由表2可知,对于天然林而言,与其他复相干相比,opt1复相干对天然林的相干性较强,复相干系数最大值为0.989654,最小值为0.317398,均值为0.854106,标准差为0.121,复相干系数反演结果较为稳定㊂对于橡胶林而言,与其他复相干相比,opt1复相干对橡胶林的相干性较强,复相干系数最大值为0.991536,最小值为0.417947,均值为0.927743,标准差为0.057,复相干系数反演结果较为稳定; opt3复相干对橡胶林的相干性较弱,复相干系数最大值为0.669315,最小值为0.002098,均值为0.182702,标准差为0.6293,复相干系数反演结果稳定性较差㊂
3.4森林高度反演算法结果分析与讨论
利用三阶段森林高度反演算法㊁改进的三阶段森林高度反演算法进行森林高度反演,最终得到如下结果㊂
1)树高反演结果的数理统计分析
分别对三阶段算法㊁三阶段改进算法估测结果的森林区域进行结果统计,得到6种算法的树高直方图(图12)㊂
由图12可知,三阶段算法反演的森林高度主要集中在10~20m范围,在树高约5m出现峰值,在树高约10m处出现大的峰值,相对于其他5种方法,三阶段森林高度反演算法的结果区间范围较小㊂即树高值的分布较为集中,但是数值偏低;三阶段改进算法反演的森林高度主要集中在8~50m范围,树高峰值出现在28m处,与传统的三阶段算法相比,树高反演值的区间范围变大,数值大小整体均有提高(表3)㊂
㊃22㊃第48卷
申晨,等:基于TerraSAR -X /TanDEM -X 数据的森林高度反演算法研究
表2㊀不同林种的相干系数
Tab.2㊀Correlation coefficient in different forest category
HV 0.0013260.7188520.1862440.62800.0003370.7582820.1922420.6244VV
0.0013780.9757000.7054640.32860.0161760.9838320.8559870.1484HH +VV 0.0003570.7745290.2041910.62820.0018200.7158390.2013320.6200HH -VV 0.0001860.7984360.2049680.62680.0017530.7080080.1978990.6203HV +VH
0.0013260.7188520.1862440.62800.0015720.7037020.1937090.6230opt10.3173980.9896540.8541060.12100.4179470.9915360.9277430.0570opt20.0946280.9526570.5791460.27460.1308240.9468640.6913560.1946opt30.0004640.7321280.1649360.63540.0020980.6693150.1827020.6293PDhigh 0.0000150.9999990.1537850.79430.0001220.9999990.1462850.8050Pdlow 0.0000350.9999990.1533860.71830.0000460.9999990.1436610.7006MaxMag 0.1773730.9999990.7284760.19660.2733780.9999990.8225880.1207MaxPha 0.0288340.9999990.6759070.26630.0450000.9999990.7888340.1572MinMag 0.0086450.9999990.6289520.30160.0450000.9999990.7569180.1797MinPha 0.0000800.9999990.6382660.31210.0891350.9999990.7898600.1566LR 0.0003570.7745290.2041910.62820.0018200.7158390.2013320.6200LL 0.0009650.7886760.2077130.62350.0006100.6948910.2025640.6331RR
0.000887
0.784978
0.207028
0.6207
0.002297
0.715624
0.201796
0.6175
图12㊀不同算法的树高直方图
Fig.12㊀Histograms of forest height of different algorithm
表3㊀不同算法的树高统计Tab.3㊀Forest height estimation in
different algorithm
m ㊀
三阶段算法05010.90414.275三阶段改进算法
50
10.858
14.928
3.5森林高度反演算法结果验证
3.5.1野外实测数据调查
为验证TerraSAR -X /TanDEM -X 森林高度反演算法的准确程度,于2016年10月底在云南省西双版纳州勐腊县进行野外数据采集㊂利用激光测距仪㊁微波测距仪㊁标杆㊁卷尺㊁GPS㊁角规等仪器测量了82个森林高度样点㊂其中,天然林19个样点,橡
㊃
32㊃第2期
林业调查规划
胶林55个样点,其他林种8个样点㊂野外数据采集主要参数有样地经纬度㊁海拔㊁坡度㊁优势树种㊁郁闭度㊁树高㊁平均冠层高等㊂样点广泛分布于勐腊县城周边林区(图13)㊂
图13㊀野外实测样点分布
Fig.13㊀Distribution of field sample plots
3.5.2树高反演结果验证
将采用三阶段算法㊁三阶段改进算法的森林高度反演结果与实测数据进行对比㊂在去除异常值后,制作树高反演散点图,结果如图14,图15,表4所示㊂
由树高反演散点图和反演结果精度表可知,三阶段改进算法相关性较强,相关系数R 为0.643,均方根误差(RMSE)为5.53,相较于三阶段算法有明显的改进㊂
分别对天然林和橡胶林进行实测数据验证,结果如表5所示㊂
从天然林反演结果来看,三阶段改进算法的相关性相对较强,相关系数R 为0.571,均方根误差(RMSE)为7.33,说明三阶段改进算法对地相位和冠层相位的估计有较好的改善㊂
图14㊀三阶段算法树高反演散点图Fig.14㊀Tree height inversion scatter plot of the
three -stage algorithm
图15㊀三阶段改进算法树高反演散点图
Fig.15㊀Tree height inversion scatter plot of the
improved three -stage algorithm
表4㊀森林树高反演结果精度
Tab.4㊀Precision of tree height inversion results
三阶段算法0.483三阶段改进算法
0.643
5.53
表5㊀天然林和橡胶林反演结果精度Tab.5㊀Precision of inversion results in natural
forests and rubber plantation
三阶段算法0.3369.200.556 5.61三阶段改进算法
0.571
7.33
0.453
5.17
㊃
42㊃第48卷
申晨,等:基于TerraSAR-X/TanDEM-X数据的森林高度反演算法研究
㊀㊀从橡胶林反演结果来看,三阶段算法的相关性较强,相关系数R为0.556,均方根误差(RMSE)为5.61,三阶段改进算法的相关性次之,相关系数R 为0.453,均方根误差(RMSE)为5.17㊂
4结㊀论
以RVOG模型为基础分析森林高度反演的三阶段算法㊁三阶段改进算法基本原理,利用TerraSAR-X/TanDEM-X数据进行森林高度反演,并结合野外数据进行结果验证㊂结果表明,三阶段改进算法对森林高度反演的精度优于传统三阶段算法㊂对于天然林而言,三阶段改进算法反演精度较高,相关系数R为0.571,均方根误差(RMSE)为7.33;对于橡胶林而言,三阶段算法反演精度较高,相关系数R为
0.556,均方根误差(RMSE)5.56㊂原因有以下几点:
(1)TerraSAR-X/TanDEM-X数据为X波段的极化干涉数据,穿透性较弱,因而对森林冠层相位的反演较好,对地表相位的反演效果不佳;(2)天然林结构错综复杂,树种丰富,林层通常为复层林,使电磁波的穿透和森林高度反演增加了难度,橡胶林林冠整齐㊁植株株距较大㊁林下干净,导致电磁波更容易穿透到达地面,为地表相位和冠层相位的反演提供了便利;(3)勐腊县雨林地区地势陡峭,地形和坡度对反演结果的精度造成一定影响㊂
参考文献:
[1]鞠晓洁.基于Multigen Vega的SAR图像生成仿真系统
研究[D].青岛:中国海洋大学,2010.
[2]付海强,汪长城,朱建军,等.一种改进的PolInSAR PCT方法反演植被垂直结构[J].测绘工程,2014(11): 56-61,66.
[3]郭胜龙,李洋,尹嫱,等.基于简缩极化干涉SAR数据
的森林垂直参数反演[J].电子与信息学报,2016(1): 71-79.
[4]陈利军,张瑞,郭旭东,等.多源星载SAR地形干涉测
量精度分析[J].测绘通报,2020(7):13-17. [5]PAPATHANASSIOU K P,CLOUDE S R.Single-baseline polarimetric SAR interferometry[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(11):2352-2363.
[6]谈璐璐,杨立波,杨汝良.合成孔径雷达简缩极化干涉
数据的植被高度反演技术研究[J].电子与信息学报, 2010(12):2814-2819.
[7]龙江平,刘峰,段祝庚.联合干涉相位和相干性幅度的
极化干涉SAR最优相干性估计[J].测绘学报,2017 (1):73-82.
[8]张振宇.合成孔径雷达三维成像技术研究[D].南京:
南京理工大学,2009.
[9]TIGHE M L,KING D,BALZTER H,et parison of X/C-HH InSAR and L-PolInSAR for Canopy Height Esti-mation in a Lodgepole Pine Forest[J].Proceedings of the Fourth International Workshop on Science&Applications of Sar Polarimetry&Polarimetric Interferometry Poiinsar, 2009.
责任编辑:许易琦
㊃52㊃
第2期。