极化SAR遥感中森林特征探测

为了利用微波遥感数据对森林植被地区进行分类检测,寻找一种新的敏感于树木高度、种群数量和植被疏密程度等森林特征的遥感参量,该文利用中国天山地区SIR-C/X-SARL波段全极化干涉数据,对极化散射矩阵总功率、极化熵、相似性参数和极化干涉最优相关系数等极化和干涉合成孔径雷达(SAR)遥感参数进行了分析,并将这些参数进行加权组合,利用特征值分析方法求取最优加权系数,从而提出两种对森林特征敏感的参数组合表达式。在比较上述组合表达式图与同地区极化遥感总功率图之后,发现该组合表达式图中,森林地区较其他地区获得明显加强。这表明提出的组合表达式对森林地区的检测和监测具有良好的效果。

基于干涉极化SAR数据的森林树高反演

将Cloude极化干涉散射模型和ESPRIT算法结合来降低森林参数反演的运算量。利用ESPRIT算法对Cloude模型中的散射相位中心进行估计,再将估计得到的散射相位中心代入Cloude模型,从而得到树木高度等参数。采用中国天山地区SIR-C/X-SARL波段全极化干涉数据对森林地区植被树高进行了反演实验。实验表明,与直接采用Cloude的极化干涉模型进行反演相比,在反演精度不变的情况下,运算时间仅是单独使用Cloude模型的1%～2%。