ALOS PALSAR雷达影像InSAR数据处理中的基线和地形误差分析

从理论上分析了InSAR处理中的两大误差源——基线和地形对形变测量精度的影响,并建立了评价模型。在此基础上,研究了上述两种误差源对ALOS PALSAR的影响,获取了两种误差对形变影响的空间分布特征。结果表明,ALOS PALSAR的轨道精度为3～5 m,在现有的轨道精度情况下,形变测量精度较差,需对基线误差进行纠正;地形误差的影响很小,主要误差源于轨道误差。在现有DEM精度条件下(SRTM DEM),利用ALOS PALSAR,要获得优于1cm的形变测量精度,基线长度最好小于400 m。

基于林分结构响应的PALSAR森林结构参数估测

为提高ALOS PALSAR 数据估测森林结构参数的精度,引入代表林分结构复杂程度的调整熵值（ENTadj ）参与估测,以消除林分结构对雷达后向散射系数的干扰。首先利用野外样地实测的树高计算林分的调整熵值,与Landsat8 OLI 第6 波段建立线性回归模型,获得基于像元的调整熵值。一般森林结构参数与ALOS PALSAR 后向散射系数之间的关系可以用对数模型模拟。引入基于像元的调整熵值作为自变量对原始对数模型进行改进,分别对林分平均高、林分平均胸径、林分蓄积量建立了3 种形式的改进模型。利用原始模型和改进模型分别对杉木林、马尾松林、阔叶林和针阔混交林的上述森林结构参数进行估测。最后比较模型拟合精度筛选出3 项森林结构参数在各类森林中的最优模型,共计12 个。结果表明：考虑林分结构干扰后,雷达估测森林结构参数模型的拟合精度R2均得到了提高。马尾松林各项森林结构参数模型的拟合度提高最大。精度检验结果表明：林分平均高估测精度（RMSE 为0.74 -2.51 m）、林分平均胸径估测精度（RMSE 为2.61 - 5.61 cm）和林分蓄积量估测精度（RMSE 为21.71 -30.92 m^3 / hm^2 ）都比较理想。本研究探讨了林分结构信息应用于合成孔径雷达后向散射系数反演森林结构参数方面的潜力,提高了光学数据结合雷达数据估算森林结构参数的能力。

基于PALSAR数据的青藏高原冻土形变检测方法研究

季节性冻胀和融沉导致的地面形变是青藏高原冻土区建设施工与维护的主要问题。对冻融造成的形变进行有效监测是青藏铁路建设与维护的前提。差分干涉测量技术是地表形变监测的重要手段之一,PALSAR(L波段的合成孔径雷达)数据在非城市区域具有较高的相关性,适合青藏高原冻土区的地表形变监测。本文选用4景覆盖研究区域的PALSAR数据,研究利用该数据进行冻土形变检测的方法,并对其检测结果进行了分析。结果表明,该方法与水准测量方法有较好的一致性。

基于PALSAR雷达数据与多时相TM／ETM＋影像的海南岛土地利用分类研究

大面积范围内准确获取土地利用/覆盖变化信息对生产管理和生态环境评价都具有重要的意义。本研究联合2010年25 m分辨率的ALOS PALSAR L波段雷达和2009～2010年多时相Landsat TM/ETM＋影像,利用决策树分类方法对海南岛土地利用类型进行分类。结果表明,PALSAR雷达对森林和水体均有较高的识别精度,生产者精度和用户精度均超过88%,但耕地与建筑分类精度最高仅为77%。通过结合森林、建筑与耕地的光谱信息及其年际变化特征,采用多时相TM/ETM＋影像合成的NDVI最大值和最小值对PALSAR分类结果进行修正。修正后结果的精度均有显著提升,森林、水体和建筑的生产者和用户精度均超过了92%,相应耕地的精度也分别达到了91%和74%,总体分类精度达到94%,Kappa系数为0.92。本研究表明,联合PALSAR雷达和多时相Landsat系列光学遥感影像,在解决热带地区影像数据源匮乏的同时,能够显著提高土地利用分类精度,具有良好的应用前景。

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P<0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。

基于PALSAR数据的青藏高原地区冻土形变监测

随着青藏铁路的开通,对青藏高原地区进行形变监测显得尤为重要,由于ALOS卫星PALSAR传感器采用的是L波段,相干性得到明显改善,适合于地形较复杂区域和冻土地区监测。本文选择了青藏高原地区部分时间段的PALSAR数据,采用外部DEM,运用GAMMA软件进行二轨法差分干涉测量,获得该地区的形变图。结合实地情况进行定性分析,其形变较好的符合冻土的物理变化规律,证明了PALSAR数据在青藏高原冻土地区运用于形变监测具有良好的前景。

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

合成孔径雷达(SAR)技术以其独特的成像机制及其全天候、全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数(σH0H,σH0V,σH0V/HH)与云南山区松林蓄积量的关系,并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明:极化比值(σH0V/HH)与蓄积量的相关系数(r=-0.407)比任何单极化(σH0H和σH0V分别为0.204和-0.242)都要高,加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。

PALSAR可检测的最大/最小地表形变梯度的统一函数模型（英文）

基于相干性和离散视数,建立PALSAR干涉可检测的最大和最小形变梯度的经验函数模型。在此基础上,采用最小二乘回归的方法拟合模型系数,建立关于相干性和视数两个参数的统一函数模型。利用汶川地区的PALSAR数据进行实验,结果表明该模型能够准确判别地表变形能否被D-InSAR技术检测到。研究结果可以帮助研究人员准确选择PALSAR数据和合理配置其干涉处理参数,对解释地表形变结果也具有重要的价值。

基于ALOS_PALSAR双极化雷达影像遥感监测水稻的研究——以德阳地区为例

该文以包含平坝地及丘陵区的德阳地区为研究区,利用该区水稻拔节(7月10日)和乳熟(8月25日)两景双极化(HH/HV)ALOS_PALSAR雷达数据,参照2009年6月3日TM(129/038,130/038)光学影像,分析主要地物影像特征,对比分析水稻在不同时相、不同极化方式后向反射系数,结合GIS和GPS技术获取的地面调查资料,对水稻种植区域进行识别和面积监测,最后利用水稻本底调查资料进行对比,探讨利用ALOS_PALSAR数据进行水稻遥感监测的可行性和准确性.该文采用了监督分类和决策树分类两种方法,其中决策树分类以后向反射系数HH/HV比值和两时相HV-HV差值为基础,以HH-HV≥1.5和0.2≤HH/HV≤0.6(7月10日)和0.15≤HH/HV≤0.6(8月25日)为水稻阈值区域.结果表明:与2009年水稻本底解译随机选取的100个水稻图斑相比较,监督分类准确率为91%,区域水稻种植总解译面积比本底增加了8.2%;决策树分类准确率为93%,区域水稻种植总解译面积比本底增加了3.48%.结合地面样方调查资料,利用ALOS_PALSAR多时相影像进行水稻识别和面积测量可以达到较高精度.

基于ALOS PALSAR双极化模式数据的森林覆盖识别方法研究

[目的]探讨森林PALSAR双极化模式数据后向散射、极化和干涉相干性等特征,提出一种在异质地区的森林识别方法。[方法]以中国东南部漳浦县为试验区,对试验区不同土地类型PALSAR的后向散射信息、极化比值和相干性信息进行分析。[结果]利用该区林相图及同时相SPOT-5影像进行精度检验,其总体精度、用户精度和制图精度均高于90%。[结论]基于PALSAR双极化模式数据进行森林识别精度较高。

ALOS PALSAR影像地球椭球地理编码方法

ALOS PALSAR已经在轨运行1年多,由于其L-波段多极化观测能力,特别适合森林资源调查及生态环境相关遥感应用。然而,如何进行PALSAR数据的地理编码处理是实际应用中需要解决的一个关键问题。本文基于距离-多普勒(RD)模型发展了PALSAR Level-1.1影像产品的地球椭球地理编码校正(GEC)方法,重点论述了从PALSAR CEOS格式元数据记录中提取距离向方程、RD方程参数的具体方法。以一景已经经过几何精校正的Landsat ETM+影像为参考,获取了10个控制点,定量评价了本文所发展的GEC方法的有效性。评价结果表明:东西向均方根误差为32.529m,南北向均方根误差为32.527m,误差约是ETM+影像像元大小(28.5m)的1.14倍。本文针对PALSAR Level-1.1提出的GEC方法是进一步发展PALSAR其他数据产品的GEC和地形校正地理编码(GTC)方法的基础,对于PALSAR数据的定量化应用及其地理编码处理软件的开发具有重要的参考价值。

ALOS/PALSAR InSAR数学模型研究

日本ALOS卫星携带的相控阵型L波段合成孔径雷达(PALSAR),因其较长的波长使得相同时间间隔内地面具有较高的相干性,因而极具InSAR应用潜力。本文首先介绍ALOS PALSAR,进而详细分析该数据在InSAR数学模型(包括距离向频谱、干涉临界基线距、模糊高度、差分相位对形变的敏感度)中的特点,并与常见的ERS SAR数据进行比较。

山区星载ALOS PALSAR微波遥感图像的正射校正

多山地区微波遥感图像的正射校正是实践应用中的关键和瓶颈,该文以星载合成孔径雷达数据ALOS(advanced landobservation satellite)PALSAR为基础数据,GAMMA软件为处理平台,研究微波图像正射校正方法。首先利用数字高程模型(digital elevation model,DEM)及卫星轨道参数生成模拟合成孔径雷达数据(synthetic aperture radar,SAR),再利用图像交叉相关分析算法自动搜索模拟SAR与真实SAR同名地物点偏移量,建立校正多项式模型,在此基础上通过建立校正查找表方法实现真实SAR图像的地理编码及正射校正。校正效果经检验,误差在一个像元以内,校正效果较好。

星载PALSAR影像几何精度定量评价与误差分析

选择有代表性的星载PALSAR影像,利用Doppler、距离、椭球方程建立其成像模型,对其几何定位精度进行了试验,获得了它的几何系统误差和几何纠正误差的定量值。根据地面高程误差是影响SAR影像几何纠正精度主要因素的原理,利用计算机仿真技术定量系统地分析了地面高程误差对其几何纠正精度的影响,获得了地面高程误差对视角的影响、视角误差对影像几何精度的影响以及单位高程误差对影像几何精度的影响等定量结论及影响变化规律,为PALSAR影像的处理与应用提供了科学的依据,更重要的是为SAR影像几何精度分析和误差分析提供了一种新的定量方法。

星载SAR遥感影像地形辐射校正——以ALOS PALSAR为例

针对地形起伏造成的SAR图像辐射畸变等问题,在分析SAR成像机理及几何结构的基础上,通过推导,构建了基于规则化散射因子及局部入射角的地形辐射校正模型。以ALOS PALSAR为例,依据DEM与卫星轨道参数,采用R-D定位模型及Muhleman半经验模型,在模拟SAR影像的基础上,建立了真实SAR与DEM之间的映射关系,实现了对原始SAR影像的地理编码,提取了局部入射角、投影角及规则化因子等,进行了地形辐射校正,从而消除了面积效应及地形起伏造成的畸变问题。校正后的图像纹理特征更加均匀,散射系数与局部入射角的线性相关性显著降低。该研究对雷达图像的应用具有一定的借鉴意义。

基于PALSAR数据的DEM提取方法研究

针对PALSAR Level 1.1数据,研究使用NASA/JPL提供的开源干涉软件包ROI_PAC Version 3.0提取DEM。ROI_PAC的目前版本只能处理Level 1.0数据,因此,文章在分析了ROI_PAC软件包处理流程的基础上,提出处理Level 1.1数据的方法,并用PALSAR Level 1.1数据对该方法做了验证。干涉重建DEM与参考DEM的对比结果表明,二者的差异均值为0.27 m,标准差为±9.24 m,80%像元点的高程误差在±10 m以内。

PALSAR及RADARSAT2全极化雷达数据在地质构造应用中的研究

由于雷达数据不受天气影响,且具有一定的穿透能力,近年来已被广泛的运用在地质构造信息提取研究中。ALOSPALSAR与RADARSAT2是近年发展的最先进的雷达传感器,其全极化模式同时又具有较高的空间分辨率,这为植被区地质构造研究提供了良好的数据源。本文选取非洲埃塞俄比亚西部为研究区,通过对研究区域两种全极化雷达数据进行正射校正、极化合成等处理,对比分析了其在地质构造应用中的优劣,结果表明PALSAR全极化数据较为有利;最后选取PALSAR全极化数据,结合区域地质背景,提取了研究区的构造信息,提取结果与区域整体构造格架一致。

基于ALOS PALSAR数据不同极化下云南松蓄积量分析

指出了合成孔径雷达(SAR)具有强穿透性的特点,能够不受天气影响探测滇中地区云南松单层林的信息特征。利用云南省宜良县ALOS PALSAR全极化数据和对应的地面实测了云南松林林分因子信息,分析了不同极化方式下后向散射系数与云南松单层林蓄积量之间的关系。通过分析比较,结果表明:VH极化状态下云南松蓄积量与后向散射系数较其他几种极化状相关性高,并根据森林散射机制进行讨论。

ALOS PALSAR全极化图像分类研究

极化干涉相干矩阵服从复Wishart分布,通过对相关系数的分析可以获得不同的地物类别。在总结极化干涉非监督Wishart ML分类流程的基础上,基于该方法对塔河地区全极化PALSAR数据进行了分类,研究结果表明:基于极化干涉的分类方法能够有效区分不同散射机制对应的地物,该分类方法具有较强的适应性,并且类间边界比较明显,这些分类信息为森林资源的开发和利用提供了参考。

基于TerraSAR-X和ALOS PALSAR数据的森林蓄积量估测研究——以云南省勐腊县为例

基于2014年12月3日获取的X波段Terra SAR-X数据和2008年10月19日获取的L波段ALOS PALSAR数据,引入树种类型为哑变量,采用逐步回归的方法,对云南省勐腊县森林蓄积量进行估测。结果表明,与X波段Terra SAR-X数据相比,基于L波段ALOS PALSAR数据建立的森林蓄积量模型具有更高的决定系数,R^2为0.843,模型估测精度为68.8%,均方根误差RMSE为38.8 m3·hm^(-2),最终结果证明波长较长的L波段ALOS PALSAR数据对森林蓄积量具有更好的估测效果。