顾及地形因素的S-RVOG模型和PD相干最优算法联合反演植被高度

针对极化干涉SAR植被高度反演中RVOG模型未考虑地形影响,且三阶段算法受到地面相位估计误差和纯体相干性估计误差影响,提出了一种植被高度反演思路,采用考虑地形因素的S-RVOG模型作为反演模型校正地形影响,同时引入PD相干最优算法用于改善三阶段算法中直线拟合地表相位估计和纯体相干性估计精度。为验证算法的有效性,首先采用欧空局提供的PolSARpro软件模拟了不同地形坡度水平的PolInSAR数据进行仿真试验,然后采用德国宇航局提供的E-SAR机载全极化SAR数据进行真实植被场景测试,并进行了定性和定量分析。结果表明,本文方法对于不同坡度水平数据,均能有效改善传统RVOG反演模型中地形影响和三阶段算法自身误差影响,反演精度更高。

基于S-RVoG模型的PolInSAR森林高度非线性复数最小二乘反演算法

针对经典的PolInSAR森林高度三阶段几何反演算法在单基线条件容易受到地体幅度比假设以及地形坡度影响的问题,从测量平差角度提出了基于S-RVoG模型的PolInSAR非线性复数最小二乘森林高度反演算法。该算法不再需要假设某一个极化通道地体幅度比为零,且采用考虑地形坡度影响的S-RVoG模型作为平差模型。为了验证算法,本文采用欧空局BioSAR2008项目提供的3景P波段极化干涉SAR数据进行两组单基线森林高度反演试验。结果表明,在单基线条件下,基于RVoG模型的非线性复数最小二乘算法反演结果优于三阶段几何反演算法,而基于S-RVoG模型的非线性复数最小二乘算法进一步提高反演精度,对于坡度较大区域(坡度>10°),精度平均提高了18.48%。

线性变化消光S-RVoG模型的多基线PolInSAR森林高度反演

随机地体散射(random volume over ground, RVoG)模型广泛应用于极化干涉合成孔径雷达(polarimetric synthetic aperture radar interferometry, PolInSAR)森林高度反演当中。该模型假设森林是随机均匀同质体,模型中消光系数为恒定值,未充分考虑森林的垂直异构性及地形起伏的影响。提出了一种基于线性变化消光Slope-RVoG(S-RVoG)模型的多基线PolInSAR森林高度反演方法。该方法假定消光系数随着高度呈线性变化,并根据地形坡度对垂直向有效波数进行校正,采用多基线PolInSAR数据解算线性变化消光S-RVoG模型参数,进而获取森林高度。通过选取欧空局AfriSAR 2016项目获取的P波段F-SAR机载PolInSAR数据进行实验验证。实验结果显示,提出的算法所获取的森林高度结果与激光雷达获取的森林高度相比,均方根误差(root mean square error,RMSE)为4.27 m,相对误差为9.9%。相较于传统S-RVoG模型多基线算法获取的森林高度RMSE为5.97 m,精度提高约28.4%。