基于测量平差理论的PolInSAR植被垂直结构提取模型与方法

摘要

大尺度植被资源监测可以为全球陆地生态系统、碳循环及气候变化分析提供重要的基础数据。做为植被资源监测重点研究对象:植被制图及植被垂直结构在地形测绘、林业资源普查等领域同样具有重要地位。随着我国地理国情监测进程的不断推进，亟需植被制图、植被垂直结构等基础数据用于空间分析及决策管理。迫切寻求高精度、大范围监测手段来解决对植被覆盖区数据的需求。极化干涉SAR技术(Polarimetric SAR Interferometry, PolInSAR)为满足这一需求提供了契机。在植被覆盖区，PolInSAR技术相比被动光学遥感手段优势在于其将观测对象由“面”变为“体”，使得PolInSAR不仅可以获得植被覆盖区水平结构信息，还可以获得垂直结构信息，在以“体”形式存在的植被覆盖区具有独特的监测优势。为此，本文在深入研究PolInSAR理论基础之上，重点研究植被分类及植被垂直结构提取模型与方法，主要研究内容如下:
　　(1)建立了顾及植被形态特征的极化SAR植被分类方法，利用散射体各向异性及方向角随机程度对植被形态特征进行表达，有效将阔叶林与针叶林进行分离。首先，深入研究Neumann分解模型的机理，明确了顾及植被形态特征的散射过程表达;在此基础之上，提出利用各向异性及方向角随机程度两个参数构建分类尺度标准;之后，根据极化干涉矩阵的数理统计特征，利用Wishart距离进行聚类分析;最后，利用E-SAR及SIR-C/X-SAR数据对德国Oberpfaffenhofen地区森林进行分类。实验结果表明:与Wishart-Freeman、Wishart-Yamaguchi相比，新方法对植被形态特征变化较为敏感，对中针、阔林进行了较好地区分。
　　(2)建立了PolInSAR植被高度提取的复数最小二乘平差模型，解决了已有解算方法不能充分考虑观测值先验统计误差及多余观测量的问题。针对已有算法均不能很好地顾及多余观测量及观测量的先验统计误差的缺点，从平差理论出发，对RVoG模型进行复数平差表达;之后，提出了函数模型线性化方案、平差准则、随机模型及参数解算方法;在此基础之上，建立了基于RVoG、RVoG+VTD及三层植被散射模型的复数最小二乘的植被高反演方法;最后，利用机载、星载数据对算法进行验证。实验结果表明:新方法可不仅可以很好地兼顾多余观测信息，并且可以有效抑制观测量较差几何结构性所引起的病态问题，反演结果精度优于已有算法。
　　(3)提出了基于复数最小二乘的PCT(Polarization Coherence Tomography)算法，考虑了观测量的先验统计误差，并采用Wiener-SVD解决涉及矩阵病态问题。已有PCT算法没有考虑观测量的先验统计误差，且由于设计矩阵的病态问题，导致反演的相对反射率函数往往出现较大偏差。本文通过对PCT算法原理分析，建立了PCT算法的复数最小二乘表达，并提出利用Wiener-SVD解决设计矩阵病态问题。最后通过BioSAR2008数据对其进行验证，实验结果表明，改进方法相比已有方法反演效果更为稳健。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 植被覆盖区散射机理

1．2．2 极化SAR的植被分类方法

1．2．3 植被高提取散射模型

1．2．4 极化干涉SAR的植被高度提取方法

1．2．5 极化干涉层析的植被垂直结构信息提取方法

1．2．6 已有研究中存在的问题

1．3 研究内容与章节安排

1．3．1 研究内容

1．3．2 章节安排

2 极化SAR理论基础

2．1 电磁波散射理论基础

2．2 极化互协方差矩阵及相干矩阵

2．3 极化合成孔径雷达干涉SAR测量

3 顾及植被形态特征的极化SAR植被分类方法

3．1 引言

3．2 植被覆盖区散射机制

3．3 极化非相干目标分解

3．3．1 Freeman-Duren分解法

3．3．2 Yamaguchi分解法

3．3．3 Neumann分解法

3．4 顾及植被形态特征的极化SAR植被分类方法

3．4．1 Wishart-Neumann极化SAR分类法

3．4．2 机载／星载数据分类实验与讨论

3．5 本章小结

4 PolInSAR植被高度提取的复数最小二乘法

4．1 引言

4．2 RVoG模型

4．3 基于RVoG模型的PolInSAR植被高提取方法

4．3．1 非线性迭代算法

4．3．2 三阶段算法

4．3．3 Cloude双基线算法

4．3．4 已有算法综合分析

4．4 复数最小二乘平差准则

4．5 基于RVoG的PolInSAR植被高度提取的复数最小二乘法

4．5．1 RVoG模型线性化方法

4．5．2 复相干系数随机模型建立方法

4．5．3 RVoG模型参数解算方法

4．5．4 SIR-C／X-SAR L波段数据实验分析

4．6 基于RVoG+VTD的PolInSAR植被高度提取的复数最小二乘法

4．6．1 RVoG+VTD散射模型

4．6．2 RVoG+VTD函数模型线性化方法

4．6．3 RVoG+VTD参数解算方法

4．6．4 E-SAR L波段数据实验分析

4．7 基于RVoG+CFF+VTD的PolInSAR植被高度提取的复数最小二乘法

4．7．1 RVoG+CFF+VTD模型线性化方法

4．7．2 RVoG+CFF+VTD模型参数解算方法

4．7．3 BioSAR2008 P波段数据实验分析

4．8 基于BioSAR2008 P波段数据的植被高反演算法综合对比分析

4．9 PolInSAR植被高提取的复数最小二乘平差法概括模型

4．10 本章小结

5 基于复数最小二乘的PolInSAR层析技术提取植被垂直结构

5．1 引言

5．2 PCT算法原理

5．2．1 单基线PCT方法

5．2．2 双基线PCT方法

5．2．3 改进的双基线PCT方法

5．3 基于复数最小二乘的PCT算法

5．3．1 PCT算法的复数最小二乘表达

5．3．2 基于Wiener-SVD的参数解算方法

5．3．3 模拟数据实验

5．3．4 BioSAR2008数据实验

5．4 本章总结

6 结论与展望

6．1 论文主要结论

6．2 工作展望

参考文献

攻读学位期间主要的研究成果

致谢