岳彩榮 肖虹雁 曹 霸（西南林業(yè)大學(xué)林學(xué)院，云南昆明650224）

?

基于PolInSAR森林高度反演研究

岳彩榮 肖虹雁 曹 霸
（西南林業(yè)大學(xué)林學(xué)院，云南昆明650224）

摘要：以仿真的全極化雷達(dá)L波段為數(shù)據(jù)源進(jìn)行了復(fù)相干DEM差分算法和復(fù)相干幅度算法的森林樹高反演研究，并采用星載全極化微波遙感數(shù)據(jù)ALOS PALSAR數(shù)據(jù)進(jìn)行實(shí)例檢驗(yàn)。結(jié)果表明：仿真試驗(yàn)中DEM差分算法嚴(yán)重低估了森林樹高，復(fù)相干幅度算法則估測(cè)精度較高；ALOS PALSAR數(shù)據(jù)時(shí)間由于去相干和配準(zhǔn)精度低等原因，難以有效估測(cè)森林樹高。

關(guān)鍵詞：PolinSAR；DEM差分；復(fù)相干幅度；森林高度；反演

森林高度是反映森林資源數(shù)量和質(zhì)量的重要參數(shù)，是森林調(diào)查的關(guān)鍵因子，也是獲取難度最大的森林調(diào)查因子之一。如何大面積獲取森林樹高信息一直是林業(yè)遙感研究關(guān)注的熱點(diǎn)問(wèn)題。多年來(lái)，林業(yè)遙感研究工作者一直在努力探索森林樹高的遙感估測(cè)方法，但由于遙感數(shù)據(jù)所含信息的局限性，目前主要基于統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ瓦M(jìn)行估測(cè)，而經(jīng)驗(yàn)?zāi)Ｐ鸵话銉H適用于該模型的研究區(qū)域，推廣性較差。利用激光雷達(dá)雖然能較精確的測(cè)量森林高度，但目前激光雷達(dá)尚不能進(jìn)行大面積的連續(xù)覆蓋數(shù)據(jù)獲?。欢鴺O化干涉合成孔徑雷達(dá)技術(shù)（POLInSAR）為實(shí)現(xiàn)基于物理機(jī)理的大面積森林高度測(cè)量提供了可能，是目前空間遙感技術(shù)中獲取高精度高程信息和地物結(jié)構(gòu)信息的一種主動(dòng)微波遙感技術(shù)［1］。極化干涉SAR選擇不同極化散射機(jī)制不僅可以測(cè)量地面植被層不同散射中心的高度，而且能提取植被覆蓋下地表地形，并為植被高度的估計(jì)提供了可能［2］。

利用POLInSAR技術(shù)進(jìn)行森林高度反演，能夠區(qū)分出地面、樹干和樹冠散射差異的散射特征量［3］，從而獲取樹冠與地面的相位中心，進(jìn)而求得樹高。2001年，Yamada等［4］通過(guò)數(shù)據(jù)驗(yàn)證指出ESPRIT算法在估計(jì)植被高度時(shí)，會(huì)出現(xiàn)樹高偏低現(xiàn)象。2002年，F(xiàn)lynn等［5］在無(wú)法得到地面散射相位信息時(shí)，利用最大似然法推導(dǎo)出植被高度，但估計(jì)精度不高。2003年，Cloude［6］的三階段反演算法簡(jiǎn)化了森林高度反演的復(fù)雜性，利用最小二乘法及相干直線的求得地面相位，再通過(guò)體相關(guān)系數(shù)與植被高度建立的查找表求得樹高。2005年，于大洋等［7］提出一種森林高度聯(lián)合反演算法，將Cloude極化干涉散射模型與ESPRIT算法相結(jié)合，通過(guò)全極化SAR數(shù)據(jù)驗(yàn)證了聯(lián)合反演算法反演植被高度，效果較好。由于我國(guó)目前沒有星載PolInSAR系統(tǒng)，獲取極化干涉SAR數(shù)據(jù)較為困難，國(guó)內(nèi)對(duì)森林樹高反演研究主要利用仿真數(shù)據(jù)進(jìn)行。日本ALOS PALSAR數(shù)據(jù)是目前少有的星載全極化數(shù)據(jù)，為采用真實(shí)的微波遙感數(shù)據(jù)利用極化干涉數(shù)據(jù)進(jìn)行森林樹高反演提供了可能。由于PolInSAR技術(shù)森林高度反演對(duì)微波數(shù)據(jù)的相干性要求較高，為便于研究，本研究首先以仿真的微波干涉數(shù)據(jù)為數(shù)據(jù)源進(jìn)行森林樹高反演，再利用日本星載的ALOS PALSAR數(shù)據(jù)進(jìn)行實(shí)際樹高反演實(shí)證。

1　極化干涉SAR樹高反演原理及算法

在極化干涉SAR的理論基礎(chǔ)上，目前有多種森林樹高反演算法，其基本思路是通過(guò)對(duì)目標(biāo)2次觀測(cè)全極化數(shù)據(jù)進(jìn)行干涉處理，提取出森林植被地表的相位及森林冠層的相位，通過(guò)2個(gè)相位中心再解算出森林樹高的結(jié)果。根據(jù)反演算法的不同，基本可以將基于極化干涉SAR的森林樹高反演算法分為3類：1）基于極化干涉復(fù)相干的樹高反演算法；2）基于ESPRIT的樹高反演算法；3）基于層析相干的樹高反演算法。除此之外，國(guó)內(nèi)外研究人員還提出一些基于上述算法的改進(jìn)或聯(lián)合反演算法，但基本都?xì)w結(jié)為這3類算法的變種。本研究通過(guò)仿真數(shù)據(jù)進(jìn)行第一類反演算法中的DEM差分反演算法、復(fù)相干幅度反演算法的研究，最后利用星載的微波遙感數(shù)據(jù)ALOS PALSAR進(jìn)行森林樹高估測(cè)研究。

1.1復(fù)相干幅度算法

當(dāng)極化干涉復(fù)相干系數(shù)非常低時(shí)，將無(wú)法準(zhǔn)確識(shí)別相位，而復(fù)相干幅度算法只關(guān)心幅度信息，完全忽略其相位信息。在實(shí)際情況中，植被層消光系數(shù)σ會(huì)造成植被高度明顯偏低，所以假設(shè)消光系數(shù)σ為一個(gè)固定值，那么體散射相干系數(shù)γν就由2個(gè)變量決定的函數(shù)變成只含一個(gè)變量的函數(shù)γν（hν）。

式中：hν為植被高度；kz為有效垂直波數(shù)；σ為消光系數(shù)；θ是入射角。

通過(guò)（1）式假設(shè)森林冠層高度為hν時(shí)而忽略相干相位，就可以直接利用相干系數(shù)幅度值來(lái)估計(jì)植被高度。

1.2復(fù)相干DEM差分算法

由于干涉SAR干涉相位與高程的關(guān)系，相位解纏后與地面高度之間存在線性關(guān)系。復(fù)相干DEM差分算法主要通過(guò)干涉相位中心的差值來(lái)進(jìn)行樹高反演，通過(guò)選擇2種不同極化狀態(tài)下的干涉復(fù)相干使得能分別對(duì)應(yīng)到植被層與地表的相位中心，然后相減進(jìn)行樹高直接估計(jì)［8］。

復(fù)相干DEM差分算法基于地面相位進(jìn)行樹高反演的計(jì)算公式為：

式中：?0為地表相位；arg（γων）為植被冠層相位；kz為有效垂直波數(shù)：

式中：λ為雷達(dá)波長(zhǎng)；θ為主天線的入射角；Δθ為主副影像的入射角度差值；R為主天線與目標(biāo)地物的斜距；B⊥為垂直基線。

2　森林樹高反演方法仿真研究

2.1森林樹高仿真數(shù)據(jù)來(lái)源

仿真數(shù)據(jù)由歐洲太空局研發(fā)的PolSARpro極化SAR處理軟件模擬機(jī)載ESAR L波段分別生成主、輔2幅全極化數(shù)據(jù)，見圖1。

圖1　圓形落葉林Fig.1 Circular deciduous forest

圖1中，仿真數(shù)據(jù)對(duì)應(yīng)的森林場(chǎng)景為1塊地面平坦的圓形落葉林，每個(gè)圓形代表1株樹。仿真數(shù)據(jù)忽略了殘余運(yùn)動(dòng)、基線和配準(zhǔn)誤差，同時(shí)忽略了時(shí)間和信噪比去相關(guān)的影響。仿真的微波數(shù)據(jù)參數(shù)為：L波段，平臺(tái)高度3 000 m，水平基線10 m，入射角45°，中心頻率1.3 GHz，斜距分辨率為1.06 m，方位向分辨率為1.5 m，森林樹高為10.0 m，森林密度為300株/ hm2，地表相位為0。

L波段全極化數(shù)據(jù)生成的HH強(qiáng)度圖見圖2。圖2中左側(cè)表示主影像強(qiáng)度圖，右側(cè)為輔圖像強(qiáng)度圖（限于篇幅HV、VH和VV極化的強(qiáng)度圖未顯示），單位為dB。

圖2　L波段主輔圖像強(qiáng)度圖Fig.2 Master（left）and slave images（right）of the simulated L band

2.2仿真數(shù)據(jù)森林樹高反演

1）干涉圖的生成和去地平效應(yīng)。首先利用主輔圖像生成干涉圖，見圖3。圖3中可以看出相位、植被差異和平地效應(yīng)條紋。由于在植被覆蓋區(qū)還存在樹下地表、樹葉和樹枝、電磁波等在植被覆蓋區(qū)可能具有的多種散射機(jī)制［9］。

圖3　L波段模擬數(shù)據(jù)不同極化的干涉圖和去地平效應(yīng)后干涉圖Fig.3 Interference images of L band simulated data of different polarization

2）極化相干處理。在復(fù)相干估計(jì)前要計(jì)算相干性，需要為像素周圍的局部平均處理指定窗口大小。本研究中，選擇7×7窗口計(jì)算復(fù)相干系數(shù)。L波段HV和HH-VV兩個(gè)極化的復(fù)相干系數(shù)圖見圖4。圖4中黑色相干系數(shù)為0，代表不相干；白色相干系數(shù)為1，代表相干性非常好。黑色到白色之間的變化代表相干系數(shù)在0～1變化。

圖4　極化復(fù)相干系數(shù)Fig.4 Polarization correlation coefficient

3）仿真結(jié)果。復(fù)相干DEM差值法和復(fù)相干幅度法的樹高反演結(jié)果圖見圖5。

圖5　兩種反演方法樹高估測(cè)結(jié)果Fig.5 Forest height estimations of two inversion methods

4）仿真結(jié)果精度驗(yàn)證。對(duì)圖5的反演結(jié)果中森林覆蓋區(qū)域進(jìn)行直方圖分析，結(jié)果見圖6。

圖6　DEM差分算法和復(fù)相干幅度算法樹高直方圖（森林區(qū)域）Fig.6 Histograms of forest height estimation based on DEM differencing algorithm and coherent amplitude algorithm（forest area）

從圖6可以看出，DEM差分反演算法森林樹高的估測(cè)結(jié)果主要集中在1～4 m，反演結(jié)果明顯低于實(shí)際樹高10 m。相干幅度算法樹高估測(cè)集中在8～11 m，與實(shí)際樹高10 m非常接近。說(shuō)明L波段的相干幅度算法樹高估測(cè)結(jié)果明顯比DEM差分方法好。

3　星載微波數(shù)據(jù)森林樹高反演驗(yàn)證

3.1星載ALOS PALSAR數(shù)據(jù)來(lái)源

試驗(yàn)數(shù)據(jù)為2009年4月23日及2010年4月26日的ALOS PALSAR L波段的PLR Level 1.1全極化數(shù)據(jù)，其中方位向分辨率為9.37 m，距離向分辨率為3.56 m，像幅為18432×1248。覆蓋昆明宜良縣國(guó)營(yíng)花園林場(chǎng)小哨林區(qū)，地處東經(jīng)102°58′～103°28′，北緯23°30′～25°17′，海拔1 600～2 100 m，山地、谷地與壩子地勢(shì)北高南低，中部平坦。森林以天然林為主，主要優(yōu)勢(shì)樹種為云南松（Pinus yunnanensis）。宜良縣L波段全極化主輔影像圖（局部）見圖7。

圖7　試驗(yàn)區(qū)ALOS PALSAR全極化主輔影像圖Fig.7 ALOS PALSAR full polarization images of test site

3.2森林樹高反演驗(yàn)證

1）干涉圖生成及去平地效應(yīng)。通過(guò)對(duì)主輔影像進(jìn)行高精度配準(zhǔn)等預(yù)處理，生成干涉圖，圖8為HH極化通道的干涉圖和去地平相位后的干涉圖局部。

2）有效垂直波數(shù)計(jì)算。在仿真數(shù)據(jù)試驗(yàn)時(shí)，由于在數(shù)據(jù)生成時(shí)PolSARpro軟件已根據(jù)仿真拍攝時(shí)主副SAR的軌道參數(shù)進(jìn)行了生成，因此無(wú)需進(jìn)行計(jì)算。有效垂直波數(shù)kz的計(jì)算對(duì)于樹高的估算是必須的參數(shù)，能否準(zhǔn)確計(jì)算kz的數(shù)值也將會(huì)對(duì)后續(xù)的樹高計(jì)算結(jié)果產(chǎn)生影響。根據(jù)式（3），計(jì)算主副影像的入射角數(shù)據(jù)。由于研究數(shù)據(jù)的元數(shù)據(jù)中只提供了主副影像的四個(gè)端點(diǎn)及中心入射角。所以，根據(jù)雷達(dá)拍攝時(shí)的幾何特性，以主副影五個(gè)點(diǎn)的入射角以趨勢(shì)面分析的方法進(jìn)行插值計(jì)算，得出主副整幅影像的入射角數(shù)據(jù)。應(yīng)用式（3）計(jì)算得到有效垂直波數(shù)數(shù)據(jù)。

圖8　HH極化干涉圖Fig.8 Interference patterns of HH polarimetric channel

3）森林高度反演結(jié)果。利用仿真研究中的2種方法分別對(duì)ALOS PALSAR數(shù)據(jù)進(jìn)行樹高估測(cè)計(jì)算，結(jié)果見圖9。

圖9　ALOS PALSAR相干幅度算法森林樹高估測(cè)結(jié)果Fig.9 Histograms of forest height estimation with coherent amplitude algorithm based on ALOS PALSAR

對(duì)估測(cè)結(jié)果進(jìn)行直方圖分析，結(jié)果見圖10。圖10表明，DEM差分算法估計(jì)的植被高度中心約為0.017 5 m，復(fù)相干幅度算法估計(jì)的植被高度中心約為24.025 0 m，2種算法估算結(jié)果相差很大。將估測(cè)結(jié)果與對(duì)應(yīng)地區(qū)的森林資源二類調(diào)查數(shù)據(jù)進(jìn)行比對(duì)，發(fā)現(xiàn)大部分小班的平均樹高為8～15 m。說(shuō)明2種估測(cè)結(jié)果均與實(shí)際較大差距，尤其是DEM差分方法估測(cè)結(jié)果幾乎均為0，而復(fù)相干幅度法反演結(jié)果雖有一定的森林樹高信息，但與實(shí)際的森林樹高的偏差仍然非常大。ALOS PALSAR數(shù)據(jù)無(wú)法有效反演森林樹高信息。

圖10　ALOS PALSAR數(shù)據(jù)森林高度反演結(jié)果直方圖Fig.10 Histogram of forest height estimation based on ALOS PALSAR

4　結(jié)論與討論

1）基于微波L波段仿真數(shù)據(jù)的DEM差分算法和復(fù)相干幅度算法在反演森林樹高時(shí)，DEM差分算法反演結(jié)果嚴(yán)重低估了估測(cè)對(duì)象的森林高度；復(fù)相干幅度算法的估測(cè)結(jié)果較好地反映了森林樹高。

2）基于ALOS PALSAR L波段數(shù)據(jù)的2種反演算法都未取得有實(shí)際意義的估測(cè)結(jié)果，估測(cè)結(jié)果未能反映實(shí)際森林高度的變化。究其原因，主要是本研究中采用的ALOS PALSAR主輔數(shù)據(jù)為相隔1年時(shí)間的星載衛(wèi)星數(shù)據(jù)，時(shí)間去相干性嚴(yán)重，無(wú)法滿足干涉測(cè)量的基本要求。

3）雖然星載數(shù)據(jù)反演結(jié)果與實(shí)際樹高差距較大，但利用極化干涉SAR技術(shù)進(jìn)行樹高反演研究仍然有重要意義：它能基于數(shù)據(jù)本身攜帶的樹木位置信息，無(wú)需地面的測(cè)量支撐而通過(guò)微波干涉測(cè)距理論計(jì)算得出樹高。隨著具備干涉條件微波數(shù)據(jù)的獲取技術(shù)的提高和進(jìn)步，基于POLINSAR技術(shù)的森林樹高測(cè)量有望有新的突破。

［參考文獻(xiàn)］

［1］李新武，郭華東，廖靜娟，等.航天飛機(jī)極化干涉雷達(dá)數(shù)據(jù)反演地表植被參數(shù)［J］.遙感學(xué)報(bào)，2002，6 （6）：424-429.

［2］Yamada H，Onoda H，Yamaguchi Y.On Scattering model decomposition with Pol-InSAR data［C］/ / European Conference on Synthetic Aperture Radar，2008：1-4.

［3］李廷偉，梁甸農(nóng)，朱炬波.極化干涉SAR森林高度反演綜述［J］.遙感信息，2009（3）：85-91.

［4］Yamada H，Yamaguchi Y，Boerner W M.Forest height feature extraction in polarimetric SAR interferometry by using rotational invariance property［C］/ / Geoscience and Remote Sensing Symposium，2003.IGARSS′03.Proceedings.2003 IEEE International，2003：1426-1428.

［5］Flynn T，Tabb M，Carande R.Coherence region shape extraction for vegetation parameter estimation in polarimetric SAR interferometry［C］/ / Geoscience and Remote Sensing Symposium，2002.IGARSS′02.2002 IEEE International.IEEE，2002：2596-2598.

［6］Cloude S R，Papathanassiou K P.Three-stage inversion process for polarimetric SAR interferometry［J］.IEE Proceedings-Radar，Sonar and Navigation，2003，150 （3）：125-134.

［7］于大洋，董貴威，楊健，等.基于干涉極化SAR數(shù)據(jù)的森林樹高反演［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，45（3）：334-336.

［8］李哲.基于極化干涉SAR的森林平均樹高反演算法研究［D］.蘭州：中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，2009.

［9］韋順軍.極化干涉SAR植被高度估計(jì)方法研究［D］.成都：電子科技大學(xué)，2009.

［10］陳曦，張紅，王超.極化干涉SAR反演植被垂直結(jié)構(gòu)剖面研究［J］.國(guó)土資源遙感，2009（4）：49-52.

（責(zé)任編輯曹龍）

第1作者：岳彩榮（1964—），男，博士，教授，博士生導(dǎo)師。研究方向：遙感與GIS的教學(xué)與研究。Email：cryue＠163.com。

Forest Height Inversion based on Polarimetric Interferometry SAR

Yue Cairong，Xiao Hongyan，Cao Ba
（College of Forestry，Southwest Forestry University，Kunming Yunnan 650224，China）

Abstract：Based on the L-band simulated full-polarimetric data，forest height inversion by coherent DEM difference algorithm and amplitude coherent complex algorithms were conducted，and full-polarimetric spaceborne microwave remote sensing data ALOS PALSAR has been verified by an instance.The results show：under simulated data，DEM difference algorithm seriously underestimated the forest height，the complex coherent amplitude estimation algorithm represented high accuracy.Due to temporal decorrelation and low registration accuracy，ALOS PALSAR data was difficult to estimate the forest tree height effectively.

Key words：PolinSAR，DEM difference algorithm，amplitude coherent complex，forest height，inversion

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（31260156）；云南省教育廳項(xiàng)目（51400657）；西南林業(yè)大學(xué)林學(xué)一級(jí)學(xué)科；西南地區(qū)生物多樣性保育國(guó)家林業(yè)局重點(diǎn)實(shí)驗(yàn)室開放基金資助。

收稿日期：2015-12-28

doi：10.11929/ j.issn.2095-1914.2016.03.024

中圖分類號(hào)：S771.8

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-1914（2016）03-0137-07