２０１６年１２月第６期

林业资源管理

ＦＯＲＥＳＴＲＥＳＯＵＲＣＥＳＭＡＮＡＧＥＭＥＮＴＤｅｃｅｍｂｅｒ２０１６

Ｎｏ６

基于极化干涉 ＳＡＲ数据森林树高反演算法比较

曹　霸１，杨小梅２，肖　玲３，卢　鹏３，王应泉３，岳彩荣４，于维莲３

（１贵州林业勘察设计有限公司，贵阳 ５５０００３；２贵州省第一测绘院，贵阳 ５５０００３；３贵州省林业调查规划院，贵阳

５５０００３；４西南林业大学，昆明６５００００）

摘要：树高是森林资源的重要参数，因此对于树高反演的研究具有重要的意义。以欧空局提供的ＰｏｌＳＡＲＰｒｏ软件

生成Ｌ波段和Ｘ波段的全极化雷达数据，对２个波段的数据进行预处理，选择ＤＥＭ差值法、ＲＶＯＧ地相位法和

复相干幅度法对树高进行反演，并对Ｌ波段和Ｘ波段反演结果进行分析。结果表明：对于Ｌ波段，ＤＥＭ差值法

低估了树高，ＲＶＯＧ地相位法高估了树高，复相干幅度法反演的树高精度比 ＤＥＭ差值法和 ＲＶＯＧ地相位法要

高；Ｘ波段严重低估了树高，已经不适用这３种树高反演算法，反演的结果不理想。

关键词：ＰｏｌＩｎＳＡＲ；树高反演；ＤＥＭ差值法；ＲＶＯＧ地相位法；复相干幅度法

中图分类号：ＴＰ７２２６　文献标识码：Ａ　文章编号：１００２－６６２２（２０１６）０６－０１００－０６

ＤＯＩ：１０．１３４６６／ｊ．ｃｎｋｉ．ｌｙｚｙｇｌ．２０１６．０６．０１９

ＳｔｕｄｙｏｎＦｏｒｅｓｔＴｒｅｅＨｅｉｇｈｔＩｎｖｅｒｓｉｏｎＢａｓｅｄｏｎＰｏｌａｒｉｚａｔｉｏｎＩｎｔｅｒｆｅｒｅｎｃｅＳＡＲＤａｔａ

ＣＡＯＢａ１，ＹＡＮＧＸｉａｏｍｅｉ２，ＸＩＡＯＬｉｎｇ３，ＬＵＰｅｎｇ３，ＷＡＮＧＹｉｎｇｑｕａｎ３，ＹＵＥＣａｉｒｏｎｇ４，ＹＵＷｅｉｌｉａｎ３

（１ＧｕｉｚｈｏｕＦｏｒｅｓｔＩｎｖｅｎｔｏｒｙａｎｄＰｌａｎｎｉｎｇＣｏ，ＬＴＤ，Ｇｕｉｙａｎｇ５５０００３，Ｃｈｉｎａ；２ＧｕｉｚｈｏｕＰｒｏｖｉｎｃｉａｌＦｉｒｓｔＩｎｓｔｉｔｕｔｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＧｕｉｚｈｏｕ５５０００３，Ｃｈｉｎａ；３ＧｕｉｚｈｏｕＰｒｏｖｉｎｃｉａｌＩｎｓｔｉｔｕｔｅｏｆＦｏｒｅｓｔＩｎｖｅｎｔｏｒｙａｎｄＰｌａｎｎｉｎｇ，Ｇｕｉｙａｎｇ５５０００３，Ｃｈｉｎａ；４ＳｏｕｔｈｗｅｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５００００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｆｏｒｅｓｔｔｒｅｅｈｅｉｇｈｔｉｓａｎｉｍｐｏｒｔａｎｔｐａｒａｍｅｔｅｒｏｆｆｏｒｅｓｔｒｅｓｏｕｒｃｅｓ，ｓｏｓｔｕｄｙｏｎｉｎｖｅｒｓｉｏｎｏｆｔｒｅｅｈｅｉｇｈｔｏｆｆｏｒｅｓｔｈａｓｉｍｐｏｒｔａｎｔｓｉｇｎｉｆｉｃａｎｃｅＴｈｉｓｐａｐｅｒ’ｓｄａｔａｓｏｕｒｃｅｈａｓｔｗｏｆｕｌｌｐｏｌａｒｉｚａｔｉｏｎｄａｔａｗｈｉｃｈｗｅｒｅｇｅｎｅｒａｔｅｄｂｙＰｏｌＳＡＲＰｒｏｓｏｆｔｗａｒｅｏｆＥＳＡａｎｄｔｗｏｂａｎｄｓｆｏｒｔｈｅｐｒｅｔｒｅａｔｍｅｎｔ，ａｎｄｔｈｅＤＥＭｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄ，ＲＶＯＧｐｈａｓｅｍｅｔｈｏｄａｎｄｔｈｅｃｏｈｅｒｅｎｔａｍｐｌｉｔｕｄｅｍｅｔｈｏｄｗｅｒｅｃｈｏｓｅｎｔｏｒｅｖｅｒｓｅｔｈｅｔｒｅｅｈｅｉｇｈｔ，ｆｉｎａｌｌｙａｎａｌｙｚｉｎｇａｎｄｅｖａｌｕａｔｉｎｇｔｈｅｒｅｓｕｌｔｏｆＬｂａｎｄａｎｄＸｂａｎｄＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｆｏｒＬｂａｎｄＤＥＭｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄｕｎｄｅｒｅｓｔｉｍａｔｅｓｔｈｅｔｒｅｅｈｅｉｇｈｔ，ＲＶＯＧｐｈａｓｅｍｅｔｈｏｄｏｖｅｒｅｓｔｉｍａｔｅｓｔｈｅｔｒｅｅｈｅｉｇｈｔ，ｔｈｅｃｏｈｅｒｅｎｔａｍｐｌｉｔｕｄｅｉｎｖｅｒｓｉｏｎｔｒｅｅｈｅｉｇｈｔｐｒｅｃｉｓｉｏｎｉｓｈｉｇｈｅｒｔｈａｎＤＥＭｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄａｎｄＲＶＯＧｐｈａｓｅｍｅｔｈｏｄ，ｔｈｅＸｂａｎｄｂａｄｌｙｕｎｄｅｒｅｓｔｉｍａｔｅｓｔｈｅｔｒｅｅｈｅｉｇｈｔａｎｄｃｏｕｌｄｎｏｔｂｅａｐｐｌｉｅｄｔｏｔｈｅｔｈｒｅｅｔｒｅｅｈｅｉｇｈｔｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍ，ｔｈｅｉｎｖｅｒｓｉｏｎｒｅｓｕｌｔｉｓｎｏｔｉｄｅａｌＫｅｙｗｏｒｄｓ：ＰｏｌＩｎＳＡＲ，ｔｒｅｅｈｅｉｇｈｔｉｎｖｅｒｓｉｏｎ，ＤＥＭｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄ，ＲＶＯＧｐｈａｓｅｍｅｔｈｏｄ，ｃｏｈｅｒｅｎｔａｍｐｌｉｔｕｄｅｍｅｔｈｏｄ

收稿日期：２０１６－０９－２０；修回日期：２０１６－１１－２５基金项目：云南省教育厅项目（２０１４Ｊ１００）；国家自然科学基金项目（３１２６０１５６）；贵州省林业厅青年科技人才培养对象专

项基金项目（黔林科合Ｊ字［２０１３］４号）作者简介：曹霸（１９８９－），男，安徽宿州人，硕士，主要从事林业３Ｓ技术与应用研究。Ｅｍａｉｌ：ｃ１９８９０４＠１６３．ｃｏｍ

　第６期 曹霸等：基于极化干涉ＳＡＲ数据森林树高反演算法比较

　　森林高度是反映森林资源数量和质量的重要参数，与森林蓄积量和生物量直接相关，是森

林资源调查中最重要的调查因子之一，也是区域

环境和全球碳循环研究的重要基础数据。极化

干涉合成孔径雷达（ＰｏｌＩｎＳＡＲ）同时具有 ＰｏｌＳＡＲ和 ＩｎＳＡＲ测量优点，有 ＩｎＳＡＲ对地表植被散射体的空间分布和高度很敏感的特性，又有 ＰｏｌＳＡＲ对植被散射体的形状和方向很敏感的特性［１］。

这就为实现基于物理模型的大面积森林高度测

量提供了可能。本文以欧空局提供的 ＰｏｌＳＡＲＰｒｏ软件生成 Ｌ波段和 Ｘ波段的全极化雷达数据，对两个波段的数据进行预处理，并选择了 ＤＥＭ差值法、ＲＶＯＧ地相位法和复相干幅度法对树高进行了反演，最后对 Ｌ波段和 Ｘ波段反演结果进行了分析与评价。

１　极化干涉ＳＡＲ森林树高反演算法介绍森林树高反演算法主要分为３类，基于极化干

涉复相干的森林树高反演算法、ＥＳＰＲＩＴ（ＥｓｔｉｍａｔｉｏｎｏｆＳｉｇｎａｌＰａｒａｍｅｔｅｒｓｖｉａＲｏｔａｔｉｏｎａｌＩｎｖａｒｉａｎｃｅＴｅｃｈｎｉｑｕｅｓ）森林树高反演算法［２］和层析相干技术森林

树高反演算法［３］，本文选择的复相干 ＤＥＭ差值法、ＲＶＯＧ地相位法和复相干幅度法是属于极化干涉复相干的树高反演算法，下面将主要介绍极化干涉复

相干的森林树高反演算法。

１１　相干散射模型相干散射模型在森林树高反演中起着重要的

作用，它把测量数据和待反演的参数联系起来。

Ｔｒｅｕｈａｆｔ等提出的随机散射体 ＋地表散射的二层（ＲＶＯＧ）模型，被广泛应用于极化干涉 ＳＡＲ植被参数反演［４］。模型如下式所示：

γ～（ｗ－）＝ｅｉφ（γｖ

～＋μ（ｗ－））／（１＋μ（ｗ－））＝ｅ

ｉφ（γｖ～＋

μ（ｗ－）／（１＋μ（ｗ－））（１－γｖ～）） （１）

式中：γ～（ｗ－）是散射复相干；φ是地形相位；

μ（ｗ－）是有效的地体辐射比率；γｖ～是单纯的植被体

散射复相干。

γ～ｖ＝Ｉ２／Ｉ１＝ｅ

（２σｈｖ）ｃｏｓθ０∫ｈ　ｖ

０

ｅ－２σｚ′ｃｏｓθ０ｅｉｋｚｚ′ｄｚ′／ｅ－

２σｈｖｃｏｓθ０∫ｈ　ｖ

０

ｅ－２σｚ′ｃｏｓθ０ｄｚ′

＝２σｅｉφ（ｚ０）∫ｈ　ｖ

０

ｅｉｋｚｚ′ｅ２σｚ′ｃｏｓθ０ｄｚ′／ｃｏｓθ０（ｅ

２σｈｖ／ｃｏｓθ０－１）

＝ｐ（ｅｐ１ｈｖ－１）／ｐ１（ｅｐｈｖ－１） （２）

式中：ｐ＝ ２σｃｏｓθ，ｐ１ ＝ｐ＋ｉｋｚ，ｋｚ ＝

４πΔθλｓｉｎθ≈

４πＢｎλＨｔａｎθ

，σ为平均系数，φ为雷达波入射角，Ｈ为传

感器高度，Δθ为由基线引起的入射角差，λ为电磁波的波长，Ｂｎ为垂直基线。１２　复相干ＤＥＭ差值法

复相干ＤＥＭ差值算法的基本思想是从单位散射矢量分离出对应着植被冠层和地表散射的干涉

复相干，通过两者的相位差，从而进行树高的估计。

相关模型如下式所示［５］：

ｈｖ＝（ａｒｇ（γｗｖ－～）－ａｒｇ（γｗｓ－

～））／ｋｚ （３）

式中：ｗｖ－表示植被冠层体散射矢量，γ～ｗｖ－表示冠

层体散射复相干；ｗｓ－为地表散射矢量，γｗｓ－～表示地表

散射复相干，ｋｚ为有效波数。一般认为 ＨＶ（Ｈ为水平极化，Ｖ为垂直极化，ＨＶ为电磁波以水平极化方式发射，垂直极化方式接收信号）极化散射为植被

冠层体散射矢量，也就是 ｗｖ－ ，ＨＨ－ＶＶ极化散射为

地表散射矢量，也就是ｗｓ－ 。

１３　ＲＶＯＧ地相位法通过对Ｌ波段和 Ｐ波段散射数据的大量分析，

对于地相位很难进行无偏估计，因此为了对地相位

进行较准确的估计，本算法引入了 ＲＶＯＧ模型，通过模型的几何特点和所测复相干来确定地相位［６］：

ｈｖ＝（ａｒｇ（γｗｖ－～）－φ

～）／ｋｚ （４）

式中：γ～ｗｖ－表示冠层体散射复相干；ｋｚ为有效波

数；φ～可通过下式（５）计算。

φ～＝ａｒｇ（γｗｖ～

－

－γｗｓ～－

（１－Ｌｗｓ－））０≤Ｌｗｓ－≤

１

ＡＬ２ｗｓ－

＋ＢＬｗｓ－＋Ｃ＝０Ｌｗｓ－

＝（－Ｂ－ Ｂ２－４槡 ＡＣ）／２Ａ

Ａ＝ γｗｓ～－

２－１，

Ｂ＝２Ｒｅ（（γｗｖ～－

－γｗｓ～－

）γｗｓ～－

），

Ｃ＝ γｗｖ～－

－γｗｓ～－

２ （５）

１０１

林业资源管理 第６期　

１４　复相干幅度法对于ＲＶＯＧ地相位反演算法和三阶段反演算

法，需要通过直线拟合和距离判断来估计地相位，

然而如果极化干涉复相干低的时候，就无法判断出

地相位，在这里就需要利用图像的复相干幅度信息

来进行树高反演［５］。对于 ＲＯＶＧ模型，当设定消光系数为０时，其变为 Ｓｉｎｃ函数，从而可以通过下式来反演树高：

ｈｖ＝２×ｓｉｎｃ－１（γｗｖ－

～）／ｋｚ （６）

式中：γ～ｗｖ－表示冠层体散射复相干；ｋｚ为有效

波数。

２　极化干涉ＳＡＲ数据处理２１　模拟数据的生成

本文所用的雷达数据为ＰｏｌＳＡＲｐｒｏ软件生成的模拟数据，模拟的参数如图１所示：

图１　ＰｏｌＳＡＲＰｒｏ模拟参数Ｆｉｇ１ＰｏｌＳＡＲＰｒｏｓｉｍｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓ

利用以上参数，在 ＰｏｌＳＡＲＰｒｏ中生成了 Ｌ（１３ＧＨｚ）和Ｘ（９６５ＧＨｚ）波段两景全极化ＳＡＲ数据，Ｌ波段和 Ｘ波段其他参数都相同，数据为 １４１列和１０５行，同时生成了地平相位影像和有效波数影像，为后面的树高反演提供参数。

２２　极化干涉ＳＡＲ处理流程通过ＰｏｌＳＡＲＰｒｏ软件，生成了两景全极化 ＳＡＲ

数据，接下来对生成的模拟数据进行处理，具体数

据处理流程如图２所示。

图２　模拟数据的森林树高反演流程图Ｆｉｇ２Ｆｌｏｗｃｈａｒｔｏｆｆｏｒｅｓｔｔｒｅｅｈｅｉｇｈｔｉｎｖｅｒｓｉｏｎｆｏｒｓｉｍｕｌａｔｅｄｄａｔａ

２２１　主辅影像的配准本文利用的是模拟数据，主辅影像在生成的过

程中已经进行了配准，因此在这里不详细赘述。

２２２　极化相干处理将 ＰｏｌＳＡＲＰｒｏ模拟的两景全极化数据用 Ｐａｕｌｉ

基进行矢量化，具体实现过程如下：

ｋｍａｓｔｅｒ＝１

槡２（Ｓｈｈ＿ｍａｓｔｅｒ＋Ｓｖｖ＿ｍａｓｔｅｒ，Ｓｈｈ＿ｍａｓｔｅｒ－Ｓｖｖ＿ｍａｓｔｅｒ，

２Ｓｈｖ＿ｍａｓｔｅｒ）Ｔ （７）

ｋｓｌａｖｅ ＝１

槡２（Ｓｈｈ＿ｓｌａｖｅ ＋Ｓｖｖ＿ｓｌａｖｅ，Ｓｈｈ＿ｓｌａｖｅ －Ｓｖｖ＿ｓｌａｖｅ，

２Ｓｈｖ＿ｓｌａｖｅ）Ｔ

式中，ｋｍａｓｔｅｒ与ｋｓｌａｖｅ分别代表主辅两景全极化数据，由此可以得到 Ｋ６ ＝?ｋｍａｓｔｅｒ·ｋｓｌａｖｅ?。然后通过

Ｋ６来构建相干矩阵 Ｔ６，Ｔ６ ＝Ｋ６×ＫＴ

６ ＝（Ｔ[ ]１１ ，

［Ｔ２２］，［Ω１２］），根据式（８）计算极化复相干：

２０１

　第６期 曹霸等：基于极化干涉ＳＡＲ数据森林树高反演算法比较

　　γ～（ω）＝?ωＨ１Ω１２ω２?／ ?ωＨ１Ｔ１１ω２??ω

Ｈ１Ｔ２２ω２槡 ?

（８）由式（８）可知，极化复相干的大小与ωｉ有关：

ωｉ＝

ｃｏｓ（αｉ）ｅｊφｉ

ｓｉｎ（αｉ）ｃｏｓ（βｉ）ｅｊθｉ

ｓｉｎ（αｉ）ｃｏｓ（βｉ）ｅｊγ

ｉ

，

在处理中通常采用下表的参数来生成极化干

涉复相干，参数不同代表不同的散射机制，具体参

数如表２所示［７］。

表１　ωｉ参数Ｔａｂ１ωｉｐａｒａｍｅｔｅｒｓ

极化状态参数

α β φ θ γＨＨ ４５° ０° ０７０７ ０７０７ ０ＨＶ ９０° ９０° ０ ０ ０ＶＶ ４５° １８０° ０７０７ －０７０７ ０ＨＨ－ＶＶ ９０° ０° ０ １ ０ＨＨ＋ＶＶ ０° ０° １ ０ ０ＬＬ ９０° ４５° ０ ０７０７ ０７０７ｉＬＲ ０° ０° １ ０ ０ＲＲ ９０° ４５° ０ ０７０７ －０７０７ｉ

通过这些参数计算极化干涉复相干。图３为利用表１中相关参数，计算得到的极化复相干。

图３　Ｌ波段极化复相干Ｆｉｇ３ＰｏｌａｒｉｚａｔｉｏｎｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆｂａｎｄＬ

３　结果与分析从反演结果中截取一行数据作为剖面分析树

高，如图４和图５所示，其中实线、点虚线和线虚线分别代表ＤＥＭ差值法、ＲＶＯＧ地相位算法和复相干幅度法反演的树高数据剖面，点线虚线为模拟数据

的真实树高，数值为１８ｍ。从图４中可以得出，对于 ＤＥＭ差值算法，其反

演的树高范围在０～１０ｍ，与模拟树高相比，低估了森林树高；对于复相干幅度反演算法，树高范围的

绝大部分值在１０～３０ｍ；对于 ＲＶＯＧ地相位树高反演算法，其树高大部分在模拟数据上下浮动。

图４　Ｌ波段树高反演算法比较Ｆｉｇ４ＣｏｍｐａｒｅｏｆｔｒｅｅｈｅｉｇｈｔｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓｏｆｂａｎｄＬ

图５　Ｘ波段树高反演算法比较Ｆｉｇ５ＣｏｍｐａｒｅｏｆｔｒｅｅｈｅｉｇｈｔｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓｏｆｂａｎｄＸ

３０１

林业资源管理 第６期　

　　Ｘ波段树高反演算法比较，ＤＥＭ差值法、ＲＶＯＧ地相位法和复相干幅度法对树高的反演结果都是

低估（图５），与真实树高相差太大，反演的结果很不理想。

分别统计 Ｌ波段和 Ｘ波段 ＤＥＭ差值法（图６和图７）、ＲＶＯＧ地相位法（图８和图９）和复相干幅度法（图１０和图１１）直方图，并计算３种方法的均值、标准差、最大值和最小值，如表 ２和表 ３所示。

对于Ｌ波段，从图 ６、图 ８和图 １０可以得出，ＤＥＭ差值算法反演的树高主要分布在 ０～５ｍ，ＲＶＯＧ地相位算法反演的树高主要分布在０～２０ｍ，复相干幅度法主要分布在２～１８ｍ。然后计算３种方法反演算法的均值、标准差、最大值和最小值，其

中ＤＥＭ差值法反演的树高均值较小，与实际树高相差太多；ＲＶＯＧ地相位算法反演的树高均值为７３６ｍ，标准差为８２７，估计的最大值和最小值偏差也有点大，复相干幅度法反演的树高均值为

１１９６ｍ，标准差为６９６，但是它的最大值偏差太大，达到了４３８９ｍ。根据以上分析可以得出，３种方法中复相干幅度法反演的效果最好，ＲＶＯＧ地相位算法其次，ＤＥＭ差值算法远远低估了树高，反演效果最差。

图６　Ｌ波段ＤＥＭ差值法直方图统计

Ｆｉｇ６ＨｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｏｆＤＥＭｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄｓｏｆｂａｎｄＬ

对于Ｘ波段从图 ７、图 ９和图 １１可以得出，ＤＥＭ差值法主要分布在 －２～２ｍ之间，ＲＶＯＧ地相位法主要分布在０ｍ附近，复相干幅度算法主要分

布在２～５ｍ，这３种方法的均值均较小，复相干幅度法均值最大，但是与真实树高相差太大。

图７　Ｘ波段ＤＥＭ差值法直方图统计Ｆｉｇ７ＨｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｏｆＤＥＭｄｉｆｆｅｒｅｎｃｅｍｅｔｈｏｄｓｏｆｂａｎｄＸ

图８　Ｌ波段ＲＶＯＧ地相位直方图统计Ｆｉｇ８ＨｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｏｆＲＶＯＧｐｈａｓｅｍｅｔｈｏｄｓｏｆｂａｎｄＬ

图９　Ｘ波段ＲＶＯＧ地相位直方图统计Ｆｉｇ９ＨｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｏｆＲＶＯＧｐｈａｓｅｍｅｔｈｏｄｓｏｆｂａｎｄＸ

４０１

　第６期 曹霸等：基于极化干涉ＳＡＲ数据森林树高反演算法比较

图１０　Ｌ波段复相干幅度直方图统计Ｆｉｇ１０ＨｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｏｆｃｏｈｅｒｅｎｔａｍｐｌｉｔｕｄｅｍｅｔｈｏｄｓｏｆｂａｎｄＬ

图１１　Ｘ波段复相干幅度直方图统计Ｆｉｇ１１ＨｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｏｆｃｏｈｅｒｅｎｔａｍｐｌｉｔｕｄｅｍｅｔｈｏｄｓｏｆｂａｎｄＸ

表２　Ｌ波段树高统计Ｔａｂ２ＳｔａｔｉｓｔｉｃｓｏｆｔｒｅｅｈｅｉｇｈｔｏｆｂａｎｄＬ

方法 均值／ｍ 标准差 最大值／ｍ 最小值／ｍ

ＤＥＭ差值法 ２９３ ３６２ １７０３ －８０６

ＲＶＯＧ地相位法 ７３６ ８２７ ２７１７ －２７０６

复相干幅度法 １１９６ ６９６ ４３８９ ０００

表３　Ｘ波段树高统计Ｔａｂ３ＳｔａｔｉｓｔｉｃｓｏｆｔｒｅｅｈｅｉｇｈｔｏｆｂａｎｄＸ

方法 均值／ｍ 标准差 最大值／ｍ 最小值／ｍ

ＤＥＭ差值法 ００７ ０６２ ３６３ －３６３ＲＶＯＧ地相位法 ０１６ １８９ ３６７ －３６７复相干幅度法 ３３０ ０９０ ７１２ ０１７

４　结论１）对于Ｌ波段模拟数据，ＤＥＭ差值法低估了

森林树高；ＲＶＯＧ地相位方法也低估了树高，其低估的程度没有ＤＥＭ差值法高，比 ＤＥＭ差值法精度要高；复相干幅度法相比于 ＤＥＭ差值法和 ＲＶＯＧ地相位法其反演精度最高。是３种方法中最为理想的树高反演算法。

２）对于Ｘ波段模拟数据，３种方法都严重的低估了树高，Ｘ波段不适用于这３种方法进行树高反演，造成这种情况的原因可能 Ｘ波段波长太短，无法穿透树木冠层。

３）Ｌ波段模拟数据与 Ｘ波段模拟数据相比，Ｌ波段模拟数据反演树高的结果更为理想。

参考文献：［１］李新武，郭华东．航天飞机极化干涉雷达数据反演地表植被参

数［Ｊ］．遥感学报，２００２，６（６）：４２４－４２９．［２］谈璐璐，杨立波，杨汝良．基于ＥＳＰＲＩＴ算法的极化干涉 ＳＡＲ植

被高度反演研究［Ｊ］．测绘学报，２０１１，４０（３）：２９６－３００．［３］李文梅．极化干涉 ＳＡＲ层析估测森林垂直结构参数方法研究

［Ｄ］．北京：中国林业科学研究院，２０１３．［４］ＴｒｅｕｈａｆｔＲＮ，ＣｌｏｕｄｅＳＲ．ＴｈｅＳｔｒｕｃｔｕｒｅｏｆＯｒｉｅｎｔｅｄＶｅｇｅｔａｔｉｏｎ

ｆｒｏｍＰｏｌａｒｉｍｅｔｒｉｃＩｎｔｅｒｆｅｒｏｍｅｔｒｙ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９９，３７（５）：２６２０－２６２４．

［５］李哲．极化干涉ＳＡＲ平均树高反演［Ｄ］．兰州：中国科学院寒区旱区环境与工程研究所，２００９．

［６］李哲，陈尔学，王建，等．几种极化干涉 ＳＡＲ森林平均高反演算法的比较评价［Ｊ］．遥感技术与应用，２００９，２４（５）：６１１－６１６．

［７］ＣｌｏｕｄｅＳＲ．Ｐｏｌａｒｉｍｅｔｒｙ：Ｔｈｅｃｈａｒａｃｔｅｒｉｓａｔｔｏｎｏｆｐｏｌａｒｉｓａｔｔｏｎｅｆｆｅｃｔｓｄｉｎｅｍｓｃａｔｔｅｒｉｎｇ［Ｄ］．Ｂｉｒｍｉｎｇｈａｍ：ＵｎｉｖｅｒｓｉｔｙｏｆＢｉｒｍｉｎｇｈａｍ，１９８６．

５０１