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