付海強,朱建軍,汪長城,解清華,趙 蓉

中南大學地球科學與信息物理學院,湖南長沙 410083

極化干涉SAR植被高反演復(fù)數(shù)最小二乘平差法

付海強,朱建軍,汪長城,解清華,趙 蓉

中南大學地球科學與信息物理學院,湖南長沙 410083

提出一種PolInSAR植被高反演的復(fù)數(shù)最小二乘法。在考慮植被層時間去相干的條件下,將RVoG擴展為RVo G＋VTD模型;之后,將模型解算問題概括為復(fù)數(shù)的實部、虛部聯(lián)合平差問題,提出該模型線性化的方法及參數(shù)解算方法;最后利用解算得到的更為準確的“純”體去相干系數(shù)反演植被高度。采用覆蓋德國Oberpfaffenhofen地區(qū)的2景E-SAR L波段數(shù)據(jù)進行試驗并與經(jīng)典的非線性迭代及三階段算法進行對比分析。結(jié)果表明,本文提出的方法結(jié)果精度優(yōu)于其他兩種方法,運算效率方面明顯優(yōu)于非線性迭代算法,略低于三階段算法。

極化干涉SAR;樹高反演;復(fù)數(shù)最小二乘平差;時間去相干

1 引 言

光學遙感或攝影測量手段繪制大范圍地形圖時無法準確去除植被高,直接影響了DTM的提取精度。準確獲得植被高對獲得高精度DTM具有重要意義[1-5]。極化干涉合成孔徑雷達(polarimetric SAR interferometry,PolInSAR)集PolSAR和InSAR技術(shù)于一體,既具有InSAR對地表植被散射體的空間分布和高度敏感的特性,又具有PolSAR對植被散射體的形狀和方向敏感的特性[2]。PolInSAR的這一特點為大范圍獲取植被高度帶來了契機[3-4]。

目前,利用PolInSAR技術(shù)提取植被高最為常用的模型為隨機地體二層散射模型(random volume over ground,RVoG)。該模型將植被覆蓋區(qū)抽象為植被層和地表層兩層[5-6]。2001年,文獻[7]將該模型擴展到極化干涉技術(shù)中,并提出六維非線性模型來反演植被高。2003年,文獻[9]在文獻[7]的基礎(chǔ)之上提出三階段法反演植被高度,該算法簡化了參數(shù)解算過程的復(fù)雜程度。大量試驗證明了這兩種算法的可行性[7-11]。然而,這兩種算法并沒有考慮復(fù)數(shù)觀測量的先驗統(tǒng)計誤差,這可能導(dǎo)致參數(shù)解算存在較大偏差。針對這一問題,文獻[12]將該模型的解算概括為復(fù)數(shù)非線性最小二乘問題,對復(fù)數(shù)最小二乘的平差準則及隨機模型的建立進行了討論。但是,文獻[12]只是將植被高反演問題作為驗證復(fù)數(shù)最小二乘的實例,并沒有從植被高度反演的角度深入剖析算法的有效性。當將該方法推廣至真實SAR數(shù)據(jù)反演植被高度時,存在以下問題:①該方法由于采用的函數(shù)模型過于復(fù)雜,不易進行線性化處理,需要通過迭代運算進行解算,這就使得參數(shù)的解算精度受限于迭代初值選取的可靠性;②該算法的運算效率較低,對于大范圍植被參數(shù)反演存在難度;③該方法沒有考慮時間去相干這一因素,限制了該方法在真實全極化數(shù)據(jù)中的應(yīng)用。

本文以文獻[12]為基礎(chǔ),提出PolInSAR植被參數(shù)反演復(fù)數(shù)最小二乘平差法。該方法首先將RVoG模型擴展為考慮時間去相干影響的RVoG＋VTD(volume temporal decorrelation,VTD)模型[13],以削弱時間去相干的影響;之后,提出了RVoG＋VTD模型線性化的方法;隨后,采用DEM差分法的結(jié)果作為模型解算的初值,利用截斷奇異值修正方法對誤差方程進行解算[21];最后,利用德國Oberpfaffenhofen地區(qū)的E-SAR數(shù)據(jù)進行試驗驗證。

2 RVoG＋VTD散射模型

在顧及時間去相干影響時,極化相干系數(shù)可以通過RVoG＋VTD模型進行表達[13-15]

式中,w表示極化狀態(tài),表征某種特定目標的散射特性;γ(w)表示極化狀態(tài)w對應(yīng)的復(fù)相干系數(shù),為已知復(fù)數(shù);φ0表示地表相位,為未知實數(shù); μ(w)表示有效地體散射幅度比,與極化狀態(tài)有關(guān),為未知實數(shù);γt表示時間去相干系數(shù),與極化狀態(tài)無關(guān),為未知實數(shù);γv表示“純”體去相干系數(shù)[13-15]

式中,θ為平均入射角;σ為植被的平均消光系數(shù); hv為植被高度;kz為垂直向有效波數(shù)。

在考慮植被層時間去相干時,并沒有改變RVoG模型在復(fù)數(shù)平面內(nèi)成線性分布的特性,盡管相干直線的斜率發(fā)生了改變,但該相干直線與復(fù)數(shù)單位圓用于確定地表相位的交點并沒有發(fā)生改變[13]。在實際應(yīng)用中,通常獲取的復(fù)相干系數(shù)由于觀測噪聲的影響,其在復(fù)平面上的分布并不位于同一相干直線上(見圖1(a))。利用等權(quán)最小二乘直線擬合可以確定相干直線[9-10]。當采用非線性迭代算法[7]時,其對應(yīng)的模糊空間為一條線段(見圖1(a)),該模糊空間主要由時間去相干所引起。而當采用三階段算法[9]時,由于該算法要假定某種極化方式對應(yīng)的地體散射幅度比為0,加之時間去相干的影響,其模糊空間擴散為“扇形”(見圖1(a)陰影區(qū)域)。本文算法就如何利用RVoG＋VTD模型削減模糊范圍將在本文的第3部分進行詳細說明。

3 POLInSAR植被高反演的復(fù)數(shù)域最小二乘平差法

根據(jù)文獻[16],不同的極化散射機理,可以得到多種復(fù)相干系數(shù)(線性極化方式,無限制條件的極化相干最優(yōu),有限制條件的極化相干最優(yōu)),進而可以得到多個不同的式(1)。按照測量平差中的做法,存在冗余觀測時,可以利用平差方法解算待估參數(shù)。

3.1 平差準則與定權(quán)方案

測量平差領(lǐng)域中,處理對象多為實數(shù),還沒有完整的理論體系來闡述復(fù)數(shù)域平差。文獻[17—19]闡述了兩種復(fù)數(shù)最小二乘平差準則:一種是將復(fù)數(shù)的實部、虛部拆分,分別進行實數(shù)域最小二乘處理;另一種是以復(fù)數(shù)觀測值殘差的模的平方和最小作為平差準則,同時考慮復(fù)數(shù)觀測值的實部和虛部誤差,整體求解得到復(fù)數(shù)最小二乘解。文獻[12]已經(jīng)證明,第2種準則比第1種準則更優(yōu)。故本文采用第2種平差準則如下

可知,該平差準則的實質(zhì)是復(fù)數(shù)實部、虛部聯(lián)合平差。對于隨機模型,文獻[12]中提出利用相干幅度標準差(Cramer-Rao邊界)對復(fù)數(shù)的模進行定權(quán)。同時假定實部、虛部為獨立等精度觀測量,這與文獻[9]中直線擬合過程提出的策略是一致的。本文采用相同的定權(quán)方案對觀測量進行定權(quán)。

3.2 函數(shù)模型及線性化方法

由式(1)知平差數(shù)學模型為非線性模型,但是如果將γtγv簡化成a＋bi,可以看到式(1)的形式大大簡化,易于進行線性化處理。將eiφ0變換為eiφ0＝cosφ0＋i sinφ0,代入式(1),將實部、虛部拆分并分別進行泰勒級數(shù)展開

式中,B為設(shè)計矩陣;X為待求參數(shù);L為常數(shù)矩陣;V為殘差矩陣。

3.3 誤差方程的解算

式(6)中,設(shè)計矩陣B可以歸結(jié)為稀疏矩陣。為了克服法方程系數(shù)陣(BTPB)極易出現(xiàn)的病態(tài)問題,本文采用截斷奇異值分解法直接對誤差方程進行求解,具體公式參見文獻[20]。該方法優(yōu)點在于對于良態(tài)、病態(tài)、秩虧的方程均適用[20-21]。此外,該方法可在一定程度上有效抑制由觀測值較差的幾何結(jié)構(gòu)性所引起的病態(tài)問題,如對于稀疏及低矮植被區(qū),極化干涉表現(xiàn)出相似的相干性,在復(fù)數(shù)平面內(nèi)表現(xiàn)出較差的幾何結(jié)構(gòu)性。在進行平差計算之前,采用DEM差分法進行確定系數(shù)矩陣B的初值[12,16]。由于待估參數(shù)的初值較為粗略,故采用迭代平差法計算。

3.4 顧及時間去相關(guān)的植被高度反演

通過解算得到的a、b,即可得到“純”體去相干系數(shù)γv與時間去相干系數(shù)γt的乘積。由于γtγv的解算過程沒有假定有效地體散射幅度比為0[9],故經(jīng)過有效地體散射幅度比的補償,使得模糊區(qū)域由扇形(圖1(a))退化為一條線段(圖1(b))。對于圖1(b)中的模糊區(qū)域主要由時間去相干的不確定所引起[13]。本文采用的RVoG＋VTD模型,可使模糊區(qū)域由線段退化為一個點(圖1(b))。在此過程中,γtγv＝a＋bi,該等式中含有實部、虛部2個觀測量,但是含有3個未知參數(shù)γt、h、σ,無法對參數(shù)進行直接解算。為了解決該問題,可以根據(jù)先驗信息將消光系數(shù)σ設(shè)為定值[8]。已有研究表明,該方法可以成功地用于植被參數(shù)的反演[4-5]。為了說明該問題,假設(shè)kz＝0.3、σ＝0.15 dB、h＝10 m、γt＝0.3∶0.1∶0.9做模擬試驗,其中設(shè)定σ＝0.1∶0.01∶0.2為σ的估值。研究h的估值誤差與σ、γt的變化關(guān)系(見圖2)。由模擬試驗可以看出,σ30%的相對誤差引起h最大相對誤差為4% (見圖2中實線),這對樹高反演是可以接受的。而時間去相干則引起較大的h變化,相對誤差最大達到34%(見圖2中短虛線)。由此可見在能獲得研究區(qū)相對可靠的σ均值估值的條件下,可以將其固定,而考慮時間去相干是必要的。根據(jù)[7,21]研究成果,令σ＝0.2 dB。最后,建立二維查找表,以理論計算值與真實解算值差異最小為約束條件,進而得到植被高度h,相應(yīng)的約束條件如下

綜上所述,本文算法整體流程如圖3所示。

圖1 RVoG模型的幾何解釋Fig.1 Geometric explanation of RVoG model

圖2 植被高度估計值隨消光系數(shù)、時間失相關(guān)變化圖Fig.2 The figure of tree height estimations change with extinction and temporal decorrelation

圖3 算法流程Fig.3 Flow chart of the algorithm

4 算法結(jié)果與分析

4.1

試驗區(qū)數(shù)據(jù)分析

為了驗證CLSA法的反演性能,本文使用覆蓋德國Oberpfaffenhofen地區(qū)E-SAR L波段機載全極化數(shù)據(jù)進行試驗(圖4)。圖4(a)①為試驗區(qū)數(shù)據(jù)光學影像(下載自谷歌地球),紅色矩形為研究區(qū)域;圖4(a)②為極化數(shù)據(jù)的Pauli基彩色合成圖;圖4(a)③為德國行政區(qū)劃圖,紅點為研究區(qū)域地理位置。干涉基線為10 m,平均入射角為40°,空間分辨率為3 m×3 m。圖4(b)為不同極化方式的相干性統(tǒng)計圖。由統(tǒng)計圖可見不同極化方式相干性均較低,可以推斷研究區(qū)受時間去相干影響較為嚴重,按照3.4節(jié)分析,有必要考慮時間去相干的影響。對照光學遙感影像,該區(qū)域主要地物為森林、居民地、農(nóng)田、機場等。在數(shù)據(jù)處理之前,對非植被區(qū)進行掩膜處理。虛線為用于下文分析的剖面線,其在圖中的位置與文獻[21]中的樹高剖面線位置較為相近,有一定參照價值。由于缺乏研究區(qū)域地面實測數(shù)據(jù),難以對本文反演的結(jié)果進行定量精度評定。為了驗證本方法的優(yōu)越性,本文同時給出非線性迭代及三階段算法的反演結(jié)果,用于對比分析。算法特性對比見表1。

圖4 試驗區(qū)范圍及其相干性統(tǒng)計圖Fig.4 The range of the test area and its histograms of coherence

表1 3種方法特性對比Tab.1 The comparison of three methods

4.2 試驗結(jié)果與討論

4.2.1 地表相位

圖5(a)、(b)、(c)分別為非線性迭代法、三階段法和本文方法反演的地表相位圖。圖5(d)為沿圖4中虛線段所做的剖面對比圖。結(jié)果表明:相比之下,非線性迭代法與三階段法反演的地表相位波動較大,其中三階段法反演的地表相位跳變最大。本文方法(圖5(c))算得的地表相位整體變化趨勢相比已有方法變化更為平緩,主要集中在－0.5～0.5 rad之間,這與實際地表相對平坦這一事實更為相符[7]。理論上,根據(jù)RVoG＋VTD模型的定義,3種方法反演的地表相位應(yīng)該相等[13]。本文方法優(yōu)于其他兩種方法的原因在于:①本文方法考慮了觀測量的先驗統(tǒng)計誤差,通過平差方法降低了觀測噪聲對參數(shù)估計的影響;②采用修正奇異值分解法可以一定程度上克服由較差的觀測量幾何結(jié)構(gòu)性所引起的病態(tài)問題。

4.2.2 植被高度

圖6為非線性迭代算法、三階段算法和本文方法反演的植被高度圖。整體來看,3種方法反演的結(jié)果差別較大。非線性迭代算法在低矮植被覆蓋區(qū)呈現(xiàn)高估,在高植被區(qū),出現(xiàn)低估,植被高主要集中在5～10 m之間。分析原因在于初值的難以確定[9-10]、高度與消光系數(shù)的模糊問題[7]及時間去相干的影響[13-15],這些因素都會不同程度地限制參數(shù)的解算精度。通過試驗發(fā)現(xiàn),初值的不確定性是造成結(jié)果出現(xiàn)偏差的主要原因。三階段算法出現(xiàn)明顯高估,主要集中在25～30 m之間。分析原因在于體去相干系數(shù)誤差較大[9]及時間去相干[13-15]使得結(jié)果出現(xiàn)明顯偏差。本文方法反演的植被高度主要集中15～25 m之間,與文獻[7,21]中反演的結(jié)果及實測數(shù)據(jù)范圍較為一致,其結(jié)果明顯優(yōu)于其他兩種算法。進一步對比,對照文獻[21]中樹高反演結(jié)果的剖面,植被的變化范圍為:低矮植被覆蓋區(qū)0～5 m;高植被區(qū)15～25 m。對照圖6(d),無論是低矮植被區(qū)還是高植被區(qū),本文方法反演的剖面線與文獻[21]中的剖面線變化范圍及趨勢更為相近。進一步說明了本文方法的優(yōu)越性。原因在于本文方法獲得更為可靠的體去相干系數(shù),有效改善了已有算法中樹高解算時出現(xiàn)的明顯的高估與低估問題。此外,采用復(fù)數(shù)平差的方法有效抑制了觀測誤差,提高了參數(shù)的估算精度。在運算效率方面,使用Pentium(R)雙核處理器(主頻2 GHz)及2 GB內(nèi)存的計算機對該研究區(qū)域的數(shù)據(jù)進行解算,3種方法的運算時間分別為:7440 s、1050 s、1210 s。本文方法運算效率明顯優(yōu)于非線性迭代算法,略低于三階段算法。

5 結(jié) 論

(1)本文提出的RVoG＋VTD線性化的方法及解算方法,盡管沒有對非線性模型的非線性強度做定量分析后進行線性化處理,但通過試驗結(jié)果的分析表明方法是行之有效的。

(2)真實數(shù)據(jù)試驗表明本文算法相比已有算法在反演精度上具有明顯優(yōu)越性。在時間效率方面,略低于三階段算法,明顯高于非線性迭代算法。由反演的地表相位結(jié)果來看,植被層時間去相干對RVoG模型確定地表相位影響較小,這為今后利用星載全極化數(shù)據(jù)提取森林覆蓋區(qū)域的DTM提供了新思路。在反演樹高方面,本文提出的方法反演的結(jié)果更貼合實際。這種顧及時間去相干的模型對于即將發(fā)射的ALOS-2 PALSAR數(shù)據(jù)提取植被參數(shù)具有重要意義。

(3)本文提出的方法還需要進一步完善,未來工作中將研究復(fù)數(shù)的實部、虛部如何進行合理定權(quán);本文提出的線性化平差模型為參數(shù)解算的精度評定提供了可能,這對于定量評價參數(shù)反演的效果具有重要研究價值,對于建立植被覆蓋區(qū)高精度DTM及林業(yè)普查具有重要意義;將該方法擴展到多基線,大大增加了觀測量,可以避免對消光系數(shù)的固定?？傊?本文提出的植被高度反演的復(fù)數(shù)最小二乘法,將平差理論引入到復(fù)數(shù)數(shù)據(jù)處理中,這為PolInSAR數(shù)據(jù)處理及平差理論的完善提供了一種新的思路。

致謝:感謝歐洲空間局(ESA)免費發(fā)布的POLSARpro 4.2軟件及德國宇航局發(fā)布的E-SAR數(shù)據(jù)。

圖5 不同方法地表相位反演結(jié)果Fig.5 The ground phase inversion results of different methods

圖6 不同方法的植被高度反演結(jié)果Fig.6 The vegetation height inversion results by different methods

[1] ZH ANG Qiyong,CEN Minyi,ZHOU Guoqing,et al.Extracting Trees from LiDAR Data in Urban Region[J].Acta Geodaetica et Cartographica Sinica,2009,38(4): 330-336.(張齊勇,岑敏儀,周國清,等.城區(qū)LiDAR點云數(shù)據(jù)的樹木提取[J].測繪學報,2009,38(4):330-336.)

[2] NEUMANN M.Estimation of Forest Structure,Ground, and Canopy Layer Characteristics from Multibaseline Polarimetric Interferometric SAR Data[J].IEEE Transactions on Geoscience and Remote Sensing,2010,48(3): 1086-1103.

[3] TAN Lulu,YANG Libo,YANG Ruliang.Investigation of Tree Height Retrieval with Polarimetric SAR InterferometryBased on ESPRIT Algorithm[J].Acta Geodaetica et Cartographica Sinica,2011,40(3):296-300.(談璐璐,楊立波,楊汝良.基于ESPRIT算法的極化干涉SAR植被高度反演研究[J].測繪學報,2011,40(3):296-300.)

[4] GARESTIER F,FERNANDEZ D,PAPATHANASSIOU K P.Pine Forest Height Inversion Using Single-pass X-band PolInSAR Data[J].IEEE Transactions on Geoscience and Remote Sensing,2008,46(1):59-68.

[5] TREUHAFT R N,MADSEN S N,MOGHADDAM M, et al.Vegetation Characteristics and Underlying Topography from Interferometric Radar[J].Radio Science,1996, 31(6):1449-1485.

[6] TREUHAFT R N,SIQUEIRA P R.Vertical Structure of Vegetated Land Surfaces from Interferometric and Polarimetric Radar[J].Radio Science,2000,35(1):141-177.

[7] PAPATHANASSIOU K P,CLOUDE S R.Single-baseline Polarimetric SAR Interferometry[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(11): 2352-2362.

[8] LI X W,GUO H D,LIAO J J,et al.Inversion of Vegetation Parameters Using Spaceborne Polarimetric SAR Interferometry[J].Journal of Remote Sensing,2002, 6(6):424-429.

[9] CLOUDE S R,PAPATHANASSIOU K P.Three-stage Inversion Process for Polarimetric SAR Interferometry [J].IEEE Proceedings on Radar,Sonar and Navigation, 2003,1503(3):125-134.

[10] CHEN E X,LI Z Y,PANG Y,et al.Polarimetric Synthetic Aperture Radar Interferometry Based Mean Tree Height Extraction Technique[J].Scientia Silvae Sinicae,2007, 43(4):66-70.

[11] LUO H M,CHEN E X,CHENG J,et al.Forest Height Estimation Methods Using Polarimetric SAR Interferometry [J].Journal of Remote Sensing,2010,14(4):806-813.

[12] ZHU Jianjun,XIE Qinghua,ZUO Tingying,et al.Criterion of Complex Least Squares Adjustment and Its Application in Tree Height Inversion with PolInSAR Data[J].Acta Geodaetica et Cartographica Sinica,2014,43(1):41-51.(朱建軍,解清華,左廷英,等.復(fù)數(shù)域最小二乘平差及其在POLInSAR植被高反演中的應(yīng)用[J].測繪學報,2014, 43(1):41-51.)

[13] PAPATHANASSIOU K P,CLOUDE S R.The Effect of Temporal Decorrelation on the Inversion of Forest Parameters from PolInSAR Data[C]∥Proceedings of IEEE International Geoscience and Remote Sensing Symposium:3.New York:IEEE,2003:1429-1431.

[14] SEUNG-KUK L,KUGLER F,PAPATHANASSIOU K P,et al.Quantifying Temporal Decorrelation over Boreal Forest at L-and P-band[C]∥Proceedings of the 7th European Conference on Synthetic Aperture Radar(EUSAR).Friedrichshafen:VDE,2008:1-4.

[15] LAVALLE M,SIMARD M,HENSLEY S.A Temporal Decorrelation Model for Polarimetric Radar Interferometers [J].IEEE Transactions on Geoscience and Remote Sensing, 2012,50(7):2880-2888.

[16] CLOUDE S R.Polarisation:Applications in Remote Sensing [M].London:Oxford University Press,2009.

[17] GU Xiangqian,KANG Hongwen,CAO Hongxing.The Least-square Method in Complex Number Domain[J].Progress in Natural Science,2006,16(1):49-54.(谷湘潛,康紅文,曹洪興.復(fù)數(shù)域內(nèi)的最小二乘法[J].自然科學進展,2006,16(1):49-54.)

[18] LI Mengxia,CHEN Zhong.The Modification of Least Square Method(LSM)in the Complex Field[J].Journal of Yangtze University:Natural Science Edition,2008, 5(3):7-8.(李夢霞,陳忠.復(fù)數(shù)域內(nèi)最小二乘法的一種改進[J].長江大學學報:自然科學版,2008,5(3):7-8.)

[19] MILLER K S.Complex Linear Least Squares[J].SIAM Review,1973,15(4):706-726.

[20] WANG Zhenjie.Research on the Regularization Solutions of Ill-posed Problems in Geodesy[D].Wuhan:Institute of Geodesy and Geophysics of Chinese Academy of Sciences, 2003.(王振杰.大地測量中不適定問題的正則化解法研究[D].武漢:中國科學院測量與地球物理研究所,2003.

[21] PAPATHANASSIOU K P,CLOUDE S R,REIGBER A, et al.Multi-baseline Polarimetric SAR Interferometry for Vegetation Parameters Estimation[C]∥Proceedings of IEEE 2000 International Geoscience and Remote Sensing Symposium.Honolulu:IEEE,2000,6:2762-2764.

(責任編輯:叢樹平)

Polarimetric SARInterferometry Vegetation Height Inversion Method of Complex Least Squares Adjustment

FU Haiqiang,ZHU Jianjun,WANG Changcheng,XIE Qinghua,ZHAO Rong
School of Geosciences and Info-Physics,Central South University,Changsha 410083,China

A PolInSAR vegetation height inversion method of complex least squares adjustment(CLSA)is proposed.Considering the temporal decorrelation,the RVoG is extended into RVoG＋VTD.And then,the issue of resolving model is summarized as combined adjustment of complex real and imagine.The linearization method and parameter retrieval method are also given.At last,the robust volume-only coherence is used to compute the vegetation height.The CLSA method is validated on 2 E-SAR L band data of Oberpfaffenhofen,Germany and compared with the results of nonlinear iteration and three-stage methods.It demonstrates that the result of CLSA method is more accurate.The computational efficiency of CLSA method is higher than that of nonlinear iteration method and slightly lower than three-stage method.

polarimetric SARinterferometry(PolInSAR);vegetation height inversion;complex least squares adjustment;temporal decorrelation

FU Haiqiang(1987—),male,postgraduate,majors in polarimetric interferometric SAR data processing.

ZHU Jianjun

P237

A

1001-1595(2014)10-1061-07

國家自然科學基金(41274010;41371335);國家863計劃(2011AA120404;2012AA121301);測繪遙感信息工程國家重點實驗室開放基金(11R03);湖南省自然科學基金(12JJ4035);中南大學研究生自主探索創(chuàng)新項目(2013zzts055)

2013-07-02

付海強(1987—),男,碩士生,研究方向為極化干涉SAR數(shù)據(jù)處理。

E-mail:842963312＠qq.com

朱建軍

E-mail:zjj＠csu.edu.cn

FU Haiqiang,ZHU Jianjun,WANG Changcheng,et al.Polarimetric SAR Interferometry Vegetation Height Inversion Method of Complex Least Squares Adjustment[J].Acta Geodaetica et Cartographica Sinica,2014,43(10):1061-1607.(付海強,朱建軍,汪長城,等.極化干涉SAR植被高反演復(fù)數(shù)最小二乘平差法[J].測繪學報,2014,43(10):1061-1607.)

10.13485/j.cnki.11-2089.2014.0170

修回日期:2014-02-12