劉 凱 惠 偉 程甲州

（1、西安市勘察測繪院，陜西 西安710048 2、陜西建工機(jī)械施工集團(tuán)有限公司，陜西 西安710048）

1 概述

反演森林樹木高度可以更好地了解森林在全球環(huán)境變化中的作用[1-3]?，F(xiàn)在，遙感是在區(qū)域或全球尺度上進(jìn)行森林高度反演的最有效方法[4]。極化干涉SAR（PolInSAR）不但擁有微波遙感全天時(shí)、全天候的特點(diǎn)，也綜合了極化和干涉技術(shù)對散射體高度、形狀等信息敏感的優(yōu)點(diǎn)，利用極化干涉SAR 技術(shù)反演森林樹高已經(jīng)成為林業(yè)研究的熱點(diǎn)之一[5-6]。

1998 年，Cloude[7]首次利用DEM 差值法反演極化干涉SAR數(shù)據(jù)得到了樹高；2001 年，Cloude[8]提出了RVoG 模型，至此，此模型一直在樹高反演和生物量估計(jì)中占據(jù)主導(dǎo)地位；隨后基于RVoG 模型的三階段算法被提出[9]，該算法在保證精度的同時(shí)簡化了反演過程。

常規(guī)干涉或極化干涉系統(tǒng)，都存在一定的去相關(guān)影響，如信噪比去相關(guān)、基線去相關(guān)、時(shí)間去相關(guān)等。隨著SAR 系統(tǒng)參數(shù)設(shè)計(jì)和數(shù)據(jù)處理技術(shù)的發(fā)展進(jìn)步，部分去相關(guān)因素已經(jīng)減少很多，甚至可以忽略不計(jì)，比如信噪比去相關(guān)。然而在極化干涉反演森林樹高時(shí)，時(shí)間去相關(guān)的影響不可忽略且占據(jù)重要地位；同時(shí)對于星載極化SAR 系統(tǒng)，由于重訪周期較長，時(shí)間去相關(guān)嚴(yán)重制約了其發(fā)展應(yīng)用。

2 森林的時(shí)間去相關(guān)

根據(jù)以前學(xué)者的研究，主要將植被區(qū)的時(shí)間去相關(guān)分為三類[77，102-103]：（1）由于植被運(yùn)動(dòng)引起的時(shí)間去相關(guān)，如風(fēng)的影響和植被的自然生長等；（2）氣候改變引起的介電常數(shù)引起的變化，如降雨、降雪等，這部分主要體現(xiàn)在土壤含水量的改變上；（3）場景破壞造成的時(shí)間去相關(guān)，如人為破壞、火山噴發(fā)等；由于場景破壞，前后兩次雷達(dá)觀測的場景發(fā)生巨大變化，使雷達(dá)后向散射完全去相關(guān)，從而使研究工作完全無法展開。

介電常數(shù)的改變造成時(shí)間去相關(guān)的原因主要有兩個(gè)：一是植被層介電常數(shù)的改變引起時(shí)間去相關(guān)，二是降雨等因素改變了植被區(qū)域地面的土壤含水量，從而改變了地面的介電常數(shù)。介電常數(shù)的改變使前后兩次雷達(dá)觀測的地面目標(biāo)的物理散射特性發(fā)生改變，從而造成兩次后向散射信號之間的相干性降低，產(chǎn)生時(shí)間去相關(guān)。

在本文中，將會利用PolSARpro 中的數(shù)據(jù)模擬模塊分別模擬不同土壤含水量的極化干涉SAR 數(shù)據(jù)，并通過三階段算法簡要分析土壤含水量的改變引起的時(shí)間去相關(guān)對森林樹高反演的影響。

3 三階段算法

3.1 RVoG 模型

RVoG 模型，即隨機(jī)地體兩層相干散射模型（random volume over ground，RVoG），是目前極化干涉領(lǐng)域最常用的樹高反演模型，它將植被體散射與樹高聯(lián)系起來，并表示為：

其中hv 為植被高度，σ 為平均消光系數(shù)，θ 為雷達(dá)入射角，λ 為波長。

在RVoG 模型中，為了將地表相干與體相干都考慮在內(nèi)，所以用參數(shù) 將地面相位和體散射聯(lián)合來補(bǔ)償?shù)孛嫔⑸錂C(jī)制的影響，因此總的干涉相干系數(shù)可以寫為：

其中φg 為地面相位，μ 為地體散射幅度比。

3.2 三階段算法

將RVoG 模型重寫為直線形式，如式（6）。三階段方法最初由Cloud 提出，通過多個(gè)極化通道得到的極化干涉復(fù)相干系數(shù)進(jìn)行直線擬合，能夠較為精確得估計(jì)出植被冠層和和地表的相位中心，提高了植被高度的反演精度。該方法主要分為三個(gè)步驟：

（1）在復(fù)平面上對多個(gè)極化干涉相干系數(shù)進(jìn)行最小二乘直線擬合，該直線與單位圓有兩個(gè)交點(diǎn)。

（2）最大植被偏差去除，即在兩點(diǎn)選取與HV 極化散射距離最遠(yuǎn)的點(diǎn)為地表相位點(diǎn)。

（3）按照式（7）建立查找表，利用查找表的方法估計(jì)植被高度與消光系數(shù)。

4 數(shù)據(jù)介紹

PolSARpro 的數(shù)據(jù)模擬模塊是基于麥克斯韋方程組電磁傳播和散射模型的全極化SAR 數(shù)據(jù)模擬程序，一般用于精確模擬極化雷達(dá)數(shù)據(jù)。該模塊可以模擬不存在配準(zhǔn)誤差的理想全極化干涉SAR 數(shù)據(jù)，并且可以人為地改變參數(shù)設(shè)置，從而研究極化干涉的各種情況，如地面坡度、地面粗糙度、土壤含水量、森林密度、空間基線等參數(shù)設(shè)置。因此，我們可以通過PolSARpro 軟件改變模擬條件，獲得不同森林密度的全極化干涉SAR 數(shù)據(jù)。從上述可以看出，該數(shù)據(jù)模擬模塊比較適用于研究極化干涉中的一些科學(xué)問題，如土壤含水量對樹高反演算法的影響。

PolSARpro 數(shù)據(jù)模擬模塊中將土壤含水量H 設(shè)定為0-10共11 個(gè)等級，其中數(shù)值越大代表土壤含水越多，其參數(shù)設(shè)置與土壤重力含水量σmv的具體轉(zhuǎn)換關(guān)系為：

其中：σmv_min=0.1，σmv_max=0.3。

因此，模擬數(shù)據(jù)的土壤含水量的變化范圍為0.1-0.3。

下面利用PolSARpro 分別模擬土壤含水量0-10 共11 個(gè)等級的極化SAR 數(shù)據(jù)，其余參數(shù)保持一致，具體參數(shù)設(shè)置如表1所示，模擬數(shù)據(jù)Pauli 基合成圖如圖1 所示。

圖1 模擬數(shù)據(jù)Pauli 基合成圖

5 結(jié)果與分析

利用三階段算法對模擬數(shù)據(jù)反演得到樹高，反演結(jié)果如圖2 所示，其土壤含水量由左至右、由上至下分別為0-10；然后分別統(tǒng)計(jì)11 組數(shù)據(jù)反演結(jié)果的平均值和均方根誤差，結(jié)果如表2所示。其中土壤含水量為PolSARpro 中系統(tǒng)參數(shù)設(shè)定標(biāo)準(zhǔn)。

表1 模擬數(shù)據(jù)參數(shù)

表2 模擬數(shù)據(jù)反演結(jié)果

圖2 不同土壤含水量的森林三階段反演結(jié)果圖

由圖2 的反演結(jié)果可知，不同數(shù)據(jù)之間的反演結(jié)果相差不大，通過目視比較并沒有辦法發(fā)現(xiàn)土壤含水變化的影響。

在只關(guān)注土壤含水量的影響情況下，由表2 可知，土壤含水量的變化會導(dǎo)致反演結(jié)果產(chǎn)生一定偏差，但此偏差相對較小，已遠(yuǎn)遠(yuǎn)小于算法本身造成的誤差。因此，在利用真實(shí)極化干涉SAR 數(shù)據(jù)研究時(shí)間去相關(guān)時(shí)，土壤含水量的變化造成的時(shí)間去相關(guān)可以不予考慮。