基于TanDEM-X数据和...三阶段算法反演森林冠层高度_张国飞.pdf
《基于TanDEM-X数据和...三阶段算法反演森林冠层高度_张国飞.pdf》由会员分享,可在线阅读,更多相关《基于TanDEM-X数据和...三阶段算法反演森林冠层高度_张国飞.pdf(13页珍藏版)》请在咨信网上搜索。
1、第 58 卷 第 4 期2 0 2 2 年 4 月林业科学SCIENTIASILVAESINICAEVol.58,No.4Apr.,2 0 2 2doi:10.11707/j.1001-7488.20220416收稿日期:2020-12-28;修回日期:2021-12-30。基金项目:国家自然科学基金项目(42061072);云南省科技厅重大 科 技 专 项 子 课 题(202002AA00007-015);云 南 省 教 育 厅 项 目(2018JS330)。岳彩荣为通讯作者。部分样地数据由中国林业科学研究院提供,谨此致谢。基于 TanDEM-X 数据和改进三阶段算法反演森林冠层高度张国飞章
2、皖秋岳彩荣(西南林业大学林学院昆明 650224)摘要:【目的】提出一种基于 TanDEM-X SAR 数据的 RVoG 模型三阶段算法反演森林冠层高度,以解决 RVoG模型实际应用中模型成立条件难以严格满足、受地形影响导致森林冠层高度估测精度不高的问题。【方法】以云南省普洱市思茅区思茅松纯林和混交林为研究对象,开展经典三阶段算法、地面相位优化的三阶段算法、纯体散射复相干优化的三阶段算法和低估补偿改进的三阶段算法反演森林冠层高度试验。【结果】RVoG 模型经典三阶段算法反演森林冠层高度存在低估现象(r=0.11,bias=-26.20 m,RMSE=7.16 m),地面相位优化的三阶段算法、纯
3、体散射复相干优化的三阶段算法、低估补偿改进的三阶段算法反演森林冠层高度的估测精度较经典三阶段算法提高,其中低估补偿改进的三阶段算法反演森林冠层高度的改善效果最佳(r=0.79,bias=-1.69 m,RMSE=2.56 m);思茅松纯林的估测效果(r=0.81,bias=1.40 m,RMSE=2.27 m)优于思茅松混交林(r=0.72,bias=-3.09 m,RMSE=2.87 m)。【结论】相比经典三阶段反演算法,基于 TanDEM-X SAR 数据的改进三阶段反演算法估测精度更高。关键词:TanDEM-X;极化合成孔径雷达干涉测量;森林冠层高度;三阶段反演算法;RVoG 模型中图分
4、类号:S758.5文献标识码:A文章编号:1001-7488(2022)04-0152-13Forest Canopy Height Retrieval Based on TanDEM-X Data and Improved Three-Stage Inversion AlgorithmZhang GuofeiZhang WanqiuYue Cairong(Forestry College,Southwest Forestry UniversityKunming 650224)Abstract:【Objective】The random-volume-over-ground(RVoG)mode
5、l has been widely used to estimate forest height through polarimetric and interferometric synthetic aperture radar(PolInSAR)technology,and the three-stage inversion algorithm is a geometrical method to solve the RVoG model to estimate forest canopy height.However,the conventional three-stage algorit
6、hm,solving the ground phase and the volume coherence based on the polarization scattering features of L and P bands,could not accurately estimate the ground phase and the volume coherence with TanDEM-X data of X-band.In practical application,the establishment conditions of the model were difficult t
7、o strictly meet,and due to the influences of terrain,the accuracy of tree overestimation was not high.In order to improve the estimation accuracy,an improved method of forest height retrieval based on RVoG model and TanDEM-X SAR data was proposed in this paper.【Method】The research object was Pinus k
8、esiya var.langbianensis pure forest and P.kesiya var.langbianensis mixed forest in Simao district of Pu er city.The experimental method included:(1)the classical three-stage inversion algorithm,(2)the improved three-stage inversion algorithm with the ground phase optimization,(3)the improved three-s
9、tage inversion algorithm with the volume coherence optimization and(4)the improved three-stage inversion algorithm with underestimation compensation.【Result】The results showed that:the forest height of method (1)based on RVoG model was underestimated(r=0.11,bias=-26.20 m and RMSE=7.16 m);the estimat
10、ion accuracy of method (2),(3)and(4)was better than that of method (1),in which method (4)was the best(r=0.79,bias=-1.69 m and RMSE=2.56 m);the estimation effect of P.kesiya var.langbianensis pure forest(r=0.81,bias=1.40 m and RMSE=2.27 m)第 4 期张国飞等:基于 TanDEM-X 数据和改进三阶段算法反演森林冠层高度was better than that
11、of P.kesiya var.langbianensis mixed forest(r=0.72,bias=-3.09 m and RMSE=2.87 m).【Conclusion】Compared with the classical three-stage inversion algorithm,the improved three-stage inversion algorithm based on TanDEM-X SAR data might have a better accuracy in this paper.Key words:TanDEM-X;PolInSAR(polar
12、imetric and interferometric synthetic aperture radar);forest canopy height;three-stage inversion algorithm;RVoG(random-volume-over-ground)model森林是地球上面积最大的陆地生态系统,是全球生物圈中重要的一环,对维系整个地球的生态平衡发挥着不可替代的作用(Minh,2020)。森林高度是森林最基本的结构参数之一,是重要的林分测量因子,对估算森林生物量、预测生物多样性等均具有重要意义(Sexton et al.,2009);然而,受森林分布、复杂地形条件、天气
13、条件等因素制约,大范围开展森林高度测量一直是森林调查的技术难题。合成孔径雷达(synthetic aperture radar,SAR)是 20 世纪 50 年代末研制成功的一种微波传感器,具有获取植被表面极化和干涉模式数据的能力,被广泛用于森林结构和生物物理参数反演(Kumar et al.,2017),其中合成 孔 径 雷 达 干 涉 测 量(interferometric synthetic aperture radar,InSAR)和极化合成孔径雷达干涉测量(polarimetric and interferometric synthetic aperture radar,PolInS
14、AR)对森林体散射的形状、方向和垂直结构比较敏感,可获得不同植被高度下不同极化干涉复相干,大量用于森林结构监测(Cloude et al.,1998;Papathanassiou et al.,2001)。PolInSAR 技术综合 InSAR 技术对体散射垂直结构的量度性以及 PolSAR 技术对体散射形状和方位的敏感性,能够生成任意极化散射机制下的复相干影像,各极化散射机制与森林结构特征相对应,为提取森林结构信息奠定了物理基础(Cloude et al.,1998;Bamler et al.,1998;Papathanassiou et al.,2001)。Cloude 等(1998)首次
15、利用不同散射机制干涉优 化 算 法 估 测 了 森 林 冠 层 高 度。Treuhaft 等(1996;1999;2000)提出的 RVoG(random-volume-over-ground)模型是当前 PolInSAR 技术估测森林冠层高度机理模型的基础。Papathanassiou(2001)将极化干涉相干优化算法与 RVoG 模型相结合,提出了单基线 RVoG 复相干模型树高反演 6 参数法,并采用非线性迭代优化进行解算。Cloude(2003)基于复相干几何分布特征提出的 RVoG 复相干模型经典三阶段算法,简化了森林冠层高度估测的复杂性(Garestier et al.,2007;
16、2008;Chen et al.,2011;Lu et al.,2013)。但由于受地形相位估计误差、纯体相干性估计误差的影响,经典三阶段算法反演森林冠层高度存在低估现象(Kumar et al.,2017;Kugler et al.,2015;Khati et al.,2015;Denbina et al.,2016;解清华等,2015;章皖秋,2018),如 Khati 等(2015)采用经典三阶段算法和 TanDEM-X 数据反演印度热带林区森林冠层高度,低估了 710 m;解清华等(2015)通过 SAR 数据仿真发现,在郁闭度较大的森林中各极化通道相位中心相对集中,地面相位中心偏高,
17、森林冠层高度也被低估(RVoG 模型通过求解地面相位中心与体散射相位中心之间的距离及体散射幅度估测森林冠层高度)。RVoG 模型经典三阶段算法根据 L、P 长波长的极化散射特征解算地面相位和体散射,在应用于短波长 X 波段时会出现地面相位、纯体散射复相干估计不准确等问题,导致无法估测出合理的森林冠层高度。当前在轨星载 SAR 系统数据大多需要重轨获取,森林冠层高度估测时受时间失相干影响严重(Kumar et al.,2017;范亚雄等,2020),而 TanDEM-X 星载数据采用一发双收模式对地物进行观测,零时间基线。鉴于此,本研究从 X 波段的极化散射机制出发,提出针对 X 波段数据 RV
18、oG 模型经典三阶段反演算法的优化方法,并用 TanDEM-X 数据进行验证,以解决 RVoG 模型实际应用中模型成立条件难以严格满足、受地形影响导致森林冠层高度估测精度不高的问题。1研究区概况与数据1.1研究区概况研究区位于云南省普洱市思茅区(22.8 N,100.9E),地处北回归线附近,滇南热带与南亚热带的过渡地带,干湿季分明,年均气温 1520.3 ,年降雨量 1 100 2 780 mm,平均海拔 1 320 m。区内森 林 覆 盖 率 67%,思 茅 松(Pinus kesiya var.langbianensis)为主要森林类型,林内常混交红木荷(Schima wallichii
19、)、刺栲(Castanopsis hystrix)、小果锥(C.fleuryi)、茶梨(Anneslea fragrans)和毛银柴(Aporusa villosa)等乔木树种(李江,2011;章皖秋,2018)。1.2样地数据选取思茅松人工林为研究对象,设置 90 块调查样地(图 1),其中思茅松纯林样地 47 块、混交林(以351林业科学58 卷思茅松为主要优势树种的针阔混交林)样地 43 块。数据采集时间为 2018 年 12 月和 2020 年 1 月,采用分层随机抽样设置样地,大小为 20 m20 m,在样地范围内进行每木调查,起测胸径 5 cm,调查因子包括树种、树高、胸径、郁闭度
20、和地况,见表 1。图 1研究区位置(上)与样地分布(下)Fig.1Location of study area(top)and plot distribution(bottom)表 1调查样地数量和林分参数Tab.1Number and stand parameters of field plots森林类型Forest types样地数量Plot number林分参数Stand parameters均值Mean最大值Max.最小值Min.思茅松混交林P.kesiya var.langbianensis mixed forests43森林平均高度Forest mean height/m17.32
21、4.013.2郁闭度Canopy density0.60.80.3思茅松纯林P.kesiya var.langbianensis pure forest47森林平均高度Forest mean height/m14.219.53.6郁闭度Canopy density0.50.60.3森林高度估测基于对森林冠层微波散射中心位置的推断,估测值理论上与森林冠层表面高度最接近,但考虑到地面测量难度,本研究以样地内单木树高算术平均值作为森林冠层高度的替代值。研究区森林高度主要分布在 10 20 m,平均高度 15.7 m(纯林平均高度 14.2 m,混交林平均高度 17.3 m),最小高度 3.6 m,最
22、大高度 24.0 m。1.3卫星数据采用零时间基线的 TerraSAR-X 和 TanDEM-X全极化干涉产品,产品参数描述见表 2。图 2 所示为 TDX CoSSC 产品主辅图像 Pauli 假彩色合成图(HH-VV、HV+VH、HH+VV)。2 种数据集分布于 HH、HV、VH 和 VV 4 个极化通道。在研究区范围内,地表产生的面散射、树枝和树叶随机定向产生的体散射、地表-树干相互作用产生的二面451第 4 期张国飞等:基于 TanDEM-X 数据和改进三阶段算法反演森林冠层高度角散射 3 种散射成分容易出现。表 2SAR 数据描述Tab.2Description of SAR dat
23、a卫星 Satellite TSX-1/TDX-1获取日期 Date of acquisition2015-10-06极化方式 Polarization全极化 Complete polarization波段 BandX分辨率 Resolution/m2.71中心入射角 Center angle of incidence/()39.67基线 Effective baseline/m361.37升/降轨 Ascending/descending降轨 Descending2研究方法2.1RVoG 模型Treuhaft 等(1996;1999;2000)提出一种带有地面回波的随机方位体积层模型(RVo
24、G)森林高度反演方法,森林被视为覆盖在地表的随机体粒子层,包含大量随机分布且相互独立的体散粒微粒。在雷达波入射角为 的二层 RVoG 模型(图 3)中,地表被认为是雷达波无法穿透的表面散射层,高度为 Z0,引起地面相位为 g,植被厚度为 hv,森林图 2主(左)辅(右)图像 Pauli 假彩色合成Fig.2Pauli colour composite of master(left)and slave(right)images红:HH-VV;绿:HV+VH;蓝:HH+VV。Red:HH-VV;Green:HV+VH;Blue:HH+VV.冠层高度为 Z0+hv。假定植被层的散射能量随高度增加呈指
25、数变化,消除配准误差、大气去相干等影响后,基于 RVoG 模型的极化干涉复相干()表示(Treuhaft et al.,1999;Lu et al.,2013;Kugler et al.,2015)如下:()=hv0f(z)ejkzzdzhv0f(z)dz=ejgv+()()+1(1-v;(1)()=p1ep1hv-1Tg()Tv();(2)v=p1p2ep2hv-1ep1hv-1;(3)kz=m2sin。(4)式中:()为地面和植被二层模型极化干扰的总复相干,随极化散射机制()而变;g=kzZ0为地表高度 Z0引起的地面相位;()为有效地体散射幅度比(Papathanassiou et al
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 TanDEM 数据 阶段 算法 反演 森林 高度 张国飞
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。