极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

森林冠层水文研究进展

林冠截留降水是森林植被对降雨到达地面的阻截,也是对大气降雨的再分配,是水文循环过程中的重要环节。本文分析当前森林冠层水文过程研究,即林冠截留、透流和茎流及影响因素（降水量、降水强度、林冠结构特征、林分密度、林冠干燥度）;林冠截留模型的国内外研究现状(经验、半经验、半理论和理论模型)的分析。     

不同波长极化SAR数据水云模型森林生物量反演对比分析

【目的】水云模型(WCM)是一种采用SAR数据反演森林地上生物量(AGB)应用较为广泛的半经验模型,探索将不同波长、极化方式、极化信息等引入WCM,以期为提高森林AGB反演精度提供科学依据。【方法】本文以X、C、L、P波段多频极化SAR数据为数据源,首先将各波长各极化后向散射系数用于WCM进行森林AGB反演,对比其反演精度;接着采用极化分解分量构建地体散射比参数,并将其引入WCM发展为极化水云模型(PolWCM),同时对比分析其在X、C、L、P波段森林AGB的反演结果。【结果】(1)在X、C、L、P 4个波段中,除X波段外,将HV极化后向散射系数代入WCM进行森林AGB反演,精度均高于基于其他极化通道后向散射系数的反演结果;且长波长(L和P)的反演精度高于短波长(X和C)的反演精度。在L波段,将HV极化后向散射系数代入WCM进行森林AGB反演,R²和RMSE分别为0.46和18.00 t/hm²;P波段HV极化反演结果的R²和RMSE分别为0.43和21.18 t/hm²。(2)将极化信息以地体散射...     

基于ICESat-GLAS全波形数据的坡地森林冠层高度估测

地形坡度对星载LiDAR的回波波形会产生很大的影响,并会进一步影响森林结构参数的正确估测.比较两类参数量化地形坡度的能力：辅助地形DEM数据的地形指数和波形自身参数后缘长度,以在反演坡地森林冠层高度时仅从回波波形本身出发,而不需要借助于其他辅助数据.采用估测坡地森林冠层高度的两组对比模型来比较：第1组对比模型是Xing模型和基于未改进的后缘长度的线性模型;第2组对比模型是Xing模型和基于改进的后缘长度的线性模型.结果表明,在两组对比模型中,基于波形自身特征参数的模型结果均优于基于辅助地形DEM数据的地形指数的Xing模型,说明在量化地形坡度时,波形的自身特征参数的量化能力要高于辅助地形DEM数据的量化能力.     

基于SAR极化分解与Landsat数据的森林生物量遥感估测

目的森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。方法首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。结果使用两种方法进行模型构建:(1)逐步回归法,利用逐步回归进行变量筛选,选出2个参数构建模型,模型R2为0.534,拟合精度为67.51%,RMSE为43.21 t/hm2;(2)最优子集法,用Bootstrap法进行变量筛选,共筛选出9个参数,然后用这9个参数进行最优子集回归,获得511个选模型,然后选择出最优子集模型,并用交叉验证法对模型进行验证,最终选出的最优子集模型包含的参数为TM_band4、Neumann_delta_mod、Neumann_psi、TSVM_psi、TSVM_tau_m3,模型R2为0.768 2,拟合精度为88.32%,拟合RMSE为14.98 t/hm2,验证精度为86.21%,验证RMSE为19.14 t/hm2,CP指数为5.249 5,赤池信息量AIC为256.504 5。本文最终使用最优子集法获得的模型进行反演,获得研究区的森林生物量分布图。结论结果表明:全极化C波段SAR数据结合Landsat5 TM光学数据构建遥感信息模型可以准确反演森林生物量。      

基于机载P波段全极化SAR数据的森林地上生物量估测

【目的】森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡,以及揭示森林碳储量与全球气候变化的影响过程具有重要意义。P波段波长较长,在森林中具有更高的穿透能力,研究机载P波段SAR数据提高森林地上生物量(AGB)估测精度的可行性。【方法】以机载P波段全极化合成孔径雷达(SAR)数据和高精度激光雷达(LiDAR)数据估测的森林AGB抽样点为基础,提取20个极化SAR特征,并分别与森林AGB变化作敏感性响应情况分析。采用多元线性回归模型(MLR)、K近邻方法 (KNN)、支持向量回归(SVR)和随机森林(RF)4种估测方法,探究机载P波段SAR数据的森林AGB估测精度。【结果】在较低森林AGB(均值约45 t·hm^-2)的森林覆盖区中,P波段的同极化后向散射系数、Freeman-Durden和Yamaguchi分解中的表面和二次散射分量对森林AGB变化敏感;此外H-A-ALPHA极化分解的散射角(alpha)、拓展极化参数极化辨别率参数(PDR)也对森林AGB变化敏感。4种方法估测的森林AGB相对误差均约30%,其中MLR估测结果精度最低,估测精度为63.55%...     

基于Freeman分解和雷达植被指数的极化SAR图像分类

研究首先基于影像的相干矩阵提取特征参数,即雷达植被指数(RVI),再对影像的协方差矩阵进行Freeman分解,得到三种散射机制参数,分别为体散射、面散射和二面角散射.然后组合这些特征参数应用于支持向量机(SVM)中,对极化SAR图像进行分类,并与Wishart监督分类比较.结果表明,雷达植被指数有助于提高植被的分类精度...     

基于TanDEM-X数据的林分平均高反演方法研究

以TanDEM-X /TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明：以植被丰度校正冠层高度模型,林分平均高的估测精度和R²值得到大幅提高,均方根误差也随之降低。因此,本研究提出的方法能有效降低林分低郁闭度产生的混合像元作用对林分平均高反演的影响,提高林分平均高的反演精度。     

基于中巴资源卫星数据的森林郁闭度估测研究

森林资源分布具有辽阔性、复杂性、通达性差等特点,而遥感技术具有宏观、动态、便捷、可周期重复和成本低等优点,成为研究森林资源状况的理想手段。目前,在森林遥感应用中,多源遥感数据的提供能力越来越强。但由于遥感信息的综合性、复杂性,遥感信息处理技术相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟。利用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取样地的灰度值,结合少量地面实测样地资料,通过线性回归建立森林郁闭度的数学模型,并进行检验以确保估测的精度,为林业生产和建设提供依据。     

基于赤池信息准则和人工神经网络的亚热带森林郁闭度遥感估算

以江西省泰和县为研究区,探讨利用Landsat TM影像进行亚热带森林郁闭度森林遥感估算的可行性。首先,利用赤池信息准则(AIC)筛选了用于建模的遥感变量因子,通过模拟试验确定了估算森林郁闭度的前馈神经网络(BP)模型参数,利用检验样本数据验证了模型结果的可靠性。结果表明,遥感变量因子之间存在着强的相关关系,为了保证所建模型的效果需要剔除部分因子,利用BP神经网络建立的森林郁闭度模型的模拟和拟合精度都优于逐步回归模型,研究区内森林郁闭度较高,有47.8%的森林郁闭度大于0.7,但空间差异明显,西部和东部山区森林郁闭度高于中部丘陵森林的郁闭度。     

基于机载LiDAR数据的林分平均高及郁闭度反演

以内蒙古大兴安岭森林生态系统国家野外科学观测研究站为研究区,通过2012年8月至9月获取的机载激光雷达数据与地面同步调查样地数据,构建林分平均高反演模型和林分内郁闭度反演模型。结果表明:混交林、阔叶林和针叶林的林分平均高估测精度依次为95.66%、94.11%和90.71%,林分郁闭度估测精度依次为92.73%、56.62%和85.19%。不同森林类型的林分平均高与郁闭度反演精度存在显著性差异。     

小兴安岭低质林林冠对降水截留量的影响

研究了小兴安岭低质林林冠截留与林外总降雨量之间的关系。在观测时段内(2010年6月至8月)共产生降雨32次,总雨量为354.83 mm。其中小雨(10 mm以内)24次,中雨(10～25 mm)5次,大雨(25 mm以上)3次。小雨、中雨、大雨分别占总降雨量的75.00%、15.63%、9.37%。6月份共有5次降雨,总降雨量为22.82mm,林冠截留率为25%;7月份有16次降雨,总降雨量为205.21 mm,林冠截留率为21%;8月份有11次降雨,总降雨量为126.80 mm,林冠截留率为22%。采用3种函数模型拟合林外总降雨量与林冠截留量的关系:对数函数模型和幂函数模型R2值均较小,约为0.6左右,拟合效果不理想,而3次多项式函数模型拟合的非常好,R2达到0.975 5。当降雨量很小时,林冠截留量也很少。随着林外总降雨量的增加,低质林林冠截留量也随之增加。当降雨量超过45 mm时,林冠截留量增加趋势下降,最终达到饱和状态。     

锐齿栎林林冠截留与大气降水关系

对锐齿栎林和灌丛林外降水、穿透降水、干流的测定研究表明:间伐林、未作业林、灌丛穿透降水率分别为91％、80％、87％;林冠截留率分别为7％、14％、13％;前两个林分干流率分别为2％、6％。并建立了各参数具有实际水文学意义的林冠截留、林内降水与大气降水的预测模型。     

林冠截留模型评述

根据国内外林冠截留模型的研究现状,系统地对３种类型的模型（经验模型、概念模型、理论模型）进行了述评。