基于干涉水云模型的L波段SAR森林蓄积量估测

面向碳循环研究对大尺度区域森林蓄积量估测的重大需求，针对X和C波段星载合成孔径雷达(SAR)数据蓄积量估测精度不足和饱和点偏低和已发展的遥感估测方法训练过程中需要的大量地面数据难于获取的问题，本项目提出基于干涉水云模型的L波段SAR森林蓄积量估测的思路，以ALOS PALSAR双极化干涉数据为基础开展估测方法研究。拟采取雷达极化技术提取ALOS PALSAR双极化数据自身包含的散射机制信息，用以估计反演模型的未知参数，在提高估测精度和饱和点的同时，实现大尺度区域森林蓄积量估测的自动化。该研究对推动我国微波遥感林业应用关键技术的发展和森林蓄积量遥感估测的业务化进程都具有重要意义。

以黑龙江省逊克县的森林为研究对象，基于ALOS PALSAR数据和干涉水云模型估测森林蓄积量，取得了满意的结果。首先，在干涉相干性的计算上，我们采用DEM消除地形的影响，并在计算中基于自适应窗口提高了相干性的估计。其次，我们基于全极化数据分析了研究区森林的主导散射机制，结果显示主导散射机制为体散射，这符合水云模型的假设条件，表明这个针对北方针叶林的散射模型也能应用于研究区的温带森林。第三，我们利用ALOS PALSAR双极化数据自身的部分极化信息计算极化熵，以此识别密集林和林中开阔地，辅助估测模型未知参数，使估测方法独立于第三方数据，克服了环境条件的影响。最后，对逊克县森林进行了估测，验证了五个蓄积量等级图，总体精度为71.1%，kappa系数为0.63。