复杂地表TSAR反演北方/半北方森林垂直结构方法研究

Tomographic Synthetic Aperture Radar (TSAR) is the extension of SAR images from traditional two-dimension to three-dimension, and it is an important technology for analyzing more complex structure scenario, such as forest and city. Forest is an important carbon repository in terrestrial ecosystem, and forest vertical structure plays a key role in forest ecological functions and carbon cycle research, and it has become an important trend of forest parameter inversion in forestry remote sensing. As carbon stocking research focuses on tropical forest and the existing forest vertical structure study aims on flat terrain and without considering temporal de-correlation, we carry out this project to compensate for the lack of these. We focus on complex terrain areas to carry out the quantitative research between temporal de-coherence and interferometric coherence, and establish forest vertical structure inversion model in boreal/hemi-boreal forest with temporal de-correlation compensation. Simulation and real airborne data are applied to study temporal de-coherence model, and airborne repeat-path multi-baseline InSAR/Pol-InSAR data are used to establish forest vertical structure inversion models with temporal de-coherence, respectively in relatively flat test site (Ramingstorp) and complex terrain test site(Krycklan). Forest height and other biological parameters extracted from forest vertical structure established in our project is verified using in-situ and Lidar data, and the effects of terrain for the accuracy of forest height and other biological parameter is analyzed. Establishing forest vertical structure inversion model with temporal de-correlation compensation in complex terrain for boreal/hemi-boreal forest and improving the inversion precision of forest height and other biological parameters are expected.

层析合成孔径雷达（TSAR）是传统二维SAR图像原理的三维扩展，是分析结构较为复杂的体结构场景的重要技术手段。森林垂直结构在森林生态功能及碳循环研究中具有重要作用，已经成为林业遥感研究的重要发展方向。为弥补现有碳储量研究大多集中于热带雨林和森林垂直结构研究多针对平坦地形及未考虑时间去相干的不足，本项目针对复杂地形区域，开展时间去相干与干涉复相干相关关系的定量研究，并建立时间去相干补偿的北方/半北方森林垂直结构反演模型。采用仿真与真实机载数据研究时间去相干模型，应用机载重轨多基线InSAR/Pol-InSAR数据，分别针对较为平坦和地形起伏较大的研究区建立时间去相干补偿的森林垂直结构反演模型。从反演的森林垂直结构中提取易于进行验证的树高等生物参数，分析地形对树高等生物参数反演精度的影响，以期建立复杂地表时间去相干补偿的北方/半北方森林垂直结构反演模型和提高树高等生物参数的反演精度。

基于层析合成孔径雷达技术的森林垂直结构参数反演是国际学术前沿问题，森林结构参数是关系到森林微观环境的重要参量，也是地球宏观碳储量与碳排放研究的重要组成部分。层析合成孔径雷达技术以其对森林垂直结构的直接测量而被认为是提取森林垂直结构参数（如树高，林下地形等）最有效的工具之一，然而层析合成孔径雷达基于重轨机载多基线（多角度）（极化）干涉数据，重轨数据之间的时间差对森林垂直结构参数反演是否有影响，如何影响是一个研究热点问题。另外，大部分森林地区地形起伏较大，而合成孔径雷达成像会出现叠掩与阴影等问题，如何减少或消除地形对层析合成孔径雷达成像的影响也是当前的研究热点问题。本研究在对国内外研究现状及发展趋势进行广泛调研的基础上，分析了时间基线对干涉复相干和森林垂直结构剖面的定性与定量影响，构建了简单的时间基线模型；分析了地形对森林垂直后向散射功率的影响，并构建了地形补偿模型，该模型在研究区的研究结果表明该模型能够在一定程度上减少地形对垂直结构剖面的影响，减少“鬼影”与虚假信息，并基于地面实测数据与激光雷达数据对森林垂直结构参数反演精度进行了检验；分析了森林垂直后向散射功率对森林地上生物量估测的可行性，并与后向散射系数结合构建了北方森林地上生物量估测模型，研究结果表明，特定高度处后向散射功率有利于提高森林地上生物量估测精度；对森林垂直方向散射机制分离或提取进行了相关探索，研究发现，数据质量与频率范围直接影响散射机制分离结果，对数据进行地形补偿后的森林垂直方向散射机制分离效果较好。本研究开展了基于国外机载单频层析合成孔径雷达提取复杂地形条件下森林垂直后向散射功率的研究，如果后续进一步的研究能得到资助，有望实现基于国产机载重轨多频层析合成孔径雷达的森林结构参数提取，改善现有层析合成孔径雷达成像算法，优化垂直方向散射机制垂直分离算法。.受本项目资助已发表SCI、EI及其他核心期刊论文4篇，目前还有2篇文章处于审稿阶段，培养硕士研究生4名。