章皖秋 岳彩荣 颜培东

(西南地区生物多样性保育国家林业局重点实验室(西南林业大学)，昆明，650224)

TanDEM-X极化干涉SAR森林冠层高度反演1)

章皖秋 岳彩荣 颜培东

(西南地区生物多样性保育国家林业局重点实验室(西南林业大学)，昆明，650224)

森林树高是反映森林蓄积量、生物量、碳储量和立地质量的关键指标。极化干涉SAR技术是森林树高估测的有效手段之一，但数据获取及数据质量一直是极化干涉SAR树高反演研究的主要制约因素。以云南省勐腊县为实验区，基于德国 DLR提供的双站模式TanDEM-X CoSSC全极化干涉数据，采用三阶段算法、以及两种结合极化干涉优化的相位差分-相干幅度法反演了实验区的森林冠层高度。结果表明：三阶段算法的反演结果数值相对合理，与二类调查数据的空间分布格局相似；相位差分-相干幅度法的反演结果在林区出现部分负值，而在非林区却反演出冠层高度、且呈现条纹状，反演结果与二类调查数据的空间分布差异较大、相关性低。因此，三阶段算法结合双站模式的TanDEM-X全极化干涉数据，能够在实际树高估测反演中发挥作用，为辅助森林资源调查工作提供了新手段。

TanDEM-X，极化干涉SAR，森林冠层高

By using the bistatic TanDEM-X polarimetric and interferometric CoSSC data from German DLR, we used Three-Stage algorithm and Phase Difference-Coherence Amplitude algorithm with two different strategies to retrieve the canopy height of the forest in Mangle of Yunnan Province. The canopy height retrieved by Three-Stage algorithm has reasonable values and similar spatial distribution to the forest inventory data. The two different strategies of Phase Difference-Coherence Amplitude algorithm had produced some negative height in forest area and positive canopy height in non-forest area with apparent fringe, and their estimations were badly correlated to the inventory data. Therefore, the bistatic TanDEM-X polarimetric and interferometric CoSSC data combining with Three-Stage algorithm could play a role in the practical measurement of forest canopy height.

树高是反映森林蓄积量、生物量、碳储量和立地质量的关键指标，是生物量反演、碳循环研究中必不可少的参数。传统地面调查可相对精确的量测树高，但费时、费力，且样地调查只能提供样点数据，难以满足大面积、连续观测的需要。因此，用遥感数据大面积获取树高的空间分布是林业遥感研究的热点之一。

极化干涉合成孔径雷达(PolInSAR)技术，综合了极化SAR对地物形状和方位的敏感性和干涉SAR对垂直结构的测量优势，能够反映森林结构信息，已经成为森林高度、垂直结构反演的一种关键技术[1-4]。S.R.Cloude et al[3]首先提出PolInSAR技术，并基于地面-随机体散射模型(RVOG)[5]，开创了PolInSAR技术对树高估测的研究[6-7]。PolInSAR通过生成任意发射/接收极化组合的干涉相干影像，实现分离地表分辨单元内的多种极化散射机制[8]。PolInSAR树高反演的关键是对森林顶部和底部散射差异的确定，目前可分为4类方法：(1)干涉相位差分法，以分离森林冠层相位中心与地表相位中心为主，以相位高度差异来估测树高[9-10]；(2)RVOG模型法，以解算地面――随机散射体的相干散射模型为主，主要包括6参数RVOG算法和其简化算法[6，11-12]、三阶段算法[7，13]；(3)极化干涉矩阵分解法，以分离出植被体散射机制为核心，如最大似然估计法[8]、自适应性模型分解法(AMBD)[14]；(4)混合方法，主要是综合以上方法，目的在于提高计算效率与精度，例如干涉相位差分与相干幅度的结合以简化RVOG模型[3，14-15]。

极化干涉影像的数据质量，一直是制约PolInSAR树高反演的主要瓶颈。ALOS PolSAR-2、Sentinel-1等重复轨道获取的星载干涉影像有时间基线，时间去相干会影响对体散射相干的准确估计；机载数据的时间基线较小，但费用过大，无法实现大面积、连续获取。同时，普通用户在干涉影像亚像元级匹配处理上常会引入较大误差，也会影响PolInSAR树高反演的精度。

德国宇航局DLR提供的TanDEM-X全极化干涉数据，以0.031 m的X波段为工作波长，实现TSX与TDX两颗卫星同步获取数据，双站工作模式Bistatic下的数据无时间基线，且卫星轨道定位精度高，数据产品的主辅影像精确匹配，空间分辨率高达3 m，地理定位精准，且对科学研究开放[16-17]，非常利于极化干涉研究。本文以云南省勐腊县为实验区，尝试基于TanDEM-X CoSSC全极化干涉数据，采用PolInSAR技术提取实验区的森林冠层高度；通过分析反演结果的数值分布，并与森林资源二类调查数据作对比，来探索极化干涉SAR技术与TanDEM-X数据的结合对森林冠层提取的可能性。

1 研究区概况

实验区位于云南省西双版纳傣族自治州勐腊县城西侧，中心位置为101.34°E，21.5°N，海拔在625～1 527 m，面积约100 km2(10 km×10 km)。实验区东侧为部分县城及农田，地势平缓；西侧为山地林区，森林覆盖率达80%以上。林区郁闭度较高，主要包括天然阔叶林与人工橡胶林；其中，天然林以季风常绿阔叶林、热带季节性雨林为主，林种丰富、空间结构复杂、通达性较差。

2 研究方法

当前，PolInSAR树高反演法均存在计算效率与估测精度相矛盾的问题。干涉相位差分法计算效率较高，但估测精度偏低[3，8]；六参数RVOG模型法精度有所提高，但计算效率低，容易陷入局部最优解[18-19]；三阶段法、最大似然法、极化干涉矩阵分解等方法，估测精度高，但计算耗时长[8，14]。最终，本文选择了估测精度高的三阶段算法、计算效率适中的相位差分-相干幅度综合法来进行实验，并采用极化干涉优化来提高相位差分-相干幅度法的精度。

2.1 实验数据

实验数据为德国DLR提供的2015年12月Bistatic模式TanDEM-X全极化主、辅影像，CoSSC(co-registered single look slant range complex)格式具备精确成像参数，无时间基线。主、辅图像入射角为32.23°～33.06°，入射角差异为0.01°～0.02°，空间基线134 m，高度模糊数43.85，标称分辨率为2.1 m。实验区内山体主要呈东西走向，与影像斜距向基本一致，影像的叠掩、阴影现象并不严重。在CoSSC格式下的主、辅图像经过了聚焦、带通滤波以及亚像元级配准，数据精度高，可直接对主、辅图像进行复共轭计算。图2为实验区主影像的Pauli基图，西侧为林区，东侧为建筑及农田。

本文采用2006年勐纳县森林资源二类调查数据对极化干涉反演结果进行合理性验证。因为影像数据与地面调查数据时间跨度较大，二类调查数据中的部分林区已转为建筑或农地；因此本文根据2015年Landsat8影像，剔除地类已改变的小班，最终保留了188个小班，包括63个纯林与混交林小班(绿色)，89个乔木经济林(橡胶林)小班(黄色)，36个建筑与农田小班(红色)(见图1)。

图1 实验区Landsat8影像及小班分布

图2 TanDEM-X主影像Pauli基图

2.2 RVOG相干模型

三阶段算法、相位差分-相干幅度综合法，均基于地面——体散射相干模型RVOG建立。该模型将森林描述为二层结构，包括了地面层、厚度(hv)由随机各向同性粒子构成的植被层。RVOG模型从复相干性出发，假定植被层的散射能量随着高度增加呈指数变化且地面不可穿透[20]。在消除时间、配准误差、系统热噪声、大气等去相干影响之后，RVOG模型的复相干性表示为[6，19]：

(1)

(2)

式中：s1、s2分别为全极化数据的散射矩阵，即全极化干涉影像对。

图3 地平效应去除前的复相干HH相位条纹

图4 地平效应去除后的复相干HH相位条纹

图5 复相干HH的模值

对垂直有效波数kz而言，干涉影像为单站模式时，m=2；双站模式时，m=1[22]。根据实验数据主、辅图像的各像元入射角，可计算出kz，见图6。

图6 垂直有效波数kz

2.3 三阶段树高反演法

三阶段算法是利用几何方法反演植被高度[7]。对于每个地表分辨率单元、冠层高度的反演分为三个步骤：

(3)

图7 复平面内多个复相干系数的直线拟合

图8 估计出的地面相位0

(4)

2.4 相位差分-相干幅度树高反演法

(5)

为了提高相位差分-相干幅度法的反演精度，本文尝试两种不同策略来估计植被冠层“纯”体散射和地面“纯”表面散射。

(6)

图9 相位差分-相干幅度法策略1的输入参数

(7)

图10 相位差分-相干幅度法策略2的输入参数

3 结果及评价

PolInSAR树高反演的核心是对分辨单元内各种散射机制相位中心的垂直分离，因此，根据相位中心估测的树高，对应的是分辨单元内的冠层高度，而不是树梢高度。本文采用三阶段算法、相位差分-相干幅度法策略1、相位差分-相干幅度法策略2分别反演实验区森林冠层高度，空间分辨率为5 m。

3.1 反演结果数值分析

图11是森林冠层高的三种方法反演后的地理定标结果。将图11(a)与光学遥感图像图1对比可以看出，图1西侧的天然林小班对应图11(a)中冠层反演高度值大的区域；图1中部的黄色小班以橡胶林为主，对应于图11(a)中冠层高度反演值中等的区域；图1东侧建筑和农田区的红色小班，对应于图11(a)的冠层高估计值为0的部分，说明三阶段算法反演的冠层高度与实验区实际高度变化存在整体一致性。而相位差分-相干幅度法两种策略下的估测高度，没有明显的空间分布规律性；在建筑和农田区明显估计出冠层高，且呈条纹分布，显然不合理，见图11 (b)～(c)。另外，两种策略的反演结果均出现负值，说明负值区的植被冠层相位中心和地表相位中心的估计有误，策略2的负值程度相对小些。

(a)三阶段算法 (b)相位差分-相干幅度法策略1 (c)相位差分-相干幅度法策略2

图11 三种PolInSAR森林冠层高反演法的估测结果

图12是三种方法反演结果的直方图分布。从直方图形态来看，三阶段算法反演的冠层高主要分布在12～45 m间，在16 m处出现一个峰值，数值整体分布相对合理。相位差分-相干幅度法策略1将相当一部分像元的冠层高估计为负数，在-7.5、8、23 m处出现明显峰值，大于0的冠层高主要分布在0～55 m，总体数值分布相对异常。相位差分-相干幅度法策略2的冠层高度反演依然有负值，但比例不大，冠层高主要分布在0～40 m，在10 m处出现峰值，数值分布比策略1相对合理。

(a)三阶段算法 (b)相位差分-相干幅度法策略1 (c)相位差分-相干幅度法策略2

图12 森林冠层高三种方法的反演值直方图

从冠层高反演结果的空间分布、数值合理性来看，三阶段算法对森林冠层的反演结果较为合理，其次是相位差分-相干幅度法策略2，而相位差分-相干幅度法策略1的反演结果不太合理。

3.2 二类调查数据检验

由于影像数据与森林资源二类调查数据时间跨度较大，无法用二类调查数据来检验反演结果的数值精确性。但实验区森林主要为成熟的天然林与橡胶林，树高生长缓慢，且人为干扰较小，因此，可在小班尺度上，分析冠层反演高与二类调查数据的小班平均高的相关度，分析反演高度的数据分布趋势是否合理。

按照小班边界，对3种方法的冠层高反演值进行众数平均，得到小班尺度的冠层反演高度，见图13(b)～(d)。从图中可看出，三阶段算法冠层高度的空间分布格局与森林资源调查的小班平均高度(图13(a))格局相似，多数小班尺度的树高反演值比二类调查结果呈现增大的趋势，这与两者相隔近10年的树木自然生长事实相符合。相位差分-相干幅度法策略1在部分小班上的反演高度为负值，反演高度的空间分布格局与小班平均高差异较大；策略2在小班尺度的冠层高没有负值，但无林区均出现了反演高度，与现实情况不符。

(a)森林资源二类调查小班平均树高;(b)三阶段法小班尺度反演冠层高;(c)相位差分-相干幅度法策略1的小班尺度反演冠层高;(d) 相位差分-相干幅度法策略2的小班尺度反演冠层高。

图13 二调小班平均高与森林冠层高小班尺度反演

在小班尺度上，计算了三种PolInSAR方法反演的冠层高与二调小班平均高的相关性，并进行了线性拟合(见表1)。三阶段算法的反演结果与小班平均树高具有0.64的相对高的显著相关系数，二者之间满足一定的线性关系。但策略2的相关性sig值小于0.001，说明策略2的反演结果与小班平均高的线性相关性仍具有统计意义；而策略1的相关系数、线性回归的sig值均大于0.05，说明在小班尺度上策略1的冠层反演高与二调小班平均高没有线性关联。

表1 PolInSAR森林冠层高反演值与二调小班平均树高相关性

注：表中h0代表小班二调平均树高，h’代表小班尺度的冠层反演高。

4 结论与讨论

以云南省勐腊县为实验区，对双站模式的TanDEM-X全极化干涉数据采用三种极化干涉方法反演森林冠层高度。从反演结果的数值合理性、与森林资源二类调查数据的相关性分析表明，三阶段算法的反演结果相对合理；实验区森林冠层高度集中分布在16 m左右，非林地区域的冠层高反演值基本为0；反演结果与二类调查数据的空间分布趋势相一致，数值差异符合树木生长规律。而相位差分-相干幅度法的反演结果与实际情况偏差较大；林区冠层高度反演出现负值，非林区的反演值呈现条纹状，且反演出冠层高度；与二类调查数据的空间分布差异较大，相关性低。

TanDEM-X数据采用短波长的X工作波段，理论上对森林穿透率较低，较难获取地表信息，在树高反演中具有局限性。但本研究显示，TanDEM-X数据与三阶段算法的结合具有提取森林冠层高度的潜力。三阶段算法通过复平面直线拟合提取地面相位中心，而不是分离极化散射机制，能相对准确确定地面相位，弥补了X波段短波长的劣势；同时，由于X波段的低穿透率，森林在HV极化上的贡献更加接近“纯”体散射，在三阶段算法的第三步能提供准确的体散射复相干；这两方面保证了三阶段算法的反演精度。同时，在落叶期和陡直入射角的条件下，X波段能够穿透到地面，从而提高三阶段算法对地面相位的估计[26]；本实验区的林区处于山地部分，部分区域的局部入射角较为陡直，数据于12月采集，当地的橡胶林与部分天然林会落叶，入射角与物候期均有利于森林冠层高度的研究。双站模式Bistatic TanDEM-X数据没有时间去相干影响、数据配准精度高、空间分辨率和定位精度均较高，相比其他重复轨道的星载微波数据，该数据降低了数据处理误差。综合下来，可见三阶段算法结合Bistatic TanDEM-X全极化干涉数据，能够在实际森林树高估测中发挥作用；若TanDEM-X数据在获取时间、成像几何上适合当地情况，将一定程度保证反演精度。

相位差分-相干幅度法计算效率较高，虽然对L波段等长波数据的树高反演精度相对较好[3，14]，但对于穿透率低的X波段而言，该算法难以准确分离植被冠层的“纯”体散射和地面层的“纯”表面散射。本文实验表明，尽管采用了复Lagranian和Phase Diversity极化干涉优化，以及三阶段算法来辅助提取“纯”体散射和“纯”表面散射，相位差分-相干幅度法对TanDEM-X数据的树高反演误差依然较大，难以反应真实情况。

由于TanDEM-X数据与二类调查数据时间间隔较长，树木生长变化后的估测结果不可能与10a前的调查高度相似，且二类调查数据本身也可能存在误差。因此，森林资源二类调查数据只能对反演结果进行整体合理性分析，无法进行精度验证。为了满足林业调查研究需要，研究将进一步开展实地调查，用实测数据来验证各种PolInSAR技术对TanDEM-X数据的树高反演精度，并提出改进方案。同时，三阶段算法需对每个地表分辨单元进行直线拟合和查找表计算，计算效率低下，难以满足大区域估测需要，需进一步研究简化算法。

致谢:感谢德国宇航中心DLR 的Science Phase Announcement of Opportunity对研究计划XTI_VEGE6852的支持，提供了实验区的双站模式TanDEM-X全极化干涉数据。

[1] CLOUDE S R, PAPATHANASSIOU K P. Polarimetric SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing，1998,36(5):1551-1565.

[2] 陈尔学,李增元,庞勇,等.基于极化合成孔径雷达干涉测量的平均树高提取技术[J].林业科学.2007,43(4):66-70.

[3] 罗环敏.基于极化干涉SAR的森林结构信息提取模型与方法[D].成都：电子科技大学,2011.

[4] 李帆,尚玉双,杨兆臣.极化干涉SAR森林树高提取算法的对比分析[J].测绘与空间地理信息,2016,39(1):94-96.

[5] TREUHAFT R N, MADSEN S N, MOGHADDAM M, et al. Vegetation characteristics and underlying topography from interferometric radar[J]. Radio Science,1996,31(6):1449-1485.

[6] PAPATHANASSIOU K P, CLOUDE S R. Single-Baseline Polarimetric SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing,2001,39(11):2352-2363.

[7] CLOUDE S R, PAPATHANASSIOU K P. Three stage inversion process for polarimetric SAR interferometry[J]. IEE Proceedings-Radar Sonar and Navigation,2003,150(3):125-134.

[8] 韦顺军.极化干涉SAR植被高度估计方法研究[D].成都：电子科技大学,2009.

[9] YAMADA H, YAMAGUCHI Y, RODRIGUEZ E, et al. Polarimetric SAR interferometry for forest analysis based on the ESPRIT alogorithm[J]. IEICE Transaction on Electronic,2001,84(12):1917-1924.

[10] YAMADA H, SATO K, YAMAGUCHI Y, et al. Interferometric phase and coherence of forest estimated by ESPRIT-based polarimetric SAR interferometry[C]//IGARSS.2002 IEEE Geoscience and Remote Sensing Symposium. Toronto: IGARSS,2002:829-831.

[11] 李新武.极化干涉SAR信息提取方法及其应用研究[D].北京：中国科学院研究生院(遥感应用研究所),2002.

[12] KUGLER F, HAJNSEK I. Forest Characterisation by means of TerraSAR-X and TanDEM-X (Polarimetric and) Interferometric Data[C]//IGARSS.2011 IEEE Geoscience and Remote Sensing Symposium. Vancouver: IGARSS,2011:2578-2581.

[13] 周广益,熊涛,张卫杰,等.基于极化干涉SAR数据的树高反演方法[J].清华大学学报(自然科学版),2009,49(4):510-513.

[14] PHAM M N. Research forest height estimation from polarimetric SAR interferometry IMAGES[D]. Harbin： Harbin Institute of Technology，2014.

[15] CLOUDE S R. Polarizaiton coherence tompgrapy[J]. Radio Science,2006,4(14)：1-27.

[16] HAJNSEK I, THOMAS BUSHE. TanDEM-X: Science Actitives[C]//IGARSS.2016 IEEE Geoscience and Remote Sensing Symposium. Beijing: IGARSS,2016:321-324.

[18] 张腊梅.L波段PolInSAR图像地表参数反演方法研究[D].哈尔滨：哈尔滨工业大学,2006.

[19] BRANDFASS M, HOFMANN C, MURA J C, et al. Polarimetric SAR interferometry as applied to fully polarimetric rain forest data[C]//IGARSS.2001 IEEE Geoscience and Remote Sensing Symposium. Sydney: IGARSS,2001:2575-2577.

[20] 解清华,汪长城,朱建军,等.顾及地形因素的S-RVOG模型和PD相干最优算法联合反演植被高度[J].测绘学报,2015，44(6):686-693.

[21] POTTIER E, FERRO-FAMIL L, CLOUDE S R, et al. PolSARprov2.0: The polarimetric SAR data processing and educational toolbox[C]. IGARSS. 2005 IEEE Geoscience and Remote Sensing Symposium. Seoul: IGARSS,2005:3173-3176.

[22] KUGLER F, LEE S, HAJNSEK I. Forest height estimation by means of PolInSAR data inversion: the role of the vertical wavenumber[J]. IEEE Transaction on Geoscience and Remote Sensing,2015,53(10):1-18.

[23] CLOUDE S R. Polarisations Applications in remote sensing[M]. Oxford: Oxford University,2010.

[24] 杨震.合成孔径雷达干涉与极化干涉技术研究[D].北京：中国科学院研究生院,2003.

[25] TABB M, ORREY J, FLYNN T, et al. Phase diversity: a decomposition for vegetation parameter estimation using polarimetric SAR Interferometry[C]//EUSAR. Proceedings of European Synthetic Aperture Radar Conference 2002(EUSAR 2002). Cologne: EUSAR,2002:721-724.

[26] UNMESH KHATI, GULAB SINGH. Temporal analysis of PolInSAR based forest height inversion for Tectona Grandis and Eucalyptus planatations[C]//IGARSS.2016 IEEE Geoscience and Remote Sensing Symposium. Beijing IGARSS,2016:4702-4705.

Forest Canopy Height Retrieval by PolInSAR with TanDEM-X Data//

Zhang Wanqiu, Yue Cairong, Yan Peidong

(Key Laboratory of Biodiversity Conservation in Southwest China, State Forestry Administration, Southwest Forestry University, Kunming 650224, P. R. China)//Journal of Northeast Forestry University，2017,45(1)：47-54.

TanDEM-X； PolInSAR； Forest canopy height

1)国家自然科学基金项目(31260156)；德国DLR TanDEM-X Science Phase计划资助(XTI_VEGE6852)；西南林业大学云南省省级重点学科(林学)资助(501312)；云南省林学一流学科建设经费资助(51600625)。

章皖秋，女，1979年10月生，西南地区生物多样性保育国家林业局重点实验室(西南林业大学)，讲师，博士研究生。E-mail:wanqiu_mou@hotmail.com。

岳彩荣，西南地区生物多样性保育国家林业局重点实验室(西南林业大学)，教授。E-mail：cryue@163.com。

2016年9月6日。

S758.4

责任编辑：王广建。