曹淑敏,王志伟,肖恭伟,牛冲

(1.山东科技大学 测绘科学与工程学院,青岛 266590；2.山东省地质测绘院,济南 250001)

基于极化干涉SAR植被高度提取算法分析

曹淑敏1,王志伟1,肖恭伟1,牛冲2

(1.山东科技大学 测绘科学与工程学院,青岛 266590；2.山东省地质测绘院,济南 250001)

摘要：极化干涉SAR综合了干涉SAR和极化SAR的优点,被广泛应用于植被高度的反演。本文在分析DEM差值法、RVOG地相位法、复相干幅度法以及改进的综合算法基础上,利用黑龙江大兴安岭地区的一对ALOS全极化干涉SAR数据进行实验,对比分析了各算法的反演结果。结果表明:改进的综合算法的树高反演效果总体上优于其他方法,有较高的反演精度,并且能够在一定程度上保证森林树高反演的稳定性。

关键词：极化干涉SAR;植被高度反演;DEM差值法;复相干幅度

0引言

合成孔径干涉雷达(InSAR)技术主要用于获取地物的空间垂直结构信息[1],通过该技术可以获取的两个重要参数分别为干涉相位和相干系数。极化干涉SAR既具有干涉SAR对地表植被散射体的空间分布和高度分布敏感的特性,又具有极化SAR对植被散射体的形状和方向敏感的特性[2]。它能够准确提取地表植被垂直结构和散射特性,并能获得准确的植被高度三维成像,因此在地表植被高度提取上得到了广泛应用和深入研究。

在极化干涉SAR植被高度提取算法研究上,Treuhaft等[3-4]于1996年首次提出随机方向性散射模型,开创了对植被高度反演算法研究的先河。1998年,Cloude等[5]提出极化干涉理论,利用干涉优化产生的不同散射机理对应的干涉图进行差分干涉,首次利用POL-INSAR技术测得森林高度。2001年,Yamada等提出利用ESPRIT算法实现地表相位中心和植被相位中心分离,从而估计出植被的高度[6-7]。2003年,Cloude从复相干系数的复平面分布特性出发,提出了基于RVoG散射模型的三阶段反演算法[8],大大简化了植被高度估计的复杂性,并且获得较好的反演精度。Cloude在2006年提出了极化相干层析(PCT)算法[9-11],进一步拓展了极化干涉SAR用于植被结构参数信息提取的理论和方法。2005年,郭华东、李新武等提出了将三阶段方法和ESPRIT方法相结合的组合植被高度反演算法,利用航天飞机SIR-C的双频率极化干涉数据取得了较好的反演效果[12]。2010年,David等人提出将Freeman-Durden三分量分解理论运用到极化干涉数据中,将极化干涉互协方差矩阵分解为三个不同散射机制的矩阵,其中三个散射机制对应于表面散射机制、二面角散射机制和体散射机制[13]。

虽然国内外学者提出并丰富了多种有效的反演算法,但对算法有效性的具体实验分析多局限于使用模拟数据进行树高反演。本文在分析四种反演算法的基础上,对黑龙江大兴安岭地区的一对ALOS全极化干涉SAR数据进行反演,得到了较好的结果,有一定的实用价值。

1极化干涉SAR植被高度提取算法

1.1DEM差值法

该方法不对植被的结构函数做假设,简单地认为冠层顶部“纯”体散射占主导作用的相干相位减去树冠下地表散射占主导作用的相干相位,再除以有效波数,就是植被的高度。该算法为

(1)

由极化干涉信息先验知:HV极化散射为ωv,HH-VV极化散射为ωs.

1.2RVOG地相位法

对DEM差值法,选择一散射矢量ωs即极化状态来准确估计地相位是至关重要的。然而对L和P波段散射数据的大量分析表明:一般情况下很难选择一散射矢量使得其对地相位进行无偏估计。为了对地相位进行较为准确的估计,RVOG地相位反演算法则引入了RVOG散射模型,通过模型的几何特点和所测复相干来综合确定地相位:

(2)

式中:

(3)

又

(4)

该法同DEM差值算法的不同之处在于其地相位的确定是基于散射模型的。因为式

(5)

代表了复平面内的一条直线,在确定地相位时,可以选择两个不同极化(散射)复相干(植被冠层复相干和地表复相干)来拟合这条直线。这条直线与复平面内单位圆的交点便是地相位。但是由于拟合的直线与单位圆有两个交点,因此需要一定的判断准则来剔除其中之一。一般认为接近于地表的复相干距地相位更近。基于极化干涉先验理解,一般假设HV极化复相干为植被冠层体散射复相干,HH-VV极化复相干为近地表散射复相干。

RVOG地相位反演算法尽管能够较为准确的估计出地相位,但由于植被冠层散射中心同植被的消光系数和垂直结构密切相关,因此该算法依旧存在较大偏差。基于该原理,Cloude和Papathanassiou提出了三阶段反演算法。能够较精确的估计出植被层和植被层下地表的相位中心,使植被覆盖地貌探析以及平均消光系数的获得成为可能,同时也能提高植被高度反演的精度。

1.3复相干幅度法

(6)

(7)

该方法特点是:迭代次数较少,反演植被高偏差稍大,但也有较好的植被高度估计精度。

1.4改进的综合算法

由于复相干系数的相位对应于极化干涉相位,而利用干涉相位直接估计的植被高度被严重低估。因此,通过找出植被高度和相干系数的关系,利用相干系数幅度估计的植被高度对干涉相位估计的高度进行补偿,使植被高度低估造成的误差减小[14]。为了使得“相位中心不断地分离以达到两相位中心距离最远, 获得纯净的体散射”, 从极化相干优化方法进行体散射、地表散射极化通道的选择[15]。

这种相干优化方法的基本思想是找到使复相干相位角式(8)到最大余切的极化组合, 可通过解式(9)特征值问题实现。Ω12中既含有极化信息,又有干涉信息,是式(10)相干矩阵T中的元素。

(8)

(9)

(10)

其中,

该方法使相位中心得到最大的分离,高相位就对应较为“纯净”的体散射相位,而低相位就对应到较为“纯净”的地表散射相位。

(11)

2实验结果与分析

2.1研究区概况与数据源

大兴安岭位于我国黑龙江省西北部,地处 121°11′～127°02′E,50°08′～53°34′.大兴安岭地区疆域广阔,东西长410km,南北宽386km.东与小兴安岭毗邻,西与大兴安岭山脉为界与内蒙古自治区接壤,南濒广阔的松嫩平原,北与黑龙江航道中心线与俄罗斯为邻。森林覆盖率达86.6%,是中国主要林业基地。本文采用黑龙江大兴安岭地区的一对ALOS全极化干涉SAR数据,其具体参

数如表1所示。

表1　ALOS数据参数表

选取山地森林区域的两块较小的图像进行研究,其中主图像的大小为256×256个像素。为了保证配准时能够在副图像中找到相应于主图像的像素,选取辅图像的大小为512×512个像素。图1为选定主副图像的多视图。

图1　多视图(a)主图像；(b)辅图像

2.2实验结果分析

为了能更好地分析和比较四种反演算法反演结果,如图2所示,采用最大值、最小值、平均值以及标准差四个定量指标对各算法反演的结果进行评价。具体的对比结果如表2所示。

图2　森林树高反演结果 (a) DEM差分法; (b) RVOG地相位反演法; (c) 复相干幅度法; (d)改进算法

树高提取方法最小值/m最大值/m平均值/m标准差DEM差分法0.007540.009913.67956.5344RVOG地相位反演法1.679645.126514.56246.0033复相干幅度法2.054452.533016.79845.6791改进的综合算法0.321558.932117.76894.8963

平均值公式为

(12)

标准差公式为

(13)

式中,hi为反演出的树高;N为进行比较的样本点个数。其中标准差反映的是每个像元反演所得树高值与树高均值之间的离散程度,可用来衡量反演算法的稳定性。

表2列出了本文反演方法的几项定量评价指标。可以看出,DEM差值法的标准差最大,是最差的反演算法。RVOG地相位反演法较之DEM差分算法结果的平均值由13.679 5提高到14.562 4,标准差由6.534 4减小到6.003 3;复相干幅度法的平均值提高到16.798 4,标准差减小到5.679 1;改进的综合算法的平均值提高到17.768 9,标准差减小到4.896 3.综上可以看出,在四种算法中,改进的综合算法进行森林树高反演时可以获取精度较高的反演结果,并且能够在一定程度上保证森林树高反演的稳定性。

3结束语

利用大兴安岭地区的一对ALOS全极化干涉SAR数据,分析比较了四种极化干涉 SAR 森林高度反演算法。结果发现:

1) DEM差分法是利用干涉图间的相位差来提取植被高度。利用式(1)估计植被高度的问题在于即使m≈0,相位中心也不位于植被层顶部,所以此方法通常低估植被高度,同时由于植被相位中心随消光系数的变化而变化,故此方法的稳健性较差;

2) RVoG相位算法相比于DEM模型有所改进,但是相关系数较低,可能因为模型纠正地表相位中心的同时,植被散射相位却没有相应的纠正,因而导致其相关程度的降低;

3) 复相干幅度法忽视相干相位,对植被密度和垂直结构变化敏感,故稳健性差;

4) 改进的综合算法是首先利用DEM差分法估计植被高度,然后利用相干幅度算法对其进行补偿,此方法反演精度较高且稳健性好。

本文在常用植被高度提取算法基础上,通过实验对比分析,为森林高度反演提供了参考。随着技术的发展,更高效的树高反演算法有望被提出。

参考文献

[1] PAPATHANASSIOU K P, HAJNSEK I, MOREIRA A,etal. Interferometric SAR polarimetry using a passive polarimetric microsatellite concept.[C].//2002 IEEE International Geoscience and Remote Sensing Symposium and the 24th Canadian Symposium on Remote Sensing, June 24-28, 2002,Tornoto Canada. IGARSS, 2002: 826-828.

[2] 吴一戎, 洪文, 王彦平. 极化干涉 SAR 的研究现状与启示[J]. 电子与信息学报, 2007, 29(5): 1258-1262.

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

[4] TREUHAFT R N, SIQUEIRA P R. Vertical structure of vegetated land surfaces from interferometric and polarimetric rader[J].Radio Science,2000,35(1):141-177.

[5]CLOUDE S R, PAPATHANASSIOU K P. Polarimetric SAR interferometry[J].IEEE Trans on Geoscience and Remote Sensing,1998,36:1551-1565.

[6] LEE J S, CLOUDE S R, PAPATHANASSIOU K P,etal. Speckle filtering and coherence estimation of polInSAR data for forest applications.[J]. IEEE Transactions on Geoscience and Remote Sensing, October 2003, 41(10):2254-2263.

[7] QONG M. Coherence optimization using the polarization state conformation in PolInSAR[J]. IEEE Trans on Geoscience and Remote Sensing Letters, July 2005,2(3):301-305.

[8] QONG M. Polarization state conformation and its application to change detection in Po1SAR.[J].IEEE GRSL, 2004, 1(4):304-308.

[9] QONG M. A New polarization state conformation and its application to coherence optimization in polInSAR[C].//Proceedings of IEEE Symposium on Geoscience and Remote Sensing 2004, Anchorage,Alaska, Sept 2004: 2495-2498.

[10]DALL J , PAPATHANASSIOU K P, SKRIVER H. Polarimetric SAR interferometry applied to land ice: first results[C].//Proceedings of IEEE Geoscience and Remote Sensing Symposium(IGARSS 2003), Toulouse, France, 2003:1432-1434.

[11]YAMADA H, YAMAGUCHI Y, RODRIGUEZ E,etal. Polarimetric SAR interferometry for forest canopy analysis by using the super-resolution method[C].//Processings of International Geoscience and Remote Sensing Symposium 2001(IGARSS01),2001(3):1101-1103.

[12]李新武,郭华东,廖静娟，等.航天飞机极化干涉雷达数据反演地表植被参数[J].遥感学报,2002,6(6):424-429.

[13]宋桂萍. 极化干涉 SAR 植被高度反演算法研究[D]. 长沙:中南大学, 2013.

[14]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.

[15]罗环敏,陈尔学,程建,等. 极化干涉SAR森林高度反演方法研究[J]. 遥感学报,2010,14(4):806-821.

曹淑敏(1992-),女,硕士生,主要从事现代测量数据处理理论研究及其应用。

王志伟(1988-),男,博士生,主要研究InSAR地表形变。

肖恭伟(1990-),男,硕士生,主要从事现代测量数据处理理论研究及其应用,机器学习算法等。

牛冲(1989-),男,硕士生,主要从事现代测量数据处理理论研究及其应用。

Analysis of Forest Height Extraction Based on Polarimetric SAR Interometry

CAO Shumin1,WANG Zhiwei1,XIAO Gongwei1,NIU Chong2

(1.ShandongUniversityofScienceandTechnology,CollegeofGeomics,Qingdao266590,China) (2.GeologicalSurveyingandMappingInstituteofShandongProvince,Jinan250001,China)

Abstract: Polarimetric SAR interometry is a technique that integrates all advantages of SAR interference and SAR polarization, it has widely used in the vegetation height inversion. The paper is based on the DEM differencing, RVOG phase algorithm,coherence amplitude algorithm and the improved synthesis algorithm. Used a pair of ALOS full polarization interference of SAR data from great Xing’ an Mountain in Heilongjiang province to compare and analyze the results. The results showed that the improved synthesis algorithm has high inversion accuracy and the forest tree height inversion is superior to others. Thus, it provides certain basis for forest height inversion.

Keywords:Polarization interference of SAR; forest height inversion; DEM differencing algorithm; complex coherent amplitude

doi:10.13442/j.gnss.1008-9268.2016.02.019

收稿日期：2015-09-15

中图分类号：TP79

文献标志码：A

文章编号：1008-9268(2016)02-0096-05

作者简介

联系人： E-mail: 15801263057@163.com