土壤含水量對PolInSAR 樹高反演結果的影響分析

劉 凱 惠 偉 程甲州

（1、西安市勘察測繪院，陜西 西安710048 2、陜西建工機械施工集團有限公司，陜西 西安710048）

1 概述

反演森林樹木高度可以更好地了解森林在全球環境變化中的作用[1-3]。現在，遙感是在區域或全球尺度上進行森林高度反演的最有效方法[4]。極化干涉SAR（PolInSAR）不但擁有微波遙感全天時、全天候的特點，也綜合了極化和干涉技術對散射體高度、形狀等信息敏感的優點，利用極化干涉SAR 技術反演森林樹高已經成為林業研究的熱點之一[5-6]。

1998 年，Cloude[7]首次利用DEM 差值法反演極化干涉SAR數據得到了樹高；2001 年，Cloude[8]提出了RVoG 模型，至此，此模型一直在樹高反演和生物量估計中占據主導地位；隨后基于RVoG 模型的三階段算法被提出[9]，該算法在保證精度的同時簡化了反演過程。

常規干涉或極化干涉系統，都存在一定的去相關影響，如信噪比去相關、基線去相關、時間去相關等。隨著SAR 系統參數設計和數據處理技術的發展進步，部分去相關因素已經減少很多，甚至可以忽略不計，比如信噪比去相關。然而在極化干涉反演森林樹高時，時間去相關的影響不可忽略且占據重要地位；同時對于星載極化SAR 系統，由于重訪周期較長，時間去相關嚴重制約了其發展應用。

2 森林的時間去相關

根據以前學者的研究，主要將植被區的時間去相關分為三類[77，102-103]：（1）由于植被運動引起的時間去相關，如風的影響和植被的自然生長等；（2）氣候改變引起的介電常數引起的變化，如降雨、降雪等，這部分主要體現在土壤含水量的改變上；（3）場景破壞造成的時間去相關，如人為破壞、火山噴發等；由于場景破壞，前后兩次雷達觀測的場景發生巨大變化，使雷達后向散射完全去相關，從而使研究工作完全無法展開。

介電常數的改變造成時間去相關的原因主要有兩個：一是植被層介電常數的改變引起時間去相關，二是降雨等因素改變了植被區域地面的土壤含水量，從而改變了地面的介電常數。介電常數的改變使前后兩次雷達觀測的地面目標的物理散射特性發生改變，從而造成兩次后向散射信號之間的相干性降低，產生時間去相關。

在本文中，將會利用PolSARpro 中的數據模擬模塊分別模擬不同土壤含水量的極化干涉SAR 數據，并通過三階段算法簡要分析土壤含水量的改變引起的時間去相關對森林樹高反演的影響。

3 三階段算法

3.1 RVoG 模型

RVoG 模型，即隨機地體兩層相干散射模型（random volume over ground，RVoG），是目前極化干涉領域最常用的樹高反演模型，它將植被體散射與樹高聯系起來，并表示為：

其中hv 為植被高度，σ 為平均消光系數，θ 為雷達入射角，λ 為波長。

在RVoG 模型中，為了將地表相干與體相干都考慮在內，所以用參數 將地面相位和體散射聯合來補償地面散射機制的影響，因此總的干涉相干系數可以寫為：

其中φg 為地面相位，μ 為地體散射幅度比。

3.2 三階段算法

將RVoG 模型重寫為直線形式，如式（6）。三階段方法最初由Cloud 提出，通過多個極化通道得到的極化干涉復相干系數進行直線擬合，能夠較為精確得估計出植被冠層和和地表的相位中心，提高了植被高度的反演精度。該方法主要分為三個步驟：

（1）在復平面上對多個極化干涉相干系數進行最小二乘直線擬合，該直線與單位圓有兩個交點。

（2）最大植被偏差去除，即在兩點選取與HV 極化散射距離最遠的點為地表相位點。

（3）按照式（7）建立查找表，利用查找表的方法估計植被高度與消光系數。

4 數據介紹

PolSARpro 的數據模擬模塊是基于麥克斯韋方程組電磁傳播和散射模型的全極化SAR 數據模擬程序，一般用于精確模擬極化雷達數據。該模塊可以模擬不存在配準誤差的理想全極化干涉SAR 數據，并且可以人為地改變參數設置，從而研究極化干涉的各種情況，如地面坡度、地面粗糙度、土壤含水量、森林密度、空間基線等參數設置。因此，我們可以通過PolSARpro 軟件改變模擬條件，獲得不同森林密度的全極化干涉SAR 數據。從上述可以看出，該數據模擬模塊比較適用于研究極化干涉中的一些科學問題，如土壤含水量對樹高反演算法的影響。

PolSARpro 數據模擬模塊中將土壤含水量H 設定為0-10共11 個等級，其中數值越大代表土壤含水越多，其參數設置與土壤重力含水量σmv的具體轉換關系為：

其中：σmv_min=0.1，σmv_max=0.3。

因此，模擬數據的土壤含水量的變化范圍為0.1-0.3。

下面利用PolSARpro 分別模擬土壤含水量0-10 共11 個等級的極化SAR 數據，其余參數保持一致，具體參數設置如表1所示，模擬數據Pauli 基合成圖如圖1 所示。

圖1 模擬數據Pauli 基合成圖

5 結果與分析

利用三階段算法對模擬數據反演得到樹高，反演結果如圖2 所示，其土壤含水量由左至右、由上至下分別為0-10；然后分別統計11 組數據反演結果的平均值和均方根誤差，結果如表2所示。其中土壤含水量為PolSARpro 中系統參數設定標準。

表1 模擬數據參數

表2 模擬數據反演結果

圖2 不同土壤含水量的森林三階段反演結果圖

由圖2 的反演結果可知，不同數據之間的反演結果相差不大，通過目視比較并沒有辦法發現土壤含水變化的影響。

在只關注土壤含水量的影響情況下，由表2 可知，土壤含水量的變化會導致反演結果產生一定偏差，但此偏差相對較小，已遠遠小于算法本身造成的誤差。因此，在利用真實極化干涉SAR 數據研究時間去相關時，土壤含水量的變化造成的時間去相關可以不予考慮。