基于测量平差理论的PolInSAR植被垂直结构提取模型与方法

发布时间：2017-05-19 10:28

  本文关键词：基于测量平差理论的PolInSAR植被垂直结构提取模型与方法，，由笔耕文化传播整理发布。

【摘要】：摘要：大尺度植被资源监测可以为全球陆地生态系统、碳循环及气候变化分析提供重要的基础数据。做为植被资源监测重点研究对象：植被制图及植被垂直结构在地形测绘、林业资源普查等领域同样具有重要地位。随着我国地理国情监测进程的不断推进,亟需植被制图、植被垂直结构等基础数据用于空间分析及决策管理。迫切寻求高精度、大范围监测手段来解决对植被覆盖区数据的需求。极化干涉SAR技术(Polarimetric SAR Interferometry, PolInSAR)为满足这一需求提供了契机。在植被覆盖区,PolInSAR技术相比被动光学遥感手段优势在于其将观测对象由“面”变为“体”,使得PolInSAR不仅可以获得植被覆盖区水平结构信息,还可以获得垂直结构信息,在以“体”形式存在的植被覆盖区具有独特的监测优势。为此,本文在深入研究PolInSAR理论基础之上,重点研究植被分类及植被垂直结构提取模型与方法,主要研究内容如下： (1)建立了顾及植被形态特征的极化SAR植被分类方法,利用散射体各向异性及方向角随机程度对植被形态特征进行表达,有效将阔叶林与针叶林进行分离。首先,深入研究Neumann分解模型的机理,明确了顾及植被形态特征的散射过程表达；在此基础之上,提出利用各向异性及方向角随机程度两个参数构建分类尺度标准；之后,根据极化干涉矩阵的数理统计特征,利用Wishart距离进行聚类分析；最后,利用E-SAR及SIR-C/X-SAR数据对德国Oberpfaffenhofen地区森林进行分类。实验结果表明：与Wishart-Freeman、Wishart-Yamaguchi相比,新方法对植被形态特征变化较为敏感,对中针、阔林进行了较好地区分。 (2)建立了PolInSAR植被高度提取的复数最小二乘平差模型,解决了已有解算方法不能充分考虑观测值先验统计误差及多余观测量的问题。针对已有算法均不能很好地顾及多余观测量及观测量的先验统计误差的缺点,从平差理论出发,对RVoG模型进行复数平差表达；之后,提出了函数模型线性化方案、平差准则、随机模型及参数解算方法；在此基础之上,建立了基于RVoG、RVoG+VTD及三层植被散射模型的复数最小二乘的植被高反演方法；最后,利用机载、星载数据对算法进行验证。实验结果表明：新方法可不仅可以很好地兼顾多余观测信息,并且可以有效抑制观测量较差几何结构性所引起的病态问题,反演结果精度优于已有算法。 (3)提出了基于复数最小二乘的PCT (Polarization Coherence Tomography)算法,考虑了观测量的先验统计误差,并采用Wiener-SVD解决涉及矩阵病态问题。已有PCT算法没有考虑观测量的先验统计误差,且由于设计矩阵的病态问题,导致反演的相对反射率函数往往出现较大偏差。本文通过对PCT算法原理分析,建立了PCT算法的复数最小二乘表达,并提出利用Wiener-SVD解决设计矩阵病态问题。最后通过BioSAR2008数据对其进行验证,实验结果表明,改进方法相比已有方法反演效果更为稳健。
【关键词】：极化干涉SAR 复数最小二乘 植被垂直结构 植被分类 极化SAR相干层析
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P207.2;P237
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 1 绪论10-22
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-19
• 1.2.1 植被覆盖区散射机理12-13
• 1.2.2 极化SAR的植被分类方法13-14
• 1.2.3 植被高提取散射模型14-15
• 1.2.4 极化干涉SAR的植被高度提取方法15-17
• 1.2.5 极化干涉层析的植被垂直结构信息提取方法17-18
• 1.2.6 已有研究中存在的问题18-19
• 1.3 研究内容与章节安排19-22
• 1.3.1 研究内容19
• 1.3.2 章节安排19-22
• 2 极化SAR理论基础22-28
• 2.1 电磁波散射理论基础22-24
• 2.2 极化互协方差矩阵及相干矩阵24-25
• 2.3 极化合成孔径雷达干涉SAR测量25-28
• 3 顾及植被形态特征的极化SAR植被分类方法28-40
• 3.1 引言28
• 3.2 植被覆盖区散射机制28-29
• 3.3 极化非相干目标分解29-35
• 3.3.1 Freeman-Duren分解法29-30
• 3.3.2 Yamaguchi分解法30-32
• 3.3.3 Neumann分解法32-35
• 3.4 顾及植被形态特征的极化SAR植被分类方法35-39
• 3.4.1 Wishart-Neumann极化SAR分类法35
• 3.4.2 机载/星载数据分类实验与讨论35-39
• 3.5 本章小结39-40
• 4 PolInSAR植被高度提取的复数最小二乘法40-73
• 4.1 引言40
• 4.2 RVoG模型40-42
• 4.3 基于RVoG模型的PolInSAR植被高提取方法42-46
• 4.3.1 非线性迭代算法42-43
• 4.3.2 三阶段算法43-44
• 4.3.3 Cloude双基线算法44-45
• 4.3.4 已有算法综合分析45-46
• 4.4 复数最小二乘平差准则46-47
• 4.5 基于RVoG的PolInSAR植被高度提取的复数最小二乘法47-56
• 4.5.1 RVoG模型线性化方法47-49
• 4.5.2 复相干系数随机模型建立方法49-50
• 4.5.3 RVoG模型参数解算方法50-52
• 4.5.4 SIR-C/X-SAR L波段数据实验分析52-56
• 4.6 基于RVoG+VTD的PolInSAR植被高度提取的复数最小二乘法56-62
• 4.6.1 RVoG+VTD散射模型56-57
• 4.6.2 RVoG+VTD函数模型线性化方法57-58
• 4.6.3 RVoG+VTD参数解算方法58-59
• 4.6.4 E-SAR L波段数据实验分析59-62
• 4.7 基于RVoG+CFF+VTD的PolInSAR植被高度提取的复数最小二乘法62-68
• 4.7.1 RVoG+CFF+VTD模型线性化方法62-64
• 4.7.2 RVoG+CFF+VTD模型参数解算方法64-65
• 4.7.3 BioSAR2008 P波段数据实验分析65-68
• 4.8 基于BioSAR2008 P波段数据的植被高反演算法综合对比分析68-71
• 4.9 PolInSAR植被高提取的复数最小二乘平差法概括模型71-72
• 4.10 本章小结72-73
• 5 基于复数最小二乘的PolInSAR层析技术提取植被垂直结构73-86
• 5.1 引言73
• 5.2 PCT算法原理73-78
• 5.2.1 单基线PCT方法75-76
• 5.2.2 双基线PCT方法76-77
• 5.2.3 改进的双基线PCT方法77-78
• 5.3 基于复数最小二乘的PCT算法78-85
• 5.3.1 PCT算法的复数最小二乘表达78-79
• 5.3.2 基于Wiener-SVD的参数解算方法79-81
• 5.3.3 模拟数据实验81-83
• 5.3.4 BioSAR2008数据实验83-85
• 5.4 本章总结85-86
• 6 结论与展望86-88
• 6.1 论文主要结论86-87
• 6.2 工作展望87-88
• 参考文献88-93
• 攻读学位期间主要的研究成果93-94
• 致谢94-95

【参考文献】

中国期刊全文数据库 前2条

1 ;Analysis of forest backscattering characteristics based on polarization coherence tomography[J];Science China(Technological Sciences);2010年S1期

2 赵伶俐;杨杰;李平湘;郎丰铠;史磊;;极化SAR影像弱散射地物统计分类[J];遥感学报;2013年02期

  本文关键词：基于测量平差理论的PolInSAR植被垂直结构提取模型与方法，由笔耕文化传播整理发布。

本文编号：378468