版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、極化干涉合成孔徑雷達(dá)(PolInSAR)是集極化SAR和干涉SAR的測量技術(shù)于一體,不僅具有干涉SAR對地表植被散射體的空間分布和高度很敏感的特性,而且具有極化SAR對植被散射體的形狀和方向很敏感的特性?;跇O化干涉SAR在提供植被信息方面的優(yōu)勢,通過對極化干涉SAR相關(guān)理論以及地面植被高度反演算法進(jìn)行研究,選取較好的森林樹高反演算法進(jìn)行樹高反演,使樹高反演工作能達(dá)到業(yè)務(wù)化運(yùn)行。
本文主要是研究PoLInSAR反演樹高的幾種方
2、法,并采用模擬以及對比分析來確定幾種方法的精度,所做的主要工作以及創(chuàng)新如下:
(1)分析了一下極化干涉SAR的矢量干涉原理和散射機(jī)制特性。通過對極化干涉SAR不同極化狀態(tài)的組合進(jìn)行了干涉處理,得到不同極化狀態(tài)對應(yīng)的相位,然后利用仿真數(shù)據(jù)通過對不同極化狀態(tài)干涉相位特性來分析其對植被區(qū)域的敏感性,為反演樹高的極化狀態(tài)組合選擇提供一定依據(jù)。
(2)介紹了干涉SAR數(shù)據(jù)的預(yù)處理。對于得到SAR圖像的原始數(shù)據(jù)先進(jìn)行成像處理后,
3、然后進(jìn)行配準(zhǔn)、干涉、濾波、去平地效應(yīng)以及相位解纏來得到所需要的真實(shí)相位以及相位幅度值,為樹高反演提供重要的參數(shù)。
(3)研究并分析了幾種極化干涉SAR森林樹高反演算法。首先完成了基于傳統(tǒng)的干涉相位差法進(jìn)行森林樹高反演,并在干涉相位差法的基礎(chǔ)上利用了DEM差分法來提高了些精度,但還是低估植被高度,于是又利用了基于相干幅度的森林樹高反演算法,發(fā)現(xiàn)其可為一種補(bǔ)償算法,于是將相干幅度和DEM差分算法相結(jié)合進(jìn)行了森林樹高的反演,并對這幾
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于極化干涉SAR的森林結(jié)構(gòu)信息提取模型與方法.pdf
- 極化干涉SAR圖像森林高度估計算法研究.pdf
- 基于極化SAR數(shù)據(jù)的地表信息提取研究.pdf
- 高分辨率極化干涉SAR影像道路提取方法研究.pdf
- 基于立體SAR與干涉SAR數(shù)據(jù)的森林地上生物量反演研究.pdf
- 激光測高衛(wèi)星全波形數(shù)據(jù)的森林樹高提取研究.pdf
- 極化干涉SAR植被高度估計方法研究.pdf
- SAR極化面目標(biāo)原始數(shù)據(jù)模擬研究.pdf
- 基于機(jī)載LiDAR和極化SAR數(shù)據(jù)的山區(qū)森林蓄積量估測方法研究.pdf
- 極化干涉SAR影像配準(zhǔn)方法研究.pdf
- 極化SAR干涉測量地形參數(shù)方法研究.pdf
- 極化干涉SAR植被參數(shù)估計方法研究.pdf
- 極化干涉sar植被高度估計方法研究(1)
- 極化SAR數(shù)據(jù)分解模型研究.pdf
- 基于實(shí)際數(shù)據(jù)的干涉SAR處理.pdf
- 全極化SAR數(shù)據(jù)校正.pdf
- 極化SAR圖像人造目標(biāo)提取算法研究.pdf
- 基于全極化SAR圖像的滑坡信息提取研究.pdf
- 基于干涉SAR的建筑物提取的方法研究.pdf
- 基于極化SAR目標(biāo)信息提取與SVM分類.pdf
評論
0/150
提交評論