多維度SAR森林及其類型分類識別方法研究.pdf

1、森林在全球碳循環(huán)及大自然空氣調節(jié)中發(fā)揮著重要作用,對森林分布的監(jiān)測與制圖意義重大。光學遙感在森林提取、識別等資源監(jiān)測方面意義重大,然而,卻存在對多云雨霧地區(qū)、短期全覆蓋森林數(shù)據(jù)獲取難和森林類型嚴重的“同譜異物”等問題。合成孔徑雷達(SyntheticApertureRadar,SAR)以其全天時、全天候的強穿透成像能力,成為光學遙感的有益補充,有時甚至是數(shù)據(jù)獲取的唯一手段。但是,由于SAR斑點噪聲、分類方法策略、維度信息量少及森林植被自

2、身復雜特征等各方面的局限,至今未能有比較完善的SAR分類方法體系進行森林類型的細致分類。隨著新型SAR傳感器的相繼升空,微波遙感數(shù)據(jù)獲取方式已由單波段、單極化、單角度等發(fā)展到多頻率、多極化、多角度以及多時相等綜合獲取方式,這就為SAR森林分類識別的研究和應用提供了前所未有的機遇和發(fā)展?jié)摿Α?br>　　針對現(xiàn)有森林資源調查中森林類型識別技術的局限性,論文綜合利用極化、干涉、時相以及極化干涉四種維度的SAR數(shù)據(jù)進行土地覆蓋分類和森林類型分類

3、研究:(1)以黑龍江省遜克縣星載多時相ALOSPALSAR數(shù)據(jù)覆蓋區(qū)為實驗區(qū),利用不同時相極化SAR(PolSAR)、干涉SAR(InSAR)對植被結構變化特征的敏感性,結合后向散射系數(shù)與干涉相干性的時變特征進行地物解譯,發(fā)展了基于多時相、多極化、干涉SAR的SVM土地覆蓋及森林類型分類方法。(2)以德國Traunstein地區(qū)機載ESAR數(shù)據(jù)為研究對象,發(fā)展了一種將PolSAR與極化干涉SAR(PolInSAR)相結合的森林類型(針葉

4、林、闊葉林)識別方法。首先利用PolSAR數(shù)據(jù)的散射特征區(qū)分森林與非森林,但僅靠極化信息無法有效識別具體的森林類型。為此,論文綜合考慮了單幅影像的極化強度信息和兩幅像對之間的極化相干信息,引入了全極化SAR數(shù)據(jù)的干涉信息和同極化差特征參數(shù)Co-Pd,分別基于極化干涉T6矩陣和相干優(yōu)化R矩陣進行最大似然迭代分類。
　　研究結果表明:(1)多時相分類中引入雙極化SAR不同極化之間的極化相干系數(shù),結合所選擇的時相特征、極化特征以及干涉相

5、干特征,可以解決雙極化SAR中林地與城市及建設用地的混分問題,得到更好的土地覆蓋分類結果。在森林類型區(qū)分中,多時相的平均干涉相干性對有林地、疏林地及灌木林地的識別十分有效;綜合運用所選取的多時相干涉、極化比等有效維度信息能很好的突出地物的邊緣與結構,更細致地區(qū)分不同森林類型。(2)PolInSAR森林類型識別中,基于極化干涉T6矩陣和相干優(yōu)化R矩陣的最大似然迭代分類均能達到識別針葉林和闊葉林的目的,且本文所發(fā)展的基于R矩陣的森林類型識別