科研之友
微信
新浪微博
Facebook
分享链接
摘要
极化干涉合成孔径雷达PolInSAR (Polarimetric Interferometry Synthetic Aperture Radar)已被广泛用于森林高度的反演，正确评估模型输入参数、模型假设、林分结构、立地条件等引起的不确定性是提高基于PolInSAR技术森林高度反演精度及准确性的关键之一。本文以贝叶斯模型为基础，以模拟的L波段PolInSAR数据为数据源，首先基于贝叶斯模型确定了随机体散射RVoG (Random Volume over Ground)模型输入参数引起的不确定性，在此基础上使用先验知识（成像中森林高度的值）对RVoG模型的消光系数进行“固定”，并反演了森林高度；然后基于RVoG模型反演结果及贝叶斯后验采样分析，讨论了树种、森林密度、地面粗糙度及土壤含水量四个因子变化引起的森林高度反演结果的不确定性。研究结果表明：对于L波段的PolInSAR模拟数据，采用RVoG模型进行森林高度反演时，使用先验知识对消光值进行固定可大大降低森林高度反演的不确定性；四个因子中，树种和森林密度引起的不确定性较显著，然后为地面粗糙度，最后为土壤含水量。阔叶林反演结果的不确定性明显高于针叶林；森林密度从150株/hm2增至1200株/hm2时，其标准误最高可下降67.5%；在针叶林纯林和阔叶林纯林中，地面粗糙度与反演结果的标准误呈现明显的正相关关系；土壤含水量引起的不确定性最小，几乎可以忽略不计。
- 出版日期2023
- 单位西南林业大学
