多基线极化干涉SAR植被高度反演方法

针对传统单基线PolInSAR三阶段植被高度算法,反演易受到噪声因素影响导致反演结果精度较低等问题。文中采用几何结构最优法和高程精度最优法两种多基线PolInSAR植被高度反演方法,结合瑞典北部E-SARP波段数据,验证得出两种多基线算法植被高度反演的精度以及其在不同植被高度覆盖区的适用条件。实验结果表明两种多基线方法植被高度反演精度相对传统单基线算法分别提高44.05%和22.11%,且当两种多基线方法同时反演植被高度时,植被高度大于10m时采用几何结构最优法较好;植被高度小于10m时采用高程精度最优法。     

P波段极化干涉SAR森林高度反演研究

森林高度信息是森林研究必不可少的内容之一,对全球碳循环、森林资源管理以及获取精确的林下地形等具有重要意义。极化干涉SAR技术(PolInSAR)是目前提取森林高度的一种热门的方法,其中,P波段极化干涉SAR由于电磁波的强穿透力使其相比其他波段具有一些独有的特征。文中首先分析P波段极化干涉SAR森林高度反演的优势与不足,然后结合目前主流的森林高度反演算法,提出一种适用于P波段极化干涉SAR高度反演的新方法。该方法通过对非线性迭代算法的初始值进行有效约束,从而解算出相对可靠的消光系数,同时考虑地体幅度比对森林高度的影响,最终得到相对准确的森林高度。最后,将该方法与现有的经典算法及优化算法进行对比,通过对实验结果定性和定量分析,得出在P波段条件下该方法相比三阶段算法精度提高67.5%,相比固定消光系数法精度提高29.8%,验证了该方法的可靠性和优越性。     

顾及地形因素的S-RVOG模型和PD相干最优算法联合反演植被高度

针对极化干涉SAR植被高度反演中RVOG模型未考虑地形影响,且三阶段算法受到地面相位估计误差和纯体相干性估计误差影响,提出了一种植被高度反演思路,采用考虑地形因素的S-RVOG模型作为反演模型校正地形影响,同时引入PD相干最优算法用于改善三阶段算法中直线拟合地表相位估计和纯体相干性估计精度。为验证算法的有效性,首先采用欧空局提供的PolSARpro软件模拟了不同地形坡度水平的PolInSAR数据进行仿真试验,然后采用德国宇航局提供的E-SAR机载全极化SAR数据进行真实植被场景测试,并进行了定性和定量分析。结果表明,本文方法对于不同坡度水平数据,均能有效改善传统RVOG反演模型中地形影响和三阶段算法自身误差影响,反演精度更高。     

极化干涉SAR植被高反演复数最小二乘平差法

提出一种PolInSAR植被高反演的复数最小二乘法。在考虑植被层时间去相干的条件下,将RVoG扩展为RVoG+VTD模型;之后,将模型解算问题概括为复数的实部、虚部联合平差问题,提出了该模型线性化的方法及参数解算方法;最后利用解算得到的更为准确的“纯”体去相干系数反演植被高度。采用覆盖德国Oberpfaffenhofen地区的2景E-SAR L波段数据进行试验并与经典的非线性迭代及三阶段算法进行对比分析。结果表明,本文提出的方法结果精度优于其他两种方法,运算效率方面明显优于非线性迭代算法,略低于三阶段算法。     

复数域最小二乘平差及其在POLInSAR植被高反演中的应用

传统的测量观测值都是实数,因此测量平差都是在实数空间中进行的。然而,随着科学技术的快速发展,现代测绘领域中出现了一些用复数表示的观测数据。与实数数据一样,这些复数数据同样面临着如何从带有误差的观测值中找出未知量的最佳估计值的问题。但目前涉及复数观测的数据处理时,主要还是依据观测过程,分步或直接解算,不能考虑观测误差、多余观测信息等。针对这一情况,本文介绍了复数域中数据处理的最小二乘方法,试图将测量平差从实数域推广到复数域,并定量研究了两种平差准则的优劣性。为了了解复数域最小二乘的有效性,本文以极化干涉SAR植被高反演为例,建立复数域平差函数模型和随机模型,构建复数域最小二乘法反演植被高。结果表明该算法反演的植被高结果可靠,其精度优于经典植被高反演算法,且计算简单,易于实现。     

PolInSAR森林高度反演中方法及波段选择引起的不确定性分析

森林高度是反映森林资源数量和质量的重要参数,极化干涉合成孔径雷达PolInSAR （Polarimetric Synthetic Aperture Radar Interferometry）技术在森林高度反演中极具潜力。由于森林散射特征受波长影响明显,由此引起的散射机理差异使得基于PolInSAR技术反演的森林高度结果具有很大的不确定性。为了定量化该不确定性的影响,本文以模拟森林场景为例,对PolInSAR技术森林高度反演中常用的4种方法——极化相位中心高度估测法、复相干相位中心差分法、复相干幅度反演法以及相干幅度、相位联合反演法,以及它们在常用的4个微波波段P、L、C和X中的森林高度估测结果进行了分析;明确了匀质森林场景中,算法、波段选择引起的森林高度估测结果的不确定性。研究结果表明：在森林场景基本一致的情况下,估测算法的选择直接影响森林高度估测结果,其中复相干幅度反演法在4个波段的估测结果中精度均最高,但各估测点的估测结果离散度及不确定度较大。波长对4类估测方法估测结果的影响差异明显：复相干幅度反演法的反演结果几乎不受波长的影响,而相干幅度、相位联合反演法受波长影响明显,在P和L波段反演结果中精度较高,在C和X波段反演结果中精度降低明显。此外,以传统的交叉极化（HV）相位代表冠层散射相位中心,水平同极化与垂直同极化的相位差（HH-VV）代表地表散射相位中心,采用复相干相位中心差分法进行森林高度估测会出现严重低估现象。估测结果不确定度具有波长和算法选择依赖性,在C和X波段采用复相干相位中心差分法估测结果不确定度最低,在P和L波段采用极化相位中心高度估测法估测结果不确定度最低,而复相干幅度反演法估测结果则在多个波段中的不确定度均最高。     

航天飞机极化干涉雷达数据反演地表植被参数

利用基于极化干涉测量的基本原理和相干散射模型。提出了基于模拟加温-退火算法的极化干涉雷达数据地表植被参数的反演算法，首先，对极化干涉测量的基本原理和一个考虑了地表和植被散射的二层相干散射模型进行了阐述。接着，对模拟退火算法的基本理论和基于模拟加温-退火算法的地表植被参数反演模型进行了论述，最后，利用和田地区1994年10月9日和10日的航天飞机SIR-CL波段单视散射短阵复数据进行了地表植被参数反演的计算，将反演结果与实测数据比较，表明该反演算法能以较好的精度获取地表植被的高度。     

植被高度的极化干涉互协方差矩阵分解反演法

经典三阶段极化干涉SAR植被高反演算法中地面散射相位估计不准确,从而导致植被高反演精度存在偏差。针对这一关键问题,本文提出基于极化干涉互协方差矩阵分解的植被高度反演新方法。该方法利用Freeman分解理论和极化干涉互协方差矩阵,估计出更准确的地面散射相位;然后,结合RVOG模型反演植被高度。利用欧空局（ESA）的软件PolSARpro模拟的L波段极化SAR数据和亚马逊森林地区的ALOS PALSAR L波段数据进行实验,结果表明本文提出的新算法提取的植被高度相比经典三阶段法精度更高,从而验证了算法的有效性和可靠性。     

森林高度的单基线P波段PolInSAR反演北大核心CSCD

针对传统三阶段方法难以适用于P波段极化干涉合成孔径雷达(PolInSAR)植被高反演难题,该文采用先验信息对消光系数进行固定,在此基础之上,对经典三阶段算法中地体散射幅度比为0的假设进行参数化。通过模拟实验验证新方法相比已有方法在不同地体幅度比条件下均能得到较好的反演精度,且固定消光系数不会引起树高显著偏差。最后,利用2景E-SAR P波段全极化数据进行树高度反演。实验结果表明,新方法反演树高的均方根误差(RMSE)为3.43m,相比已有方法,RMSE提高的幅度为35.7%,有效提升了传统三阶段算法的适用范围。     

线性变化消光S-RVoG模型的多基线PolInSAR森林高度反演

随机地体散射(random volume over ground,RVoG)模型广泛应用于极化干涉合成孔径雷达(polari-metric synthetic aperture radar interferometry,PolInSAR)森林高度反演当中.该模型假设森林是随机均匀同质体,模型中消光系数为恒定值,未充分考...     

总体最小二乘在GPS高程转换中的适用性分析

在GPS高程转换中,位置信息通过观测手段获得,在平差处理中,系数矩阵和观测向量都存在误差。在阐述总体最小二乘平差原理的基础上,以常用的GPS高程转换模型为基础,利用某城市实测GPS数据,证明了总体最小二乘方法在GPS高程转换方面的优势性:模型更合理;精度更高;复杂地形的精度改善更明显。     

Underlying topography extraction over forest areas from multi-baseline PolInSAR data

In this paper, the digital elevation model (DEM) for a forest area is extracted from multi-baseline (MB) polarimetric interferometric synthetic aperture radar (PolInSAR) data. On the basis of the random-volume-over-ground (RVoG) model, the weighted complex least-squares adjustment (WCLSA) method is proposed for the ground phase estimation, so that the MB PolInSAR observations can be constrained by a generalized observation function and the observation contribution to the solution can be adjusted by a weighting strategy. A baseline length weighting strategy is then adopted to syncretize the DEMs estimated with the ground phases. The results of the simulated experiment undertaken in this study demonstrate that the WCLSA method is sensitive to the number of redundant observations and can adjust the contributions of the different observations. We also applied the WCLSA method to E-SAR L- and P-band MB PolInSAR data from the Krycklan River catchment in Northern Sweden. The results show that the two extracted DEMs are in close agreement with the Light Detection and Ranging (Lidar) DEM, with root-mean-square errors of 3.54 and 3.16 m. The DEM vertical error is correlated with the terrain slope and ground-cover condition, but not with the forest height.     

一种提高单历元解算大高差短基线精度的方法

单历元基线解算可以避开传统基线解算中周跳探测等复杂的数据预处理过程。但是当两站高差较大时,即使是短基线,通过双差技术也不能充分消除对流层延迟,且残余对流层误差对单历元基线解算的影响较大,定位精度无法达到毫米级水平。针对以上问题,该文提出了采用半参数广义补偿最小二乘对大高差短基线进行单历元解算,削弱残余对流层误差影响的方法。实际算例表明,与常规的最小二乘法相比,该方法能很好地分离GPS残余对流层误差,各方向定位精度能达到毫米级水平。     

复数域总体最小二乘平差

在复数域最小二乘的基础上提出了复数域总体最小二乘平差方法,推导了复数域总体最小二乘和复数混合总体最小二乘的相关公式。通过算例比较分析了复数观测值的残差的模的平方和最小(平差准则1)下及残差的实部和虚部的平方和分别最小(平差准则2)下的复数最小二乘、复数观测值和系数矩阵的残差的模的平方和最小(平差准则3)下及残差的实部和虚部的平方和分别最小(平差准则4)下的复数总体最小二乘方法的优劣。试验结果表明:平差准则1下复数最小二乘较平差准则2下得到的结果更加合理,平差准则3下复数总体最小二乘较平差准则4下得到的结果更为准确;当顾及系数矩阵误差时,平差准则3下复数总体最小二乘要优于平差准则1下复数最小二乘。     

一种基于F-J线性-非线性模型解的迭代最小二乘方法

基于贝叶斯理论的线性与非线性模型反演方法（Fukuda-Johnson，F-J）已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样（Markov chain Monte Carlo，MCMC）经验参数选择的影响，而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后，也可以利用迭代最小二乘方法反演，但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响，提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代，既提高了F-J方法的反演效率，又能获得迭代最小二乘全局最优解。针对模拟数据实验和实际数据算例，分别采用F-J方法、随机生成初始值的迭代最小二乘方法和以F-J方法结果为初值的迭代最小二乘方法进行参数反演。结果表明，直接使用F-J方法时，MCMC采样参数会影响反演结果；直接进行迭代最小二乘反演时，初始值选取不当会导致迭代无法收敛到正确的结果；以F-J方法的结果作为迭代最小二乘方法的初始值进行反演，可以充分发挥F-J方法的全局最优性和迭代最小二乘方法计算量小、稳定性好的优势。     

基于非线性高斯-赫尔默特模型的结构总体最小二乘法

变量误差（error-in-variables，EIV）模型的系数矩阵存在结构特征的情况，并且这种结构特征可以扩展到观测向量中。首先采用变量投影法将系数矩阵的增广矩阵展开成仿射矩阵形式，提取系数矩阵和观测向量中的随机量，并将EIV模型表示为非线性高斯-赫尔默特模型，然后利用非线性最小二乘原理推导了一种结构总体最小二乘法。该算法统一了普通的结构总体最小二乘法、结构数据最小二乘法以及最小二乘法。将该算法应用到真实算例和模拟算例中，两个算例结果表明，该算法与已有能够解决EIV模型结构特征的结构或加权总体最小二乘法估计结果一致，验证了该算法的有效性。同时，该算法对结构特征的提取方式简单、规律性强且易于编程实现；且在算法设计中，把结构总体最小二乘问题转换为附有参数的条件平差问题，即将其纳入到最小二乘平差理论体系，便于其扩展应用。同时对平面拟合问题的误差估计特性进行了定性分析，由分析可知参数的相对大小对估计误差的一致性有直接影响，这说明EIV模型下系数矩阵和观测向量中随机量的估计误差与真误差的一致性关系相对复杂。