CN115062260B - 一种适用于异质森林的森林生物量PolInSAR估算方法和系统、存储介质 - Google Patents
一种适用于异质森林的森林生物量PolInSAR估算方法和系统、存储介质 Download PDFInfo
- Publication number
- CN115062260B CN115062260B CN202210681048.8A CN202210681048A CN115062260B CN 115062260 B CN115062260 B CN 115062260B CN 202210681048 A CN202210681048 A CN 202210681048A CN 115062260 B CN115062260 B CN 115062260B
- Authority
- CN
- China
- Prior art keywords
- forest
- agb
- estimation
- polinsar
- biomass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000002028 Biomass Substances 0.000 title claims abstract description 33
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 238000000547 structure data Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 12
- 230000001427 coherent effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 230000008033 biological extinction Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种适用于异质森林的森林生物量PolInSAR估算方法及系统、存储介质,该方法通过构建AGB估算模型,分别进行基于后向散射系数的森林水平结构数据计算和/或基于森林高度数据的计算;得到具有森林垂直结构和水平结构的森林生物量估算结果。本发明提供的方法适用于P波段PolInSAR的AGB估算,解决了P波段强穿透力的影响,开展森林散射机制分解和森林高度反演,以此发展一种结合森林体散射和森林高度的AGB估算模型,有效缓解森林异质性对AGB估算的影响,提高森林AGB估算的精度和普适性,为大范围森林AGB连续监测制图提供技术支撑。
Description
技术领域
本发明涉及遥感反演技术领域,特别是一种适用于异质森林的森林生物量PolInSAR估算方法。
背景技术
森林地上生物量是表征森林碳储量的重要参数,准确估算森林地上生物量对深入研究陆地碳储量、碳循环、气候变化等方面具有重要意义。遥感技术具有大范围估算森林生物量的潜力,如光学,SAR,LiDAR和被动微波。然而,目前现有方法仍然存在诸多问题,如饱和问题、时空连续性问题等。为此,欧空局计划发射首个P波段SAR卫星BIOMASS,以提供P波段重轨PolInSAR数据,为全球生物量制图带来全新可能。
目前,基于PolInSAR技术的森林AGB估算已得到了验证,然而仍然缺乏适用于不同类型和异质性森林的高鲁棒性AGB估算方法。森林AGB同时与森林的垂直结构(高度)和水平结构(DBH和树木棵树)相关,但现有基于PolInSAR的AGB估算方法缺乏同时考虑该两方面因素,从而导致异质森林区域的AGB估算精度受到限制。如Mette(2004)等发展了单一基于PolInSAR反演森林高度的AGB估算异速生长方程,但该方程要求森林高度、DBH和树木密度保持稳定的相关常数。而现实中森林类型和异质性变化多样,结构复杂,森林高度、DBH和树木密度的生长率不是稳定常数。DBH难以通过星载遥感手段获取,已有研究通过LiDAR提取的树木冠层幅宽作为DBH的替代,以此结合森林高度进一步提高AGB估算精度。PolInSAR虽然可以反演森林高度,却难以像LiDAR实现冠层幅宽参数的提取。
因此,如何针对PolInSAR数据特性,发展一种同时考虑森林垂直和水平结构异质性的AGB估算方法,是提高AGB估算精度和普适性的重要条件,以此适用于不同异质性和类型的森林。
发明内容
有鉴于此,本发明的目的在于提供一种适用于异质森林的森林生物量PolInSAR估算方法,该方法针对PolInSAR数据发展的适用于异质森林的森林生物量定量估算,适用于P波段PolInSAR的AGB估算方法,提高森林AGB估算的精度和普适性。
为达到上述目的,本发明提供如下技术方案:
本发明提供的适用于异质森林的森林生物量PolInSAR估算方法,包括以下步骤:
获取森林生物量数据;
根据森林散射机制提取后向散射系数;
根据森林高度反演方法提取森林高度数据;
构建AGB估算模型,所述AGB估算模型包括基于后向散射系数的森林水平结构数据计算和/或基于森林高度数据的计算;
利用后向散射系统计算森林水平结构数据,以及利用森林高度数据计算森林垂直结构数据,得到具有森林垂直结构和水平结构的森林生物量估算结果。
进一步,所述AGB估算模型采用协同森林冠层体散射强度与森林高度按照以下公式构建
式中,c1,c2,c3,和c4为待拟合求取的常数;
表示冠层体散射强度;
H表示PolInSAR反演森林高度;
进一步,所述森林体散射的提取按照以下公式进行:
其中,m(ω)表示地体幅度比;
ω表示选取的极化通道;
γV表示森林区域纯体相干散射矩阵;
γG表示森林区域地面相干散射矩阵。
进一步,所述森林区域纯体相干散射矩阵和森林区域地面相干散射矩阵通过SKP分解算法结合多基线PolInSAR观测数据按照以下公式计算得到:
式中,表示森林地面散射强度,/>表示冠层体散射强度,γ0表示森林总体后向散射系数;m表示森林区域地体幅度比。
进一步,所述森林生物量数据至少包括以下数据集:
机载P波段重轨多基线PolInSAR数据,以及地面实测AGB数据和可用于森林高度反演精度验证的LiDAR CHM数据。
进一步,所述基于后向散射系数计算的AGB估算模型按照以下公式进行构建:
γ0为森林总体后向散射系数(可替换为森林地面散射强度或冠层体散射强度),a、b、c为模型待拟合求取的常数,AGB表示森林地上生物量。
进一步,所述基于森林高度数据的计算按照以下公式进行:
AGB=a×Hb;
式中,a和b为待拟合的模型参数;
H表示PolInSAR反演森林高度。
本发明提供的适用于异质森林的森林生物量PolInSAR估算系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的方法。
本发明提供的存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的方法。
本发明的有益效果在于:
本发明提供的适用于异质森林的森林生物量PolInSAR估算方法,该方法适用于P波段PolInSAR的AGB估算方法,其中,重点解决P波段强穿透力的影响,开展森林散射机制分解和森林高度反演,以此发展一种结合森林体散射和森林高度的AGB估算模型,有效缓解森林异质性对AGB估算的影响,提高森林AGB估算的精度和普适性,为大范围AGB连续监测制图提供技术支撑。
其中,发展了基于多基线PolInSAR的森林散射机制分解方法和森林高度反演方法,有效提高后向散射系数分解和森林高度反演精度,在此基础上创新性地提出一种协同森林体散射和森林高度的AGB估算模型,以此提供基于PolInSAR森林AGB估算的精度与普适性。
本方法针对PolInSAR数据同时考虑森林垂直结构和水平结构的AGB估算模型,该模型可有效提高森林AGB估算的精度和普适性,实现不同异质性森林的AGB估算,适用于大范围森林AGB准确制图。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为采用LOO验证的AGB估算精度结果。
图2为不同研究区区域尺度AGB估算结果的空间分布图。
图3为区域尺度AGB估算精度验证结果。
图4为不同空间异质性的代表区域的空间分布对比。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例1
如图1所示,本实施例提供的适用于异质森林的森林生物量PolInSAR估算方法,该方法解决了基于PolInSAR的AGB估算方法缺乏同时考虑森林垂直和水平结构异质性的问题,该方法适用于不同异质性和类型森林的AGB估算方法,以三个研究区的P波段机载PolInSAR数据为例展开方法说明,具体步骤如下:
1)森林体散射分解提取
由于P波段强穿透力的影响,森林区域存在多个散射机制,造成后向散射系数与AGB相关关系不明确,并易受森林下垫面影响。为此,需开展森林散射机制分解,去除干扰部分。首先,协同RVoG(随机地体散射模型)和SKP(克罗内克积总和)求取森林区域地体幅度比:
其中,m(ω)表示地体幅度比
ω表示选取的极化通道;
γV表示森林区域纯体相干散射矩阵;
γG表示森林区域地面相干散射矩阵;
γ(ω)表示所选极化通道的复相干系数;
所述森林区域纯体相干散射矩阵和森林区域地面相干散射矩阵可通过SKP分解算法结合多基线PolInSAR观测数据获取。
森林地面散射强度和冠层体散射强度/>则可通过下式求解:
式中,γ0表示森林总体后向散射系数;m表示森林区域地体幅度比;
2)森林高度反演:
通过假设体时间失相干只会降低纯体相干散射矩阵(γV)的相干强度,因此利用下述代价函数实现森林高度反演:
式中,Ns表示所采用多基线数据的基线数量,为地相位,F表示代价函数;
γV0为RVoG模型模拟的纯体相干系数,hv为森林高度,σ消光系数,kz为垂直波束;
j表示所选取的基线编号;
i表示虚数单位;
angle()表示相位提取。
该方程旨在查找模拟γV0使其与γV之间的相位差最小化。该代价函数无需将体时间失相干引入到查找表模拟中,由此显著提高反演效率。
3)AGB估算模型构建。
森林后向散射系数是一个复合参数,诸多森林散射模型(如MIMICS、水云模型)表明其强度同时与森林垂直结构和水平结构相关。因此后向散射系数包含有森林水平结构信息,而PolInSAR森林高度可表征森林垂直结构,结合两者即可提高异质森林AGB的估算精度和普适性。但由于森林后向散射系数还受到其他干扰因素(如下垫面地形和土壤水分等)影响,不能直接用于AGB估算。
因此,本实施例利用步骤1)去除下垫面因素的干扰贡献,采用协同森林冠层体散射强度与PolInSAR森林高度(H)构成一种具有鲁棒性的AGB估算模型:
式中,c1,c2,c3,和c4为待拟合求取的常数;
表示冠层体散射强度;
H表示PolInSAR反演森林高度;
实施例2
本实施例结合具体实施例和说明书附图对AGB估算模型的精度和鲁棒性进行验证,并与传统只考虑单一森林结构信息的AGB估算方法在样点尺度和区域尺度上进行对比分析。
(1)数据集与方法介绍
数据集:采用TropiSAR 2009和BioSAR 2008两个数据集,总共三个不同研究区:2个热带雨林区域(Paracou和Nouragues)和1个北方林区(Krycklan)。
该数据集包含了机载P波段重轨多基线PolInSAR数据,以及地面实测AGB数据和可用于森林高度反演精度验证的LiDAR CHM数据。地面实测AGB总共有128个,其范围为0-600tons/ha。针对TropiSAR 2009,采用了三条空间基线开展森林高度反演,其垂直波束大约为0.05,0.10和0.15rad/m。
该数据方位空间分辨率约为1.2m,地距分辨率约为1.5m。针对BioSAR 2008,同样采用了三条空间基线开展多基线森林高度反演,其垂直波束大约为0.03,0.08和0.10rad/m。该数据方位空间分辨率约为0.7m,地距分辨率约为1.5m。所有数据均在同一天获取,时间基线为数小时,数据的详细信息如表1所示。
Table 1.所采用干涉数据对的详细信息.
同时,本实施例还选取了单一基于后向散射系数和单一基于森林高度反演结果的AGB估算方法进行对比分析。
基于后向散射系数的森林AGB估算:采用了常用的指数方程构建后向散射系数和AGB的前向模型
γ0=a×e-b×AGB+c (6)
其中,γ0为森林总体后向散射系数,a、b、c为模型待拟合求取的常数,AGB表示森林地上生物量。
因此,基于后向散射系数的AGB估算模型为该方程的反向形式:
式中,γ0还可将其替换为和/>以评估分解后不同散射机制估算AGB的能力。即所述森林总体后向散射系数γ0为森林地面散射强度/>或冠层体散射强度/>
基于PolInSAR森林高度的AGB估算:采用了常用的幂模型将森林高度转换为森林生物量。
AGB=a×Hb (8)
式中,a和b为待拟合的模型参数;
H表示森林高度;
分别带入PolInSAR森林高度和LiDAR CHM开展AGB估算精度验证。
(2)样点尺度AGB估算精度验证
采用留一法(LOO)对三个不同区域进行样点尺度验证,如图1所示,图1中的(a)-(f)为分别采用原始后向散射系数、地面散射、冠层体散射、PolInSAR森林高度、PolInSAR森林高度+冠层体散射、以及LiDAR CHM开展AGB估算的验证结果。不同散点符号表征不同区域,黑色虚线为线性拟合方程。
基于原始后向散射系数估算的AGB,R2为0.50,RMSE为90.3。基于散射机制分解得到的地面后向散射强度估算的AGB精度非常差,R2为0.02,RMSE为132.2。而冠层体散射估算的AGB精度得到了明显提升,R2为0.79,RMSE为61.8,且其拟合线更加接近于1:1线,较好地缓解了饱和问题。PolInSAR反演的森林高度表现出了较好的AGB估算能力,其估算精度(R2为0.85,RMSE为51.8)与LiDAR CHM(R2为0.87,RMSE为47.9)相近。当采用本实施例提供的模型(volume backscatter+PolInSAR FH)后,AGB估算精度得到了进一步提升,R2提升至0.89,RMSE降低为45.2,该精度甚至高于单一采用高分辨率LiDAR CHM的精度。这表明森林体散射和森林高度可以弥补彼此的缺陷,提高AGB估算精度。
(3)区域尺度AGB估算精度验证
为充分评估本方法的鲁棒性,对其在区域尺度上的精度进行了对比验证,如图2和3所示,图2中的(a)原始后向散射系数,(b)冠层体散射,(c)PolInSAR森林高度,(d)PolInSAR森林高度+冠层体散射,以及(e)LiDAR CHM;图3中以LiDAR CHM的空间AGB制图为参考基准,(a)原始后向散射系数,(b)冠层体散射,(c)PolInSAR森林高度,(d)PolInSAR森林高度+冠层体散射。黑色虚线为线性拟合方程。该验证为在图2中三个研究区制图的50×50个像元尺度上得到(即将图2结果升尺度到50倍),每个散点图同时包含了三个研究区结果。
其中,由于高分辨率的LiDAR数据通常被认为是估算AGB最精确的手段,以LiDARCHM估算的AGB区域制图作为参考基准,对基于PolInSAR的AGB区域制图进行验证。超过8000个样点可充分验证AGB估算方法的鲁棒性。如图2和3所示,基于原始后向散射系数估算的AGB受到地形的严重影响,且在Krycklan区域存在较严重的高估误差。散点图显示其R2为0.61,RMSE为83.3,在100~200tons/ha区间内高估现象突出。采用体散射估算的AGB有效缓解了地形起伏的影响,去除了大部分高估误差,其验证R2为0.77,RMSE为64.2。PolInSAR反演的森林高度可更加准确的估算AGB,R2为0.83,RMSE为54.5,但其在异质性森林Krycklan区域估算精度相对较差。当采用本实施例提供的模型后,如图2中的(d)和图3中的(d),AGB估算精度达到最高,R2为0.89,RMSE为48.1,明显高于单一采用后向散射系数或者森林高度的估算精度。这表明,本实施例提供的模型在区域尺度上仍然具有较高的鲁棒性,同时提高了AGB估算的精度和普适性。
(4)不同异质性森林的AGB估算对比分析
为进一步验证本实施例提供的模型可同时考虑森林的水平和垂直结构异质性,并以此提高AGB估算精度和普适性,选取了两个不同异质性的森林区域进行对比验证,如图4所示,图4中的Krycklan中是两个具有不同空间异质性的代表研究区,高空间分辨率LiDARCHM、最大值滤波后CHM、平均值滤波后CHM、PolInSAR反演森林高度、以及森林体散射强度的空间分布对比。
其中,高分辨率(1m)LiDAR CHM表明,代表区域1的森林非常稀疏,但是森林高度较高,代表区域2森林更加稠密同时森林高度也较高。代表区域2的AGB明显高于代表区域1。空间均值滤波后的CHM准确的展示了该差异,代表区域2的值明显更高。最大值滤波后的CHM在两个区域间更加接近,展示出代表区域2的值只是略高于代表区域1。PolInSAR FH与最大值滤波后的CHM更为接近,这表明PolInSAR反演的森林高度主要表征森林最大高度。然而PolInSAR反演的森林高度在两个代表区处于相近的水平,直接采用PolInSAR FH估算AGB会造成代表区域1的高估误差。相比之下森林冠层体散射强度与空间均值滤波后CHM空间分布非常接近,代表区域1的体散射强度明显更低。这表明相对于PolInSAR FH,森林体散射能更好的捕捉到森林水平结构异质性。
因此协同PolInSAR FH和森林体散射能即可实现同时考虑森林水平和垂直结构异质性,有效提高异质性森林AGB的估算精度和普适性。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (7)
1.一种适用于异质森林的森林生物量PolInSAR估算方法,其特征在于:包括以下步骤:
获取包含森林生物量的观测数据;
根据森林散射机制和森林高度反演方法构建AGB估算模型,所述AGB估算模型用于基于后向散射系数的森林水平结构数据计算和/或基于森林高度数据的计算;
利用AGB估算模型计算后向散射系统计算森林水平结构数据,以及利用森林高度数据计算森林垂直结构数据,得到具有森林垂直结构和水平结构的森林生物量估算结果;
所述AGB估算模型按照以下公式构建:
式中,c1,c2,c3,和c4为待拟合求取的常数;
表示冠层体散射强度;
H表示PolInSAR反演森林高度;
所述观测数据还包括按照以下公式进行处理:
其中,m(ω)表示地体幅度比;
ω表示选取的极化通道;
γV表示森林区域纯体相干散射矩阵;
γG表示森林区域地面相干散射矩阵;
所述森林区域纯体相干散射矩阵和森林区域地面相干散射矩阵通过SKP分解算法结合多基线PolInSAR观测数据按照以下公式计算得到:
式中,表示森林地面散射强度,/>表示冠层体散射强度,γ0表示森林总体后向散射系数;m表示森林区域地体幅度比。
2.如权利要求1所述的适用于异质森林的森林生物量PolInSAR估算方法,其特征在于:所述森林生物量数据至少包括以下数据集:
机载P波段重轨多基线PolInSAR数据,以及地面实测AGB数据和可用于森林高度反演精度验证的LiDAR CHM数据。
3.如权利要求1所述的适用于异质森林的森林生物量PolInSAR估算方法,其特征在于:所述基于后向散射系数计算的AGB估算模型按照以下公式进行构建:
γ0为森林总体后向散射系数,a、b、c为模型待拟合求取的常数,AGB表示森林地上生物量。
4.如权利要求1所述的适用于异质森林的森林生物量PolInSAR估算方法,其特征在于:所述森林高度反演按照以下公式进行:
式中,Ns表示所采用多基线数据的基线数量,为地相位,F表示代价函数;
γV0为RVoG模型模拟的纯体相干系数,hv为森林高度,σ消光系数,kz为垂直波束;
j表示所选取的基线编号;
i表示虚数单位;
angle()表示相位提取;
γV表示纯体相干散射矩阵。
5.如权利要求4所述的适用于异质森林的森林生物量PolInSAR估算方法,其特征在于:所述森林高度的AGB估算还包括以下步骤:
AGB=a×Hb;
式中,a和b为待拟合的模型参数;
H表示PolInSAR反演森林高度。
6.适用于异质森林的森林生物量PolInSAR估算系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5中任一项所述的方法。
7.存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681048.8A CN115062260B (zh) | 2022-06-16 | 2022-06-16 | 一种适用于异质森林的森林生物量PolInSAR估算方法和系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681048.8A CN115062260B (zh) | 2022-06-16 | 2022-06-16 | 一种适用于异质森林的森林生物量PolInSAR估算方法和系统、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062260A CN115062260A (zh) | 2022-09-16 |
CN115062260B true CN115062260B (zh) | 2024-06-14 |
Family
ID=83200133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210681048.8A Active CN115062260B (zh) | 2022-06-16 | 2022-06-16 | 一种适用于异质森林的森林生物量PolInSAR估算方法和系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062260B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077547B (zh) * | 2023-10-16 | 2023-12-26 | 西南林业大学 | 森林地上生物量估计方法及系统 |
CN117434517B (zh) * | 2023-12-21 | 2024-02-27 | 西南林业大学 | 一种基于消光系数优化的森林冠层高度估测方法 |
CN117452432B (zh) * | 2023-12-21 | 2024-03-15 | 西南林业大学 | 一种基于森林穿透补偿的森林冠层高度估测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3709178B2 (ja) * | 2002-07-05 | 2005-10-19 | 三菱マテリアル資源開発株式会社 | 森林のバイオマスの定量計測法 |
CN104656098B (zh) * | 2015-02-03 | 2018-04-13 | 南京林业大学 | 一种遥感森林生物量反演的方法 |
CN105005047B (zh) * | 2015-07-17 | 2017-06-09 | 武汉大学 | 后向散射优化的森林复杂地形校正及树高反演方法、系统 |
CN109840542B (zh) * | 2018-12-06 | 2021-03-26 | 北京化工大学 | 基于极化特征的自适应维度决策树分类方法 |
CN113205475B (zh) * | 2020-01-16 | 2022-07-12 | 吉林大学 | 基于多源卫星遥感数据的森林高度反演方法 |
CN112254820B (zh) * | 2020-10-14 | 2021-04-27 | 中国科学院空天信息创新研究院 | 一种离散森林场景热红外辐射传输模拟方法 |
-
2022
- 2022-06-16 CN CN202210681048.8A patent/CN115062260B/zh active Active
Non-Patent Citations (1)
Title |
---|
Improved forest biomass estimation based on p-band repeat-pass PolinSAR data across different forest sites;Yue Shi等;《International journal of applied earth observation and geoinformation》;20221231;第115卷;1-18 * |
Also Published As
Publication number | Publication date |
---|---|
CN115062260A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115062260B (zh) | 一种适用于异质森林的森林生物量PolInSAR估算方法和系统、存储介质 | |
Qi et al. | Forest biomass estimation over three distinct forest types using TanDEM-X InSAR data and simulated GEDI lidar data | |
Minh et al. | SAR tomography for the retrieval of forest biomass and height: Cross-validation at two tropical forest sites in French Guiana | |
Soja et al. | Estimation of forest biomass from two-level model inversion of single-pass InSAR data | |
Liao et al. | Biomass estimation in dense tropical forest using multiple information from single-baseline P-band PolInSAR data | |
CN109738895B (zh) | 一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法 | |
Lei et al. | Quantification of selective logging in tropical forest with spaceborne SAR interferometry | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
Soja et al. | Estimation of boreal forest properties from TanDEM-X data using inversion of the interferometric water cloud model | |
Soja et al. | Modeling and detection of deforestation and forest growth in multitemporal TanDEM-X data | |
Ngo et al. | Tropical forest vertical structure characterization: From GEDI to P-band SAR tomography | |
Martens et al. | Estimating effective roughness parameters of the L-MEB model for soil moisture retrieval using passive microwave observations from SMAPVEX12 | |
Zhang et al. | A Multibaseline PolInSAR Forest Height Inversion Model Based on Fourier–Legendre Polynomials | |
CN116817869B (zh) | 一种利用激光雷达数据的海底光子信号确定方法 | |
Montopoli et al. | Spectral downscaling of integrated water vapor fields from satellite infrared observations | |
Xiang et al. | PS Selection Method for and Application to GB‐SAR Monitoring of Dam Deformation | |
Chandola | Polarimetric SAR interferometry for forest aboveground biomass estimation | |
CN107144841B (zh) | 一种基于最小剩余功率的极化sar图像目标分解方法 | |
Huang et al. | Maximum a posteriori inversion for forest height estimation using spaceborne polarimetric SAR interferometry | |
CN115453520A (zh) | 基于双频多极化差分干涉的地表形变测量方法及设备 | |
Mallorquí et al. | Linear and non-linear long-term terrain deformation with DInSAR (CPT: Coherent Pixels Technique) | |
CN115079205A (zh) | 一种针对P波段重轨PolInSAR的多基线森林高度反演方法及系统、存储介质 | |
Soja et al. | Estimation of boreal forest biomass from two-level model inversion of interferometric TanDEM-X data | |
Choi et al. | Forest Biomass Mapping Using Continuous InSAR and Discrete Waveform Lidar Measurements: A TanDEM-X/GEDI Test Study | |
CN113341410A (zh) | 一种大范围林下地形估计方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |