森林是陆地上最大的碳存储库,在全球碳循环中扮演着重要角色。森林生物量,定义为某一时刻单位面积内实存有机物质(干重)总量,是衡量森林碳储量的关键因子。传统森林生物量地面实测法精度较高,但耗时耗力,难以实现大范围监测。相比之下,遥感技术具有大范围及高时空分辨率等优势,使得长时序、大范围的生物量监测成为可能。随着遥感科学与技术的快速发展,基于遥感技术的森林生物量估算得到了广泛研究,发展了基于光学、Light Detection And Ranging(LiDAR)、被动微波、合成孔径雷达(SAR)等遥感数据的森林生物量估算方法。其中,SAR遥感具有高时空分辨率、全天时全天候、不受云雾干扰、强穿透能力等优势,在森林生物量的估算研究中极具潜力且备受关注。干涉SAR(InSAR)、极化干涉SAR(PolInSAR)以及层析SAR(TomoSAR)等高新技术的发展为森林生物量研究提供了全新的视角。目前众多波段中,P波段在森林生物量估算中最具潜力,欧空局为此计划于2021年发射史上第一颗P波段BIOMASS卫星,进一步推进P波段SAR成为未来全球森林监测的发展趋势。鉴于此,本文基于P波段SAR数据及目前极具潜力的PolInSAR和TomoSAR技术,围绕森林地上生物量及其密切相关的森林结构参数估算中尚待解决的问题(如时间失相干干扰、残余地面散射贡献干扰、复杂下垫面影响、地形起伏影响、饱和性问题等等)展开深入研究,为提升基于PolInSAR及TomoSAR的森林参数和生物量估算精度及普适性提供新的思路及参考。主要研究工作及成果如下:(1)量化森林高度PolInSAR反演误差,遴选最优空间基线长度,降低森林高度反演中的不确定性。空间基线长度在干涉测量与森林参数前向建模过程中扮演着重要角色。由于时间失相干等影响,空间基线长度的选择对森林参数的准确反演至关重要。本文从理论模拟及实验论证两方面出发,基于Random Volume over Ground(RVoG)植被相干散射模型以及三阶段反演算法,针对P波段独特的森林高度单基线反演流程,定量化不同空间基线长度对森林高度和下垫面Digital Terrain Model(DTM)反演精度的影响,以此制定最优基线选择策略,达到最小化森林高度反演模糊区间的目的。结果表明,单一空间基线只适用于某一阈值高度附近有限范围的森林高度反演,而该阈值高度主要由垂直波数决定,可通过RVoG模型进行理论求解,由此推算出最优空间基线长度。(2)发展多基线PolInSAR森林高度反演方法,减小纯体相干系数模糊区间,提高森林高度反演的精度与普适性。时间失相干和残余地面散射(P波段中不可忽略)的同时存在会给纯体相干系数带来二维模糊区间,导致植被相干散射模型即使在多基线数据下仍出现欠定问题。本研究基于RVoG模型以及三阶段反演算法展开理论模拟,发现不同空间基线长度将同时改变森林高度反演对时间失相干和残余地面散射的响应方式,并以此提出了一种多基线PolInSAR森林高度反演方法。该方法通过提取不同基线长度下模糊区间的重叠区域,减小纯体相干系数的模糊区域,从而消减时间失相干和残余地面散射的联合影响,提升森林高度的反演精度。此外,该方法无需对时间失相干及地体幅度比进行假设,对基线空间分布要求较低,并稳定于不同基线组合,因此在实际应用中具有较好的普适性。(3)构建了一种整合单基线PolInSAR多元信息的森林生物量估算方法。SAR观测信息(后向散射系数以及干涉反演的森林结构参数)虽与森林生物量具有一定相关性,但容易受到外界干扰的影响,从而降低估算方法的精度与普适性。为此,本实验综合利用PolInSAR多元信息,反演提取不同独立参数,以分别去除不同干扰因子的影响。具体方案为:基于RVoG模型及单基线PolInSAR实现散射机制分解,去除SAR后向散射系数中与Aboveground Biomass(AGB)弱相关的地面散射贡献;利用RVoG模型反演下垫面DTM,并结合不同地形校正算法,去除地形起伏对后向散射系数以及森林高度反演的影响;协同使用纯体散射强度以及PolInSAR森林高度进行AGB估算模型构建,缓解后向散射系数易饱和以及森林高度受森林胸径异质性影响等问题,达到提高AGB估算精度与鲁棒性的目的。(4)将TomoSAR技术引入到基于传统纹理特征的生物量估算中,去除森林垂直结构异质性对纹理特征的干扰,提高AGB估算的精度与普适性。传统SAR纹理信息通常通过单幅影像内临近像元间的差异计算得到,但SAR强穿透能力导致每个像元包含有整个森林冠层内部的散射信息,致使传统SAR纹理信息受到森林垂直结构异质性的影响。本文基于TomoSAR技术分离森林垂直结构异质性的影响,提取不同高度森林后向散射强度,并在此基础上将传统单幅图像纹理信息拓展到不同高度层析SAR图像中,定量探索森林垂直方向上异质性对基于纹理信息的AGB估算精度的影响。并采用逐步回归法进行AGB模型构建,在不同区域交叉验证模型的精度与普适性。