论文部分内容阅读
利用全极化雷达数据开展林分郁闭度遥感定量估计,对减少森林资源调查地面工作量,提高森林资源监测精度具有重要意义。本文基于Radarsat2全极化合成孔径雷达数据,以天山西部云杉林为研究对象,进行林分郁闭度的遥感估计建模、结果检验与评价分析研究,以期为山地云杉林郁闭度的遥感定量反演提供技术与方法借鉴。论文的研究内容和结论主要体现在以下三个方面:(1)合成孔径雷达全极化数据预处理在NEST中对原始SLC数据多视处理,抑制图像中的斑点噪声;对多视处理后的具有相位信息和幅度信息的影像做辐射定标,获得后向散射系数;对影像做地理编码,将图像中的雷达坐标系统转换为经纬度坐标系统,便于和森林资源数据叠加做配准,为进一步的数据挖掘与分析提供信息来源。(2)基于多极化雷达后向散射系数的郁闭度提取模型建立在数据预处理的基础上,提取研究区内各个森林小班在HH、HV、VH、VV极化通道下的雷达后向散射系数,建立多极化通道下雷达后向散射系数与样地郁闭度实测值之间的统计模型,并进行精度验证,筛选出响应度最高的极化方式。(3)基于极化分解特征参数的郁闭度提取模型建立使用非相干极化分解模型—Freeman三分量分解、H/A/α分解对研究区内的雷达影像做极化分解,并获得相应的极化分解特征参数—surface、vol、dbl、entropy、Anisotropy、alpha。在剖析各特征参数的实际物理意义的基础上,对各个参数之间做多重相关分析,选择与郁闭度相关性大的分量作为提取因子,建立郁闭度线性回归模型,并做精度验证。通过研究表明:(1)基于后向散射系数的建模条件下,VV和HH/HV通道与郁闭度的相关性较高,在0.01水平上显著相关性达到0.3以上。所有模型中M5总体精度最高,达74.42%。(2)在基于极化分解特征量的建模条件下,Freeman-Durden的表面散射surf和H/A/α极化分解的熵H与郁闭度的相关性最高,生成的最优模型为M10,总体精度达75.33%。(3)所有模型中,逐步回归法产生的模型精度整体上小于向后回归产生的模型。(4)在低郁闭度等级中,最优模型为M9,精度达78.68%;中郁闭度等级中最优模型为M11,精度为79.55%。