一种基于多源遥感数据的复杂异质林分平均高估测方法
【专利摘要】本发明公开了一种基于多源遥感数据的复杂异质林分平均高估测方法。它是综合极化干涉雷达的相位、幅度信息，植被指数信息，反映森林结构的熵值信息，二类调查和样地调查数据的多数据源多信息林分平均高估测技术。该技术引入植被指数NDVI和信息论中的熵值来反映森林的光谱信息和结构复杂性。根据具体森林状况对不同的林分分别赋予不同的补偿系数，构建补偿系数函数。利用改正后变化的补偿系数替代常量补偿系数从而改进相干相位-幅度算法。实现对多云雨地区复杂森林结构林分平均高的大区域、高精度、快速提取制图。
【专利说明】一种基于多源遥感数据的复杂异质林分平均高估测方法
【技术领域】
[0001]本发明专利涉及一种综合极化干涉雷达的相位、幅度信息，Landsat8提取的植被指数信息，反映森林结构的熵值信息，二类调查和样地调查数据的多数据源多信息林分平均高估测技术，尤其是对多云雨地区森林林分平均高的大区域、高精度、快速提取制图方法有很大改进。
【背景技术】
[0002]目前，公知的PolInSAR估测植被高度的DEM差值法是通过将极化信息和干涉技术有效结合分离出多种散射机制的相位中心，再将代表地表和植被的相位中心求相位差值解算获得植被高度。该方法中植被相位中心总是被低估，有研究人员提出了相干相位-幅度补偿法，引入雷达的幅度信息，利用相关幅度算法估算植被高度，再用补偿参数ε调节相干幅度算法的补偿大小，提高估测精度。其中，补偿系数与森林消光系数和森林垂直结构有关，取值范围为O?0.5，通常选取一个固定值0.4。但是，以上方法只利用单一的雷达数据源将森林简化为一个简单RVoG模型而忽略了大量的光学遥感信息、森林复杂垂直结构和不同林分间的差异。一般的相干相位-幅度估测方法对森林结构复杂状况考虑不足，对林分的异质性忽略，造成估计值精度仍不理想，难以应用于复杂异质林分的平均高估测。
【发明内容】
[0003]为了克服现有的相干相位-幅度补偿法方法的补偿系数固定不变，忽略林分异质性和森林垂直结构复杂性的问题，本发明专利创造一种利用变化的补偿系数的相干相位-幅度法估测林分平均高。该技术通过引入植被指数NDVI和信息论中的联合熵值分别来反映森林的光谱信息和结构复杂性。以二者为参数构建与森林结构相关的补偿系数函数，利用补偿系数函数替代常量补偿系数以提高复杂异质林分平均高估测精度。
[0004]本发明专利解决其技术问题所采用的技术方案是:首先，用相干相位-幅度算法计算林分平均高的初始值，以样地调查数据为林分平均高实测值，通过逆运算获得补偿系数的改正值。以样地的NDVI和联合熵值为自变量，改正的补偿系数为因变量分别进行多元线性、线性、指数、对数拟合，选取拟合优度大的模型构建与森林结构相关的补偿系数函数。然后，用LandsatS提取研究区的NDVI图，并结合样地调查的联合熵值反演获得整个研究区的熵值图。利用补偿系数函数生成全部研究区范围内改正后变化的补偿系数图。最后，用改正后变化的补偿系数替代常量补偿系数改进相干相位-幅度算法获得较高精度的林分平均高。
[0005]本发明专利的有益效果是，在利用雷达的高穿透性估测垂直高度优势的同时加入了更丰富的光谱信息，并考虑到了林分异质性，估测结果更真实，估测精度更可靠。
【专利附图】
【附图说明】
[0006]下面结合附图和实施例对本发明专利进一步说明。[0007]图1是本发明专利复杂异质林分平均树高估测方法的整体技术路线图。
[0008]图2是本发明专利复杂异质林分平均树高估测方法的雷达影像预处理及分类路线图。
[0009]图3是本发明专利复杂异质林分平均树高估测方法的生成变化的补偿系数ε路线图。
[0010]
【具体实施方式】
[0011](I)预处理雷达数据获得干涉图像:
在图2所示实施例中，输入数据源为研究区具有相干性的两幅SLC数据、基于FFT变换的SAR影响自动配准主副图像、用非线性最小二乘法进行基线估计、平地去相位，对不同极化方式进行复共轭相乘得到不同极化方式间的相干影像，用圆周期中值滤波法降噪处理。
[0012](2)林地与非林地分类:
在图2所示实施例中，将主副图像分别做Freeman分解，结合二者的体散射分量，利用阈值判决是否属于植被区域。若Pwi+PwP阈值，则判别为植被区域，否则分割为其他区域。
[0013](3)传统的相干相位-幅度补偿算法反演树高:
在图1所示实施例中，设/?代表DEM差分法计算得到的林分平均高，As代表相干幅度
反演算法得到的林分平均高，kv为初步估测的林分平均高。则相干相位-幅度补偿算法可以写为hw=hB + Sks。
[0014]展开得到，
【权利要求】
1.一种基于多源遥感数据的复杂异质林分平均高估测方法，通过极化信息和干涉技术有效结合分离出地表和植被的相位中心，利用二者相位差解算林分平均高，引入幅度信息补偿因植被相位中心低估造成的高度低估值，其特征是:结合LandsatS提取的植被指数信息，反映森林结构的联合熵值信息，二类调查和样地调查数据的信息构建补偿系数函数，利用变化的补偿系数替代常量补偿系数改进相干相位-幅度算法。
2.根据权利要求1所述的基于多源遥感数据的复杂异质林分平均高估测方法，其特征是:用相干相位-幅度算法4 = As + 得到林分平均高的初始估值Iv ,从二类调查数据和样地数据获取林分平均高Ai0作为真实值，将样地通过坐标定位在雷达相干相位图上，可获得样地点?的估计值K，k3ffh AsCj)。
3.根据权利要求1所述的基于多源遥感数据的复杂异质林分平均高估测方法，其特征是:将真实林分平均高与初始估值对应，即七(6) = hm ,通过对公式At = kQ +^s进行逆运算，得到补偿系数改正的值，公式为，
4.根据权利要求1所述的基于多源遥感数据的复杂异质林分平均高估测方法，其特征是:利用联合熵值HOO描述使植被相位中心低估的森林的结构复杂性，利用NDVI指数描述使植被相位中心低估的消光系数，选取NDVI指数和联合熵值为估算补偿系数的自变量。
5.根据权利要求1所述的基于多源遥感数据的复杂异质林分平均高估测方法，其特征是:利用样地处林分的联合熵值JV(X)和NDVI值与改正的补偿系数Gi分别进行多元线性、线性、指数、对数拟合，选取拟合效果好的函数作为补偿系数函数，
6.根据权利要求1所述的基于多源遥感数据的复杂异质林分平均高估测方法，其特征是:利用建立的补偿系数函数，LandsatS反演获得的全区域联合熵值，提取出的全区域NDVI值，生成全部研究区的变化的补偿系数图。
7.根据权利要求1所述的基于多源遥感数据的复杂异质林分平均高估测方法，其特征是:用改正后变化的补偿系数替代常量补偿系数改进相干相位-幅度算法，
【文档编号】G01S13/88GK103558599SQ201310556077
【公开日】2014年2月5日 申请日期:2013年11月11日 优先权日:2013年11月11日
【发明者】张晓丽, 赵明瑶, 白金婷, 王金兰 申请人:北京林业大学