216.基于測量平差理論的polinsar植被垂直結(jié)構(gòu)提取模型與方法

1、中圖分類號——UDC碩士學(xué)位論文學(xué)校代碼!Q墨三三密級壘五基于測量平差理論的PolInSAR植被垂直結(jié)構(gòu)提取模型與方法TheoryandMethodofExtractingVegetationVerticalStructurewithPolInSARBasedonSuryingAdjustment作者姓名：學(xué)科專業(yè)：研究方向：學(xué)院(系、所)：指導(dǎo)教師：副指導(dǎo)教師：付海強測繪科學(xué)與技術(shù)大地測量學(xué)與測量工程地球科學(xué)與信息物理學(xué)院朱建軍教授汪

2、長城副教授論文答辯日期2旦堅：!￡7≯答辯委員會主席壘弛李名鼓中南大學(xué)2014年5月基于測量平差理論的PolInSAR植被垂直結(jié)構(gòu)提取模型與方法摘要：大尺度植被資源監(jiān)測可以為全球陸地生態(tài)系統(tǒng)、碳循環(huán)及氣候變化分析提供重要的基礎(chǔ)數(shù)據(jù)。做為植被資源監(jiān)測重點研究對象：植被制圖及植被垂直結(jié)構(gòu)在地形測繪、林業(yè)資源普查等領(lǐng)域同樣具有重要地位。隨著我國地理國情監(jiān)測進程的不斷推進，亟需植被制圖、植被垂直結(jié)構(gòu)等基礎(chǔ)數(shù)據(jù)用于空間分析及決策管理。迫切尋求高精

3、度、大范圍監(jiān)測手段來解決對植被覆蓋區(qū)數(shù)據(jù)的需求。極化干涉SAR技術(shù)(PolarimetricSAPInterferometryPollnSAR)為滿足這一需求提供了契機。在植被覆蓋區(qū)，PollnSAR技術(shù)相比被動光學(xué)遙感手段優(yōu)勢在于其將觀測對象由“面”變?yōu)椤绑w”，使得PolInSAR不僅可以獲得植被覆蓋區(qū)水平結(jié)構(gòu)信息，還可以獲得垂直結(jié)構(gòu)信息，在以“體”形式存在的植被覆蓋區(qū)具有獨特的監(jiān)測優(yōu)勢。為此，本文在深入研究PolInSAR理論基礎(chǔ)之

4、上，重點研究植被分類及植被垂直結(jié)構(gòu)提取模型與方法，主要研究內(nèi)容如下：(1)建立了顧及植被形態(tài)特征的極化SAR植被分類方法，利用散射體各向異性及方向角隨機程度對植被形態(tài)特征進行表達，有效將闊葉林與針葉林進行分離。首先，深入研究Neumann分解模型的機理，明確了顧及植被形態(tài)特征的散射過程表達；在此基礎(chǔ)之上，提出利用各向異性及方向角隨機程度兩個參數(shù)構(gòu)建分類尺度標(biāo)準(zhǔn)；之后，根據(jù)極化干涉矩陣的數(shù)理統(tǒng)計特征，利用Wishart距離進行聚類分析；最

5、后，利用ESAR及SIRC／XSAR數(shù)據(jù)對德國Oberpfaffenhofen地區(qū)森林進行分類。實驗結(jié)果表明：與Wishart—Freeman、WishartYamaguchi相比，新方法對植被形態(tài)特征變化較為敏感，對中針、闊林進行了較好地區(qū)分。(2)建立了PolInSAR植被高度提取的復(fù)數(shù)最小二乘平差模型，解決了已有解算方法不能充分考慮觀測值先驗統(tǒng)計誤差及多余觀測量的問題。針對已有算法均不能很好地顧及多余觀測量及觀測量的先驗統(tǒng)計誤差的

6、缺點，從平差理論出發(fā)，對RVoG模型進行復(fù)數(shù)平差表達：之后，提出了函數(shù)模型線性化方案、平差準(zhǔn)則、隨機模型及參數(shù)解算方法；在此基礎(chǔ)之上，建立了基于RVoG、RVoGVTD及三層植被散射模型的復(fù)數(shù)最小二乘的植被高反演方法；最后，利用機載、星載數(shù)據(jù)對算法進行驗證。實驗結(jié)果表明：新方法可不僅可以很好地兼顧多余觀測信息，并且可以有效抑制觀測量較差幾何結(jié)構(gòu)性所引起的病態(tài)問題，反演結(jié)果精度優(yōu)于已有算法。(3)提出了基于復(fù)數(shù)最小二乘的PCT(Polar