本文關(guān)鍵詞：基于測(cè)量平差理論的PolInSAR植被垂直結(jié)構(gòu)提取模型與方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：摘要：大尺度植被資源監(jiān)測(cè)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(cè)重點(diǎn)研究對(duì)象：植被制圖及植被垂直結(jié)構(gòu)在地形測(cè)繪、林業(yè)資源普查等領(lǐng)域同樣具有重要地位。隨著我國(guó)地理國(guó)情監(jiān)測(cè)進(jìn)程的不斷推進(jìn),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。迫切尋求高精度、大范圍監(jiān)測(cè)手段來解決對(duì)植被覆蓋區(qū)數(shù)據(jù)的需求。極化干涉SAR技術(shù)(Polarimetric SAR Interferometry, PolInSAR)為滿足這一需求提供了契機(jī)。在植被覆蓋區(qū),PolInSAR技術(shù)相比被動(dòng)光學(xué)遙感手段優(yōu)勢(shì)在于其將觀測(cè)對(duì)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(dú)特的監(jiān)測(cè)優(yōu)勢(shì)。為此,本文在深入研究PolInSAR理論基礎(chǔ)之上,重點(diǎn)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?jī)?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(jī)程度對(duì)植被形態(tài)特征進(jìn)行表達(dá),有效將闊葉林與針葉林進(jìn)行分離。首先,深入研究Neumann分解模型的機(jī)理,明確了顧及植被形態(tài)特征的散射過程表達(dá)；在此基礎(chǔ)之上,提出利用各向異性及方向角隨機(jī)程度兩個(gè)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(jì)特征,利用Wishart距離進(jìn)行聚類分析；最后,利用E-SAR及SIR-C/X-SAR數(shù)據(jù)對(duì)德國(guó)Oberpfaffenhofen地區(qū)森林進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明：與Wishart-Freeman、Wishart-Yamaguchi相比,新方法對(duì)植被形態(tài)特征變化較為敏感,對(duì)中針、闊林進(jìn)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(cè)值先驗(yàn)統(tǒng)計(jì)誤差及多余觀測(cè)量的問題。針對(duì)已有算法均不能很好地顧及多余觀測(cè)量及觀測(cè)量的先驗(yàn)統(tǒng)計(jì)誤差的缺點(diǎn),從平差理論出發(fā),對(duì)RVoG模型進(jìn)行復(fù)數(shù)平差表達(dá)；之后,提出了函數(shù)模型線性化方案、平差準(zhǔn)則、隨機(jī)模型及參數(shù)解算方法；在此基礎(chǔ)之上,建立了基于RVoG、RVoG+VTD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(jī)載、星載數(shù)據(jù)對(duì)算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：新方法可不僅可以很好地兼顧多余觀測(cè)信息,并且可以有效抑制觀測(cè)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 (Polarization Coherence Tomography)算法,考慮了觀測(cè)量的先驗(yàn)統(tǒng)計(jì)誤差,并采用Wiener-SVD解決涉及矩陣病態(tài)問題。已有PCT算法沒有考慮觀測(cè)量的先驗(yàn)統(tǒng)計(jì)誤差,且由于設(shè)計(jì)矩陣的病態(tài)問題,導(dǎo)致反演的相對(duì)反射率函數(shù)往往出現(xiàn)較大偏差。本文通過對(duì)PCT算法原理分析,建立了PCT算法的復(fù)數(shù)最小二乘表達(dá),并提出利用Wiener-SVD解決設(shè)計(jì)矩陣病態(tài)問題。最后通過BioSAR2008數(shù)據(jù)對(duì)其進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,改進(jìn)方法相比已有方法反演效果更為穩(wěn)健。
【關(guān)鍵詞】：極化干涉SAR 復(fù)數(shù)最小二乘 植被垂直結(jié)構(gòu) 植被分類 極化SAR相干層析
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：P207.2;P237
【目錄】：

• 摘要4-6
• Abstract6-8
• 目錄8-10
• 1 緒論10-22
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-19
• 1.2.1 植被覆蓋區(qū)散射機(jī)理12-13
• 1.2.2 極化SAR的植被分類方法13-14
• 1.2.3 植被高提取散射模型14-15
• 1.2.4 極化干涉SAR的植被高度提取方法15-17
• 1.2.5 極化干涉層析的植被垂直結(jié)構(gòu)信息提取方法17-18
• 1.2.6 已有研究中存在的問題18-19
• 1.3 研究?jī)?nèi)容與章節(jié)安排19-22
• 1.3.1 研究?jī)?nèi)容19
• 1.3.2 章節(jié)安排19-22
• 2 極化SAR理論基礎(chǔ)22-28
• 2.1 電磁波散射理論基礎(chǔ)22-24
• 2.2 極化互協(xié)方差矩陣及相干矩陣24-25
• 2.3 極化合成孔徑雷達(dá)干涉SAR測(cè)量25-28
• 3 顧及植被形態(tài)特征的極化SAR植被分類方法28-40
• 3.1 引言28
• 3.2 植被覆蓋區(qū)散射機(jī)制28-29
• 3.3 極化非相干目標(biāo)分解29-35
• 3.3.1 Freeman-Duren分解法29-30
• 3.3.2 Yamaguchi分解法30-32
• 3.3.3 Neumann分解法32-35
• 3.4 顧及植被形態(tài)特征的極化SAR植被分類方法35-39
• 3.4.1 Wishart-Neumann極化SAR分類法35
• 3.4.2 機(jī)載/星載數(shù)據(jù)分類實(shí)驗(yàn)與討論35-39
• 3.5 本章小結(jié)39-40
• 4 PolInSAR植被高度提取的復(fù)數(shù)最小二乘法40-73
• 4.1 引言40
• 4.2 RVoG模型40-42
• 4.3 基于RVoG模型的PolInSAR植被高提取方法42-46
• 4.3.1 非線性迭代算法42-43
• 4.3.2 三階段算法43-44
• 4.3.3 Cloude雙基線算法44-45
• 4.3.4 已有算法綜合分析45-46
• 4.4 復(fù)數(shù)最小二乘平差準(zhǔn)則46-47
• 4.5 基于RVoG的PolInSAR植被高度提取的復(fù)數(shù)最小二乘法47-56
• 4.5.1 RVoG模型線性化方法47-49
• 4.5.2 復(fù)相干系數(shù)隨機(jī)模型建立方法49-50
• 4.5.3 RVoG模型參數(shù)解算方法50-52
• 4.5.4 SIR-C/X-SAR L波段數(shù)據(jù)實(shí)驗(yàn)分析52-56
• 4.6 基于RVoG+VTD的PolInSAR植被高度提取的復(fù)數(shù)最小二乘法56-62
• 4.6.1 RVoG+VTD散射模型56-57
• 4.6.2 RVoG+VTD函數(shù)模型線性化方法57-58
• 4.6.3 RVoG+VTD參數(shù)解算方法58-59
• 4.6.4 E-SAR L波段數(shù)據(jù)實(shí)驗(yàn)分析59-62
• 4.7 基于RVoG+CFF+VTD的PolInSAR植被高度提取的復(fù)數(shù)最小二乘法62-68
• 4.7.1 RVoG+CFF+VTD模型線性化方法62-64
• 4.7.2 RVoG+CFF+VTD模型參數(shù)解算方法64-65
• 4.7.3 BioSAR2008 P波段數(shù)據(jù)實(shí)驗(yàn)分析65-68
• 4.8 基于BioSAR2008 P波段數(shù)據(jù)的植被高反演算法綜合對(duì)比分析68-71
• 4.9 PolInSAR植被高提取的復(fù)數(shù)最小二乘平差法概括模型71-72
• 4.10 本章小結(jié)72-73
• 5 基于復(fù)數(shù)最小二乘的PolInSAR層析技術(shù)提取植被垂直結(jié)構(gòu)73-86
• 5.1 引言73
• 5.2 PCT算法原理73-78
• 5.2.1 單基線PCT方法75-76
• 5.2.2 雙基線PCT方法76-77
• 5.2.3 改進(jìn)的雙基線PCT方法77-78
• 5.3 基于復(fù)數(shù)最小二乘的PCT算法78-85
• 5.3.1 PCT算法的復(fù)數(shù)最小二乘表達(dá)78-79
• 5.3.2 基于Wiener-SVD的參數(shù)解算方法79-81
• 5.3.3 模擬數(shù)據(jù)實(shí)驗(yàn)81-83
• 5.3.4 BioSAR2008數(shù)據(jù)實(shí)驗(yàn)83-85
• 5.4 本章總結(jié)85-86
• 6 結(jié)論與展望86-88
• 6.1 論文主要結(jié)論86-87
• 6.2 工作展望87-88
• 參考文獻(xiàn)88-93
• 攻讀學(xué)位期間主要的研究成果93-94
• 致謝94-95

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 ;Analysis of forest backscattering characteristics based on polarization coherence tomography[J];Science China(Technological Sciences);2010年S1期

2 趙伶俐;楊杰;李平湘;郎豐鎧;史磊;;極化SAR影像弱散射地物統(tǒng)計(jì)分類[J];遙感學(xué)報(bào);2013年02期

  本文關(guān)鍵詞：基于測(cè)量平差理論的PolInSAR植被垂直結(jié)構(gòu)提取模型與方法，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：378468