基于機(jī)載剖面雷達(dá)的芬蘭北方森林微波信號穿透性研究
發(fā)布時(shí)間:2020-06-09 19:39
【摘要】:森林的垂直結(jié)構(gòu)用于描述森林從頂部到底部的結(jié)構(gòu)變化,影響林木生長和植被群落的演替過程,它其實(shí)是植被對陽光、水分等自然條件選擇的結(jié)果。森林垂直結(jié)構(gòu)估測對于開展森林演替過程、凈初級生產(chǎn)力、生物多樣性、碳循環(huán)及全球變化研究具有重要的指示作用。機(jī)載剖面雷達(dá)在森林垂直結(jié)構(gòu)探測方面具有較大潛力,因?yàn)槲⒉úㄩL較長,在植被中穿透力強(qiáng),且其距離分辨率較高,在復(fù)雜空間結(jié)構(gòu)的森林參數(shù)估測方面具有與被動(dòng)遙感以及短波激光雷達(dá)數(shù)據(jù)難以比擬的優(yōu)勢。微波雷達(dá)對森林冠層穿透深度的定量研究能為森林散射機(jī)理提供線索,有助于提高地表高程、冠層高度提取的準(zhǔn)確性,從而為森林垂直結(jié)構(gòu)探測提供更精確和高效的手段。森林葉面積指數(shù)和冠層百分位高度是森林郁閉度和生物量估測的重要參數(shù),本文圍繞上述內(nèi)容,以芬蘭南部北方森林作為研究對象,利用機(jī)載調(diào)頻連續(xù)波雷達(dá)與機(jī)載離散型激光雷達(dá)同步采集數(shù)據(jù)開展了以下幾個(gè)方面的研究工作:(1)根據(jù)森林散射回波波形特征,建立微波波形預(yù)處理算法。采用FFT變換運(yùn)算對原始數(shù)據(jù)進(jìn)行處理,獲取其對應(yīng)的信號頻譜結(jié)果,并解算其幅度譜分布;谖⒉ɡ走_(dá)采集信號與目標(biāo)散射功率信號之間的轉(zhuǎn)換關(guān)系,將信號幅度譜轉(zhuǎn)換得到原始的功率波形信號。再利用加權(quán)平均算法將濾波窗口范圍內(nèi)的原始功率波形數(shù)據(jù)與濾波權(quán)重進(jìn)行卷積運(yùn)算實(shí)現(xiàn)原始功率波形的擬合,提取回波特征參數(shù)。對微波雷達(dá)提取的地面高度、冠層高度與激光雷達(dá)點(diǎn)云提取的相應(yīng)高度進(jìn)行對比,定量分析結(jié)果表明微波雷達(dá)信號具有提取地面高程能力,特別是在密度高、林隙小的森林中,微波雷達(dá)信號的穿透優(yōu)勢更為明顯,能夠獲得更為精準(zhǔn)的地表高程。(2)微波信號森林穿透性定量分析。森林垂直方向上,對具有不同空間分布類型的森林所獲得的微波及紅外反射信號能量差異進(jìn)行分析。從垂直散射能量進(jìn)行積分得到的能量累加曲線可以看出,在冠頂密集分布的林分中,微波雷達(dá)能量飽和點(diǎn)較LiDAR出現(xiàn)較晚。表明微波雷達(dá)比激光雷達(dá)對冠層內(nèi)部枝葉分布的探測更為敏感。能量曲線分位數(shù)高度能夠定量地體現(xiàn)微波雷達(dá)與激光雷達(dá)垂直穿透深度差異,從兩傳感器各能量百分位數(shù)的高度平均值之差來看,隨能量百分?jǐn)?shù)增加,微波雷達(dá)估算高度與激光雷達(dá)估算高度差值逐漸變大,累積能量90%處(h90)激光雷達(dá)平均高比微波雷達(dá)高1.37m。激光雷達(dá)h90高度在垂直方向上較為離散,最大值為18m,而微波雷達(dá)集中在4-5m。表明激光雷達(dá)的回波信號整體集中在冠頂,林冠下層回波信號弱,而微波雷達(dá)在森林中探測深度較深,能夠獲取密集林冠內(nèi)部地物散射回波信號。(3)機(jī)載剖面微波雷達(dá)水平及交叉極化數(shù)據(jù)計(jì)算森林LAI。本文基于Beer-Lambert定律,利用激光雷達(dá)點(diǎn)云計(jì)算的森林葉面積指數(shù)作為參考值。根據(jù)波形數(shù)據(jù)反演葉面積指數(shù)的原理,比較微波雷達(dá)數(shù)據(jù)計(jì)算的LAI與參考值,結(jié)果表明,與微波雷達(dá)計(jì)算葉面積指數(shù)匹配的最佳激光雷達(dá)尺度為主瓣波束寬度。由不同極化方式所得森林剖面能量幅值圖譜可見,交叉極化的回波主要來自冠層,而同極化回波來自地面,森林冠層對交叉極化的衰減嚴(yán)重。從交叉極化波形中提取的葉面積指數(shù)與激光雷達(dá)點(diǎn)云提取的葉面積指數(shù)決定系數(shù)達(dá)到0.60,水平極化為0.65。表明機(jī)載微波雷達(dá)在森林葉面積指數(shù)提取中具有一定潛力。
【圖文】:
諢,
本文編號:2705154
【圖文】:
諢,
本文編號:2705154
本文鏈接:http://sikaile.net/nykjlw/lylw/2705154.html
最近更新
教材專著