基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息。该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-Pol In SAR)数据中,对互相关矩阵进行分解,在...基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息。该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-Pol In SAR)数据中,对互相关矩阵进行分解,在获得各散射机制功率的同时获得对应的散射相位中心。该文首先推导出3种散射机制π/4简缩极化SAR干涉观测下散射模型,然后运用数值计算方法进行目标分解,最终求解出各散射机制的功率贡献及相位中心高度信息。仿真数据验证了该算法的有效性,分析了不同波段及不同地表参数对分解结果的影响。展开更多
森林树高的反演是极化干涉合成孔径雷达(polarimetric SAR interferometry,PolInSAR)领域研究的热点。已有研究表明森林密度会对树高反演精度产生较大影响,但传统算法没有考虑森林密度的影响。针对这一现象,首先利用模拟数据分析森林密...森林树高的反演是极化干涉合成孔径雷达(polarimetric SAR interferometry,PolInSAR)领域研究的热点。已有研究表明森林密度会对树高反演精度产生较大影响,但传统算法没有考虑森林密度的影响。针对这一现象,首先利用模拟数据分析森林密度对传统森林树高反演算法的影响;然后根据影响的特点提出一种基于森林密度的相位与幅度联合反演算法;最后采用德国宇航局与瑞典国防研究局机载E-SAR系统获取的PolInSAR数据对文中所用算法进行了实验分析。结果表明,该算法比传统算法反演精度更高,验证了算法的可靠性和有效性。由此可见,森林密度是森林重要的森林物理参数,通过引入森林密度,明显提升了树高反演的效果,说明引入密度参数的重要性。展开更多
文摘基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息。该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-Pol In SAR)数据中,对互相关矩阵进行分解,在获得各散射机制功率的同时获得对应的散射相位中心。该文首先推导出3种散射机制π/4简缩极化SAR干涉观测下散射模型,然后运用数值计算方法进行目标分解,最终求解出各散射机制的功率贡献及相位中心高度信息。仿真数据验证了该算法的有效性,分析了不同波段及不同地表参数对分解结果的影响。
文摘森林树高的反演是极化干涉合成孔径雷达(polarimetric SAR interferometry,PolInSAR)领域研究的热点。已有研究表明森林密度会对树高反演精度产生较大影响,但传统算法没有考虑森林密度的影响。针对这一现象,首先利用模拟数据分析森林密度对传统森林树高反演算法的影响;然后根据影响的特点提出一种基于森林密度的相位与幅度联合反演算法;最后采用德国宇航局与瑞典国防研究局机载E-SAR系统获取的PolInSAR数据对文中所用算法进行了实验分析。结果表明,该算法比传统算法反演精度更高,验证了算法的可靠性和有效性。由此可见,森林密度是森林重要的森林物理参数,通过引入森林密度,明显提升了树高反演的效果,说明引入密度参数的重要性。
