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,但时间去相关的存在引起了散射体的变化,降低了树高反演的性能,其中土壤含水量的改变是引起时间去相关的因素之一。本文利用PolSARpro...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,但时间去相关的存在引起了散射体的变化,降低了树高反演的性能,其中土壤含水量的改变是引起时间去相关的因素之一。本文利用PolSARpro生成不同土壤含水量的极化SAR模拟数据,通过三阶段算法进行树高反演实验。结果表明:土壤含水量的变化会导致反演结果产生一定偏差,但此偏差相对较小,已远远小于算法本身造成的误差。展开更多
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
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,但时间去相关的存在引起了散射体的变化,降低了树高反演的性能,其中土壤含水量的改变是引起时间去相关的因素之一。本文利用PolSARpro生成不同土壤含水量的极化SAR模拟数据,通过三阶段算法进行树高反演实验。结果表明:土壤含水量的变化会导致反演结果产生一定偏差,但此偏差相对较小,已远远小于算法本身造成的误差。
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。