ارزیابی استخراج ارتفاع درختان مناطق جنگلی برمبنای تداخل‌سنجی پلاریمتری راداری

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری گروه فتوگرامتری و سنجش از دور، دانشکدة ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

2 دانشیار گروه فتوگرامتری و سنجش از دور، دانشکدة ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده

هدف این مقاله ارزیابی توانمندی استخراج پارامترهای جنگلی همچون ارتفاع درختان با تکنیک‌های تداخل‌سنجی راداری با روزنة ترکیبی است. هدف عمده از تصاویر پلاریمتری راداری، در کاربردهای جنگلی، جداسازی مراکز فاز ناشی از توپوگرافی سطح زمین و تاج درختان است. یکی از روش‌های بسیار مرسوم در این زمینه به‌کارگیری ساختار دولایه‌ای مبتنی‌بر مدل پرکاربرد پراکنش حجمی نامنظم روی سطوح (RVOG) است. این مدل در یک دستگاه معادلات غیرخطی پارامترهای گوناگون —مانند توپوگرافی زمین، ارتفاع درخت، ضریب میرایی موج و نسبت دامنه— پراکنش سطحی به حجمی را تخمین می‌زند. با این حال به‌دلیل وابستگی شدید نتایج مدل به مقادیر اولیة مجهولات و به‌دلیل زمان‌بربودن و پیچیدگی حل دستگاه غیرخطی برای تمامی سلول‌های تصویر، بیشتر اوقات مسئله براساس فرضیات خاصی در ارتباط با مدل‌های پراکنش حل می‌شود. با وجود این، نتایج این روش‌ها نیز تحت تأثیر فرضیات قرار می‌گیرند و غالباً نمی‌توانند منجر به تعیین مناسب پارامترها شوند. ازاین‌رو برای حل مسائل پیش ‌رو در این مقاله، با درنظرگرفتن ساختار دولایه‌ای جنگل، روشی مدل‌مبنا در تعیین توپوگرافی سطح زمین و ارتفاع درختان مطرح می‌شود. روش در نظر گرفته‌شده بدون هیچ پیش‌فرضی در ارتباط با پارامترهای مجهول، سعی در تخمین بهینة آنها دارد و یافته‌های پژوهش نشان می‌دهد که این مدل کارآیی بهتری از دو روش مرسوم مدل معکوس و SPIRIT دارد؛ به‌طوری که شاخص RMSE تخمین ارتفاع درختان از مقدار 26/13 و 41/11 متر به‌ترتیب در روش مدل معکوس و SPIRIT به مقدار 34/7 متر در روش عرضه‌شده کاهش یافته است.

  1. Bamler, R. & Hartl, P., 1998, Synthetic Aperture Radar Interferometry, Inverse Problems, 14, R1.
  2. Bonin, G. & Dreuillet, P., 2008, The Airborne SAR-System: SETHI - Airborne Microwave Remote Sensing Imaging System, In Proceeding of IEEE European Synthetic Aperture Radar (EUSAR), PP. 1-4.
  3. Cloude, S.R., 2005, POL-InSAR Training Course, Radio Science.
  4. Cloude, S.R., 2006, Polarization Coherence Tomography, Radio Science, 41
  5. Cloude, S.R., 2008, POL-InSAR Training Course, Tutorial of the ESA Polarimetric SAR Processing (PolSARPro) Toolbox.
  6. Cloude, S.R. & Papathanassiou, K.P., 1998, Polarimetric SAR Interferometry, IEEE Transactions on Geoscience and Remote Sensing, 36, PP. 1551-1565.
  7. Cloude, S.R. & Papathanassiou, K.P., 2003, Three-Stage Inversion Process for Polarimetric SAR Interferometry, Proceeding of IEEE International Conference in RADAR, Sonar and Navigation, PP. 125-134.
  8. Cloude, S.R. & Pottier, E., 1996, A Review of Target Decomposition Theorems in Radar Polarimetry, IEEE Transactions on Geoscience and Remote Sensing, 34, PP. 498-518.
  9. Flynn, T., Tabb, M. & Carande, R., 2002, Coherence Region Shape Extraction for Vegetation Parameter Estimation in Polarimetric SAR Interferometry, Proceeding of IEEE International Geoscience and Remote Sensing Symposium (IGARSS), PP. 2596-2598.
  10. Lee, J.S. & Pottier, E., 2009, Polarimetric Radar Imaging: From Basics to Applications, CRC press.
  11. Lopez-Martinez, C., Alonso, A., Fabregas, X. & Papathannassiou, K.P., 2010, Ground Topography Estimation over Forests Considering Polarimetric SAR Inter-ferometry, Proceeding of IEEE International Geoscience and Remote Sensing Symposium (IGARSS), PP. 3612-3615.
  12. Neumann, M., Reigber, A. & Ferro-Famil, L., 2006, Polinsar Coherence Set Theory and Application, EUSAR.
  13. Papathanassiou, K., Cloude, S.R. & Reigber, A., 1999, Estimation of Vegetation Parameters Using Polarimetric SAR Interferometry, part i and ii, Proc. CEOS SAR Worhshop, CNES, 26-29
  14. ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
  15. . Flynn
  16. Papathanassiou, K.P. & Cloude, S.R., 2001, Single-Baseline Polarimetric SAR Interferometry, IEEE Transactions on Geoscience and Remote Sensing, 39, PP. 2352-2363.
  17. Papathanassiou, K.P. & Cloude, S.R., 2005, Single vs Multi- Polarization Interferometry, Report and Tutorial for PolSARpro, 3, http://envisat.esa.int/polsarpro/
  18. Shiroma, G.H.X. & Macedo, K.A.C.D., 2015, Estimating a Preliminary Terrain Model from the X-Band InSAR and the RVOG Model, Proceeding of IEEE International Geoscience and Remote Sensing Symposium (IGARSS), PP. 4089-4092.
  19. Smith-Jonforsen, G., Ulander, L.M.H. & Xianyun, L., 2005, Low VHF-Band Backscatter from Coniferous Forests on Sloping Terrain, IEEE Transactions on Geoscience and Remote Sensing, 43, PP. 2246-2260.
  20. Thirion, L., Colin, E. & Dahon, C., 2006, Capabilities of a Forest Coherent Scattering Model Applied to Radiometry, Interferometry, and Polarimetry at P- and L-Band, IEEE Transactions on Geoscience and Remote Sensing, 44, 849-862.
  21. Treuhaft, R.N. & Cloude, S.R., 1999, The Structure of Oriented Vegetation from Polarimetric Interferometry, IEEE Transac-tions on Geoscience and Remote Sensing, 37, PP. 2620-2624.
  22. Treuhaft, R.N., Madsen, S.N., Moghaddam, M. & Zyl, J.J., 1996, Vegetation Characteristics and Underlying Topography from Interferometric Radar, Radio Science, 31, PP. 1485-1449.
  23. Treuhaft, R.N. & Siqueira, P.R., 2000, Vertical Structure of Vegetated Land Surfaces from Interferometric and Polarimetric Radar, Radio Science, 35, 141-177.
  24. Ulaby, F.T., McDonald, K., Sarabandi, K. & Dobson, M.C., 1988, Michigan Microwave Canopy Scattering Models (MIMICS), Pro-ceeding of IEEE International Geoscience and Remote Sensing Symposium (IGARSS), PP. 1009-1009.
  25. Wenxue, F., Huadong, G., Xinwu, L., Bangsen, T. & Zhongchang, S., 2016, Extended Three-Stage Polarimetric SAR Interferometry Algorithm by Dual-Polarization Data, IEEE Transactions on Geoscience and Remote Sensing, 54, PP. 2792-2802.
  26. Williams, M.L., 2006, A Coherent, Polarimetric SAR Simulation of Forests for PolSARPro, Technical Report.
  27. Xie, Q., Zhu, J., Wang, C. & Fu, H., 2014, Boreal Forest Height Inversion Using E-SAR PolInSAR Data Based Coherence Optimization Methods and Three-Stage Algorithm, Proceeding of IEEE International Workshop on Earth Observation and Remote Sensing Applications (EORSA), PP. 145-150.
  28. Yamada, H., Yamazaki, M. & Yamaguchi, Y., 2006, On Scattering Model Decomposition of PolSAR Image and its Application to the ESPRIT-Based Pol-inSAR, EUSAR.
  29. Zhang, L., Zou, B., Zhang, J. & Zhang, Y., 2006, Inversion of Forest Parameters Based on Genetic Algorithm using L-Band Polinsar Data, Proceeding of IEEE International Conference on Image Processing, PP. 2325-2328.