论文部分内容阅读
植被是生态系统中的重要组成部分,植被信息的提取对于监测环境变化以实现可持续发展具有重要意义。传统提取植被信息的方法主要是地表实测法和光学遥感技术,地表实测法很难获得准确的植被信息;而光学遥感又易受天气的影响,二者均不能对植被信息进行及时准确的提取。SAR技术的发展为提取植被信息提供了新的手段,其不受云、雨、雾影响的特点,可对植被进行全天时和全天候的监测,而全极化SAR数据为植被信息提取开辟了新途径。本文首先分析了极化SAR的基础理论,然后探讨了基于全极化SAR数据提取植被覆盖信息和反演植被生物量的算法,并将两种算法进行了验证,最后利用两种算法提取复杂地形区域的植被信息。具体工作如下:(1)基于Wishart H/α分类算法实现全极化SAR图像的植被覆盖信息提取。将分类算法应用于达里湖区域的全极化数据,然后基于植被散射机制提取覆盖信息,之后与光学图像进行对比计算提取精度,发现在不同多视处理视数下的植被覆盖信息提取差异较大。通过进行误差分析,改进分类算法,提高植被覆盖信息提取的精度,将原精度54.0%和73.1%分别提高到81.7%和88.0%。(2)基于MIMICS模型模拟的神经网络算法实现全极化SAR图像的生物量信息反演。将地表实测的邛崃区域的水稻生长参数输入MIMICS模型中,生成神经网络的训练样本,然后训练神经网络,建立后向散射系数与生物量间的关系。将建立好的训练网络应用于邛崃区域的全极化SAR图像上,反演研究区的生物量,并利用地表实测生物量值与反演值进行比对,验证算法的精度,得到相关系数为0.921。(3)实现复杂地形的植被覆盖信息提取和生物量反演。选取复杂地形区域为茂县山区,针对复杂地形,需借助DEM进行几何校正,然后利用改进的Wishart H/α分类算法提取植被覆盖信息,之后利用基于MIMICS模型模拟的神经网络算法反演生物量,实现植被覆盖信息的提取和植被生物量的反演,并通过与光学图像对比以及分析两个时相图像的生物量提取结果,得出生物量的变化趋势与植被生长趋势一致,实现了复杂地形区域的植被覆盖和生物量信息的成功提取。