团队论文基于极化定向角补偿的思茅松林地上生物量反演( 四 ) 原创张国飞等南京林业大学学

η
)
σ0gs
+
η
σ0gs
T
tree
。则扩展极化水云模型为:
σ0for=σ0gre-βB+σ0veg（1-e-βB）+σ0gse-βB 。 (11)

文章图片
式中,
σ0for
、σ0veg、
σ0gr
、
σ0gs
可通过Yamaguchi分解的总后向散射系数、体散射分量、表面散射分量和二面角散射分量获得。
研究的算法检验统计量包括决定系数(
R
2)和均方根误差[RMSE,式中记为
σ
(RMES)] 。

文章图片
式中:
N
为样本数,y
i
为样本值,ｙ
＾i
是预测值,
ｙ－i
是样本平均值。
3结果
通过酉变换来补偿极化定向角偏移后,体散射分量高估得到修正,极化定向角补偿后的体散射与实测地上生物量的回归模型较未补偿前效果更好(决定系数
R
2从0.214提升到0.332) 。采用Yamaguchi四分量和扩展极化水云模型的地上生物量估测值和实测值有较强的相关性(
R
2=0.644)和较低的均方根误差(23.11t/hm2) 。
3.1法拉第旋转角的估计
利用式(4)评估ALOSPALSAR全极化数据法拉第旋转偏移情况,并根据式(2)、(3)、(4)进行了补偿。未进行补偿的法拉第旋转角度为-0.393~0.393°,平均值为0.00643,标准偏差为0.0225°(
图2
) 。

文章图片
▲图2法拉第旋转角和直方图
补偿后的法拉第旋转角近似正态分布,图像相对平滑、均匀。平均值为0.00236°,与补偿前相比减少了0.00409°,标准偏差为0.0016°,与Kumar等的研究结论一致。
3.2实测地上生物量与体散射的回归分析
分别对补偿前和补偿后ALOSPALSAR全极化数据进行Yamaguchi分解获得体散射分量,考察极化定向角补偿对36个样地体散射值的影响。
图3
显示了36个样地补偿前和补偿后的体散射值比较,极化定向角补偿后所有样地的体散射均减小，类似情况在相关文献中已有报道。

文章图片
▲图3体散射值的比较
实测地上生物量与体散射的回归分析表明极化定向角补偿后的体散射与实测地上生物量的回归模型(
R
2=0.332)要好于未进行极化定向角补偿的体散射与实测地上生物量的回归模型(
R
2
=0.214),见
图4
。

文章图片
▲图4实测地上生物量与体散射分量的非线性回归
3.3
基于扩展极化水云模型的森林地上生物量反演
利用扩展极化水云模型公式(12)求解生物量,其中模型参数
β
值由公式(15)计算而得。将前面36个样地对应的Yamaguchi分解后总后向散射系数、体散射分量、表面散射分量和二面角散射分量分别输入到式(15)中得到每个样地
β
值,以36个样地
β
的算术平均值作为
β
的估测值。

文章图片
36个样地应用公式(12)估测地上生物量和实测地上生物量的散射图见
图5
。在未对图像极化定向角补偿的情况下,实测地上生物量与预测地上生物量的决定系数为0.316,均方根误差(RMSE)为68.23t/h㎡;极化定向角补偿后,决定系数提升到0.705,均方根误差为28.59t/h
㎡
。说明极化定向角补偿后,有利于地上生物量的反演精度提升。

团队论文 基于极化定向角补偿的思茅松林地上生物量反演( 四 )

团队论文基于极化定向角补偿的思茅松林地上生物量反演( 四 )