合成孔徑雷達(dá)森林資源監(jiān)測(cè)技術(shù)研究綜述

李增元 趙磊 李堃 陳爾學(xué) 萬(wàn)祥星 徐昆鵬

摘要合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）技術(shù)憑借其全天時(shí)、全天候的成像能力以及對(duì)森林垂直結(jié)構(gòu)信息敏感的特點(diǎn)，在森林資源監(jiān)測(cè)中具有獨(dú)特的優(yōu)勢(shì)，已成為當(dāng)前森林資源遙感調(diào)查技術(shù)的研究熱點(diǎn).本文首先介紹了SAR森林資源監(jiān)測(cè)技術(shù)的發(fā)展背景、發(fā)展軌跡和相關(guān)知識(shí);然后，重點(diǎn)闡述了極化SAR、干涉SAR、極化干涉SAR和層析SAR在林地覆蓋類(lèi)型分類(lèi)、變化檢測(cè)以及森林參數(shù)定量化估測(cè)應(yīng)用中的技術(shù)方法;最后，就SAR在森林資源監(jiān)測(cè)研究和應(yīng)用中存在的問(wèn)題與發(fā)展趨勢(shì)進(jìn)行了總結(jié)與展望.關(guān)鍵詞合成孔徑雷達(dá);極化SAR;干涉SAR;層析SAR;森林資源監(jiān)測(cè)

中圖分類(lèi)號(hào)S771.8

文獻(xiàn)標(biāo)志碼A

0引言

森林作為陸地生態(tài)系統(tǒng)的重要組成部分，覆蓋了大約30%的地球陸表，在地球生態(tài)系統(tǒng)和人類(lèi)生產(chǎn)生活中扮演著重要的角色.近幾十年來(lái)，隨著人們對(duì)全球氣候變化、碳循環(huán)研究和人類(lèi)可持續(xù)發(fā)展問(wèn)題的普遍關(guān)注，森林生態(tài)系統(tǒng)受到了世界各國(guó)政府和科學(xué)家的高度重視，及時(shí)掌握森林資源的現(xiàn)狀及其變化規(guī)律，對(duì)于生態(tài)系統(tǒng)和人類(lèi)生活至關(guān)重要[1].

對(duì)于森林資源的監(jiān)測(cè)，從尺度上可分為國(guó)家級(jí)的宏觀監(jiān)測(cè)和落實(shí)到山頭地塊的精細(xì)監(jiān)測(cè).傳統(tǒng)的調(diào)查方法是以抽樣理論為基礎(chǔ)，以地面調(diào)查為主要方法進(jìn)行，例如我國(guó)的國(guó)家森林資源連續(xù)清查（簡(jiǎn)稱(chēng)一類(lèi)調(diào)查）、森林資源規(guī)劃設(shè)計(jì)調(diào)查（簡(jiǎn)稱(chēng)二類(lèi)調(diào)查）等[2].傳統(tǒng)調(diào)查方法存在的主要問(wèn)題是，地面測(cè)量工作量大、更新周期長(zhǎng)，全國(guó)難以取得統(tǒng)一時(shí)間、時(shí)空連續(xù)的森林資源調(diào)查成果.針對(duì)這些問(wèn)題，遙感技術(shù)作為新的工具和技術(shù)被引入到森林資源的監(jiān)測(cè)調(diào)查體系.不過(guò)在早期的森林資源調(diào)查中，遙感技術(shù)僅僅是起到輔助作用，例如作為底圖用于林相圖區(qū)劃.但伴隨著遙感森林資源調(diào)查技術(shù)的持續(xù)發(fā)展，樹(shù)種/林地類(lèi)型、森林高度、蓄積量、生物量等關(guān)鍵的森林資源監(jiān)測(cè)因子已能夠采用遙感技術(shù)得到.

采用遙感技術(shù)進(jìn)行森林資源調(diào)查的方法，從傳感器的角度可以分為光學(xué)遙感（多光譜、高光譜）、激光雷達(dá)和合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）三類(lèi).其中，激光雷達(dá)的精度最高，但只適用于小區(qū)域的森林資源調(diào)查，大區(qū)域應(yīng)用的成本較高.光學(xué)遙感獲取的則主要是森林冠層表面的信息，在林地類(lèi)型分類(lèi)、樹(shù)種識(shí)別等方面具有優(yōu)勢(shì)，但在森林高度、蓄積量等定量估測(cè)方面有其局限性.SAR具備全天時(shí)、全天候的觀測(cè)能力，且波長(zhǎng)相對(duì)較長(zhǎng)，對(duì)于森林等植被葉簇具有一定的穿透能力，因此可獲取與森林垂直結(jié)構(gòu)參數(shù)更相關(guān)的遙感觀測(cè)量.因此，相比于光學(xué)遙感和激光雷達(dá)技術(shù)，SAR在森林資源定量參數(shù)估測(cè)和大區(qū)域森林類(lèi)型快速制圖方面具有優(yōu)勢(shì).

實(shí)際上，我國(guó)自“八五”期間就已經(jīng)開(kāi)始嘗試將SAR用于森林資源信息提取方法的研究[2-3].從“八五”期間的基于單波段單極化SAR數(shù)據(jù)的經(jīng)驗(yàn)?zāi)Ｐ?、?zhuān)家系統(tǒng)[4]，到“十二五”期間的多維度SAR、極化干涉SAR、層析技術(shù)等[5-6]，SAR森林資源監(jiān)測(cè)技術(shù)發(fā)展至今已有近30年的歷史.在這期間，伴隨著SAR系統(tǒng)各方面技術(shù)的快速發(fā)展，SAR傳感器逐漸由單極化、單波段、單基線(xiàn)發(fā)展至多極化、多波段、多基線(xiàn)等不同觀測(cè)模式及其組合，由此誕生了多維度SAR的概念[7].SAR森林資源監(jiān)測(cè)技術(shù)也逐步突破了SAR幾何定位、輻射校正等預(yù)處理技術(shù)[8-9]，提出了干涉SAR、極化干涉SAR等森林垂直結(jié)構(gòu)信息反演模型方法[10]，發(fā)展了大區(qū)域海量SAR數(shù)據(jù)的自動(dòng)化處理和森林制圖技術(shù)[11].

綜上所述，SAR是森林資源遙感調(diào)查中一項(xiàng)必不可少的技術(shù)，經(jīng)過(guò)多年的發(fā)展，SAR森林資源監(jiān)測(cè)技術(shù)也取得了眾多可喜的進(jìn)展.本文將結(jié)合國(guó)內(nèi)外SAR技術(shù)發(fā)展現(xiàn)狀和科研動(dòng)態(tài)，系統(tǒng)總結(jié)目前SAR森林資源監(jiān)測(cè)技術(shù)的研究進(jìn)展及應(yīng)用現(xiàn)狀，最后就SAR森林資源監(jiān)測(cè)技術(shù)中存在的主要問(wèn)題及發(fā)展趨勢(shì)進(jìn)行討論分析.

1SAR森林資源監(jiān)測(cè)技術(shù)研究現(xiàn)狀

1.1SAR林地覆蓋類(lèi)型分類(lèi)

相比于光學(xué)遙感，SAR成像受云雨影響小，可以快速獲取大區(qū)域、全覆蓋的有效影像數(shù)據(jù)，因此在大區(qū)域森林遙感制圖方面，SAR具有獨(dú)特優(yōu)勢(shì)，是光學(xué)遙感的有益補(bǔ)充，有時(shí)甚至是數(shù)據(jù)獲取的唯一手段[12].但SAR影像受斑點(diǎn)噪聲和地形方面的影響較嚴(yán)重，對(duì)地物類(lèi)型的識(shí)別能力不如光學(xué)遙感，通常只能實(shí)現(xiàn)森林/非森林的識(shí)別.不過(guò)隨著SAR傳感器的發(fā)展，多波段、多極化、多時(shí)相、多角度等多維度SAR數(shù)據(jù)的獲取已相對(duì)成熟，基于SAR影像的林地覆蓋類(lèi)型分類(lèi)也由單頻、單極化SAR的森林/非森林分類(lèi)向多維度SAR林地類(lèi)型精細(xì)分類(lèi)的方向發(fā)展.總體而言，近十幾年來(lái)，SAR林地覆蓋類(lèi)型分類(lèi)研究的主要進(jìn)展體現(xiàn)在更多維度SAR特征的利用和分類(lèi)算法的升級(jí)改造兩個(gè)方面.

首先，是多維度SAR特征方面.單一維度SAR特征的分類(lèi)潛力和精度都較低，若要提升分類(lèi)效果和精度，實(shí)現(xiàn)林地覆蓋類(lèi)型的細(xì)分，需要采用多時(shí)相數(shù)據(jù)或極化干涉SAR數(shù)據(jù)提取更多維度的SAR特征.李增元等[13]基于ERS SAR串行軌道數(shù)據(jù)，綜合利用SAR強(qiáng)度和干涉相干信息生成干涉土地利用影像（ILU），成功實(shí)現(xiàn)了我國(guó)東北三省的森林制圖，精度達(dá)到了82%.王馨爽等[14-15]采用3個(gè)時(shí)相的PALSAR雙極化數(shù)據(jù)，對(duì)比分析了不同地物類(lèi)型在不同時(shí)相、不同極化通道下的強(qiáng)度以及干涉相干的特征，首先通過(guò)引入交叉極化的相干系數(shù)特征，解決了SAR影像中林地與城市建筑用地混分的難題，然后利用多時(shí)相的平均干涉相干性、極化比等時(shí)變特征，將林地覆蓋類(lèi)型成功細(xì)分為有林地、疏林地以及灌木林地，實(shí)現(xiàn)了林地覆蓋類(lèi)型的多級(jí)分類(lèi).馮琦等[16]采用國(guó)產(chǎn)機(jī)載C波段極化干涉SAR數(shù)據(jù)，提取極化、紋理以及相干特征構(gòu)成多維特征集，采取SVM分類(lèi)器成功實(shí)現(xiàn)了森林齡組類(lèi)型的細(xì)分，相關(guān)研究結(jié)果表明，極化特征可較好區(qū)分森林/非森林，紋理特征可大大降低林地與建筑用地的混分，相干特征則可以實(shí)現(xiàn)森林齡組的細(xì)分，有效地區(qū)分了未成林造林地、幼齡林和中齡林.

其次，在分類(lèi)算法方面，研究熱點(diǎn)是結(jié)合先進(jìn)的機(jī)器學(xué)習(xí)和模式識(shí)別算法，根據(jù)SAR影像的統(tǒng)計(jì)特征和數(shù)據(jù)特點(diǎn)發(fā)展相應(yīng)的分類(lèi)算法.趙磊等[17-18]基于均值漂移和譜圖分割技術(shù)發(fā)展了適應(yīng)極化SAR數(shù)據(jù)特點(diǎn)的分割算法，在此基礎(chǔ)上引入一種基于極化SAR非高斯模型的紋理因子RK，實(shí)現(xiàn)了有林地、苗圃地和果園的細(xì)分.李蘭等[19]針對(duì)極化SAR影像的特點(diǎn)，研究了全極化SAR數(shù)據(jù)的非高斯統(tǒng)計(jì)建模，對(duì)比測(cè)試了基于K-Wishart分布的分類(lèi)器與基于Wishart分布的經(jīng)典分類(lèi)器的性能，研究結(jié)果發(fā)現(xiàn)，K-Wishart分類(lèi)器更適用于異質(zhì)性高的山地森林的識(shí)別.徐豐等[20]提出了復(fù)數(shù)卷積網(wǎng)絡(luò)算法，該方法可以直接以極化SAR散射矩陣作為輸入，成功將深度學(xué)習(xí)算法應(yīng)用于極化SAR分類(lèi)，可準(zhǔn)確地識(shí)別林地覆蓋類(lèi)型，得到較高的分類(lèi)精度.郭宇娟[21]采用具有代表性的深度卷積Highway Unit神經(jīng)網(wǎng)絡(luò)，從SAR影像中自動(dòng)學(xué)習(xí)多層高級(jí)特征表達(dá)，能夠很好地抵抗噪聲的影響，實(shí)現(xiàn)基于GF-3雙極化SAR數(shù)據(jù)的呼倫貝爾市大區(qū)域林地覆蓋類(lèi)型制圖.

1.2SAR林地類(lèi)型變化檢測(cè)

與SAR林地覆蓋類(lèi)型分類(lèi)相似，SAR林地類(lèi)型變化監(jiān)測(cè)的研究首先也是從單極化SAR數(shù)據(jù)開(kāi)始發(fā)展，但隨著SAR傳感器技術(shù)的發(fā)展，針對(duì)多極化/全極化變化檢測(cè)的方法也在增多，目前的發(fā)展趨勢(shì)一方面是以單極化SAR變化檢測(cè)方法為基礎(chǔ)進(jìn)行不斷完善，另一方面是聯(lián)合多維度SAR特征發(fā)展新的變化檢測(cè)方法.總體上，主要的林地覆蓋類(lèi)型變化檢測(cè)方法包括基于SAR特征的直接比較法、聯(lián)合分類(lèi)的變化檢測(cè)方法以及兩者結(jié)合的方法.

基于SAR特征的直接比較法的研究熱點(diǎn)在于變化測(cè)度的設(shè)計(jì)及變化閾值的選取方法.劉萌[22]提出了一種新的考慮紋理信息的極化SAR變化測(cè)度，可以更好地度量不同極化分布模型的相似度，在此基礎(chǔ)上發(fā)展了基于極不均勻模型的極化SAR變化檢測(cè)方法，具有更高的檢測(cè)率和更低的虛警率.Guo等[23]則提出了一種基于最小分類(lèi)誤差的閾值提取方法，該方法能夠利用廣義高斯模型對(duì)差異影像數(shù)據(jù)統(tǒng)計(jì)分布進(jìn)行模擬，實(shí)現(xiàn)差異影像閾值的精確提取.

直接比較法一般屬于非監(jiān)督的方法，而聯(lián)合分類(lèi)的變化檢測(cè)法則屬于監(jiān)督變化檢測(cè)方法，研究的熱點(diǎn)在于多時(shí)相聯(lián)合分類(lèi)以及多維SAR特征的利用.馮琦等[24]采用面向?qū)ο蠓诸?lèi)方法，基于PALSAR正射校正合成產(chǎn)品，對(duì)婆羅洲地區(qū)進(jìn)行了兩期的熱帶森林制圖，結(jié)果表明兩個(gè)時(shí)相的分類(lèi)結(jié)果能夠清楚地反映森林的變化情況;Zhao等[25]開(kāi)展了農(nóng)林交錯(cuò)區(qū)多時(shí)相全極化SAR聯(lián)合分類(lèi)的變化檢測(cè)研究，提出了聯(lián)合分類(lèi)變化檢測(cè)算法框架，并利用相似度測(cè)度方法對(duì)聯(lián)合分類(lèi)檢測(cè)結(jié)果進(jìn)行約束，取得了較好的變化檢測(cè)效果.

谷鑫志等綜合利用上述兩種方法的優(yōu)點(diǎn)，發(fā)展了一種結(jié)合“基于分類(lèi)的變化檢測(cè)”和“貝葉斯最大期望-馬爾可夫隨機(jī)場(chǎng)（EM-MRF）分類(lèi)器”的森林覆蓋變化檢測(cè)方法，該方法集成了森林/非森林的閾值分割方法、多極化比值影像Fisher變換以及EM-MRF算法，可以綜合利用多極化SAR數(shù)據(jù)的極化信息和空間上下文信息，減輕斑點(diǎn)噪聲對(duì)于森林覆蓋變化檢測(cè)的影響，研究結(jié)果表明，其檢測(cè)性能優(yōu)于直接比較法和分類(lèi)后比較法[26-27].

1.3SAR森林高度反演

SAR對(duì)森林冠層的穿透能力使其信號(hào)中包含著森林垂直方向上一定深度的結(jié)構(gòu)信息，因此SAR信號(hào)與森林的垂直結(jié)構(gòu)參數(shù)具有物理含義的相關(guān)關(guān)系.極化SAR能夠反映不同結(jié)構(gòu)散射體的物理特性，對(duì)森林垂直方向上散射體的結(jié)構(gòu)類(lèi)型敏感，干涉SAR則能夠通過(guò)相位信息反映散射體的高程，這兩者的結(jié)合使得SAR成為了森林高度反演的重要手段[28-29].目前，基于SAR數(shù)據(jù)進(jìn)行森林高度反演的方法主要可分為基于干涉SAR、基于極化干涉SAR和基于層析SAR這三類(lèi).

1.3.1干涉SAR森林高度反演

干涉SAR森林高度反演所采用的一般是1或2個(gè)頻率的單極化干涉SAR數(shù)據(jù)，具體的反演方法主要分為差分反演法和基于相干性的物理模型法.差分反演法即采用包含森林高度的DSM與不包含森林高度的林下地形數(shù)據(jù)（DEM）相減得到森林高度[29].其中，DSM通常采用短波長(zhǎng)干涉SAR獲得（例如X或Ku波段），DEM則通常采用已有的林下地形數(shù)據(jù)或采用長(zhǎng)波長(zhǎng)的干涉SAR獲得（例如P或L波段）.龐勇等[30]就SAR波段選擇對(duì)差分法森林高度反演的影響展開(kāi)了詳細(xì)的討論.Soja等[31]利用TanDEM-X雙星干涉SAR數(shù)據(jù)，結(jié)合LiDAR提取的高精度DEM實(shí)現(xiàn)了森林高度的精確反演.基于相干性的物理模型法目前應(yīng)用較多的是SINC模型法，該模型簡(jiǎn)潔有效地刻畫(huà)了森林高度與體散射失相干的關(guān)系.馮琦等[32]利用國(guó)產(chǎn)機(jī)載雙天線(xiàn)SAR系統(tǒng)獲取了X波段干涉SAR數(shù)據(jù)，對(duì)比分析了SINC模型法與差分法的森林高度反演結(jié)果，發(fā)現(xiàn)SINC模型法的反演精度盡管略低于差分法，但該方法不依賴(lài)實(shí)驗(yàn)區(qū)高精度的外部DEM數(shù)據(jù)，在實(shí)際中有更好的適用性，具備大區(qū)域估測(cè)森林高度的潛力.范亞雄[33]也詳細(xì)分析了差分法和SINC模型法估測(cè)森林高度的優(yōu)缺點(diǎn)和應(yīng)用潛力，并且提出了一種基于SINC模型和蒙特卡羅模擬實(shí)驗(yàn)評(píng)價(jià)森林高度估測(cè)結(jié)果可信度的方法，可以獲得更精細(xì)的反演結(jié)果.

1.3.2極化干涉SAR森林高度反演

極化干涉SAR技術(shù)是在干涉SAR的基礎(chǔ)上增加了極化信息，使其同時(shí)具備了區(qū)分不同散射機(jī)制和獲取不同散射機(jī)制高程信息的能力，從而實(shí)現(xiàn)了不依賴(lài)外部林下地形數(shù)據(jù)的森林高度反演，已成為一種重要的森林結(jié)構(gòu)參數(shù)遙感定量監(jiān)測(cè)關(guān)鍵技術(shù)[34].極化干涉SAR森林高度反演的方法主要包含兩種：相位差分反演法和基于物理模型反演法.

相位差分反演法與干涉SAR森林高度反演方法中的差分法的思路類(lèi)似，關(guān)鍵步驟是獲取能夠代表森林冠層和地表的散射機(jī)制的相位中心，然后通過(guò)兩個(gè)相位中心的差值反演得到森林高度，主要的方法包括相位中心分離算法、數(shù)值半徑優(yōu)化方法以及ESPRIT算法等[28-29，35].基于物理模型的反演法是極化干涉SAR森林高度反演方法的研究熱點(diǎn)，其中最為常用的模型是由Treuhaft等于1996年提出的RVoG模型[36].基于該模型，Cloude[37]提出了經(jīng)典的三階段森林高度反演方法，得到了廣泛應(yīng)用.李哲等[35]利用干涉優(yōu)化相干理論和ESPRIT方法對(duì)三階段法進(jìn)行改進(jìn)，并取得了較好的應(yīng)用效果.后續(xù)基于RVoG模型的研究主要是發(fā)展新的模型求解方法和進(jìn)一步提出改進(jìn)模型.在模型求解方法方面，發(fā)展了包括模擬退火算法、神經(jīng)網(wǎng)絡(luò)法、復(fù)數(shù)域最小二乘法、平差法等一系列新方法[38-40].在模型改進(jìn)方面，Neumann等[41]在RVoG模型的基礎(chǔ)上引入冠層填充因子構(gòu)造三層植被散射模型（冠層、枝干層、地表層），并用L波段機(jī)載數(shù)據(jù)驗(yàn)證了該模型的有效性.Lu等[42]提出了一種考慮坡度因子的S-RVoG，可有效校正由距離向地形引起的估測(cè)誤差.

1.3.3層析SAR森林高度反演

層析SAR技術(shù)是近年來(lái)出現(xiàn)的一種先進(jìn)的雷達(dá)成像技術(shù)，在傳統(tǒng)的單基線(xiàn)干涉SAR、極化干涉SAR的基礎(chǔ)上，通過(guò)增加垂直方向的基線(xiàn)數(shù)量來(lái)實(shí)現(xiàn)高度維的合成孔徑，從而具有分辨地物垂直結(jié)構(gòu)的能力，在森林參數(shù)定量化反演研究中得到廣泛應(yīng)用.其中，在層析SAR森林高度估測(cè)研究中，根據(jù)是否利用全極化信息，可將層析SAR森林高度估測(cè)分為兩類(lèi)：1）采用單極化數(shù)據(jù)的干涉層析SAR技術(shù);2）采用全極化數(shù)據(jù)的極化干涉層析SAR技術(shù).利用多基線(xiàn)SAR數(shù)據(jù)，通過(guò)頻譜分析得到森林垂直結(jié)構(gòu)剖面，在此基礎(chǔ)上通過(guò)分析相位中心位置和反射功率峰值進(jìn)而可以得到森林高度[43].但是，如果單獨(dú)依靠相位中心或者功率峰值進(jìn)行森林高度提取時(shí)往往存在一定的偏差.對(duì)此，李蘭[44]提出了基于樣地標(biāo)定的干涉層析SAR森林高度提取辦法，取得了很好的森林高度反演結(jié)果.相比于干涉層析SAR技術(shù)，利用多極化數(shù)據(jù)的極化干涉層析SAR能夠進(jìn)一步分離地體散射機(jī)制，更加準(zhǔn)確地描述剖面的功率分布，通過(guò)剖面分析能夠更加準(zhǔn)確地進(jìn)行森林高度提取[44-45].此外，利用稀疏基理論的層析SAR方法也逐漸被應(yīng)用到森林高度估測(cè)研究中，該方法為利用更少的SAR數(shù)據(jù)進(jìn)行層析成像提供了基礎(chǔ)，也是目前層析SAR森林高度估測(cè)研究的熱點(diǎn)之一[46].

1.4SAR森林蓄積量/生物量估測(cè)

森林蓄積量是森林培育、森林經(jīng)營(yíng)管理等生產(chǎn)活動(dòng)中關(guān)心的核心參數(shù)，該參數(shù)以及森林地上生物量（簡(jiǎn)稱(chēng)森林生物量）都和森林的碳儲(chǔ)量密切相關(guān)，對(duì)于認(rèn)識(shí)全球碳循環(huán)至關(guān)重要.因此，針對(duì)森林蓄積量和生物量的監(jiān)測(cè)受到了各國(guó)政府和氣候變化科學(xué)家的重視，相關(guān)技術(shù)方法也逐漸成為遙感科學(xué)研究的熱點(diǎn).從SAR技術(shù)利用的角度出發(fā)，可將SAR森林蓄積量/生物量估測(cè)研究分為三類(lèi)：1）極化SAR森林蓄積量/生物量估測(cè);2）干涉、極化干涉SAR森林蓄積量/生物量估測(cè);3）層析SAR森林蓄積量/生物量估測(cè).

1.4.1極化SAR森林蓄積量/生物量估測(cè)

基于極化SAR數(shù)據(jù)估測(cè)森林蓄積量/生物量，能夠利用的基本信息是雷達(dá)的后向散射信息，但能利用的并非僅是單個(gè)像元的強(qiáng)度信息，還包含該強(qiáng)度影像在圖像空間和極化兩個(gè)方向的擴(kuò)展，即紋理和極化分解特征.因此，從信息利用的角度，基于極化SAR數(shù)據(jù)反演森林蓄積量/生物量的研究可以劃分為三類(lèi)：1）利用不同極化通道的后向散射系數(shù)信息建立森林參數(shù)的估測(cè)模型[47];2）利用局部空間上后向散射強(qiáng)度反映的紋理信息建立森林參數(shù)的估測(cè)模型[48];3）利用極化分解的特征參數(shù)建立森林參數(shù)估測(cè)模型[49].由于森林的生物量或蓄積量與上述特征信息沒(méi)有直接的物理含義的聯(lián)系，因此利用上述特征進(jìn)行估測(cè)的反演模型主要為經(jīng)驗(yàn)?zāi)Ｐ停畛Ｓ玫氖蔷€(xiàn)性、非線(xiàn)性的統(tǒng)計(jì)模型，以及神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)模型.上述方法中，基于后向散射系數(shù)的估測(cè)模型研究相對(duì)居多，這一類(lèi)估測(cè)模型除了數(shù)量最多的統(tǒng)計(jì)回歸模型，還包括基于一定物理含義的半經(jīng)驗(yàn)?zāi)Ｐ?，例如水云模型及其演變形式[50].另外，還有基于森林場(chǎng)景模擬SAR影像的查找表方法的正向物理模型[51]，但該方法過(guò)于復(fù)雜，實(shí)際應(yīng)用的難度較大.需要注意的是，由于森林多分布在高程起伏的復(fù)雜地形區(qū)域，因此在利用極化SAR估測(cè)森林參數(shù)時(shí)，通常需要對(duì)SAR影像進(jìn)行地形輻射校正處理[52]，或在統(tǒng)計(jì)建模時(shí)加入與局部成像幾何相關(guān)的變量[53]，以消除地形引起的森林參數(shù)估測(cè)誤差.這是目前極化SAR森林參數(shù)估測(cè)研究的一個(gè)熱點(diǎn)，也是極化SAR估測(cè)大區(qū)域森林參數(shù)的一個(gè)難點(diǎn).

1.4.2干涉、極化干涉SAR森林蓄積量/生物量估測(cè)

基于干涉、極化干涉SAR數(shù)據(jù)進(jìn)行森林蓄積量/生物量估測(cè)的方法可以分為兩類(lèi)：1）基于干涉SAR相干性特征建立經(jīng)驗(yàn)、半經(jīng)驗(yàn)?zāi)Ｐ偷姆椒?該類(lèi)方法與基于極化SAR估測(cè)森林蓄積量/生物量的方法相似，主要是利用干涉相關(guān)性與森林蓄積量/生物量之間存在的負(fù)相關(guān)關(guān)系建立估測(cè)模型，經(jīng)驗(yàn)?zāi)Ｐ图椿诘孛鏄拥財(cái)?shù)據(jù)建立干涉相干性與蓄積量/生物量之間的統(tǒng)計(jì)回歸模型或非參數(shù)化的機(jī)器學(xué)習(xí)模型[54].此外，半經(jīng)驗(yàn)物理模型也被用于干涉SAR森林蓄積量/生物量的估測(cè)，例如Askne等在水云模型的基礎(chǔ)上提出的干涉水云模型[55]，是目前應(yīng)用較為廣泛的一種半經(jīng)驗(yàn)森林蓄積量估測(cè)模型[56-57].2）基于樹(shù)高反演的方法.該方法是基于干涉、極化干涉SAR反演的森林高度結(jié)果，利用森林高度和森林蓄積量/生物量之間的異速生長(zhǎng)方程來(lái)實(shí)現(xiàn)森林蓄積量/生物量的估測(cè)[58].由于森林高度和森林蓄積量/生物量之間存在著直接的生物學(xué)聯(lián)系，因此基于樹(shù)高反演的方法較一般經(jīng)驗(yàn)?zāi)Ｐ偷姆椒ǜ鼮榉€(wěn)健，飽和點(diǎn)也相對(duì)較高.但是，目前在實(shí)際應(yīng)用中也存在一些問(wèn)題.首先，目前用于描述森林高度和蓄積量/生物量的異速生長(zhǎng)關(guān)系的模型還相對(duì)較少，林業(yè)中已有的多是描述胸徑和森林蓄積量/生物量的異速生長(zhǎng)方程;其次，森林蓄積量/生物量的大小除了與森林高度有關(guān)，還與胸徑、林分密度等諸多因子有關(guān)[59].

1.4.3層析SAR森林蓄積量/生物量估測(cè)

層析SAR技術(shù)估測(cè)森林生物量/蓄積量，主要利用的是層析SAR獲取的森林垂直結(jié)構(gòu)剖面信息.目前獲取層析剖面的方法主要有兩種：?jiǎn)位€(xiàn)的極化干涉層析法[60]和多基線(xiàn)的譜分析法[61].在層析剖面的基礎(chǔ)上如何提取參數(shù)，進(jìn)而估測(cè)森林蓄積量、生物量等參數(shù)，是層析SAR森林參數(shù)反演技術(shù)的研究熱點(diǎn).目前主要有兩種方法：第1種方法是基于層析剖面提取剖面的幾何特征參數(shù).羅環(huán)敏等[5]將極化相干層析得到的剖面進(jìn)行了參數(shù)化，得到了剖面的峰值，剖面峰的跨度、高度、幅度等多個(gè)特征參數(shù)，然后通過(guò)建立多元逐步回歸方程實(shí)現(xiàn)了森林生物量的估測(cè).李文梅[62]在羅環(huán)敏等[5]方法的基礎(chǔ)上，結(jié)合極化干涉SAR分割方法實(shí)現(xiàn)了更大區(qū)域的森林生物量制圖.第2種方法是基于層析剖面直接提取剖面不同高度上的雷達(dá)相對(duì)反射率特征，分析不同高度上的相對(duì)反射率與森林參數(shù)的相關(guān)關(guān)系，然后建立估測(cè)模型.文獻(xiàn)[63]分析了不同高度處的層析相對(duì)反射率與森林地上生物量之間的相關(guān)性，研究結(jié)果表明利用30 m高的層析相對(duì)反射率能夠?qū)崿F(xiàn)較好的森林生物量反演結(jié)果.李蘭等的研究發(fā)現(xiàn)，20 m以下的層析相對(duì)反射率與森林生物量呈負(fù)相關(guān)關(guān)系，20 m以上的層析反射率與森林生物量呈正相關(guān)關(guān)系，在此基礎(chǔ)上，李蘭等利用5 m和25 m高度的相對(duì)反射率進(jìn)行聯(lián)合估測(cè)，進(jìn)一步提高了森林生物量的估測(cè)精度[64].在層析SAR森林參數(shù)估測(cè)的過(guò)程中，散射機(jī)制的分離與地面散射機(jī)制的消除是一個(gè)難點(diǎn)，也是目前層析SAR森林參數(shù)反演的主要研究方向之一[65].

2總結(jié)

綜上所述，SAR在大區(qū)域遙感數(shù)據(jù)快速獲取和森林參數(shù)定量化反演方面具有獨(dú)特優(yōu)勢(shì)，使其在森林資源調(diào)查中可以發(fā)揮重要的作用.經(jīng)過(guò)近30年的發(fā)展，SAR森林資源監(jiān)測(cè)技術(shù)已經(jīng)在林地類(lèi)型分類(lèi)及變化檢測(cè)、森林高度反演和森林蓄積量/生物量估測(cè)等方面取得了諸多的進(jìn)展.然而，目前相關(guān)的技術(shù)和方法大多仍處在研究階段，還較少在林業(yè)行業(yè)實(shí)際的森林資源調(diào)查工作進(jìn)行大范圍的應(yīng)用和推廣，主要存在以下兩方面的問(wèn)題：

1）在SAR森林資源監(jiān)測(cè)技術(shù)方面，雖然目前已發(fā)展了一系列技術(shù)方法，但還存在一定的局限性，需要進(jìn)一步改進(jìn)和發(fā)展.對(duì)于林地覆蓋類(lèi)型分類(lèi)及變化檢測(cè)而言，SAR數(shù)據(jù)的斑點(diǎn)噪聲和地形影響是大區(qū)域應(yīng)用推廣首先要解決的難題;對(duì)于森林參數(shù)定量反演而言，充分地認(rèn)識(shí)和理解森林植被與SAR信號(hào)的相互作用機(jī)制，是提升模型精度和普適性的關(guān)鍵.因此，需要重視SAR森林機(jī)理模型的發(fā)展，并在此基礎(chǔ)上充分挖掘前沿SAR技術(shù)森林參數(shù)反演的潛力.以層析SAR技術(shù)為例，目前已有的方法尚未充分利用層析SAR獲取的三維剖面信息.

2）目前支撐SAR森林資源監(jiān)測(cè)技術(shù)研究和應(yīng)用推廣的SAR數(shù)據(jù)資源還相對(duì)匱乏.首先，在極化干涉SAR、層析SAR技術(shù)森林應(yīng)用研究方面，目前嚴(yán)重依賴(lài)國(guó)外共享的機(jī)載試驗(yàn)數(shù)據(jù)，這些SAR數(shù)據(jù)和對(duì)應(yīng)的地面調(diào)查數(shù)據(jù)都并非原始觀測(cè)數(shù)據(jù)，關(guān)鍵的數(shù)據(jù)預(yù)處理步驟和參數(shù)不清晰，不利于深入分析和穩(wěn)健算法的研究.建議國(guó)內(nèi)SAR載荷優(yōu)勢(shì)單位，加強(qiáng)機(jī)載SAR遙感綜合實(shí)驗(yàn)組織工作，推動(dòng)實(shí)驗(yàn)數(shù)據(jù)集的全面共享.其次，我國(guó)的星載SAR數(shù)據(jù)資源也相對(duì)匱乏，目前已有的高分三號(hào)SAR衛(wèi)星遠(yuǎn)不能滿(mǎn)足森林資源調(diào)查的需求.

總體來(lái)說(shuō)，SAR技術(shù)在森林資源監(jiān)測(cè)研究中已經(jīng)展現(xiàn)出了極強(qiáng)的生命力，正成為推動(dòng)森林資源監(jiān)測(cè)精細(xì)化、智能化發(fā)展的強(qiáng)大動(dòng)力.近年來(lái)，我國(guó)也加大了對(duì)SAR衛(wèi)星、航空平臺(tái)、林業(yè)遙感信息產(chǎn)品標(biāo)定與真實(shí)性檢驗(yàn)場(chǎng)以及林業(yè)遙感應(yīng)用綜合服務(wù)平臺(tái)的投入，這將有效推動(dòng)SAR森林資源監(jiān)測(cè)技術(shù)的發(fā)展，為我國(guó)森林資源的精細(xì)化、科學(xué)化監(jiān)測(cè)與管理提供有力支撐.

參考文獻(xiàn)

References

[1]劉茜，楊樂(lè)，柳欽火，等.森林地上生物量遙感反演方法綜述[J].遙感學(xué)報(bào)，2015，19（1）：62-74

LIU Qian，YANG Le，LIU Qinhuo，et al.Review of forest above ground biomass inversion methods based on remote sensing technology[J].Journal of Remote Sensing，2015，19（1）：62-74

[2]李增元，陳爾學(xué)，高志海，等.中國(guó)林業(yè)遙感技術(shù)與應(yīng)用發(fā)展現(xiàn)狀及建議[J].中國(guó)科學(xué)院院刊，2013，28（增刊1）：132-144

LI Zengyuan，CHEN Erxue，GAO Zhihai，et al.Current development status and proposals for national forest remote sensing techniques and applications[J].Bulletin of the Chinese Academy of Sciences，2013，28（sup1）：132-144

[3]李增元，車(chē)學(xué)儉，劉閩，等.ERS-1 SAR影像森林應(yīng)用研究初探[J].林業(yè)科學(xué)研究，1994，7（6）：692-696

LI Zengyuan，CHE Xuejian，LIU Min，et al.Preliminary research on the application of ERS-1 SAR in forest[J].Forest Research，1994，7 （6）：692-696

[4]白黎娜，李增元.ERS-1 SAR圖像森林類(lèi)型分類(lèi)專(zhuān)家系統(tǒng)研制探討[J].遙感技術(shù)與應(yīng)用，1995，10（2）：69-72

BAI Lina，LI Zengyuan.Preliminary research of expert system for forest type classification of ERS-1 SAR image[J].Remote Sensing Technology and Application，1995，10（2）：69-72

[5]羅環(huán)敏，陳爾學(xué)，李增元，等.森林地上生物量的極化相干層析估計(jì)方法[J].遙感學(xué)報(bào)，2011，15（6）：1138-1155

LUO Huanmin，CHEN Erxue，LI Zengyuan，et al.Forest above ground biomass estimation methodology based on polarization coherence tomography[J].Journal of Remote Sensing，2011，15（6）：1138-1155

[6]Li W M，Chen E X，Li Z Y，et al.Combing polarization coherence tomography and PoLInSAR segmentation for forest above ground biomass estimation[C]∥IEEE International Geoscience and Remote Sensing Symposium，2012：3351-3354

[7]吳一戎.多維度合成孔徑雷達(dá)成像概念[J].雷達(dá)學(xué)報(bào)，2013，2（2）：135-142

WU Yirong.Concept of multidimensional space joint-observation SAR[J].Journal of Radars，2013，2（2）：135-142

[8]陳爾學(xué)，李增元.ENVISAT ASAR影像地理定位方法[J].中國(guó)圖象圖形學(xué)報(bào)，2004，9（8）：991-996

CHEN Erxue，LI Zengyuan.Study on ENVISAT ASAR image geolocation method[J].Journal of Image and Graphics，2004，9（8）：991-996

[9]陳爾學(xué)，李增元.基于斜角坐標(biāo)系變換的星載SAR直接定位算法[J].高技術(shù)通訊，2006，16（10）：1082-1086

CHEN Erxue，LI Zengyuan.The algorithm for direct geo location of space borne SAR imagery based on slant angle coordinate transformation[J].Chinese High Technology Letters，2006，16（10）：1082-1086

[10]陳爾學(xué)，李增元，龐勇，等.基于極化合成孔徑雷達(dá)干涉測(cè)量的平均樹(shù)高提取技術(shù)[J].林業(yè)科學(xué)，2007，43（4）：66-70，145

CHEN Erxue，LI Zengyuan，PANG Yong，et al.Polarimetric synthetic aperture radar interferometry based mean tree height extraction technique[J].Scientia Silvae Sinicae，2007，43（4）：66-70，145

[11]凌飛龍，李增元，陳爾學(xué)，等.ENVISAT ASAR的區(qū)域森林：非森林制圖[J].遙感學(xué)報(bào)，2012，16（5）：1100-1113

LING Feilong，LI Zengyuan，CHEN Erxue，et al.Regional forest and non-forest mapping using Envisat ASAR data[J].Journal of Remote Sensing，2012，16 （5）：1100-1113

[12]陳爾學(xué).合成孔徑雷達(dá)森林生物量估測(cè)研究進(jìn)展[J].世界林業(yè)研究，1999，12（6）：18-23

CHEN Erxue.Development of forest biomass estimation using SAR data[J].World Forestry Research，1999，12（6）：18-23

[13]李增元，龐勇，陳爾學(xué).ERS SAR干涉測(cè)量技術(shù)用于區(qū)域尺度森林制圖研究[J].地理與地理信息科學(xué)，2003，19（4）：66-70

LI Zengyuan，PANG Yong，CHEN Erxue.Regional forest mapping using ERS SAR interferometric technology[J].Geography and Geo-Information Science，2003，19（4）：66-70

[14]王馨爽，陳爾學(xué)，李增元，等.多時(shí)相雙極化合成孔徑雷達(dá)干涉測(cè)量土地覆蓋分類(lèi)方法[J].測(cè)繪學(xué)報(bào)，2015，44（5）：533-540

WANG Xinshuang，CHEN Erxue，LI Zengyuan，et al.Multi-temporal and dual-polarization interferometric SAR for land cover type classification[J].Acta Geodaetica et Cartographica Sinica，2015，44（5）：533-540

[15]王馨爽，陳爾學(xué)，李增元，等.多時(shí)相雙極化SAR影像林地類(lèi)型分類(lèi)方法[J].林業(yè)科學(xué)，2014，50（3）：83-91

WANG Xinshuang，CHEN Erxue，LI Zengyuan，et al.Multi-temporal and dual-polarization SAR for forest land type classification[J].Scientia Silvae Sinicae，2014，50（3）：83-91

[16]Feng Q，Zhou L J，Chen E X，et al.The performance of airborne C-band PolInSAR data on forest growth stage types classification[J].Remote Sensing，2017，9（9）：955

[17]趙磊，陳爾學(xué)，李增元，等.基于均值漂移和譜圖分割的極化SAR影像分割方法及其評(píng)價(jià)[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2015，40（8）：1061-1068

ZHAO Lei，CHEN Erxue，LI Zengyuan，et al.Segmentation of PolSAR data based on mean-shift and spectral graph partitioning and its evaluation[J].Geomatics and Information Science of Wuhan University，2015，40（8）：1061-1068

[18]趙磊.基于譜圖分割的極化SAR影像面向?qū)ο蠓诸?lèi)方法研究[D].北京：中國(guó)林業(yè)科學(xué)研究院，2014

ZHAO Lei.Object-based classification of polarimetric SAR images based on spectral graph partitioning[D].Beijing：Chinese Academy of Forestry，2014

[19]李蘭，陳爾學(xué)，李增元，等.極化SAR K-Wishart分類(lèi)器及其性能評(píng)價(jià)[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2016，41（11）：1498-1504

LI Lan，CHEN Erxue，LI Zengyuan，et al.K-Wishart classifier for PolSAR data and its performance evaluation[J].Geomatics and Information Science of Wuhan University，2016，41（11）：1498-1504

[20]徐豐，王海鵬，金亞秋.深度學(xué)習(xí)在SAR目標(biāo)識(shí)別與地物分類(lèi)中的應(yīng)用[J].雷達(dá)學(xué)報(bào)，2017，6（2）：136-148

XU Feng，WANG Haipeng，JIN Yaqiu.Deep learning as applied in SAR target recognition and terrain classification[J].Journal of Radars，2017，6（2）：136-148

[21]郭宇娟.深度卷積Highway Unit神經(jīng)網(wǎng)絡(luò)極化SAR地物類(lèi)型分類(lèi)[D].西安：西安科技大學(xué)，2018

GUO Yujuan.Deep convolutional highway unit network for land cover type classification with GF-3 SAR imagery[D].Xi'an：Xi'an University of Science and Technology，2018

[22]劉萌.極化SAR圖像變化檢測(cè)技術(shù)研究[D].北京：中國(guó)科學(xué)院大學(xué)，2013

LIU Meng.Research on polarization SAR image change detection technology[D].Beijing：University of Chinese Academy of Sciences，2013

[23]Guo Y J，Chen E X，Guo Y，et al.Deep highway unit network for land cover type classification with GF-3 SAR imagery[C]∥SAR in Big Data Era：Models，Methods and Applications （BIGSARDATA），2017：1-7

[24]馮琦，陳爾學(xué)，李文梅，等.基于ALOS PALSAR數(shù)據(jù)的熱帶森林制圖技術(shù)研究[J].遙感技術(shù)與應(yīng)用，2012，27（3）：436-442

FENG Qi，CHEN Erxue，LI Wenmei，et al.Tropical forest mapping technology study using ALOS PALSAR data[J].Remote Sensing Technology and Application，2012，27（3）：436-442

[25]Zhao L L，Yang J，Li P X，et al.Detection of the lodged area of wheat by the use of radarsat-2 polarimetric sar imagery[C]∥IEEE International Geoscience and Remote Sensing Symposium （IGARSS），2017：4336-4369

[26]谷鑫志，陳爾學(xué)，李增元，等.多極化星載SAR森林覆蓋變化檢測(cè)方法[J].林業(yè)科學(xué)，2019，55（5）：74-84

GU Xinzhi，CHEN Erxue，LI Zengyuan，et al.Forest cover change detection method using multi-polarization space-borne SAR[J].Scientia Silvae Sinicae，2019，55（5）：74-84

[27]谷鑫志.多極化星載SAR森林覆蓋變化檢測(cè)方法研究[D].北京：中國(guó)林業(yè)科學(xué)研究院，2017

GU Xinzhi.Study of forest cover change detection methods using multi-polarization space-borne SAR[D].Beijing：Chinese Academy of Forestry，2017

[28]李蘭，陳爾學(xué)，李增元，等.合成孔徑雷達(dá)森林樹(shù)高和地上生物量估測(cè)研究進(jìn)展[J].遙感技術(shù)與應(yīng)用，2016，31（4）：625-633

LI Lan，CHEN Erxue，LI Zengyuan，et al.A review on forest height and above-ground biomass estimation based on synthetic aperture radar[J].Remote Sensing Technology and Application，2016，31（4）：625-633

[29]張王菲，陳爾學(xué)，李增元，等.干涉、極化干涉SAR技術(shù)森林高度估測(cè)算法研究進(jìn)展[J].遙感技術(shù)與應(yīng)用，2017，32（6）：983-997

ZHANG Wangfei CHEN Erxue，LI Zengyuan，et al.Development of forest height estimation using InSAR/PolInSAR technology[J].Remote Sensing Technology and Application，2017，32（6）：983-997

[30]龐勇，李增元，陳爾學(xué)，等.干涉雷達(dá)技術(shù)用于林分高估測(cè)[J].遙感學(xué)報(bào)，2003，7（1）：8-13

PANG Yong，LI Zengyuan，CHEN Erxue，et al.InSAR technology and its application to estimate stand average height[J].Journal of Remote Sensing，2003，7（1）：8-13

[31]Soja M J，Ulander L M H.Digital canopy model estimation from TanDEM-X interferometry using high-resolution lidar DEM[C]∥IEEE International Geoscience and Remote Sensing Symposium-IGARSS，2013：165-168

[32]馮琦，陳爾學(xué)，李增元，等.機(jī)載X-波段雙天線(xiàn)InSAR數(shù)據(jù)森林樹(shù)高估測(cè)方法.遙感技術(shù)與應(yīng)用，2016，31（3）551-557

FENG Qi，CHEN Erxue，LI Zengyuan，et al.Forest height estimation from airborne X-band single-pass InSAR data[J].Remote Sensing Technology and Application，2016，31（3）：551-557

[33]范亞雄.星載X-波段干涉SAR森林高度估測(cè)方法研究[D].北京：中國(guó)林業(yè)科學(xué)研究院，2019

FAN Yaxiong.Research on Forest height estimation method for spaceborne X-band interferometric SAR[D].Beijing：Chinese Academy of Forestry，2019

[34]吳一戎，洪文，王彥平.極化干涉SAR的研究現(xiàn)狀與啟示[J].電子與信息學(xué)報(bào)，2007，29（5）：1258-1262

WU Yirong，HONG Wen，WANG Yanping.The current status and implications of polarimetric SAR interferometry[J].Journal of Electronics & Information Technology，2007，29（5）：1258-1262

[35]李哲，陳爾學(xué)，王建.幾種極化干涉SAR森林平均高反演算法的比較評(píng)價(jià)[J].遙感技術(shù)與應(yīng)用，2009，24（5）：611-616

LI Zhe，CHEN Erxue，WANG Jian.Forest height retrieval methods by polarimetric SAR interferometry and their validation against ground truth[J].Remote Sensing Technology and Application，2009，24（5）：611-616

[36]Treuhaft R N，Madsen S N，Moghaddam M，et al.Vegetation characteristics and underlying topography from interferometric radar[J].Radio Science，1996，31（6）：1449-1485

[37]Cloude S.Polarisation：applications in remote sensing[M].Oxford：Oxford University Press，2010

[38]李新武，郭華東，廖靜娟，等.航天飛機(jī)極化干涉雷達(dá)數(shù)據(jù)反演地表植被參數(shù)[J].遙感學(xué)報(bào)，2002，6（6）：424-429

LI Xinwu，GUO Huadong，LIAO Jingjuan，et al.Inversion of vegetation parameters using spaceborne polarimetric SAR interferometry[J].Journal of Remote Sensing，2002，6（6）：424-429

[39]Angiuli E，del Frate F，Della Vecchia A，et al.Inversion algorithms comparison using L-band simulated polarimetric interferometric data for forest parameters estimation[C]∥IEEE International Geoscience and Remote Sensing Symposium，2007：2477-2480

[40]朱建軍，解清華，左廷英，等.復(fù)數(shù)域最小二乘平差及其在PolInSAR植被高反演中的應(yīng)用[J].測(cè)繪學(xué)報(bào)，2014，43（1）：45-51，59

ZHU Jianjun，XIE Qinghua，ZUO Tingying，et al.Criterion of complex least squares adjustment and its application in tree height inversion with PolInSAR data[J].Acta Geodaetica et Cartographica Sinica，2014，43（1）：45-51，59

[41]Neumann M，F(xiàn)erro-Famil L，Reigber A.Estimation of forest structure，ground，and canopy layer characteristics from multibaseline polarimetric interferometric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing，2010，48（3）：1086-1104

[42]Lu H X，Bao Z，Guo R，et al.S-RVoG model for forest parameters inversion over underlying topography[J].Electronics Letters，2013，49（9）：618-620

[43]Liang L，Guo H D，Li X W.Three-dimensional structural parameter inversion of buildings by distributed compressive sensing-based polarimetric SAR tomography using a small number of baselines[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2014，7（10）：4218-4230

[44]李蘭.森林垂直信息P-波段SAR層析提取方法[D].北京：中國(guó)林業(yè)科學(xué)研究院，2016

LI Lan.Forest vertical information extraction based on P-band SAR tomography[D].Beijing：Chinese Academy of Forestry，2016

[45]Tebaldini S，Rocca F.Multibaseline polarimetric SAR tomography of a boreal forest at P-and L-bands[J].IEEE Transactions on Geoscience and Remote Sensing，2012，50（1）：232-246

[46]梁雷.基于壓縮感知的極化層析SAR建筑物與樹(shù)林三維結(jié)構(gòu)參數(shù)反演研究[D].北京：中國(guó)科學(xué)院大學(xué)，2015

LIANG Lei.Inversion of Three-dimensiona structural parameters of buildings and forests based on compressed sensing SAR[D].Beijing：University of Chinese Academy of Sciences，2015

[47]Le Toan T，Beaudoin A，Riom J，et al.Relating forest biomass to SAR data[J].IEEE Transactions on Geoscience and Remote Sensing，1992，30（2）：403-411

[48]Amini J，Sumantyo J T S.Employing a method on SAR and optical images for forest biomass estimation[J].IEEE Transactions on Geoscience and Remote Sensing，2009，47（12）：4020-4026

[49]Zhang Z Y，Wang Y，Sun G Q，et al.Biomass retrieval based on polarimetric target decomposition[C]∥IEEE International Geoscience and Remote Sensing Symposium，2011：1942-1945

[50]梁志鋒，凌飛龍，汪小欽.L波段SAR與中國(guó)東北森林蓄積量的相關(guān)性分析[J].遙感技術(shù)與應(yīng)用，2013，28（5）：871-878

LIANG Zhifeng，LING Feilong，WANG Xiaoqin.Correlation analysis between L-band SAR and forest stem volume in Northeast China[J].Remote Sensing Technology and Application，2013，28（5）：871-878

[51]Ni W J，Sun G Q，Guo Z F，et al.Retrieval of forest biomass from ALOS PALSAR data using a lookup table method[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2013，6（2）：875-886

[52]趙磊，多維度SAR數(shù)據(jù)地形校正及森林地上生物量估測(cè)研究[D].北京：中國(guó)林業(yè)科學(xué)研究院，2017

ZHAO Lei.Terrain correction methods for multi-dimensional SAR data applied to forest above ground biomass estimation[D].Beijing：Chinese Academy of Forestry，2017

[53]馮琦，陳爾學(xué)，李增元，等.基于機(jī)載P-波段全極化SAR數(shù)據(jù)的復(fù)雜地形森林地上生物量估測(cè)方法[J].林業(yè)科學(xué)，2016，52（3）：10-22

FENG Qi，CHEN Erxue，LI Zengyuan，et al.Forest above-ground biomass estimation method for rugged terrain based on airborne P-band PolSAR data[J].Scientia Silvae Sinicae，2016，52（3）：10-22

[54]Fransson J E S，Smith G，Askne J，et al.Stem volume estimation in boreal forests using ERS-1/2 coherence and SPOT XS optical data[J].International Journal of Remote Sensing，2001，22（14）：2777-2791

[55]Askne J I H，Dammert P B G，Ulander L M H，et al.C-band repeat-pass interferometric SAR observations of the forest[J].IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：25-35

[56]Cartus O，Santoro M，Schmullius C，et al.Large area forest stem volume mapping in the boreal zone using synergy of ERS-1/2 tandem coherence and MODIS vegetation continuous fields[J].Remote Sensing of Environment，2011，115（3）：931-943

[57]戴玉芳，凌飛龍.水云模型于L波段SAR和中國(guó)北方森林的適用性分析[J].遙感信息，2013，28（4）：44-49

DAI Yufang，LING Feilong.Suitability analysis of water cloud model for L band synthetic aperture radar to forest in northeast China[J].Remote Sensing Information，2013，28（4）：44-49

[58]Balzter H，Rowland C，Saich P.Forest canopy height and carbon estimation at Monks Wood National Nature Reserve，UK，using dual-wavelength SAR interferometry[J].Remote Sensing of Environment，2007，108（3）：224-239

[59]李春萍，李剛，肖春旺.異速生長(zhǎng)關(guān)系在陸地生態(tài)系統(tǒng)生物量估測(cè)中的應(yīng)用[J].世界科技研究與發(fā)展，2007，29（2）：51-57

LI Chunping，LI Gang，XIAO Chunwang.The application of allometric relationships in biomass estimation in terrestrial ecosystems[J].World Sci-Tech R & D，2007，29（2）：51-57

[60]Cloude S R.Dual-baseline coherence tomography[J].IEEE Geoscience and Remote Sensing Letters，2007，4（1）：127-131

[61]李文梅，陳爾學(xué)，李增元，等.頻譜分析技術(shù)在層析SAR森林垂直結(jié)構(gòu)信息提取中的應(yīng)用性能分析[J].電子學(xué)報(bào)，2015，43（4）：694-699

LI Wenmei，CHEN Erxue，LI Zengyuan，et al.Application performance analysis of spectral analysis techniques in forest vertical structure information extraction using tomographic SAR[J].Acta Electronica Sinica，2015，43（4）：694-699

[62]李文梅.極化干涉 SAR 層析估測(cè)森林垂直結(jié)構(gòu)參數(shù)方法研究[D].北京：中國(guó)林業(yè)科學(xué)研究院，2013

LI Wenmei.Forest vertical structure parameters estimation using polarimetric interferometric tomographic SAR[D].Beijing：Chinese Academy of Forestry，2013

[63]Ho Tong Minh D，Toan T L，Rocca F，et al.Relating P-band synthetic aperture radar tomography to tropical forest biomass[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52（2）：967-979

[64]李蘭，陳爾學(xué)，李增元，等.森林地上生物量的多基線(xiàn)InSAR層析估測(cè)方法[J].林業(yè)科學(xué)，2017，53（11）：85-93

LI Lan，CHEN Erxue，LI Zengyuan，et al.Forest above-ground biomass estimation based on multi-baseline InSAR tomography[J].Scientia Silvae Sinicae，2017，53（11）：85-93

[65]D'Alessandro M M，Tebaldini S，Quegan S，et al.Interferometric ground notching of SAR images for estimating forest above ground biomass[C]∥IEEE International Geoscience and Remote Sensing Symposium，2018：8797-8800

A survey of developments on forest resources monitoring technology of synthetic aperture radar

LI Zengyuan1ZHAO Lei1LI Kun2CHEN Erxue1WAN Xiangxing1XU Kunpeng1

1Institute of Forest Resources Information Technique，Chinese Academy of Forestry，Beijing100091

2Beijing Institute of Spacecraft System Engineering，Beijing100094

AbstractSynthetic Aperture Radar （SAR） technology has unique advantages in forest resource monitoring due to its all-day，all-weather imaging capability and sensitivity to vertical forest structure information.Therefore，SAR has become a research focus of current forest resources remote sensing survey technology.Firstly，the development background，development trajectory and related knowledge of SAR forest resources monitoring technology are introduced.Then，the technological developments of polarimetric SAR，interferometric SAR，polarimetric SAR interferometry and tomographic SAR in research of forest land cover type classification，change detection and forest parameter quantification estimation are emphasized.Finally，the existing problems and development trends for forest resource monitoring research and application of SAR are summarized and analyzed.

Key wordssynthetic aperture radar（SAR）;polarmetric SAR;interferometric SAR;tomography SAR;forest resources monitoring

收稿日期2019-10-20

資助項(xiàng)目國(guó)家重點(diǎn)研發(fā)計(jì)劃（2017YFB0502700）;國(guó)家自然科學(xué)基金（41801289）

作者簡(jiǎn)介

李增元，男，博士，研究員，主要研究方向?yàn)榱謽I(yè)遙感.lizengyuan@ifrit.ac.cn

趙磊（通信作者），男，博士，助理研究員，主要研究方向?yàn)楹铣煽讖嚼走_(dá)林業(yè)應(yīng)用技術(shù).zhaolei@ifrit.ac.cn

1中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京，100091

2北京空間飛行器總體設(shè)計(jì)部，北京，100094