基于全極化SAR圖像的植被生物量信息提取技術研究.pdf

1、作為地球生態(tài)系統(tǒng)的重要組成部分，植被與人類活動息息相關。植被信息提取對于監(jiān)測環(huán)境變化、農業(yè)發(fā)展以及地質災害預測等方面具有重要意義。特別在山區(qū)，植被信息可以作為預測塌方、泥石流等災害的重要指標。傳統(tǒng)獲取植被信息的方法非常有限，主要通過人工地表實測以及光學遙感兩種方法。人工地表實測通常難以實施并且無法獲取大尺度數據；光學遙感易受天氣影響，在災害多發(fā)的雨季無法獲得遙感圖像。SAR技術具有不受云、霧、雨影響的特點，能夠全天候監(jiān)測地表信息。因為微

2、波具有穿透性，對植被與其他地物具有良好的區(qū)分性，并且更容易反演植被生物量信息。
　　本文內容是基于全極化SAR圖像的植被生物量信息提取技術研究，主要包括目標極化分解方法研究、植被覆蓋信息提取技術研究以及植被生物量信息提取三部分內容，具體如下：
　　（1）Cloude分解對于后散散射系數較低的平面散射機制區(qū)域會錯誤地分解為高熵體散射機制，對于這個現(xiàn)象，本文給出了解釋：這是由于后散散射系數較低區(qū)域信噪比較低，造成各極化通道后散散

3、射系數差異性降低，從而表現(xiàn)為高熵體散射機制。
　?。?）本文針對Yamaguchi分解受地形影響問題，使用極化方位角補償方法，降低了地形對分解方法的影響。
　?。?）本文提出結合最大類間方差法的H/α-Wishart分類方法，有效改善水體、道路以及陰影錯分為植被的問題，同時分類結果比傳統(tǒng)H/α-Wishart分類方法保留更多細節(jié)。
　?。?）本文提出基于區(qū)域的 Yamaguchi-SVM分類方法，改善了傳統(tǒng)Yamagu