GF-3全極化SAR數(shù)據(jù)極化分解估算人工林冠層生物量*

魏晶昱 范文義 于 穎 毛學(xué)剛

(東北林業(yè)大學(xué)林學(xué)院 森林生態(tài)系統(tǒng)可持續(xù)經(jīng)營(yíng)教育部重點(diǎn)實(shí)驗(yàn)室 哈爾濱 150040)

森林生物量指單位面積森林群落在一定時(shí)間內(nèi)積累的有機(jī)質(zhì)總量(尹惠妍等， 2014)，其可直接反映森林植被固碳現(xiàn)狀，是評(píng)價(jià)森林生態(tài)系統(tǒng)結(jié)構(gòu)、功能和生產(chǎn)力的重要指標(biāo)之一，也是進(jìn)行森林資源清查、規(guī)劃和管理的依據(jù)。樹(shù)冠是樹(shù)木光合作用、呼吸作用、蒸騰作用的主要發(fā)生場(chǎng)所，影響樹(shù)木生長(zhǎng)和變化(沈浩等， 2017； Ozanneetal.， 2003)，冠層生物量是森林生物量研究的重要內(nèi)容，其對(duì)環(huán)境變化十分敏感，在一定程度上影響著森林生態(tài)系統(tǒng)生產(chǎn)力(李鳳日， 2004； 劉兆剛等， 2005； Wangetal.， 1990； Kramer， 1996； Tahvanainenetal.， 2008)。

傳統(tǒng)的冠層生物量估算通常采用平均枝法或標(biāo)準(zhǔn)枝法(Ibrahim， 1995)，存在測(cè)定困難、耗時(shí)耗力等問(wèn)題，且因葉片水分損失較快也會(huì)帶來(lái)難以估計(jì)的誤差(劉琪璟， 2009； Sonetal.， 2001)。隨著遙感技術(shù)不斷發(fā)展，快速、準(zhǔn)確、大范圍地估算冠層生物量成為可能，傳統(tǒng)光學(xué)遙感估算冠層生物量的研究已十分成熟(Curranetal.， 1992； 馬澤清等， 2008； 閔志強(qiáng)等， 2010)，但光學(xué)遙感只與葉生物量發(fā)生反應(yīng)，且在生物量較高時(shí)具有局限性(Sinhaetal.， 2015)，無(wú)法實(shí)現(xiàn)對(duì)森林冠層生物量的準(zhǔn)確測(cè)定。

與傳統(tǒng)光學(xué)遙感相比，合成孔徑雷達(dá)(synthetic aperture radar，SAR)波長(zhǎng)較長(zhǎng)，對(duì)樹(shù)冠具有一定穿透能力，尤其是高頻率SAR(X波段或C波段)能夠獲得豐富的冠層信息(主要為冠層中枝、葉的散射信息)(Santoroetal.， 2007)； 同時(shí)，SAR還可以穿透云層和一定程度的雨區(qū)，具有全天時(shí)全天候觀測(cè)能力(陳爾學(xué)， 1999)。目前，SAR估算森林生物量主要利用后向散射和極化干涉技術(shù)(Toanetal.， 1992； Dobsonetal.， 1992； Metteetal.， 2004； 宋茜等， 2011； 李蘭等， 2017)，但后向散射存在飽和點(diǎn)問(wèn)題，極化干涉技術(shù)需要多基線或多頻段的全相干極化SAR數(shù)據(jù)，對(duì)數(shù)據(jù)質(zhì)量要求較高(Cloudeetal.， 1999)，而SAR估算冠層生物量的研究多集中于后向散射(Beaudoinetal.， 1994； Kasischkeetal.， 1995； Harrelletal.， 1997)。極化目標(biāo)分解是從極化SAR數(shù)據(jù)中提取地物極化特征的主要方法(Jawaketal.， 2015)，目前已有許多提取地物信息的極化分解方法(Krogager， 1990； Cloudeetal.， 1996； Freemanetal.， 1998； Yamaguchietal.， 2005)，且一些分解方法已用于生物量估算(Goncalvesetal.， 2011； Kobayashietal.， 2012； Chowdhuryetal.， 2013)。

綜上可以看出，利用SAR數(shù)據(jù)提取極化分解參數(shù)在森林冠層生物量估算中具有一定潛力和優(yōu)勢(shì)。本研究基于內(nèi)蒙古赤峰市旺業(yè)甸林場(chǎng)2017年GF-3全極化SAR數(shù)據(jù)，采用Freeman三分量分解、Freeman二分量分解、Yamaguchi三分量分解提取SAR參數(shù)，并結(jié)合同一時(shí)期旺業(yè)甸林場(chǎng)外業(yè)調(diào)查數(shù)據(jù)，確定極化分解分量與森林冠層生物量的相關(guān)關(guān)系，構(gòu)建冠層-地面散射比參數(shù)，應(yīng)用多元逐步回歸方法建立森林冠層生物量與SAR提取參數(shù)回歸模型，旨在探討GF-3全極化SAR數(shù)據(jù)在人工林冠層生物量估算中的潛力，提出一種準(zhǔn)確估算森林冠層生物量的方法。

1 研究區(qū)概況、數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)概況 內(nèi)蒙古赤峰市喀喇沁旗旺業(yè)甸林場(chǎng)(41°20′—41°40′N，118°10′—118°29′E)地處燕山山脈北麓七老圖山支脈，平均海拔1 120 m。土壤以典型棕壤為主。屬溫帶季風(fēng)氣候，年均降水量522.6 mm，年均氣溫3.9 ℃，年日照時(shí)間2 700 h以上。林場(chǎng)土地總面積25 958 hm2，有林地面積23 118 hm2，以人工林和通過(guò)封山育林形成的次生林為主，主要樹(shù)種包括油松(Pinustabulaeformis)、華北落葉松(Larixprincipis-rupprechtii)、白樺(Betulaplatyphylla)、黑樺(Betuladahurica)等。

1.2 數(shù)據(jù)來(lái)源 1) 樣地?cái)?shù)據(jù) 采用2017年10月外業(yè)調(diào)查數(shù)據(jù)。選擇林分整齊、受干擾小、具有代表性的區(qū)域設(shè)置樣地，樣地大小25 m×25 m。使用RTK對(duì)樣地中心點(diǎn)和4個(gè)角點(diǎn)進(jìn)行定位，共22塊樣地分布在SAR數(shù)據(jù)范圍內(nèi)，記錄樣地內(nèi)胸徑大于5 cm的樹(shù)木胸徑、樹(shù)高和冠幅，其中1—10號(hào)樣地為油松純林，11—22號(hào)樣地為華北落葉松純林(表1)。

表1 樣地?cái)?shù)據(jù)統(tǒng)計(jì)Tab.1 Statistics data of plots

2) 全極化SAR數(shù)據(jù) 采用GF-3合成孔徑雷達(dá)獲取的C波段全極化單視復(fù)數(shù)數(shù)據(jù)，數(shù)據(jù)為L(zhǎng)1級(jí)輻射定標(biāo)產(chǎn)品，SAR數(shù)據(jù)獲取于2017年8月5日，記錄方式為16 bit復(fù)數(shù)形式，中心入射角29.7°，中心點(diǎn)坐標(biāo)41°42′N、118°12′E，方位向分辨率5.3 m，距離向分辨率4.5 m，幅寬30 km×30 km(圖1)。

1.3 研究方法

1.3.1 樣地生物量計(jì)算 采用本研究區(qū)域油松單木生物量模型(馬欽彥， 1989)和華北落葉松單木生物量模型(羅云建等， 2009)(表2)，將樣地每木檢尺數(shù)據(jù)代入模型，分別計(jì)算單木枝、葉生物量。油松枝、葉生物量模型為二元模型，落葉松枝、葉生物量模型為一元模型，將枝、葉生物量之和作為單木冠層生物量，計(jì)算得到樣地內(nèi)所有單木冠層生物量，求和后除以樣地面積(0.062 5 hm2)，得到各樣地冠層生物量(表3)。

圖1 研究區(qū)域及樣地分布Fig.1 Study area and sample plots distribution

1.3.2 SAR數(shù)據(jù)預(yù)處理 單視復(fù)數(shù)數(shù)據(jù)存在輻射誤差，為了精確反映地物回波特性，對(duì)SAR數(shù)據(jù)進(jìn)行輻射定標(biāo)處理(Shimadaetal.， 2009)，定標(biāo)系數(shù)根據(jù)數(shù)據(jù)頭文件設(shè)置，獲得SAR的后向散射矩陣[S]，并隨之生成極化相干矩陣[T]。

表2 枝、葉生物量模型①Tab.2 Biomass model of branches and leaves

表3 樣地冠層生物量Tab.3 Canopy biomass of sample plots

通常采用多視處理和濾波壓制SAR數(shù)據(jù)固有的斑點(diǎn)噪聲(Leeetal.， 2009)。在生成極化相干矩陣[T]的過(guò)程中，方位向和距離向上分別設(shè)置視數(shù)為2，對(duì)SAR數(shù)據(jù)進(jìn)行多視處理，該視數(shù)可保持處理后像元接近方形且盡量與樣地大小相匹配，之后采用Refined Lee方法進(jìn)行濾波，濾波窗口設(shè)置為7(Leeetal.， 2002)。

為了消除地形對(duì)SAR數(shù)據(jù)的影響，應(yīng)用AW3D 30(ALOS World 3D)數(shù)據(jù)對(duì)SAR數(shù)據(jù)進(jìn)行正射校正。AW3D是日本宇宙航空研究開(kāi)發(fā)機(jī)構(gòu)(http:∥www.eorc.jaxa.jp)和日本遙感技術(shù)中心聯(lián)合研制的全新一代高分辨率DEM，數(shù)據(jù)集水平分辨率約30 m，高程精度優(yōu)于5 m，正射校正后SAR數(shù)據(jù)空間分辨率10 m，采用WGS84(world geodetic system-1984)地理坐標(biāo)系和UTM(universal transverse mercator projection)的50 N帶投影坐標(biāo)系。

1.3.3 目標(biāo)極化分解 極化分解可對(duì)目標(biāo)的散射機(jī)制和特性進(jìn)行合理物理解釋。Cloude等(1996)根據(jù)目標(biāo)散射特性將極化分解方法分為相干分解和非相干分解，本研究區(qū)域?yàn)樯?，地物基本為非相干目?biāo)，適合采用非相干分解方法。非相干分解通常以二階統(tǒng)計(jì)的極化協(xié)方差矩陣[C]和極化相干矩陣[T]為基礎(chǔ)，一般對(duì)圖像上每個(gè)像素鄰域內(nèi)協(xié)方差或相干矩陣進(jìn)行平均來(lái)估算，得到空間統(tǒng)計(jì)平均后的極化協(xié)方差矩陣〈[C]〉和極化相干矩陣〈[T]〉，且二者可通過(guò)酉矩陣相互轉(zhuǎn)換。極化相干矩陣更易于解釋散射的物理過(guò)程，本研究應(yīng)用極化相干矩陣進(jìn)行極化分解，由于互易性的限制(Cloude， 2010)，極化相干矩陣最終簡(jiǎn)化為三維〈[T3]〉。

采用Freeman三分量分解、Freeman二分量分解、Yamaguchi三分量分解3種極化分解方法，其中后二者對(duì)Freeman三分量分解模型進(jìn)行了不同改進(jìn)。

1) Freeman三分量分解 Freeman三分量分解(Freemanetal.， 1998)是一種基于物理實(shí)際的三分量散射機(jī)制模型，為非相干極化分解方法，對(duì)森林植被后向散射具有良好解譯能力，將森林植被后向散射分解為體散射、二次散射和表面散射3個(gè)在統(tǒng)計(jì)上獨(dú)立不相關(guān)的分量，體散射代表冠層的直接散射，二次散射代表地面與樹(shù)干間的二面角反射，表面散射代表地面的直接單次后向散射。本研究將3個(gè)分解分量功率分別表示為PV、PD、PS：

〈[T3]〉=fS〈[T3]〉S+fD〈[T3]〉D+fV〈[T3]〉V。

(1)

式中：fS、fD、fV為展開(kāi)系數(shù)； 〈[T3]〉S、〈[T3]〉D、〈[T3]〉V分別為表面散射、二次散射、體散射的散射模型。

2) Freeman二分量分解 Freeman(2007)以Freeman三分量分解為基礎(chǔ)，提出應(yīng)用于森林的二分量分解模型，該模型的2種散射機(jī)制分別來(lái)自于冠層和地面，體散射分量代表來(lái)自冠層的直接散射，地面散射分量代表地面與樹(shù)干間的二次散射或地面的直接單次后向散射。相比Freeman三分量分解固定的體散射模型，F(xiàn)reeman二分量分解在模型中加入了可變動(dòng)參數(shù)，對(duì)體散射模型的限制更小。本研究將體散射、地面散射分量功率分別表示為PC、PG：

〈[T3]〉=fG〈[T3]〉G+fC〈[T3]〉C。

(2)

式中：fG、fC為展開(kāi)系數(shù)； 〈[T3]〉G、〈[T3]〉C分別為地面散射、體散射的散射模型。

3) Yamaguchi三分量分解 Cui等(2012)在Freeman三分量分解的基礎(chǔ)上提出了Yamaguchi三分量分解，該模型與Freeman二分量分解類似，同樣在體散射模型中加入了可變動(dòng)系數(shù)，但對(duì)系數(shù)范圍進(jìn)行了限制，且該分解方法首先對(duì)〈[T3]〉進(jìn)行正交變換和酉變換(Anetal.， 2010； Singhetal.， 2011； Yamaguchietal.， 2011)，之后應(yīng)用自適應(yīng)體散射模型進(jìn)行極化分解，得到體散射、二次散射、表面散射3個(gè)分量，功率分別表示為PV(θ)、PD(θ)、PS(θ)：

〈[T3(θ)]〉=fS(θ)〈[T3(θ)]〉S+fD(θ)〈[T3(θ)]〉D+

fV(θ)〈[T3(θ)]〉V。

(3)

式中：fS(θ)、fD(θ)、fV(θ)為展開(kāi)系數(shù)；〈[T3(θ)]〉S、〈[T3(θ)]〉D、〈[T3(θ)]〉V分別為表面散射、二次散射、體散射的散射模型。

1.3.4 參數(shù)構(gòu)建 極化分解中，體散射分量代表森林冠層的后向散射信息，二次散射分量、表面散射分量代表SAR信號(hào)透過(guò)冠層后所獲得的樹(shù)干、地表后向散射信息。冠層散射與地面散射比值對(duì)森林冠層結(jié)構(gòu)具有一定敏感性(Freeman， 2007)，因此本研究分別將Freeman三分量分解、Yamaguchi三分量分解的體散射分量與二次散射分量和表面散射分量之積進(jìn)行比值運(yùn)算，將Freeman二分量分解體散射分量與地面散射分量進(jìn)行比值運(yùn)算，從而獲得3個(gè)新的參數(shù)，各分量均在對(duì)數(shù)變換后參與運(yùn)算，新參數(shù)可以看作各分解方法下的冠-地散射比。參數(shù)構(gòu)建方法如下：

(4)

(5)

(6)

式中：PV、PD、PS為Freeman三分量分解的體散射、二次散射、表面散射功率；PC、PG為Freeman二分量分解的體散射、地面散射功率；PV(θ)、PD(θ)、PS(θ)為Yamaguchi三分量分解的體散射、二次散射、表面散射功率。

1.3.5 像元值提取 在提取固定樣地對(duì)應(yīng)的遙感信息時(shí)，根據(jù)樣地中心點(diǎn)坐標(biāo)將樣地冠層生物量數(shù)據(jù)與SAR數(shù)據(jù)一一對(duì)應(yīng)。由于樣地面積為0.062 5 hm2，而SAR數(shù)據(jù)像元大小為10 m，所以在提取樣地對(duì)應(yīng)的SAR數(shù)據(jù)信息時(shí)，采用八鄰域平均法提取，即樣地中心點(diǎn)對(duì)應(yīng)像元，相鄰8個(gè)像元的像元值求平均，即為該樣地對(duì)應(yīng)的SAR數(shù)據(jù)。

1.3.6 相關(guān)性分析 相關(guān)性分析是通過(guò)相關(guān)系數(shù)來(lái)表示2個(gè)變量之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)方法。分別對(duì)冠層生物量、各極化分解分量進(jìn)行以10為底的對(duì)數(shù)變換(Austinetal.， 2003； Gamaetal.， 2010)，將變換后的冠層生物量數(shù)據(jù)與分解分量參數(shù)進(jìn)行相關(guān)性分析，繪制散點(diǎn)圖進(jìn)行直觀評(píng)價(jià)，并計(jì)算相關(guān)系數(shù)，從而確定變換的冠層生物量與分解分量之間的線性關(guān)系。

1.3.7 模型構(gòu)建與檢驗(yàn) 應(yīng)用多元逐步回歸方法構(gòu)建模型，其基本思想是將自變量逐個(gè)引入模型中，對(duì)每個(gè)引入的解釋變量進(jìn)行顯著性檢驗(yàn)，保留顯著變量，當(dāng)引入的新變量使得原變量變得不再顯著時(shí)剔除原變量，逐步回歸獲得最優(yōu)模型。

為了評(píng)價(jià)模型的預(yù)測(cè)能力，需對(duì)模型進(jìn)行評(píng)價(jià)檢驗(yàn)，通常將數(shù)據(jù)分為建模樣本和檢驗(yàn)樣本。本研究樣地為22塊，若保留部分樣地?cái)?shù)據(jù)用于驗(yàn)證將導(dǎo)致用于建模的樣地?cái)?shù)量過(guò)少，因此運(yùn)用留一法交叉驗(yàn)證(leave-one-outcross-validation，LOOCV)對(duì)模型進(jìn)行評(píng)價(jià)(Geisser， 1974； Stone， 1974； Woldetal.， 1984)，即每次將1塊樣地作為驗(yàn)證樣本，其余21塊樣地作為訓(xùn)練樣本進(jìn)行建模，不斷重復(fù)該過(guò)程并記錄所有交叉驗(yàn)證結(jié)果，最終獲得22組實(shí)測(cè)值和預(yù)測(cè)值對(duì)原始模型進(jìn)行評(píng)價(jià)。該方法能夠提供模型真實(shí)擬合能力的無(wú)偏估計(jì)(Cawleyetal.， 2004)，不會(huì)造成數(shù)據(jù)浪費(fèi)，且檢驗(yàn)過(guò)程中所得模型與使用全部數(shù)據(jù)所得模型基本一致。采用決定系數(shù)(R2)、均方根誤差(RMSE)、預(yù)測(cè)誤差平方和(PRESS)、平均偏差(ME)、平均絕對(duì)偏差(MAE)、平均相對(duì)偏差(MRE)、平均相對(duì)偏差絕對(duì)值(AMRE)和預(yù)測(cè)精度(P)對(duì)模型擬合結(jié)果和檢驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)(李鳳日, 2004; 董利虎, 2015)，計(jì)算公式如下：

(7)

(8)

(9)

(10)

(11)

(12)

(13)

其中，

(14)

2 結(jié)果與分析

2.1 極化分解分量與冠層生物量的相關(guān)性 不同極化分解方法所得分量與冠層生物量均有較存在顯著的負(fù)相關(guān)關(guān)系，F(xiàn)reeman三分量分解表面散射分量(PS)與冠層生物量在0.05水平上顯著相關(guān)，其余分量均在0.01水平上與冠層生物量顯著相關(guān)(表4)，各極化分解方法提取分量對(duì)冠層生物量的變化均較為敏感。Freeman三分量分解體散射分量(PV)與冠層生物量的相關(guān)性高于二次散射分量(PD)和表面散射分量(PS)(圖2a)，F(xiàn)reeman二分量分解有著相似的特征(圖2b)，但Freeman二分量分解體散射分量(PC)與冠層生物量的相關(guān)性稍好于Freeman三分量分解體散射分量，說(shuō)明在Freeman三分量和二分量分解中代表冠層散射特征的體散射分量對(duì)冠層生物量更為敏感，且Freeman二分量分解比Freeman三分量分解效果更好。Yamaguchi三分量分解體散射分量[PV(θ)]與冠層生物量的相關(guān)性和Freeman三分量分解體散射分量(PV)相似，而二次散射分量[PD(θ)]、表面散射分量[PS(θ)]與冠層生物量的相關(guān)性均高于體散射分量[PV(θ)]。在所有極化分解分量中，Yamaguchi三分量分解二次散射分量[PD(θ)]與冠層生物量的相關(guān)性最高(圖2c)。

2.2 模型構(gòu)建 本研究將對(duì)數(shù)變換后的冠層生物量(lgW)作為因變量，8個(gè)SAR極化分解分量(表4)和3個(gè)新構(gòu)建冠-地散射比參數(shù)[R1、R2和R3，見(jiàn)式(4)、(5)、(6)]共11個(gè)參數(shù)作為自變量，進(jìn)行逐步回歸，最終冠-地散射比參數(shù)R2、R3進(jìn)入回歸模型，且具有較強(qiáng)的顯著性，共線性容差大于0.5，二者間無(wú)明顯多重共線性(表5)。模型R2為0.658，RMSE為4.943 t·hm-2。

2.3 模型檢驗(yàn) 將應(yīng)用多元逐步回歸方法獲得的最優(yōu)模型進(jìn)行留一法交叉驗(yàn)證，記錄每次驗(yàn)證預(yù)測(cè)結(jié)果，以交叉檢驗(yàn)所得冠層生物量預(yù)測(cè)值為自變量，以冠層生物量實(shí)測(cè)值為因變量，建立一元線性回歸方程，并繪制散點(diǎn)圖(圖3)和殘差圖(圖4)，對(duì)模型進(jìn)行評(píng)價(jià)(徐小軍等， 2011)。結(jié)果表明，模型預(yù)測(cè)誤差均較低，平均偏差(ME)為-0.665 t·hm-2，預(yù)測(cè)模型有輕微高估現(xiàn)象，平均絕對(duì)偏差(MAE)為4.845 t·hm-2，平均相對(duì)偏差(MRE)和平均相對(duì)偏差絕對(duì)值(AMRE)分別為3.33%和23.233%，預(yù)測(cè)精度(P)達(dá)91.5%，說(shuō)明模型存在輕微偏差，但預(yù)測(cè)精度良好。對(duì)冠層生物量實(shí)測(cè)值與預(yù)測(cè)值之間的回歸方程進(jìn)行置信橢圓F檢驗(yàn)，其F為0.145，小于F0.05(2,20)=3.49，表明實(shí)測(cè)值與預(yù)測(cè)值之間差異不明顯(胡珍珠等， 2016； 王樹(shù)文等， 2016)，預(yù)測(cè)值大致分布在1∶1直線接近，模型未出現(xiàn)飽和點(diǎn)。模型標(biāo)準(zhǔn)化殘差全部在2倍標(biāo)準(zhǔn)殘差內(nèi)，且呈隨機(jī)分布，說(shuō)明模型估算效果受生物量變化影響較小，具有良好的適用性和預(yù)測(cè)性。

表4 極化分解分量與冠層生物量的相關(guān)系數(shù)①Tab.4 Correlation coefficient of polarization decomposition component and canopy biomass

表5 模型回歸系數(shù)Tab.5 Regression coefficients of the model

圖3 實(shí)測(cè)值與模型預(yù)測(cè)值的相關(guān)性Fig.3 The correlation between measured value and model predicted value

圖4 實(shí)測(cè)值-模型預(yù)測(cè)值標(biāo)準(zhǔn)殘差Fig.4 Standardized residuals of measured value-model predicted value

3 討論

3.1 極化分解分量與冠層生物量的關(guān)系 Kobayashi等(2012)采用Yamaguchi四分量分解估算熱帶森林蓄積，極化相干矩陣經(jīng)正交變換后，表面散射、體散射與蓄積量的相關(guān)性變得稍好，表面散射與蓄積量為負(fù)相關(guān)關(guān)系，體散射與蓄積量為正相關(guān)關(guān)系，二次散射與蓄積量無(wú)相關(guān)性。Chowdhury等(2013)同樣采用Yamaguchi四分量分解估算寒帶森林蓄積，極化相干矩陣經(jīng)正交變換后，二次散射與蓄積量的相關(guān)性顯著提高，但對(duì)表面散射和體散射幾乎沒(méi)有影響。在Goncalves等(2011)的研究中，采用Freeman三分量分解估算熱帶森林蓄積，蓄積量與3個(gè)分解分量之間均呈顯著正相關(guān)關(guān)系。

本研究采用3種極化分解方法提取分解分量，極化分解分量與冠層生物量均存在較為顯著的相關(guān)關(guān)系，與Freeman三分量分解相比，F(xiàn)reeman二分量分解、Yamaguchi三分量分解的極化分解分量與冠層生物量相關(guān)性更好，二者對(duì)體散射模型進(jìn)行了改進(jìn)，均在體散射模型中加入可變系數(shù)，說(shuō)明可變系數(shù)加入可提高森林區(qū)域極化分解效果，能夠更準(zhǔn)確地獲取森林垂直結(jié)構(gòu)信息。同時(shí)，Yamaguchi三分量分解效果稍好于Freeman二分量分解，Yamaguchi三分量分解在極化分解前對(duì)極化相干矩陣進(jìn)行正交變換，改善了極化分解效果，從而提高了與冠層生物量的相關(guān)性，與Kobayashi等(2012)和Chowdhury等(2013)的研究結(jié)果在理論上一致。不同的是，本研究所得極化分解分量與冠層生物量均為負(fù)相關(guān)關(guān)系，這可能是因?yàn)槎紊⑸浜捅砻嫔⑸錇镾AR信號(hào)透過(guò)冠層的后向散射功率，冠層生物量越大，枝葉分布越密集，二次散射和表面散射功率越低； 體散射為SAR信號(hào)在冠層中的散射過(guò)程，C波段SAR穿透性較弱，隨著冠層生物量增加，枝葉對(duì)SAR信號(hào)衰減作用增強(qiáng)，使得體散射功率降低。此外，分解分量特征受含水率、介電常數(shù)、灌木層、地形等多種因素影響， 森林結(jié)構(gòu)、樹(shù)葉及樹(shù)干的形狀和大小對(duì)生物量估算也存在一定影響(Santoroetal.， 2009； Hoekmanetal.， 2002； Rowlandetal.， 2008)。

3.2 冠層生物量估算效果 Goncalves等(2011)應(yīng)用多元線性回歸建立了包括Freeman三分量分解在內(nèi)的SAR參數(shù)與森林蓄積間的關(guān)系； Chowdhury等(2013)構(gòu)建體散射分量、二次散射分量之積與表面散射分量的比值，與單獨(dú)使用分解分量相比顯著提高了與森林蓄積間的相關(guān)性。類似地，本研究構(gòu)建各極化分解方法體散射分量與二次散射分量、表面散射分量之積的比值，應(yīng)用多元線性回歸建立SAR提取參數(shù)與森林冠層生物量回歸模型，得到了較好結(jié)果(R2=0.658，RMSE=4.943 t·hm-2)，相比于單一分解分量，冠-地散射比參數(shù)定量化描述了森林冠層散射與冠層下部散射間的關(guān)系，對(duì)森林的極化分解信息有效結(jié)合，當(dāng)比值較大時(shí)，冠層生物量較高； 當(dāng)比值較小時(shí)，冠層生物量較低。

由于數(shù)據(jù)限制，本研究?jī)H采用22塊樣地?cái)?shù)據(jù)進(jìn)行建模，在統(tǒng)計(jì)學(xué)中屬于小樣本，雖然具有一定說(shuō)服力，但還需要更多的樣地觀測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證(Garestieretal.， 2009； Neumannetal.， 2012； Gamaetal.， 2010； Goncalvesetal.， 2011)。同時(shí)，本研究?jī)H對(duì)3種極化分解方法進(jìn)行分析，更多分解方法對(duì)冠層生物量的估算效果有待進(jìn)一步研究。

4 結(jié)論

1) 3種極化分解方法獲得的極化分解分量均與冠層生物量具有顯著相關(guān)關(guān)系，采用極化分解手段估算冠層生物量具有可行性。

2) Freeman二分量分解、Yamaguchi三分量分解的極化分解分量與冠層生物量相關(guān)性更高，說(shuō)明極化相干矩陣旋轉(zhuǎn)變換、體散射模型優(yōu)化可有效提高極化分解效果，能夠獲取更豐富的森林垂直結(jié)構(gòu)信息。

3) 相比于各極化分解分量，冠-地散射比參數(shù)對(duì)冠層生物量的敏感性更高，多種SAR極化分解參數(shù)共同使用能夠較好估算冠層生物量，且未出現(xiàn)明顯的飽和點(diǎn)。

應(yīng)該指出的是，由于C波段SAR數(shù)據(jù)穿透性較弱，且本研究?jī)H對(duì)Freeman三分量分解、Freeman二分量分解和Yamaguchi三分量分解3種極化分解方法估算冠層生物量的效果進(jìn)行了探討，應(yīng)進(jìn)一步研究其他分解方法估算冠層生物量是否與本研究獲得相同的結(jié)論，驗(yàn)證本研究方法對(duì)估算地上生物量是否具有適用性。