结合多频偏振SAR(PolSAR)数据估算思茅松地上生物量

森林是地球上最重要的生态系统之一,不仅具有生态保护和生物多样性保持的功能,还在全球碳平衡中扮演着关键的角色。准确估测森林生物量对于掌握全球的碳储量以及双碳目标的实现至关重要。以往的研究提出了利用多频SAR数据进行AGB的估测,但是结合多频极化SAR数据在AGB估测的潜力值得进一步探索。本研究旨充分探索协同使用TerraSAR-X(X-)、RadarSat-2(C-)和ALOS PALSAR-2(L-)数据的后向散射系数、纹理特征和极化分解参数估测 AGB 的潜力,以达到较高的估计精度。本文提取了X-、C-和L-波段SAR数据的后向散射系数、纹理特征和极化分解参数,分析了三种参数对AGB的重要性并对进行了特征选择,建立了随机森林模型。同时,分析了不同波段数据不同极化分解方法的散射机制,并对比了不同极化分解方法的效果。与单频SAR数据相比,多频SAR数据的结合提高了思茅松生物量的估测精度;同时添加后向散射系数、纹理特征和极化分解参数的三个SAR数据结合具有最好的精度,结果显示模型的R2=0.87,RMSE=15.35 t/ha;在不同的极化分解中,体积散射是最主要的散射机制,其次是表面散射,最后是二次散射;在四种极化分解方法中,精度最高的是Cloude分解,而效果最差的是Freeman分解方法。本研究的结果强调了在森林AGB估测中,不同波段SAR数据的组合具有巨大的潜力,可以提高估测精度。这对于全球碳平衡的监测和实现双碳目标非常重要。此外,我们还强调了纹理特征和极化分解参数在 AGB 估测中的重要性,它们可以帮助更准确地捕捉森林生物量的变化。因此,结合多频率极化SAR数据和优化特征选择的方法将有助于更好地理解森林生态系统的碳循环,并为全球碳管理提供有力支持。