基于全極化Radarsat-2數(shù)據(jù)的蘋果園平均樹(shù)高估算模型

賈永倩，王振錫*，瞿余紅，丁雅，李擎

(1.新疆農(nóng)業(yè)大學(xué) 林學(xué)與園藝學(xué)院，烏魯木齊 830052；2，新疆教育廳 干旱區(qū)林業(yè)生態(tài)與產(chǎn)業(yè)技術(shù)重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830052)

基于全極化Radarsat-2數(shù)據(jù)的蘋果園平均樹(shù)高估算模型

賈永倩1，2，王振錫1，2*，瞿余紅1，2，丁雅1，2，李擎1，2

(1.新疆農(nóng)業(yè)大學(xué) 林學(xué)與園藝學(xué)院，烏魯木齊 830052；2，新疆教育廳 干旱區(qū)林業(yè)生態(tài)與產(chǎn)業(yè)技術(shù)重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830052)

以新疆阿克蘇地區(qū)紅旗坡農(nóng)場(chǎng)“冰糖心”蘋果為研究對(duì)象，采用全極化Radarsat-2數(shù)據(jù)和實(shí)測(cè)果園的郁閉度，計(jì)算出植被實(shí)際雷達(dá)后向散射系數(shù)，并分別分析HH、VV和CROSS極化雷達(dá)后向散射系數(shù)和實(shí)際雷達(dá)后向散射系數(shù)與樹(shù)高的相關(guān)關(guān)系，構(gòu)建水云模型、指數(shù)和二次項(xiàng)模型反演蘋果園的樹(shù)高。反演結(jié)果表明：水云模型的最佳擬合模型為HH極化方式，R2為0.116 8，實(shí)際雷達(dá)后向散射系數(shù)所建立的指數(shù)模型、二次項(xiàng)模型以VV極化的效果最好，R2分別為0.811 3和0.795 4。

Radarsat-2；蘋果；樹(shù)高

0 引言

樹(shù)高是森林資源管理領(lǐng)域的重要參數(shù)，獲取準(zhǔn)確、大范圍、空間連續(xù)的樹(shù)高信息對(duì)森林資源監(jiān)測(cè)、管理和碳循環(huán)等有重要意義[1-3]，對(duì)經(jīng)濟(jì)林樹(shù)高的研究，在經(jīng)濟(jì)林信息化管理和病蟲(chóng)害防治中具有重要意義。國(guó)內(nèi)外學(xué)者對(duì)光學(xué)遙感反演植被高做了很多研究[4-5]，也取得了一定的成就，光學(xué)遙感在云南天氣下存在一定的局限性，微波遙感穿透性強(qiáng)，不受云雨天氣影響，在樹(shù)高反演方面具有一定優(yōu)勢(shì)[6]。Rardarsat-2數(shù)據(jù)多用于水稻[7]、小麥[8]等農(nóng)作物生物參數(shù)的提取。也有學(xué)者利用雷達(dá)提取植被樹(shù)高、生物量、蓄積量等信息[9]，如朱海珍[10]利用統(tǒng)計(jì)的方法對(duì)多時(shí)相的ENVISAR ASAR數(shù)據(jù)進(jìn)行了森林蓄積量的估測(cè)研究；李文梅[11]利用多基線干涉層析的方法提取了雷達(dá)后向散射功率的垂直分布信息，并在此信息上提取了樹(shù)高；另外，國(guó)內(nèi)外研究者應(yīng)用有約束和無(wú)約束相干優(yōu)化、ESPRIT相位中心分離、相干散射模型等在樹(shù)高估測(cè)方面取得了較好的研究結(jié)果[12-14]。本文通過(guò)提取Radarsat-2數(shù)據(jù)不同極化方式下的后向散射系數(shù)，建立其與樹(shù)高的水云估測(cè)模型，并利用果園郁閉度計(jì)算植被實(shí)際后向散射系數(shù)，建立樹(shù)高估測(cè)的指數(shù)模型和二次項(xiàng)模型。以期利用反演的樹(shù)高信息將經(jīng)濟(jì)林劃分為不同齡級(jí)，在某個(gè)地區(qū)發(fā)生病蟲(chóng)害時(shí)，根據(jù)它的傳播特性及林果分布特征，提前做好防預(yù)工作，同時(shí)也為果園的信息化管理提供技術(shù)支撐。

1 材料與方法

1.1 試驗(yàn)區(qū)數(shù)據(jù)采集

實(shí)研究區(qū)域位于新疆維吾爾自治區(qū)阿克蘇地區(qū)阿克蘇市飛機(jī)場(chǎng)附近紅旗坡農(nóng)場(chǎng)(41°14′39″～41°19′29″N、80°16′26″～80°21′03″E)，海拔1215m，紅旗坡農(nóng)場(chǎng)是享譽(yù)全國(guó)的“冰糖心”紅富士蘋果(Malus domestica cv.Red Fuji)的產(chǎn)地，也是國(guó)家重點(diǎn)特色林果生產(chǎn)基地，該地區(qū)處于天山南麓中段，塔里木盆地北緣，南鄰阿克蘇市，西毗溫宿縣，地勢(shì)平緩，光熱資源豐富，無(wú)霜期205～219 d，研究區(qū)范圍內(nèi)主要經(jīng)濟(jì)林樹(shù)種有蘋果、紅棗、核桃和香梨，農(nóng)作物和田間作物多為棉花。實(shí)驗(yàn)于2015年8月25日進(jìn)行果園均高信息采集的野外遙感調(diào)查，在研究區(qū)選取能代表果園均高的16 m×24 m(對(duì)應(yīng)影像6個(gè)像元)的樣方，記錄每個(gè)樣方內(nèi)所有果樹(shù)高度，取平均值作為該果園的平均樹(shù)高，并用GPS記錄樣點(diǎn)的經(jīng)緯信息，以便將實(shí)測(cè)數(shù)據(jù)與雷達(dá)影像進(jìn)行一一對(duì)應(yīng)。

1.2 雷達(dá)數(shù)據(jù)獲取和預(yù)處理

RADARSAT-2是一顆C波段的雷達(dá)衛(wèi)星，本試驗(yàn)所用雷達(dá)數(shù)據(jù)為Rararsat-2四極化精細(xì)模式數(shù)據(jù)，影像覆蓋面積為25 km×25 km，影像分辨率為8 m×8 m，包含HH、HV、VH和VV四種不同極化方式，具體成像參數(shù)見(jiàn)表1。

表1 Rararsat-2數(shù)據(jù)影像參數(shù)

雷達(dá)數(shù)據(jù)在進(jìn)行分析之前，需要對(duì)影像數(shù)據(jù)先進(jìn)行預(yù)處理。本研究使用ENVI下的SARscape模塊對(duì)原始SLC影像進(jìn)行多視、濾波、地理編碼及輻射定標(biāo)處理后，進(jìn)行幾何精校正，得到一幅能反應(yīng)地物實(shí)際后向散射系數(shù)的影像。

1.2.1 濾波

雷達(dá)圖像是采用相干微波源照射，因此各散射中心回波的相干疊加所造成的合成矢量，其振幅和相位有一定的起伏，且幅度和相位與回波方向有很大關(guān)系，散射的總回波隨后向散射系數(shù)值的隨機(jī)起伏變化而變化，這使SAR對(duì)目標(biāo)后向散射系數(shù)的測(cè)量產(chǎn)生很大偏差，因此在最終得到的圖像中出現(xiàn)相干斑噪聲。ENVI軟件下的SARscape模塊提供了Lee濾波、Frost濾波、Refined Lee濾波等幾種濾波方式，本研究通過(guò)分析不同濾波方式得到的后向散射系數(shù)與實(shí)測(cè)樹(shù)高的相關(guān)關(guān)系，最終確定采用Lee濾波方法。

1.2.2 后向散射系數(shù)提取

輻射定標(biāo)后的雷達(dá)影像是一副能反應(yīng)地物實(shí)際后向散射系數(shù)的影像，但雷達(dá)后向散射系數(shù)的量級(jí)很小，且隨著地表參數(shù)變化的幅度較小，為了擴(kuò)大散射系數(shù)的動(dòng)態(tài)范圍，通常用分貝的形式表示，即：

δ0(DB)=10×1 ln(DN)。

(1)

根據(jù)GPS實(shí)測(cè)數(shù)據(jù)的經(jīng)緯度在影像上選取16 m×24 m(6個(gè)像元)的感興趣區(qū)域，得到不同極化方式的后向散射系數(shù)。

1.3 研究方法

1.3.1 水云模型

許多學(xué)者研究表明[15]，雷達(dá)后向散射系數(shù)對(duì)樹(shù)高、蓄積量等植被參數(shù)十分敏感，若建立不同極化方式后向散射系數(shù)與樹(shù)高的估測(cè)模型，則可利用雷達(dá)影像數(shù)據(jù)直接反演果園的平均樹(shù)高。雷達(dá)后向散射系數(shù)受很多因素的影響，如植被、土壤、地形及傳感器本身[16]。植被冠層的后向散射系數(shù)可用基于輻射傳輸方程一階微分解的半經(jīng)驗(yàn)?zāi)Ｐ停此颇Ｐ捅磉_(dá)，該模型是假定植被冠層由無(wú)數(shù)各分布均勻、大小相等的微小水滴組成，可將植被后向散射系數(shù)分解為兩個(gè)部分：冠層自身的體散射和經(jīng)過(guò)冠層衰減后土壤及地下植被的散射，因此，該模型可表述為：

(2)

(3)

τ2=exp(-2BV2/cosθ)。

(4)

δ0=AV1cosθ-AV1cosθ×exp(-2BH/cosθ)+exp(-2BH/cosθ)×δsoil。

(5)

對(duì)方程求反向解，則果園的平均樹(shù)高H為：

(6)

H=a×b-bln(c-δ0)。

(7)

式中：δ0為雷達(dá)影像不同極化方式的后向散射系數(shù)；參數(shù)a、b、c可以通過(guò)雷達(dá)后向散射系數(shù)與實(shí)測(cè)樹(shù)高進(jìn)行擬合得到。

1.3.2 指數(shù)模型與二次項(xiàng)模型

水云模型認(rèn)為土壤的散射是影響植被后向散射系數(shù)的關(guān)鍵因素[17]，因此將植被后向散射系數(shù)分解為兩個(gè)部分：冠層自身的體散射和經(jīng)過(guò)冠層衰減后土壤的散射，而本研究認(rèn)為經(jīng)過(guò)冠層衰減后的散射對(duì)植被后向散射系數(shù)的影響是微弱的，而經(jīng)過(guò)冠層衰減的林間土壤的散射對(duì)植被后向散射系數(shù)的影響是較大的，而且雷達(dá)后向散射系數(shù)與樹(shù)高的相關(guān)關(guān)系用簡(jiǎn)單的線性模擬是不完全準(zhǔn)確的，因此本文在水云模型的基礎(chǔ)上，考慮到林間土壤散射的影響，認(rèn)為雷達(dá)后向散射系數(shù)與實(shí)際植被后向散射系數(shù)有以下關(guān)系：

(8)

即：

(9)

2 結(jié)果與分析

2.1 雷達(dá)不同極化后向散射系數(shù)變化特征分析

本研究于2015年8月25日雷達(dá)過(guò)境當(dāng)天在實(shí)驗(yàn)區(qū)隨機(jī)選取35個(gè)樣點(diǎn)進(jìn)行蘋果園樹(shù)高、郁閉度、胸徑、樹(shù)齡等信息的采集，并用GPS記錄樣點(diǎn)位置，同時(shí)在預(yù)處理后的雷達(dá)影像上根據(jù)GPS記錄結(jié)果選取相對(duì)應(yīng)的34個(gè)控制點(diǎn)，比較四種極化HH、HV、VH、VV后向散射系數(shù)的變化情況，結(jié)果如圖1所示。

圖1 蘋果不同極化總后向散射系數(shù)變化特征Fig.1 Variation characteristics of total backscattering coefficientof apples under different polarization modes

根據(jù)公式(9)計(jì)算蘋果不同極化實(shí)際后向散射系數(shù)，并分析四種極化HH、HV、VH、VV實(shí)際后向散射系數(shù)的變化情況，結(jié)果如圖2所示。

由圖2可以看出，根據(jù)公式(9)計(jì)算出的蘋果HH極化和VV極化的實(shí)際后向散射系數(shù)較之前圖1中含有林下植被和地表信息的后向散射系數(shù)略有增大，曲線波動(dòng)幅度變大，HH極化后向散射系數(shù)最大值和最小值差值由原來(lái)的11.26增加到19.66，VV極化后向散射系數(shù)最大值和最小值差值由原來(lái)的9.76增加到18.05。交叉極化HV和VH曲線變化不大。

圖2 蘋果不同極化實(shí)際后向散射系數(shù)變化特征Fig.2 Variation characteristics of actual backscattering coefficient of apples under different polarization modes

2.2 蘋果園平均樹(shù)高估測(cè)模型分析

對(duì)蘋果園樹(shù)高和后向散射系數(shù)做相關(guān)性分析，結(jié)果見(jiàn)表2。

表2 不同極化方式后向散射系數(shù)與樹(shù)高相關(guān)關(guān)系

由表2可見(jiàn)，包含林間植被和地表的總后向散射系數(shù)與樹(shù)高的相關(guān)系數(shù)在VV極化方式下略高于HH極化方式，決定系數(shù)分別為0.148和0.147。依據(jù)公式(9)用郁閉度減小林間植被和地表影響后植被實(shí)際后向散射系數(shù)與樹(shù)高相關(guān)關(guān)系優(yōu)于總后向散射系數(shù)與樹(shù)高的相關(guān)關(guān)第，HH極化與VV極化下植被雷達(dá)后向散射系數(shù)與樹(shù)高的相關(guān)系數(shù)由正相關(guān)變?yōu)樨?fù)相關(guān)，且VV極化增幅最大，決定系數(shù)由0.148增大到0.537，這可能與蘋果冠層在縱向上有明顯的垂直結(jié)構(gòu)有關(guān)。交叉極化后向散射系數(shù)與樹(shù)高相關(guān)關(guān)系較差，減小林間植被和地表影響后相關(guān)系數(shù)略有提高，但提高幅度很小。

2.3 水云模型建模分析

將Radarsat-2影像后向散射系數(shù)與實(shí)測(cè)蘋果樹(shù)高依據(jù)水云模型H=a×b-bln(c-δ0)進(jìn)行擬合，采用1stOpt軟件進(jìn)行擬合確定參數(shù)a、b、c的值。將HH、CROSS、VV三種不同極化的后向散射系數(shù)引入水云模型并擬合方程，三種極化方式建模情況見(jiàn)表3。

表3 不同極化方式下水云模型分析

由表3可見(jiàn)，不同極化方式下的水云模型建立的蘋果樹(shù)高估測(cè)模型中HH極化方式建立的模型較優(yōu)，均方根誤差為0.809，交叉極化建立的模型最差，均方根誤差為0.954。水云模型多適用于沒(méi)有明顯垂直結(jié)構(gòu)的農(nóng)作物，而蘋果是具有明顯垂直結(jié)構(gòu)的，所建立的水云模型效果不佳。

2.4 指數(shù)與二次項(xiàng)模型分析

雷達(dá)后向散射系數(shù)與植被高度、郁閉度、生物量等的關(guān)系用簡(jiǎn)單的線性關(guān)系描述精度較低，因此本研究用蘋果實(shí)際后向散射系數(shù)與樹(shù)高建立非線性模型，即指數(shù)與二次項(xiàng)模型，結(jié)果見(jiàn)表4。

表4 不同極化方式下指數(shù)與二次項(xiàng)模型分析

由表4可見(jiàn)，除交叉極化外，其余兩種極化方式模型均有較好的擬合度，HH極化和VV極化的指數(shù)模型擬合效果均優(yōu)于二次項(xiàng)模型，且VV極化模型略優(yōu)于HH極化模型。6個(gè)模型中以VV極化的指數(shù)模型和二次項(xiàng)模型最優(yōu)，決定系數(shù)分別為0.579和0.544。

2.5 精度評(píng)價(jià)

選取精度較高的VV極化的指數(shù)模型與二次項(xiàng)模型、HH極化的水云模型進(jìn)行蘋果樹(shù)高的反演，將檢驗(yàn)樣本分別帶入指數(shù)模型和二次項(xiàng)模型，分別比較蘋果估測(cè)樹(shù)高和實(shí)測(cè)樹(shù)高，分析模型估測(cè)不同樹(shù)高水平的精度。用VV極化的指數(shù)模型與二次項(xiàng)模型、HH極化的水云模型估測(cè)樹(shù)高與實(shí)測(cè)樹(shù)高制成實(shí)測(cè)值與估測(cè)值的1∶1圖像，如圖3所示。

圖3 蘋果樹(shù)高估測(cè)值與實(shí)測(cè)值的相關(guān)分析Fig.3 Correlation analysis between estimated and measured values of apple trees

由圖3可見(jiàn)，HH極化方式的水云模型估測(cè)的樹(shù)高與實(shí)測(cè)樹(shù)高的R2為0.116 8，模型估測(cè)效果不太理想，而VV極化方式的指數(shù)模型和二次項(xiàng)模型與實(shí)測(cè)樹(shù)高的R2分別為0.811 3和0.795 4，擬合效果較好。

2.6 繪制樹(shù)高空間分布圖

用最優(yōu)的VV極化的指數(shù)模型反演研究區(qū)蘋果園樹(shù)高，并繪制研究區(qū)蘋果園樹(shù)高的空間分布圖，如圖4所示。

圖4 研究區(qū)蘋果樹(shù)高空間分布圖Fig.4 High spatial distribution of apple trees in the study area

3 結(jié)論與討論

本文在傳統(tǒng)水云模型的基礎(chǔ)上，考慮到郁閉度對(duì)蘋果園后向散射系數(shù)的影響，認(rèn)為影像提取的后向散射系數(shù)是植被實(shí)際雷達(dá)后向散射系數(shù)與地面土壤、草地后向散射系數(shù)的總和，并建立C波段HH極化、VV極化、CROSS極化方式下植被實(shí)際雷達(dá)后向散射系數(shù)與樹(shù)高的指數(shù)模型和二次項(xiàng)估測(cè)模型。經(jīng)過(guò)對(duì)所建模型的檢驗(yàn)，水云模型所建的估測(cè)模型效果不太理想，其中最優(yōu)的HH極化方式的模型R2僅為0.116 8，由此可見(jiàn)，水云模型在蘋果樹(shù)高的估測(cè)上效果不佳。植被實(shí)際雷達(dá)后向散射系數(shù)與樹(shù)高的指數(shù)與二次項(xiàng)模型中以VV極化的模型擬合效果最佳，R2分別為0.811 3和0.795 4，具有較好的反演效果，這與王臣立[18]在森林蓄積、胸徑和樹(shù)高方面的研究結(jié)果相一致。

本研究是針對(duì)一個(gè)樹(shù)種的樹(shù)高反演，且只是針對(duì)6個(gè)像元的尺度進(jìn)行的樣地樹(shù)高的平均，并沒(méi)有直接對(duì)果樹(shù)樹(shù)高進(jìn)行樣地內(nèi)的平均，在今后的研究中將在像元尺度的基礎(chǔ)上進(jìn)行樣地尺度上的樹(shù)高平均，優(yōu)化樹(shù)高的估測(cè)算法，提取更多的信息，進(jìn)而為大面積果樹(shù)樹(shù)高提取，產(chǎn)量估測(cè)，病蟲(chóng)害防治等研究服務(wù)。

[1]Drake J B，Dubayah R O，Clark D B，et al.Estimation of tropical forest structural characteristics using large-footprint lidar[J].Remote Sensing of Environment，2002，79(2-3)：305-319.

[2]Lefsky M A，Cohen W B，Harding D J，et al.Lidar remote sensing of above-ground biomass in three biomes.Global Ecology and Biogeography[J].Global Ecology and Biogeography，2002，11(5)：393-399.

[3]Anderson J，Martin M E，Smth M L，et al.The use of waveform Lidar to measure northern temperate mixed conifer and deciduous forest structure in New Hampshire[J].Remote Sensing of Environment，2006，105(3)：248-261.

[4]崔少偉，范文義，金森，等.基于樹(shù)影與快鳥(niǎo)圖像的單木樹(shù)高提取[J].東北林業(yè)大學(xué)學(xué)報(bào)，2011，39(2)：47-50.

[5]張巍巍，馮仲科，汪笑安，等.基于TM影像的林木參數(shù)提取和樹(shù)高估測(cè)[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2013，33(9)：27-31.

[6](英)伍德豪斯(Woodhouse).微波遙感導(dǎo)論[M].董曉龍，徐星歐等譯.北京：科學(xué)出版社，2014.3

[7]景卓鑫.基于神經(jīng)網(wǎng)絡(luò)方法與RADARSAT-2雷達(dá)遙感數(shù)據(jù)的水稻參數(shù)反演研究[D].上海：華東師范大學(xué)，2014.

[8]高俊明.SAR圖像預(yù)處理及小麥參數(shù)反演平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2012.

[9]于穎，范文義，李明澤，等.利用大光斑激光雷達(dá)數(shù)據(jù)估測(cè)樹(shù)高和生物量[J].林業(yè)科學(xué)，2010，46(9)：84-87.

[10]朱海珍，龐勇，楊飛，等.基于ENVISAT ASAR數(shù)據(jù)的森林蓄積量估測(cè)研究[J].地理與地理信息科學(xué)，2007，23(2)：51-55.

[11]李文梅，陳爾學(xué)，李增元.多基線干涉層析SAR提取森林樹(shù)高方法研究[J].林業(yè)科學(xué)研究，2014，27(6)：815-821.

[12]Cloude S R，Papathanassiou K P.Polarimetric SAR Interferometry[J].IEEE Transactions on Geoscience & Remote Sensing，1998，36(5)：1551-1565.

[13]Ferro-Famil L，Lopez-Martinez C，Pottier E.Analysis of Natural Scene Properties from POLinSAR Data using Coherence Set Statistics and a Multi-Dimensional Speckle Model[C].IEEE International Conference on Geoscience and Remote Sensing Symposium.IEEE，2006：4048-4051.

[14]Neumann M，F(xiàn)errofamil L，Reigber A.Polarimetric Coherence Optimization for Multibaseline SAR Data[J].Proceedings of International Workshop on Science & Applications of Sar Polarimetry & Polarimetric Interferometry，2007，644.

[15]施建成，杜陽(yáng)，杜今陽(yáng)，等 微波遙感地表參數(shù)反演進(jìn)展[J].中國(guó)科學(xué)：地球科學(xué)，2012，42(6)：814-842.

[16]Attema E P W，Ulaby F T.Vegetation modeled as a water cloud[J].Radio Science，1978，13(2)：357-364.

[17]Inoue Y，Kurosu T，Maeno H，et al.Season-long daily measurements of multifrequency (Ka，Ku，X，C，and L) and full-polarization backscatter signatures over paddy rice field and their relationship with biological variables[J].Remote Sensing of Environment，2002，81(2-3)：194-204.

[18]王臣立，牛錚，郭治興，等.Radarsat SAR的森林生物物理參數(shù)信號(hào)響應(yīng)及其蓄積量估測(cè)[J].國(guó)土資源遙感，2005(2)：24-28.

Average Tree Height Estimation Model of Apple Orchard Based on Fully Polarized Radarsat-2 Data

Jia Yongqian1，2，Wang Zhenxi1，2*，Qu Yuhong1，2，Ding Ya1，2，Li Qing1，2

(1.College of Forestry and Horticulture，Xinjiang Agricultural University，Urumqi 830052； 2.Key Laboratory of Forestry Ecology and Industry Technology in Arid Region，Education Department of Xinjiang，Urumqi 830052)

The apple species with rock candy heat of Hongqi Po farm in Xinjiang Aksu region was taken as the research object in this study.The actual radar backscatter coefficients of the vegetation were calculated based on the Radarsat-2 data of all polarizations and the canopy density of the orchard.The HH，VV，CROSS polarimetric radar backscatter coefficients and the correlation relationships between actual radar backscatter coefficient and tree height were analyzed.The water cloud model，index and quadratic term model were established to predict the tree height of apple orchard.The results showed that the best fitting model of water cloud was HH polarization mode，with R2of 0.116 8.The exponential model established by actual radar backscatter coefficient and the quadratic model with VV polarization were of the best effect，with R2of 0.811 3 and 0.795 4，respectively.

radarsat-2；apple；tree height

2016-09-25

新疆維吾爾自治區(qū)高校科研計(jì)劃科學(xué)研究重點(diǎn)項(xiàng)目(XJEDU2013I16)；國(guó)防科工局高分辯率對(duì)地觀測(cè)系統(tǒng)專項(xiàng)(95-Y40B02-9001-13/15-01-01)；中國(guó)博士后科學(xué)基金項(xiàng)目(2015M572668XB)

賈永倩，碩士研究生。研究方向：林業(yè)3S技術(shù)及應(yīng)用。

*通信作者：王振錫，博士，副教授。研究方向：林業(yè)3S技術(shù)及應(yīng)用。E-mail：wangzhenxi2003@163.com

賈永倩，王振錫，瞿余紅，等.基于全極化Radarsat-2數(shù)據(jù)的蘋果園平均樹(shù)高估算模型[J].森林工程，2017，33(2)：45-49.

S 771.8

A

1001-005X(2017)02-0045-05