合成孔徑雷達森林資源監測技術研究綜述

李增元 趙磊 李堃 陳爾學 萬祥星 徐昆鵬

摘要合成孔徑雷達（Synthetic Aperture Radar，SAR）技術憑借其全天時、全天候的成像能力以及對森林垂直結構信息敏感的特點，在森林資源監測中具有獨特的優勢，已成為當前森林資源遙感調查技術的研究熱點.本文首先介紹了SAR森林資源監測技術的發展背景、發展軌跡和相關知識;然后，重點闡述了極化SAR、干涉SAR、極化干涉SAR和層析SAR在林地覆蓋類型分類、變化檢測以及森林參數定量化估測應用中的技術方法;最后，就SAR在森林資源監測研究和應用中存在的問題與發展趨勢進行了總結與展望.關鍵詞合成孔徑雷達;極化SAR;干涉SAR;層析SAR;森林資源監測

中圖分類號S771.8

文獻標志碼A

0引言

森林作為陸地生態系統的重要組成部分，覆蓋了大約30%的地球陸表，在地球生態系統和人類生產生活中扮演著重要的角色.近幾十年來，隨著人們對全球氣候變化、碳循環研究和人類可持續發展問題的普遍關注，森林生態系統受到了世界各國政府和科學家的高度重視，及時掌握森林資源的現狀及其變化規律，對于生態系統和人類生活至關重要[1].

對于森林資源的監測，從尺度上可分為國家級的宏觀監測和落實到山頭地塊的精細監測.傳統的調查方法是以抽樣理論為基礎，以地面調查為主要方法進行，例如我國的國家森林資源連續清查（簡稱一類調查）、森林資源規劃設計調查（簡稱二類調查）等[2].傳統調查方法存在的主要問題是，地面測量工作量大、更新周期長，全國難以取得統一時間、時空連續的森林資源調查成果.針對這些問題，遙感技術作為新的工具和技術被引入到森林資源的監測調查體系.不過在早期的森林資源調查中，遙感技術僅僅是起到輔助作用，例如作為底圖用于林相圖區劃.但伴隨著遙感森林資源調查技術的持續發展，樹種/林地類型、森林高度、蓄積量、生物量等關鍵的森林資源監測因子已能夠采用遙感技術得到.

采用遙感技術進行森林資源調查的方法，從傳感器的角度可以分為光學遙感（多光譜、高光譜）、激光雷達和合成孔徑雷達（Synthetic Aperture Radar，SAR）三類.其中，激光雷達的精度最高，但只適用于小區域的森林資源調查，大區域應用的成本較高.光學遙感獲取的則主要是森林冠層表面的信息，在林地類型分類、樹種識別等方面具有優勢，但在森林高度、蓄積量等定量估測方面有其局限性.SAR具備全天時、全天候的觀測能力，且波長相對較長，對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構參數更相關的遙感觀測量.因此，相比于光學遙感和激光雷達技術，SAR在森林資源定量參數估測和大區域森林類型快速制圖方面具有優勢.

實際上，我國自“八五”期間就已經開始嘗試將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數據的經驗模型、專家系統[4]，到“十二五”期間的多維度SAR、極化干涉SAR、層析技術等[5-6]，SAR森林資源監測技術發展至今已有近30年的歷史.在這期間，伴隨著SAR系統各方面技術的快速發展，SAR傳感器逐漸由單極化、單波段、單基線發展至多極化、多波段、多基線等不同觀測模式及其組合，由此誕生了多維度SAR的概念[7].SAR森林資源監測技術也逐步突破了SAR幾何定位、輻射校正等預處理技術[8-9]，提出了干涉SAR、極化干涉SAR等森林垂直結構信息反演模型方法[10]，發展了大區域海量SAR數據的自動化處理和森林制圖技術[11].

綜上所述，SAR是森林資源遙感調查中一項必不可少的技術，經過多年的發展，SAR森林資源監測技術也取得了眾多可喜的進展.本文將結合國內外SAR技術發展現狀和科研動態，系統總結目前SAR森林資源監測技術的研究進展及應用現狀，最后就SAR森林資源監測技術中存在的主要問題及發展趨勢進行討論分析.

1SAR森林資源監測技術研究現狀

1.1SAR林地覆蓋類型分類

相比于光學遙感，SAR成像受云雨影響小，可以快速獲取大區域、全覆蓋的有效影像數據，因此在大區域森林遙感制圖方面，SAR具有獨特優勢，是光學遙感的有益補充，有時甚至是數據獲取的唯一手段[12].但SAR影像受斑點噪聲和地形方面的影響較嚴重，對地物類型的識別能力不如光學遙感，通常只能實現森林/非森林的識別.不過隨著SAR傳感器的發展，多波段、多極化、多時相、多角度等多維度SAR數據的獲取已相對成熟，基于SAR影像的林地覆蓋類型分類也由單頻、單極化SAR的森林/非森林分類向多維度SAR林地類型精細分類的方向發展.總體而言，近十幾年來，SAR林地覆蓋類型分類研究的主要進展體現在更多維度SAR特征的利用和分類算法的升級改造兩個方面.

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

其次，在分類算法方面，研究熱點是結合先進的機器學習和模式識別算法，根據SAR影像的統計特征和數據特點發展相應的分類算法.趙磊等[17-18]基于均值漂移和譜圖分割技術發展了適應極化SAR數據特點的分割算法，在此基礎上引入一種基于極化SAR非高斯模型的紋理因子RK，實現了有林地、苗圃地和果園的細分.李蘭等[19]針對極化SAR影像的特點，研究了全極化SAR數據的非高斯統計建模，對比測試了基于K-Wishart分布的分類器與基于Wishart分布的經典分類器的性能，研究結果發現，K-Wishart分類器更適用于異質性高的山地森林的識別.徐豐等[20]提出了復數卷積網絡算法，該方法可以直接以極化SAR散射矩陣作為輸入，成功將深度學習算法應用于極化SAR分類，可準確地識別林地覆蓋類型，得到較高的分類精度.郭宇娟[21]采用具有代表性的深度卷積Highway Unit神經網絡，從SAR影像中自動學習多層高級特征表達，能夠很好地抵抗噪聲的影響，實現基于GF-3雙極化SAR數據的呼倫貝爾市大區域林地覆蓋類型制圖.

1.2SAR林地類型變化檢測

與SAR林地覆蓋類型分類相似，SAR林地類型變化監測的研究首先也是從單極化SAR數據開始發展，但隨著SAR傳感器技術的發展，針對多極化/全極化變化檢測的方法也在增多，目前的發展趨勢一方面是以單極化SAR變化檢測方法為基礎進行不斷完善，另一方面是聯合多維度SAR特征發展新的變化檢測方法.總體上，主要的林地覆蓋類型變化檢測方法包括基于SAR特征的直接比較法、聯合分類的變化檢測方法以及兩者結合的方法.

基于SAR特征的直接比較法的研究熱點在于變化測度的設計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變化測度，可以更好地度量不同極化分布模型的相似度，在此基礎上發展了基于極不均勻模型的極化SAR變化檢測方法，具有更高的檢測率和更低的虛警率.Guo等[23]則提出了一種基于最小分類誤差的閾值提取方法，該方法能夠利用廣義高斯模型對差異影像數據統計分布進行模擬，實現差異影像閾值的精確提取.

直接比較法一般屬于非監督的方法，而聯合分類的變化檢測法則屬于監督變化檢測方法，研究的熱點在于多時相聯合分類以及多維SAR特征的利用.馮琦等[24]采用面向對象分類方法，基于PALSAR正射校正合成產品，對婆羅洲地區進行了兩期的熱帶森林制圖，結果表明兩個時相的分類結果能夠清楚地反映森林的變化情況;Zhao等[25]開展了農林交錯區多時相全極化SAR聯合分類的變化檢測研究，提出了聯合分類變化檢測算法框架，并利用相似度測度方法對聯合分類檢測結果進行約束，取得了較好的變化檢測效果.

谷鑫志等綜合利用上述兩種方法的優點，發展了一種結合“基于分類的變化檢測”和“貝葉斯最大期望-馬爾可夫隨機場（EM-MRF）分類器”的森林覆蓋變化檢測方法，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數據的極化信息和空間上下文信息，減輕斑點噪聲對于森林覆蓋變化檢測的影響，研究結果表明，其檢測性能優于直接比較法和分類后比較法[26-27].

1.3SAR森林高度反演

SAR對森林冠層的穿透能力使其信號中包含著森林垂直方向上一定深度的結構信息，因此SAR信號與森林的垂直結構參數具有物理含義的相關關系.極化SAR能夠反映不同結構散射體的物理特性，對森林垂直方向上散射體的結構類型敏感，干涉SAR則能夠通過相位信息反映散射體的高程，這兩者的結合使得SAR成為了森林高度反演的重要手段[28-29].目前，基于SAR數據進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.

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個頻率的單極化干涉SAR數據，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據（DEM）相減得到森林高度[29].其中，DSM通常采用短波長干涉SAR獲得（例如X或Ku波段），DEM則通常采用已有的林下地形數據或采用長波長的干涉SAR獲得（例如P或L波段）.龐勇等[30]就SAR波段選擇對差分法森林高度反演的影響展開了詳細的討論.Soja等[31]利用TanDEM-X雙星干涉SAR數據，結合LiDAR提取的高精度DEM實現了森林高度的精確反演.基于相干性的物理模型法目前應用較多的是SINC模型法，該模型簡潔有效地刻畫了森林高度與體散射失相干的關系.馮琦等[32]利用國產機載雙天線SAR系統獲取了X波段干涉SAR數據，對比分析了SINC模型法與差分法的森林高度反演結果，發現SINC模型法的反演精度盡管略低于差分法，但該方法不依賴實驗區高精度的外部DEM數據，在實際中有更好的適用性，具備大區域估測森林高度的潛力.范亞雄[33]也詳細分析了差分法和SINC模型法估測森林高度的優缺點和應用潛力，并且提出了一種基于SINC模型和蒙特卡羅模擬實驗評價森林高度估測結果可信度的方法，可以獲得更精細的反演結果.

1.3.2極化干涉SAR森林高度反演

極化干涉SAR技術是在干涉SAR的基礎上增加了極化信息，使其同時具備了區分不同散射機制和獲取不同散射機制高程信息的能力，從而實現了不依賴外部林下地形數據的森林高度反演，已成為一種重要的森林結構參數遙感定量監測關鍵技術[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似，關鍵步驟是獲取能夠代表森林冠層和地表的散射機制的相位中心，然后通過兩個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、數值半徑優化方法以及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，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]提出了經典的三階段森林高度反演方法，得到了廣泛應用.李哲等[35]利用干涉優化相干理論和ESPRIT方法對三階段法進行改進，并取得了較好的應用效果.后續基于RVoG模型的研究主要是發展新的模型求解方法和進一步提出改進模型.在模型求解方法方面，發展了包括模擬退火算法、神經網絡法、復數域最小二乘法、平差法等一系列新方法[38-40].在模型改進方面，Neumann等[41]在RVoG模型的基礎上引入冠層填充因子構造三層植被散射模型（冠層、枝干層、地表層），并用L波段機載數據驗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誤差.

1.3.3層析SAR森林高度反演

層析SAR技術是近年來出現的一種先進的雷達成像技術，在傳統的單基線干涉SAR、極化干涉SAR的基礎上，通過增加垂直方向的基線數量來實現高度維的合成孔徑，從而具有分辨地物垂直結構的能力，在森林參數定量化反演研究中得到廣泛應用.其中，在層析SAR森林高度估測研究中，根據是否利用全極化信息，可將層析SAR森林高度估測分為兩類：1）采用單極化數據的干涉層析SAR技術;2）采用全極化數據的極化干涉層析SAR技術.利用多基線SAR數據，通過頻譜分析得到森林垂直結構剖面，在此基礎上通過分析相位中心位置和反射功率峰值進而可以得到森林高度[43].但是，如果單獨依靠相位中心或者功率峰值進行森林高度提取時往往存在一定的偏差.對此，李蘭[44]提出了基于樣地標定的干涉層析SAR森林高度提取辦法，取得了很好的森林高度反演結果.相比于干涉層析SAR技術，利用多極化數據的極化干涉層析SAR能夠進一步分離地體散射機制，更加準確地描述剖面的功率分布，通過剖面分析能夠更加準確地進行森林高度提取[44-45].此外，利用稀疏基理論的層析SAR方法也逐漸被應用到森林高度估測研究中，該方法為利用更少的SAR數據進行層析成像提供了基礎，也是目前層析SAR森林高度估測研究的熱點之一[46].

1.4SAR森林蓄積量/生物量估測

森林蓄積量是森林培育、森林經營管理等生產活動中關心的核心參數，該參數以及森林地上生物量（簡稱森林生物量）都和森林的碳儲量密切相關，對于認識全球碳循環至關重要.因此，針對森林蓄積量和生物量的監測受到了各國政府和氣候變化科學家的重視，相關技術方法也逐漸成為遙感科學研究的熱點.從SAR技術利用的角度出發，可將SAR森林蓄積量/生物量估測研究分為三類：1）極化SAR森林蓄積量/生物量估測;2）干涉、極化干涉SAR森林蓄積量/生物量估測;3）層析SAR森林蓄積量/生物量估測.

1.4.1極化SAR森林蓄積量/生物量估測

基于極化SAR數據估測森林蓄積量/生物量，能夠利用的基本信息是雷達的后向散射信息，但能利用的并非僅是單個像元的強度信息，還包含該強度影像在圖像空間和極化兩個方向的擴展，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數據反演森林蓄積量/生物量的研究可以劃分為三類：1）利用不同極化通道的后向散射系數信息建立森林參數的估測模型[47];2）利用局部空間上后向散射強度反映的紋理信息建立森林參數的估測模型[48];3）利用極化分解的特征參數建立森林參數估測模型[49].由于森林的生物量或蓄積量與上述特征信息沒有直接的物理含義的聯系，因此利用上述特征進行估測的反演模型主要為經驗模型，最常用的是線性、非線性的統計模型，以及神經網絡等機器學習模型.上述方法中，基于后向散射系數的估測模型研究相對居多，這一類估測模型除了數量最多的統計回歸模型，還包括基于一定物理含義的半經驗模型，例如水云模型及其演變形式[50].另外，還有基于森林場景模擬SAR影像的查找表方法的正向物理模型[51]，但該方法過于復雜，實際應用的難度較大.需要注意的是，由于森林多分布在高程起伏的復雜地形區域，因此在利用極化SAR估測森林參數時，通常需要對SAR影像進行地形輻射校正處理[52]，或在統計建模時加入與局部成像幾何相關的變量[53]，以消除地形引起的森林參數估測誤差.這是目前極化SAR森林參數估測研究的一個熱點，也是極化SAR估測大區域森林參數的一個難點.

1.4.2干涉、極化干涉SAR森林蓄積量/生物量估測

基于干涉、極化干涉SAR數據進行森林蓄積量/生物量估測的方法可以分為兩類：1）基于干涉SAR相干性特征建立經驗、半經驗模型的方法.該類方法與基于極化SAR估測森林蓄積量/生物量的方法相似，主要是利用干涉相關性與森林蓄積量/生物量之間存在的負相關關系建立估測模型，經驗模型即基于地面樣地數據建立干涉相干性與蓄積量/生物量之間的統計回歸模型或非參數化的機器學習模型[54].此外，半經驗物理模型也被用于干涉SAR森林蓄積量/生物量的估測，例如Askne等在水云模型的基礎上提出的干涉水云模型[55]，是目前應用較為廣泛的一種半經驗森林蓄積量估測模型[56-57].2）基于樹高反演的方法.該方法是基于干涉、極化干涉SAR反演的森林高度結果，利用森林高度和森林蓄積量/生物量之間的異速生長方程來實現森林蓄積量/生物量的估測[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聯系，因此基于樹高反演的方法較一般經驗模型的方法更為穩健，飽和點也相對較高.但是，目前在實際應用中也存在一些問題.首先，目前用于描述森林高度和蓄積量/生物量的異速生長關系的模型還相對較少，林業中已有的多是描述胸徑和森林蓄積量/生物量的異速生長方程;其次，森林蓄積量/生物量的大小除了與森林高度有關，還與胸徑、林分密度等諸多因子有關[59].

1.4.3層析SAR森林蓄積量/生物量估測

層析SAR技術估測森林生物量/蓄積量，主要利用的是層析SAR獲取的森林垂直結構剖面信息.目前獲取層析剖面的方法主要有兩種：單基線的極化干涉層析法[60]和多基線的譜分析法[61].在層析剖面的基礎上如何提取參數，進而估測森林蓄積量、生物量等參數，是層析SAR森林參數反演技術的研究熱點.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.羅環敏等[5]將極化相干層析得到的剖面進行了參數化，得到了剖面的峰值，剖面峰的跨度、高度、幅度等多個特征參數，然后通過建立多元逐步回歸方程實現了森林生物量的估測.李文梅[62]在羅環敏等[5]方法的基礎上，結合極化干涉SAR分割方法實現了更大區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相對反射率特征，分析不同高度上的相對反射率與森林參數的相關關系，然后建立估測模型.文獻[63]分析了不同高度處的層析相對反射率與森林地上生物量之間的相關性，研究結果表明利用30 m高的層析相對反射率能夠實現較好的森林生物量反演結果.李蘭等的研究發現，20 m以下的層析相對反射率與森林生物量呈負相關關系，20 m以上的層析反射率與森林生物量呈正相關關系，在此基礎上，李蘭等利用5 m和25 m高度的相對反射率進行聯合估測，進一步提高了森林生物量的估測精度[64].在層析SAR森林參數估測的過程中，散射機制的分離與地面散射機制的消除是一個難點，也是目前層析SAR森林參數反演的主要研究方向之一[65].

2總結

綜上所述，SAR在大區域遙感數據快速獲取和森林參數定量化反演方面具有獨特優勢，使其在森林資源調查中可以發揮重要的作用.經過近30年的發展，SAR森林資源監測技術已經在林地類型分類及變化檢測、森林高度反演和森林蓄積量/生物量估測等方面取得了諸多的進展.然而，目前相關的技術和方法大多仍處在研究階段，還較少在林業行業實際的森林資源調查工作進行大范圍的應用和推廣，主要存在以下兩方面的問題：

1）在SAR森林資源監測技術方面，雖然目前已發展了一系列技術方法，但還存在一定的局限性，需要進一步改進和發展.對于林地覆蓋類型分類及變化檢測而言，SAR數據的斑點噪聲和地形影響是大區域應用推廣首先要解決的難題;對于森林參數定量反演而言，充分地認識和理解森林植被與SAR信號的相互作用機制，是提升模型精度和普適性的關鍵.因此，需要重視SAR森林機理模型的發展，并在此基礎上充分挖掘前沿SAR技術森林參數反演的潛力.以層析SAR技術為例，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森林資源監測技術研究和應用推廣的SAR數據資源還相對匱乏.首先，在極化干涉SAR、層析SAR技術森林應用研究方面，目前嚴重依賴國外共享的機載試驗數據，這些SAR數據和對應的地面調查數據都并非原始觀測數據，關鍵的數據預處理步驟和參數不清晰，不利于深入分析和穩健算法的研究.建議國內SAR載荷優勢單位，加強機載SAR遙感綜合實驗組織工作，推動實驗數據集的全面共享.其次，我國的星載SAR數據資源也相對匱乏，目前已有的高分三號SAR衛星遠不能滿足森林資源調查的需求.

總體來說，SAR技術在森林資源監測研究中已經展現出了極強的生命力，正成為推動森林資源監測精細化、智能化發展的強大動力.近年來，我國也加大了對SAR衛星、航空平臺、林業遙感信息產品標定與真實性檢驗場以及林業遙感應用綜合服務平臺的投入，這將有效推動SAR森林資源監測技術的發展，為我國森林資源的精細化、科學化監測與管理提供有力支撐.

參考文獻

References

[1]劉茜，楊樂，柳欽火，等.森林地上生物量遙感反演方法綜述[J].遙感學報，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，高志海，等.中國林業遙感技術與應用發展現狀及建議[J].中國科學院院刊，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，車學儉，劉閩，等.ERS-1 SAR影像森林應用研究初探[J].林業科學研究，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圖像森林類型分類專家系統研制探討[J].遙感技術與應用，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]羅環敏，陳爾學，李增元，等.森林地上生物量的極化相干層析估計方法[J].遙感學報，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成像概念[J].雷達學報，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，李增元.ENVISAT ASAR影像地理定位方法[J].中國圖象圖形學報，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，李增元.基于斜角坐標系變換的星載SAR直接定位算法[J].高技術通訊，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，李增元，龐勇，等.基于極化合成孔徑雷達干涉測量的平均樹高提取技術[J].林業科學，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，等.ENVISAT ASAR的區域森林：非森林制圖[J].遙感學報，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.合成孔徑雷達森林生物量估測研究進展[J].世界林業研究，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.ERS SAR干涉測量技術用于區域尺度森林制圖研究[J].地理與地理信息科學，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，李增元，等.多時相雙極化合成孔徑雷達干涉測量土地覆蓋分類方法[J].測繪學報，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，李增元，等.多時相雙極化SAR影像林地類型分類方法[J].林業科學，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，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價[J].武漢大學學報（信息科學版），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影像面向對象分類方法研究[D].北京：中國林業科學研究院，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，李增元，等.極化SAR K-Wishart分類器及其性能評價[J].武漢大學學報（信息科學版），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.深度學習在SAR目標識別與地物分類中的應用[J].雷達學報，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神經網絡極化SAR地物類型分類[D].西安：西安科技大學，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圖像變化檢測技術研究[D].北京：中國科學院大學，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，李文梅，等.基于ALOS PALSAR數據的熱帶森林制圖技術研究[J].遙感技術與應用，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，李增元，等.多極化星載SAR森林覆蓋變化檢測方法[J].林業科學，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森林覆蓋變化檢測方法研究[D].北京：中國林業科學研究院，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，李增元，等.合成孔徑雷達森林樹高和地上生物量估測研究進展[J].遙感技術與應用，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，李增元，等.干涉、極化干涉SAR技術森林高度估測算法研究進展[J].遙感技術與應用，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，等.干涉雷達技術用于林分高估測[J].遙感學報，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，李增元，等.機載X-波段雙天線InSAR數據森林樹高估測方法.遙感技術與應用，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森林高度估測方法研究[D].北京：中國林業科學研究院，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的研究現狀與啟示[J].電子與信息學報，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，王建.幾種極化干涉SAR森林平均高反演算法的比較評價[J].遙感技術與應用，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.航天飛機極化干涉雷達數據反演地表植被參數[J].遙感學報，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.復數域最小二乘平差及其在PolInSAR植被高反演中的應用[J].測繪學報，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，Ferro-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：中國林業科學研究院，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建筑物與樹林三維結構參數反演研究[D].北京：中國科學院大學，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與中國東北森林蓄積量的相關性分析[J].遙感技術與應用，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數據地形校正及森林地上生物量估測研究[D].北京：中國林業科學研究院，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，李增元，等.基于機載P-波段全極化SAR數據的復雜地形森林地上生物量估測方法[J].林業科學，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.異速生長關系在陸地生態系統生物量估測中的應用[J].世界科技研究與發展，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，李增元，等.頻譜分析技術在層析SAR森林垂直結構信息提取中的應用性能分析[J].電子學報，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 層析估測森林垂直結構參數方法研究[D].北京：中國林業科學研究院，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，李增元，等.森林地上生物量的多基線InSAR層析估測方法[J].林業科學，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

資助項目國家重點研發計劃（2017YFB0502700）;國家自然科學基金（41801289）

作者簡介

李增元，男，博士，研究員，主要研究方向為林業遙感.lizengyuan@ifrit.ac.cn

趙磊（通信作者），男，博士，助理研究員，主要研究方向為合成孔徑雷達林業應用技術.zhaolei@ifrit.ac.cn

1中國林業科學研究院資源信息研究所，北京，100091

2北京空間飛行器總體設計部，北京，100094