基于TerraSAR-X/TanDEM-X干涉DEM的森林冠层高度估测

2016-12-15章皖秋岳彩荣刘晓英

西南林业大学学报 2016年6期

关键词：天然林冠层林分

章皖秋岳彩荣刘晓英

(西南林业大学西南地区生物多样性保育国家林业局重点实验室，云南昆明 650224)

基于TerraSAR-X/TanDEM-X干涉DEM的森林冠层高度估测

章皖秋岳彩荣刘晓英

(西南林业大学西南地区生物多样性保育国家林业局重点实验室，云南昆明 650224)

森林树高的大面积估测一直是森林资源调查和林业遥感所面临的技术难题。以云南省勐腊县森林资源为研究对象，将DEM差分法与TerraSAR-X/TanDEM-X全极化干涉数据、地形图相结合，用TerraSAR-X/TanDEM-X数据干涉生成各极化通道带有森林冠层高度的DSM，从地形图上提取地表高度DTM；对2个高度模型进行水平位置匹配，并提出用参考面将DSM与DTM转换为相对高度模型RDSM和RDTM，以消除高程基准差异；最后对RDSM和RDTM进行差分运算，估测出研究区各极化通道下的森林冠层高度分布。采用森林资源二类调查数据，对各极化通道的冠层估测高进行了合理性验证。研究表明：DTM的高程基准面低于DSM，平坦农地适合作为参考面提取相对高度模型。在小班尺度上与森林资源二类调查数据的对比显示：各极化通道的冠层估测高与小班林分高均呈显著的中等正相关，冠层高度估测值大小合理，人工林的估测结果略优于天然林；人工林与天然林的冠层估测结果均在主要坡度分布区间内与小班林分高的相关性高；各极化通道的估测结果整体上没有明显差异。从总体上来看，基于地形图和TerraSAR-X/TanDEM-X数据，利用DEM差分法来大面积估测森林冠层高度是一种有效可行的途径，为辅助森林资源调查工作提供了新思路。

TerraSAR-X/TanDEM-X；干涉；DEM差分；冠层高度；森林

森林树高是森林经营管理中的一个重要参数，是反映森林材积、生物量、碳储量和立地质量等的关键指标。传统地面测量树高的方法虽然精度高，但费时费力、难以获取大面积森林树高信息。利用遥感技术快速获取大面积的树高空间分布，一直是森林调查和林业遥感面临的技术难题，目前总体上有光学遥感立体像对法[1-3]、激光雷达测高法[4-6]、极化干涉PolInSAR技术[7-10]、DEM差分法4类遥感技术可以反演森林树高。其中，PolInSAR技术和DEM差分法的区别在于：PolInSAR只采用同一数据源，用主图像的各极化通道与辅图像的各极化通道进行两两干涉，构成极化干涉相干矩阵，解析该矩阵来实现森林冠层和林下地表的相位中心分离，不需要相位解缠；而DEM差分从不同数据源分别获取DSM和DTM，干涉提取数字高度模型也只是对主、辅图像的同类极化通道进行干涉，数据处理需要去除地平和解缠相位。

DEM差分法对林分级别的树高估测精度高，应用潜力大[11]。目前，较常见的方法是利用短波段的干涉影像提取的数字高程模型DEM作为DSM，长波段的干涉影像提取的DEM作为DTM，用DSM与DTM的差异反演森林高度。Neeff等和Balzter等指出微波遥感估测的树高一般与构成林分郁闭度的那部分树木冠层相对应[11-12]，因此当DEM差分法采用干涉影像运算时，其估测树高为林分冠层高。但是，采用星载干涉影像提取DSM或DTM时，时间去相干通常会严重影响干涉精度；同时，带有冠层高度的DSM和林下地表高度的DTM的高度确定也是研究难点。由于DSM和DTM来源不同，二者间的水平不匹配，高程基准不一致，也会影响这2种高度模型的差分精度。为解决这一问题，有研究在单个DSM中选取林缘附近平坦区域的平均高度作为地表高度，仅从DSM中减去这个地表高度来提取林分冠层高[13-14]。Sarabandi、庞勇、Simard等[13-15]用单个DSM中的林区与无林区的高度差异来估测冠层高的方法，仅限于地形平坦区，难以应用于地形复杂区。

德国宇航局DLR提供的双站模式TerraSAR-X/TanDEM-X CoSSC全极化干涉数据，无时间去相干影响，卫星轨道定位精度高，空间分辨率3 m，采用穿透率较低的X波段，利用干涉测量或立体像对等技术可从中提取精确DSM[16-17]。如Sadeghi采用TerraSAR-X/TanDEM-X数据生成森林区域的DSM，结合激光雷达获取的DTM，成功提取了冠层高度[18]。同时费立凡指出我国中小尺度比例尺的数字地面模型DTM可通过地形图获取[19]。因此，本研究尝试用TerraSAR-X/TanDEM-X数据干涉生成带有森林冠层高度的DSM，从基础地形图上提取地表高度DTM；对2个高度模型进行水平几何匹配，并用参考面将DSM与DTM转换为相对高度模型，然后用差分运算从两个相对高程模型中估测出林分冠层高度；用森林资源二类调查的小班林分高，对估测结果的合理性进行分析。由于TerraSAR-X/TanDEM-X全极化数据具有HH、HV、VH、VV 4个极化通道，因此本研究将分别对这4个极化通道数据进行森林冠层高度的提取和分析。

1 研究区自然概况

研究区位于云南省南端的勐腊县境内，中心位置为东经101.34°，北纬21.5°，研究区面积约50 km2。勐腊县属北亚热带湿润季风气候，年平均温度在21 ℃，年降雨量1 700 mm以上，年积温在7 500 ℃以上。研究区内森林覆盖率达86.24%，郁闭度较高，主要包括天然阔叶林与人工橡胶 (Heveabrasiliensis) 林。其中，天然林以季风常绿阔叶林、热带季节性雨林、热性竹林为主，林种丰富、空间结构复杂；天然林主要位于山地部分，通达性较差，地面调查难度较大。研究区内海拔为480～2 023 m，坡度0°～60°。

2 研究方法

2.1 数据来源

采用研究区1∶5万地形图提取代表地表高度的DTM，坐标系为西安80，20 m等高距。我国基础地形图是通过航片立体像对与地面控制点相结合获取的[20]；地面控制点测量的是林下地面高度，经过地面控制点的高程传递，森林冠层高度最终被压制去除，因此地形图体现的是林下地面高程。我国1∶5万地形图精度令人满意[21]；而中小比例尺的地形图也可以提取数字地面模型DTM[19]。

双站模式的TerraSAR-X/TanDEM-X CoSSC全极化干涉数据，由TSX和TDX 2颗卫星同步获取，因此不存在时间去相干影响。其中，全极化是指雷达同时发射和接收水平 (H) 和垂直 (V) 2种极化信号，发射与回波的极化就构成4种回波信号：HH、HV、VH、VV[22]；全极化信号描述了地物的散射特性，各类地物对各种极化波表现各异，因此不同类型地物的全极化信号特征不一样。在CoSSC (co-registered single look slant range complex) 格式下，主、辅图像经过了聚焦、带通滤波以及亚像元级配准，数据精度较高。由TerraSAR-X/TanDEM-X数据提取的DSM，空间分辨率可达12 m[16,23]，能满足1∶5万地形图测图需要[20]。研究区数据获取时间为2015年12月，Stripmap扫描，空间有效基线134 m，平均入射角由近距31.86°至远距33.34°，高度模糊数43.85，最佳标称空间分辨率2.13 m。研究区内山体主要呈东西走向，与微波斜距向基本一致，因此影像的叠掩、阴影现象并不严重。

研究采用2006年勐纳县森林资源二类调查数据对冠层高估测结果进行合理性验证。由于微波数据与森林资源二类调查数据的时间跨度较大，无法用二类调查数据来检验估测结果的数值精确性。但研究区森林类型主要为成熟的天然林与橡胶林，树高生长缓慢，人为干扰较小，因此可在小班尺度上，分析冠层估测高与二类调查数据的小班林分高的相关度，来检验估测结果的合理性。在剔除非林地和信息不全的小班后，研究区主要包括122个人工林小班 (以橡胶林为主)，165个天然林小班，见图1。

图1 人工林与天然林小班

Fig.1 The selected plots of natural and planted forest

根据干涉SAR的DEM差分法，选择合适的入射波长和极化特征，干涉相干提取散射相位中心，就能得到森林特定位置的高度；如果能提取出带有冠层高度的DSM和代表林下地表高度的DTM，二者之差就代表了森林冠层高度CHM (canopy height model)，见图2。

图2 干涉SAR的DEM差分法

Fig.2 DEM difference of interferometric SAR

2.2 DTM与DSM获取

数字化1∶5万地形图，提取出地面高度的DTM[24]，空间分辨率设置为25 m[25]。用干涉InSAR (interferometric SAR) 技术从TerraSAR-X/TanDEM-X CoSSC数据中提取4个极化通道下的DSM：HH_DSM，HV_DSM，VH_DSM，VV_DSM；空间分辨率25 m。InSAR技术采用空间分离的两个位置对同一地区进行SAR成像，估计2幅复数图像对应像素之间的干涉相位差来提取散射体的高度[26]。由于TerraSAR-X/TanDEM-X CoSSC数据的主、辅图像间已精确配准；根据常规InSAR流程，数据处理直接从干涉相位提取开始，然后采用自适应滤波消除干涉相位中的加性噪声，计算相干性，根据成像几何计算并去除平地相位，研究采用了最小费用流法进行相位解缠，利用地面控制点校正绝对相位，然后地理编码输出数字高程模型。最终，从TerraSAR-X/TanDEM-X数据中提取出4个极化通道下的DSM。因为TerraSAR-X/TanDEM-X数据的空间分辨率一般为3 m，其DEM商业产品空间分辨率为12 m[28]，因此该数据具备提取25 m空间分辨率DSM的条件，与DTM一致。

相位中心是干涉技术的核心，因此HH、HV、VH、VV 4种极化通道干涉结果的主要区别在于提取的相位中心位置不同。在森林等可穿透区，4种极化通道的干涉相位中心对应于森林垂直结构的不同部位[28]，具体位置与森林结构和散射机制相关；在城市建筑等无法穿透区，4种极化的相位中心则与地面结构相关。由于X波段较短，回波信号主要来自于与其波长大致相同的叶片、枝条等目标，即森林冠层体散射[12]，因此TerraSAR-X/TanDEM-X的4个极化通道的DSM分别对应于森林冠层的某特定位置。

2.3 DSM与DTM的水平几何匹配

水平几何精确匹配是数字高程模型之间代数运算的前提。本研究采用Ni的DEM匹配方案[29]：分别模拟出DSM与DTM在相同照射条件下的局部入射角余弦图，在2个模拟图之间自动匹配地面控制点，然后利用局域仿射变换对DSM与DTM进行几何匹配。

2.4 相对数字高程模型提取及差分

统一高程基准面是2种DEM对比分析的前提[30]。我国西安80坐标系的地形图采用平面投影坐标系，IAG 75椭球体，黄海平均海面为高程起算点；而TerraSAR-X/TanDEM-X数据干涉测量的DSM采用地心坐标系WGS84，以WGS84椭球面为高程基准。由于缺乏两种坐标系间的转换参数，无法将DSM和DTM的高度值严格统一到黄海海平面或者WGS84椭球上。DTM与DSM的高度起算基准不一样，将无法直接差分运算。采用公式 (1) 的Δdh可以检查2种数字高度模型的高度基准是否存在差异。对于同一区域而言，若2种数字高度模型的高度起算点一致，则区域的整体平均DSM减去整体平均DTM的差值Δdh应该为正，且不大于正常树高的范围。若Δdh为正、且远大于正常树高范围，说明DSM的高度值起算面低于DTM，使得同一坐标位置上的DSM高度值过大。若Δdh为负，说明DSM的高度值的起算面高于DTM，使得同一坐标位置上的DSM高度值过小，DTM的数值就会大于DSM的值。因此，若Δdh为正且过大，或者为负，均说明DSM与DTM的高度基准面不一样，二者不能直接差分运算。

(1)

本研究采用提取相对高程的方法，在不考虑局部区域地面曲率的前提下，间接统一DSM和DTM的高度起算点。在DSM与DTM上选择一块平坦、空旷的非林地，以该点在DSM和DTM的高度为参考 (即零基准)，分别提取DSM和DTM的针对该点的相对高程模型：RDSM和RDTM。RDSM和RDTM从相同位置开始起算地物高度，高度基准一致，因此可进行高度对比分析。统一高程起算面并不会改变各数字地面模型内地物的高度含义，因此在森林区域的RDSM与RDTM之差即为冠层高度。

(4)

3 结果与分析

3.1 DSM与DTM

对DTM与4个极化的DSM进行水平几何匹配，统计DTM、各极化DSM的高度分布，结果见表1。

表1 DSM与DTM的高程值分布

由表1可知，各极化DSM的高度范围与均值都略有不同，这是由于各极化波在不同地面区域的穿透率不同，4种极化信号的相位中心在不同地表区的高度就会产生差异[13]。根据云南省测绘局，西双版纳地区的西安80与WGS84 2种坐标系的高程异常值在30 m左右；由于DSM带有森林高度，会抵消一部分高度差值，因此2种高度模型的Δdh绝对值在25.0～26.5 m均属于正常范围。表1中的Δdh均为负值，说明研究区的平均地面高度大于平面表面高度，即DTM的高度起算点低于DSM的高度起算点，DTM与DSM不能直接差分运算，需要寻找参考面统一计量高程。

3.2 林分冠层高估测结果

选取农地参考面在DTM、DSM上的高度统计结果见表2。

表2 参考面内DSM与DTM高程值差异

由表2可知，参考面的DTM均值高于各极化DSM均值，即同一区域在DTM上的高度大于该区域DSM上的高度，说明DTM的高程基准低于DSM。农地上植被层低矮，各极化波对植被与土壤的地表结构的穿透率差异小，各极化的散射相位中心位置接近；表2也显示出农地参考面在4个极化DSM上的均值都差不多，在598 m左右。

根据表2中的Δh，按照公式 (3) 估测出的各极化下研究区森林冠层高度CHM，见图3。

图3 4个极化通道下的林分估测冠层高度

Fig.3 The estimated forest canopy height model under 4 polarization channel

在图3中，各极化的冠层高度估测结果CHM的空间分布格局相似。图3中各图右下侧的冠层高估测结果基本为0，与勐腊县城相对应；有树冠高度分布的区域主要为县城西侧的山体部分，这与天然林主要分布在山地部分的实际情况相符。少量城市区域估测为负值，这是因为城区建筑在侧视微波影像上容易构成叠掩与阴影，在常规InSAR提取DSM中容易造成相位解缠误差或无法解缠[31]，使部分建筑区在DSM上的高度有误，从而估测出冠层高度负值[32]。对比图3中各图的左半部分发现，HH、HV与VV极化估测的森林冠层高分布呈现一定的地形特征，而VH极化的CHM没有这一现象。

3.3 估测合理性分析

研究区内天然林与橡胶林为成熟林，树高生长缓慢，因此可采用森林资源二类调查数据，在小班尺度上分析估测高度的数据分布趋势是否合理。通常，二类调查数据中的小班林分树高对应的是小班内出现频率最大的树高；因此，对估测结果按照小班边界取众数平均，获得小班尺度上的冠层估测高。

在小班尺度上，对比了122个人工林小班、165个天然林小班的小班林分高与冠层估测高之间的均方根误差RMSE与0.01显著水平上的相关系数 (R)，结果见表3。

表3 二调小班林分高与冠层估测高的均方根误差与相关系数

由表3可以看出：在RMSE方面，小班林分树高与冠层估测高的平均差异为3～5 m；人工林中HH极化估测结果的RMSE最小，天然林中HH与VH估测结果的RMSE较小。在相关系数方面，小班林分树高与各极化冠层估测高呈0.45～0.58的中等显著正相关，即冠层估测高的数据分布与二调小班林分树高有一定相似性；天然林区各极化估测结果与小班林分树高的相似性在0.47左右，人工林区各极化估测结果与小班林分树高的相似性在0.56左右；人工林的估测效果略优于天然林。各极化通道对比显示，无论是RMSE还是相关系数 (R)，各极化估测的冠层高度与二调小班林分树高的差异性都在一个数量水平；仅HH极化估测的效果整体略优。

122个人工林、165个天然林小班的二调林分高与各极化的冠层估测高的散点图见图4～5。

图4 122个人工林小班林分高与4个极化的冠层估测高散点图

Fig.4 The scatter plots of the 4 polarization estimated canopy height and the height of inventory on 122 planted forest plots

图5 165个天然林小班林分高与4个极化的冠层估测高散点图

Fig.5 The scatter plots of the 4 polarization estimated canopy height and the height of inventory on 165 natural forest plots

由于二类调查数据仅能对估测高度进行数据分布趋势验证，因此不进行回归方程拟合，仅显示二者间的线性趋势。从图4～5散点分布可看出，二调小班林分树高与各极化冠层估测值均呈现一定的线性趋势。其中122个人工林小班的林分树高为5.1～17.3 m，而对应的冠层估测高主要分布在8～23 m；165个天然林小班的林分树高为11.1～31.9 m，而冠层估测高主要分布在10～27 m；可见，冠层估测高与二调树高大致在一个区间，考虑到树高的缓慢生长，可认为估测结果具有一定合理性。

按照地表坡度，统计了人工林、天然林小班在各坡度区间内的分布面积比例 (Ps)，以及各坡度区间内的冠层估测高与小班林分树高的相关系数 (R)，结果见表4。

表4 各级坡度上冠层估测高与二调小班林分高的相关性

表4统计结果表明，63.87%的人工林出现在0°～20°区域，55.54%的天然林出现在20°～60°区域，即这2个坡度区间分别是人工林、天然林的主要分布区。人工林4个极化通道的冠层高估测与小班林分高的最高相关出现在0°～20°区间，而天然林4个极化通道的冠层高估测与小班林分高的最高相关出现在20°～60°区间；恰好与它们各自的主要分布区相对应。这一现象说明，小班尺度上的冠层高估测值在天然林与人工林的主要坡度分布区上更合理一些。在同一坡度区间内，相关系数在各极化间的差异并不大。

4 结论与讨论

本研究显示：1) DTM的高程基准面低于DSM，而平坦农地在各极化通道上的干涉高程值差异不大，适合作为参考面提取相对高度模型RDSM和RDTM，从而统一高度基准。2) 由于没有同步外业调查的真实树高，采用森林资源二类调查数据的小班林分高，对冠层估测高进行了合理性验证，结果显示，各极化通道的冠层估测高与小班林分树高均呈中等程度的显著正相关，冠层估测高度大小合理，人工林的估测结果优于天然林。3) 由于X波段穿透率低，各极化通道在森林区域的穿透率虽然不一样，但相位中心位置差异不会太大，因此各极化通道的估测结果整体上没有明显差异。4) 按照坡度分级分析，人工林主要分布在0°～20°的平坦区，天然林主要分布在20°～40°的山体上，人工林与天然林冠层估测结果均在各自主要坡度区间内与小班林分高的相关性最高。

验证数据显示，估测的总体精度不高的原因可归结于：1) TerraSAR-X/TanDEM-X数据与二类调查数据时间间隔较长，树木生长变化后的估测结果不可能与10年前的调查高度相似，且二类调查数据本身也可能存在误差。2) 干涉计算中相位解缠与相位转高程的处理，会一定程度影响DSM的精度，进而影响冠层估测结果；若能采用更加精确InSAR算法，将会提高冠层高估测的准确性。3)DSM与DTM的配准也会影响估测的准确性；本研究采用了局域仿射变换来校准DSM与DTM的水平位置，依然不能确保完全匹配；HH、HV、VV极化的冠层估测CHM出现地形特征，需要进一步分析其原因[23]。

致谢：感谢德国宇航中心DLR 的Science Phase Announcement of Opportunity对研究计划XTI_VEGE6852的支持，提供了实验区的双站模式TanDEM-X全极化干涉数据。

[1] Lucas R M, Milne A K, Mitchell A, et al. Use of stereo aerial photography for assessing changes in the extent and height of mangrove canopies in tropical Australia[C]// Geoscience and Remote Sensing Symposium (IGARSS), 2000 IEEE International. IEEE, 2000(15): 159-173.

[2] Naesset E. Determination of mean tree height of forest stands by digital photogrammetry[J]. Scandinavian Journal of Forest Research, 2002, 17(5): 446-459.

[3] Toutin T. DTM Generation from Ikonos In-Track Stereo Images Using a 3D Physical Model[J]. Photogrammetric Engineering & Remote Sensing,2004,70(6): 695- 702.

[4] Holmgren J, Nilsson M, Olsson H. Estimation of tree height and stem volume on plots using airborne laser scanning[J]. Forest Science, 2003, 49: 419-428.

[5] Lovell J L, Jupp D L B, Newnham G J, et al. Simulation study for finding optimal lidar acquisition parameters for forest height retrieval[J]. Forest Ecology & Management, 2005, 214(1/3): 398-412.

[6] Sun G Q, Ranson K J, Kimes D S, et al. Forest vertical structure from GLAS: An evaluation using LVIS and SRTM data[J]. Remote Sensing of Environment, 2008, 112(1): 107-117.

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

[8] Papathanassiou K P, Cloude S R. Single-baseline polarimetric SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(11): 2352- 2363.

[9] Cloude S R, Papathanassiou K P. Three-stage inversion process for polarimetric SAR interferometry[J]. IEEE Proceedings Radar Sonar & Navigation, 2003, 150(3): 125-134.

[10] Yamada H, Sato K, Yamaguchi Y, et al. Interferometric phase and coherence of forest estimated by ESPRIT-based polarimetric SAR interferometry[J]. IEEE Geoscience and Remote Sensing Symposium, 2002, 2(1): 829-831.

[11] Balzter H, Rowland C S, 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.

[12] Neeff T, Dutra L V, Santos J O R D, et al. Tropical forest measurement by interferometric height modeling and P-Band radar backscatter[J]. Forest Science, 2005, 51(6): 585-594.

[13] Sarabandi K, Lin Y C. Simulation of interferometric SAR response for characterizing the scattering phase center statistics of forest canopies[J]. IEEE Transactions on Geoscience & Remote Sensing, 2000, 38(1): 115-125.

[14] 庞勇, 李增元, 陈尔学, 等. 干涉雷达技术用于林分高估测[J]. 遥感学报, 2003, 7(1): 8-13.

[15] Simard M, Zhang K, Rivera-Monroy V H, et al. Mapping height and biomass of mangrove forests in everglades national park with SRTM elevation data[J]. Photogrammetric Engineering & Remote Sensing, 2006, 72(3): 299-311.

[16] de Oliveira C G, Paradella W R, Da Silva A D Q. Assessment of radargrammetric DSMs from TerraSAR-X Stripmap images in a mountainous relief area of the Amazon region[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2011, 66(1): 67-72.

[17] Rossi C, Fritz T, Eineder M. TANDEM-X DSM uncertainty measures and demonstrations[C]// Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International. IEEE, 2015: 3830-3833.

[18] Sadeghi Y, St-Onge B, Leblon B, et al. Mapping forest canopy height using TanDEM-X DSM and airborne LiDAR DTM[C]// Geoscience and Remote Sensing Symposium. IEEE, 2014: 76-79.

[19] 费立凡. 数字地面模型 (DTM) 的建立及在农业规划中的应用[J]. 地域研究与开发, 1988, 7(4): 42-43, 64.

[20] 四川省地质局测籍队. 利用1/5.5万航摄象片用全能法成1/1万地形图的精度情况[J]. 勘察技术资料, 1974(5): 48-60.

[21] 潘时祥, 杨定国. 我国1∶5万地形图更新问题[J]. 解放军测绘学院学报, 1988(2): 37-41.

[22] 王超, 张红, 陈曦, 等. 全极化合成孔径雷达图像处理[M]. 北京: 科学出版社.

[23] Hajmsek I, Busche T. TANDEM-X: science activities[C]// Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International. IEEE, 2016: 321-324.

[24] 王让会, 黄俊梅. 数字地形模型 (DTM) 的特征及其应用[J]. 干旱区研究, 1999, 16(4): 32-36.

[25] 余鹏, 刘丽芬. 利用地形图生产DEM数据的研究[J]. 测绘通报, 1998(10): 16-18.

[26] 王超, 张红, 刘智. 星载合成孔径雷达干涉测量[M]. 北京: 科学出版社, 2002.

[27] Zink M, Moreira A, Bachmann M, et al. TANDEM-X mission status: the complete new topography of the earth[C]// Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International. IEEE, 2016: 317-320.

[28] 韦顺军. 极化干涉SAR植被高度估计方法研究[D]. 成都: 电子科技大学, 2009.

[29] Ni W, Sun G, Zhang Z, et al. Co-registration of two DEMs: impacts on forest height estimation from SRTM and NED at mountainous areas[J]. IEEE Geoscience & Remote Sensing Letters, 2014, 11(1): 273-277.

[30] Sun G Q, Ranson K J, Kharuk V I, et al. Validation of surface height from shuttle radar topography mission using shuttle laser altimeter[J]. Remote Sensing of Environment, 2003, 88(4): 401-411.

[31] Rossi C, Eineder M. High-resolution InSAR Building layovers detection and exploitation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(12): 6457-6468.

[32] Zhang Y, Tao C V, Mercer J B. An initial study on automatic reconstruction of ground DEMs from airborne InSAR DSMs[J]. Photogrammetric Engineering & Remote Sensing, 2004, 70(4): 427-438.

(责任编辑曹龙)

Forest Canopy Height Estimation from TerraSAR-X/ TanDEM-X InSAR DEM

Zhang Wanqiu, Yue Cairong, Liu Xiaoying

(Key Laboratory of Biodiversity Conservation in Southwest China, State Forestry Administration,Southwest Forestry University, Kunming Yunnan 650224, China)

Estimating forest height in large region are challenging forest investigation and forest remote sensing. This paper investigated the possibility of estimating forest canopy height from TerraSAR-X/TanDEM-X polarimetric and interferometric data and topographic map in the forest of Mengla in Yunnan, China. The TerraSAR-X/TanDEM-X data was interfered to produce four polarimetric digital surface model (DSM), which contained forest canopy height. Meanwhile, the digital terrain model (DTM) was extracted from the topographic map. After horizontally co-registering DTM with each polarimetric DSM, the relative height models were separately computed from DTM and each polarimetric DSM as RDSM and RDTM by referring to the same flat non-forest plot. Then forest canopy height was estimated from the difference between RDTM and each polarimetric RDSM, and it finally produced four forest canopy height estimations. Forest inventory height was used to validate the reasonability of these estimated canopy heights. The result showed that the elevation datum of DTM was lower than that of DSM, and a flat agriculture plot could be used as the reference surface to extract RDSM and RDTM. Comparison to the forest inventory record showed that, on the plot scale, there were some significant positive correlation between the estimated canopy heights and the inventory height, and the estimated height value was reasonable. It was also found that the estimation on planted forest was a bit better than on natural forest. The correlation between the estimated canopy height and the inventory record was higher on the certain slope surface where natural forest and planted forest were mainly distributed. And there was no significant difference among the estimated heights from the four polarization channels. The result suggests that DEM difference between RDSM from TerraSAR-X/TanDEM-X data and RDTM from topographic map could provide an effective tool to measure forest canopy height in large areas.

TerraSAR-X/TanDEM-X, interferometry, DEM difference, canopy height, forest