[发明专利]一种基于极化分解的森林冠层活跃可燃物载荷量估算方法

说明书

该发明公开了一种基于极化分解的森林冠层活跃可燃物载量估算方法，涉及遥感反演技术领域。本发明采用全极化SAR数据，结合极化分解技术，提取SAR观测信息中的植被体积散射部分；并结合扩展后的水云模型(EWCM)，直接对植被冠层建模，避免受到地表散射信号的影响。该方法能够准确的估算CAFL并具有良好的泛化性能，为时空尺度上大范围的CAFL估算提供技术支持，进一步协助火灾管理人员进行防火、灭火工作。

技术领域

本发明涉及遥感反演技术领域，具体涉及一种基于极化分解的森林冠层活跃可燃物载量估算方法。

背景技术

大面积且持续时间长的森林野火，在短时间内产生大量烟雾和二氧化碳，降低空气质量，并对人类生命财产构成严重威胁。这类特大火灾通常为冠层火灾，具有强度高、蔓延速度快、对生态系统产生严重且更持续的影响等特点。冠层燃料是树冠火灾事件和管理中不可或缺的重要组成部分，尤其是在针叶林中。更好地了解林冠可燃物及其特性对于控制森林火灾和成功预测火灾行为至关重要。作为火灾引燃、燃烧和蔓延的基本材料，森林冠层可燃物载量是人类唯一可以通过管理改变的与火灾相关的组成部分。时空上准确的森林冠层可燃物载量信息是评估火灾风险和设计燃料削减措施的关键，从而减少人员伤亡。其中，森林冠层活跃可燃物载量是最易被点燃的，也是在火灾发生初期最早被消耗的燃料。

森林冠层活跃可燃物载量(CAFL)具体指单位面积内所有树叶和细枝(直径小于0.6厘米)的干重之和。传统对森林可燃物载量(包括CAFL)的获取主要是基于广泛的野外采样或应用由破坏性采样和林分参数衍生的异速生长方程。虽然在特定的可燃物类型和区域内，这可能是最精确的方法。但是该方法耗费大量人力、财力和物力，并很难实现对CAFL动态状况的周期性描述。

遥感技术的发展为CAFL的估计提供了新的契机。遥感能够提供大面积、周期性的中、高分辨率对地观测数据，相比于传统方法在CAFL估计中具有明显的优势，且已经使用了几十年。但现有的研究几乎普遍依赖于各种光学数据。在四川西南等云雾频繁地区，光学数据的有效性受到极大限制。合成孔径雷达(SAR)可以在不受天气影响的情况下全天工作，且对针叶林的林分结构和生物量非常敏感。目前SAR数据在森林可燃物载量估计方面的应用较少，且在少有的一些研究中均采用经验统计的方法。经验模型是由特定研究区域内特定的研究数据所衍生出来的，因此其泛化性较弱，较难应用至其他区域。

发明内容

针对目前森林冠层活跃可燃物载量估计中经验模型泛化性弱的问题，以及现有研究对SAR数据的探究不充分问题，本发明提供了一种基于极化分解的森林冠层活跃可燃物载量估算方法。

本发明提供的技术方案为：一种基于极化分解的森林冠层活跃可燃物载量估算方法，该方法包括：

步骤1：获取全极化SAR数据，包括全极化合成孔径雷达(SAR)数据，植被覆盖度数据和地物覆盖类型数据；其中，全极化SAR数据包括X波段、C波段、S波段、L波段以及P波段中任一种类；并完成对数据的预处理，预处理包括：辐射校正、滤波和地形校正，并生成用于极化分解的极化相干矩阵T₃；

步骤2：极化参数提取，通过极化分解技术对步骤1中的极化相干矩阵T₃进行极化分解；将SAR观测信息分解为几种具有特定物理意义的散射机制，该极化分解方法为针对森林区域特定的极化分解方法。

具体地包括5个部分：

步骤2.1：去方向角

不同像元的方向角可能有很大的差异，特别是在地形崎岖的区域，这可能导致极化分解的不确定性，因此要在极化分解前进行去方向角处理；去方向角即把步骤1中预处理后提取得到的极化相干矩阵T₃沿着雷达观测视线旋转θ度。这里用T_{3_θ}表示经过去方向角处理后的极化相干矩阵：

步骤2.2：选择体散射模型