全 文 ：第 50 卷 第 2 期
2 0 1 4 年 2 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 50，No. 2
Feb．，2 0 1 4
doi:10．11707 / j．1001-7488．20140211
收稿日期: 2012 － 11 － 28; 修回日期: 2013 － 12 － 30。
基金项目: 国家 973 计划项目(2013CB733404) ;863 计划重点项目(2011AA120402)。
* 感谢 ESA /DLR(欧空局 /德国航空航天中心)为“中欧合作龙计划 Pol-InSAR(极化干涉合成孔径雷达)项目”提供 Traunstein(特劳恩施
泰因)研究区 Pol-InSAR(极化干涉合成孔径雷达)数据及地面实测林分优势木平均高和地上生物量数据。
森林地上生物量的极化干涉 SAR
相干层析估测方法*
李文梅 陈尔学 李增元 赵 磊
(中国林业科学研究院资源信息研究所 林业遥感与信息技术实验室 北京 100091)
摘 要: 应用机载单基线极化干涉 SAR(Pol-InSAR)数据，基于极化相干层析(PCT)技术提出了一种反演森林地
上生物量的新方法。首先采用单基线 PCT 提取每个像元的森林相对反射率垂直分布，然后按林分统计得到森林平
均相对反射率垂直分布; 再次对森林平均相对反射率垂直分布进行高斯函数拟合，提取林分层析测量高; 最后以
通过样地调查统计得到的 20 个林分的地上生物量为参考数据，采用交叉验证方法建立和评价基于层析测量树高
的地上生物量估测模型，并与基于经典三阶段反演的林分优势木平均树高估测地上生物量的方法进行对比。结果
表明: 基于层析测量高的反演模型决定系数(R2 )为 0. 822，均方根误差(RMSE)为 53. 14 t·hm － 2，比基于经典三阶
段反演算法的林分地上生物量估测方法具有更高的估测精度。该反演方法简单易行，能够有效提高森林地上生物
量估测精度，在该研究区未出现信号饱和现象。
关键词: 极化相干层析; 森林地上生物量; 林分层析测量高; 极化干涉 SAR
中图分类号: S757 文献标识码: A 文章编号: 1001 － 7488(2014)02 － 0070 － 08
Forest Above-Ground Biomass Estimation Using Polarimetric Interferometry
SAR Coherence Tomography
Li Wenmei Chen Erxue Li Zengyuan Zhao Lei
(Research Institute of Forest Resource Information Techniques，CAF
State Laboratory of Forest Remote Sensing and Information Techniques Beijing 100091)
Abstract: A new forest method for retrieving above ground biomass ( AGB) was developed based on Polarization
Coherence Tomograhpy ( PCT) technique using airborne single baseline polarimetric interferometric SAR ( Pol-InSAR)
data． First of all，forest vertical distribution of relative reflectivity ( FVDRR) for each pixel was extracted using single
baseline PCT technique． Then，the mean FVDRR for each forest stand was calculated from the FVDRR of all the pixels
inside each corresponding forest stand． Thirdly，the mean FVDRR of each stand was fitted to Gaussion function and the
forest canopy height，here defined as tomography canopy height ( TomH)，was extracted． Finally，regression analysis
method and cross-validation approach were applied to build and assess forest AGB estimation model based on TomH using
20 in-situ forest stand AGB as reference． The result showed that the determination coefficient R2 was 0． 822 and RMSE was
53. 14 t·hm － 2 of the forest AGB retrieval model based on TomH． TomH had a higher correlation with in-situ forest AGB
than that of three-stage inversed forest height． This approach is simple and easy to implement，and it can improve the
accuracy of forest AGB estimation． Moreover，there was no signal saturation in our study area．
Key words: polarization coherence tomography ( PCT); forest above ground biomass; TomH in forest stand scale;
polarimetric interferometry synthetic aperture radar
森林作为重要的碳储存库，通过与土壤、大气等
相互作用来保持陆地生态系统平衡，而森林生物量
是反映森林碳储存能力的关键参数。因此，森林生
物量估测对于了解陆地碳收支和全球气候变化具有
重要作用(杜灵通等，2012)。近年来，由于传统森
林资源调查技术的限制，遥感已广泛应用于森林地
第 2 期 李文梅等: 森林地上生物量的极化干涉 SAR 相干层析估测方法
上生物量估测研究。应用传统光学遥感估测森林地
上生物量通常是通过建立实测生物量与光谱响应或
植被指数的相关关系来实现的 ( Anderson et al．，
1993; 李仁东等，2001)。由于光学影像的光谱响
应主要与太阳辐射和森林冠层的相互作用相关，因
此难以获取森林中下部及内部的结构信息，导致传
统光学遥感难以提取森林地上生物量 (Ghasemi et
al．，2011)。合成孔径雷达( SAR)遥感因其具有一
定的穿透作用，能够获取森林中下部或内部结构信
息(陈尔学等，2007)，已经日渐应用于森林地上生
物量估测研究。通常，应用 SAR 遥感估测森林地上
生物量有以下几种方法: 1) 应用极化后向散射系
数估测森林地上生物量，生物量饱和水平主要取决
于所用数据的频率，频率越低越不容易出现雷达信
号饱和现象，可估测的生物量水平越高，能估测的最
高生物量水平为 60 ～ 150 t·hm － 2 ( Le Toan et al．，
1992; Imhoff，1995; 陈尔学，1999; Lu，2006; Lucas
et al．，2010; 黄燕平等，2013); 2) 应用 Pol-InSAR
反演出林分优势木平均高，再采用经验异速生长方
程估测森林地上生物量，能够在一定程度上提高
森林地上生物量的估测水平(Woodhouse，2006)，
但由于仅考虑了林分优势木平均高与森林地上生
物量的相关关系，在三维结构分布异质性较强的
区域，森林地上生物量可能不仅与林分优势木平
均高有关，还与林分密度、森林垂直结构等相关，
因此仍然会出现对高生物量水平林分地上生物量
无法精确估测的现象。
随着 SAR 遥感技术的发展，能够获取三维结构
信息的层析 SAR 技术应运而生。层析 SAR 技术是
一种采用微波测量透明或半透明目标内部三维结构
的方法。森林对于微波遥感来说正是一种半透明对
象。目前已有的层析 SAR 技术包含单极化多基线
InSAR 层析技术、单 /多基线 PCT (极化相干层析，
polarization coherence tomography)和多基线极化层
析 ( PolTomSAR )。 多 基 线 InSAR /Pol-InSAR
(Tebaldini，2012; Treuhaft et al．，2004)、单 /多基线
PCT(Cloude et al．，2009)和多基线 SAR 层析技术
(Tebaldini et al．，2012)可以获取森林的后向散射能
量垂直分布。多基线 InSAR /Pol-InSAR 因通常需要
很多轨道才能获得垂直方向的“孔径”，成本通常较
昂贵(Reigber et al．，2000; Tebaldini et al．，2012)。
其中 PCT 是应用已知信息(如地相位和树高)量化
森林的相对反射率垂直分布信息的一种层析技术。
单基线 PCT 是应用单基线 Pol-InSAR 数据反演森林
相对反射率垂直分布信息最简单的一种方法
(Cloude et al．，2009)，和其他层析方法相比在单基
线极化干涉模式下也可以实现，但层析结果分辨率
低，目前国内外还较少开展将层析信息应用于森林
垂直结构参数估测的研究。
综上所述，已有森林地上生物量遥感反演方法
主要基于 SAR 后向散射系数、极化干涉 SAR 提取
的林分优势木平均高，很少应用可以反映森林垂直
结构垂直分布的雷达相对反射率垂直分布信息。鉴
于此，本研究应用机载单基线极化干涉 SAR ( Pol-
InSAR)数据，基于极化相干层析(PCT)技术提出了
一种反演森林地上生物量的新方法，为大面积森林
地上生物量精确估测和准确估计全球碳储量提供方
法支撑。
1 研究区概况
研究区位于德国特劳恩施泰因 ( Traunstein)人
工林区 (47. 89° N，12. 63° W)，森林覆盖面积达
218 hm2，海拔 600 ～ 650 m，地形较为平缓。研究区
属于温带大陆性湿润气候，森林多为混交林，主要树
种包括欧洲云杉 ( Picea abies)、欧洲山毛榉 ( Fagus
sylvatica)和欧洲落叶松(Larix europea)，其中欧洲云
杉为优势树种。
2 研究方法
本研究基本思路为，基于 PCT 得到每个像元的
相对反射率垂直分布，按林分平均后提取林分层析
测量高，然后建立林分层析测量高与森林地上生物
量的回归关系。林分层析测量高是指在林分尺度平
均森林垂直结构剖面冠层最大相对反射率对应的高
度，该参数可能包含除高度信息之外的森林结构信
息。具体步骤如下: 1) 应用极化干涉数据计算地
相位，采用经典三阶段算法计算树高; 2) 以地相位
和树高作为输入得到单个像元的层析结果(相对反
射率垂直分布); 3) 获取林分的平均相对反射率垂
直分布; 4) 对冠层平均相对反射率垂直分布采用
高斯函数进行曲线拟合，提取中值作为林分层析测
量高; 5) 建立林分层析测量高与地面测量林分森
林地上生物量的回归关系; 6) 以样地调查林分地
上生物量为参考数据，采用交叉验证方法建立和评
价基于层析测量高的地上生物量估测模型，并与基
于经典三阶段反演的林分优势木平均高估测地上生
物量的方法进行对比。
2. 1 数据来源
2003 年德国航空航天中心(DLR)应用 E-SAR
传感器采用重轨模式获取了该研究区的多基线 L －
17
林 业 科 学 50 卷
波段 Pol-InSAR 数据。本研究只应用单基线 Pol-
InSAR 数据实现 PCT，进而用于反演森林地上生物
量。飞机航高约 3 000 m，空间基线为 5 m，时间基
线为 20 min，中心入射角为 45°，距离向分辨率为
1. 5 m，方位向分辨率为 3 m(4 视)。主辅全极化复
数据已经过精确配准，并提供了平地相位影像和有
效波数影像。
本研究所采用的 1998 年地面实测数据主要包
括 20 个林分的边界、优势木平均高(m)和地上生
物量( t·hm － 2 )，由慕尼黑森林收获科学委员会通
过组织外业调查和内业计算得到。林分边界是基
于高分辨率 CCD 影像和林相图信息 (小班树种组
成、平均树高、林龄等)，通过目视勾绘得到，如图 1
所示。
图 1 Traunstein 研究区 2003 年获取的 L － 波段
极化 SAR Pauli 基显示及林分边界
Fig． 1 L-band polarimetric SAR image in Pauli basis
( slant range) acquired in 2003 and overlaid with the
delineated forest stands in Traunstein test site
外业调查时，在每个林分内设置若干个 400 ～
500 m2 的圆形样地，对每个样地根据树木胸径
(DBH)所属径阶，分别记录落在 4 个不同半径大
小同心圆内的树木信息(在半径为 2. 78 m 的同心
圆记录胸径 0 ～ 5. 9 cm 的树木类型与株数，在半径
为 3. 97 m 的同心圆内记录胸径 6 ～ 11. 9 cm 的树
木类型与株数，在半径为 6. 9 m 的同心圆内记录
胸径 12 ～ 29. 9 cm 的树木类型与株数，在半径为
12. 62 m 的同心圆记录胸径大于 30 cm 的树木类
型与株数)，并按径阶等级分别按树种选择代表性
样木测量树高。根据外业样地测量数据，采用树
高 －胸径生长曲线分别计算出 20 个林分的优势
木平均高(m)，即每公顷胸径最大的 100 株树的算
术平均高度 (Mette et al．，2004 )。20 个林分各自
的地上生物量( t·hm － 2 )则是根据样地抽样调查数
据，利用生长方程、收获表( yield table)等计算得到
(Mette et al．，2004 )。由于森林调查数据比 SAR
数据获取时间早 5 年，对采用以上方法得到的对
应 1998 年的林分优势木平均高和地上生物量，利
用林分优势木平均高、生物量生长曲线进行了调
整，最终得到了对应 SAR 数据获取年份(2003 年)
的 20 个林分的优势木平均高和地上生物量数据
(Mette，2007)，如图 2 所示。
2. 2 三阶段反演方法
三阶段反演算法是通过牺牲消光系数的准确
度，使消光系数的变化包含植被垂直结构的影响，然
后通过相干散射模型来反演树高的方法。该过程包
括 3 个步骤，因此被称为三阶段反演算法(Cloude et
al．，2003)。第 1 步，计算各极化状态下的复相干，
根据相干散射模型在复平面内拟合 1 条直线，将
该直线与复平面内单位圆的 2 个交点作为潜在的
地相位; 第 2 步，判断不同极化复相干与两地相位
的距离关系，基于对极化干涉信息的经验性理解，
根据距离关系判断出地相位; 第 3 步，计算不同极
化干涉复相干与地相位点的直线距离，选择距离
最大的为体散射复相干来匹配植被体散射相干模
型(公式 1)，进而反演出树高。式中，L1 为线性拟
余函数，珓r wv为在拟极化方式 w 条件下估测的体散
射复相干，珟 为估测相位，kz 为垂直有效波数，σ
为消光系数，hv 为树高，p和 p1 为在入射角为 θ 时
透过媒介的衰减。
min
hv，σ
L1(λ = 0) = ‖γ～ wv － e i φ
～ p
p1
e p1hv － 1
e phv + 1‖，
其中: p = 2σcosθ
，p1 = p + ikz。 (1)
2. 3 PCT(极化相干层析)
PCT 是 Cloude(2009)首次为提取垂直结构信
息而提出的层析技术。干涉相干及纯体散射复相干
表达式如公式 (2)。式中，珓r 为估测干涉复相干，珓rv
为估测体散射复相干，0 为地相位，z0 为地表高度，
z为森林高度， 为相位，m 为地 －体散射比，f( z)
为垂直结构函数，f( z)为非负勒让德函数，an 为勒
让德系数，Pn ( z) 为变量为 z 的勒让德多项式，ai0
( i = 1，2，…，n)为归一化的勒让德参数，fi ( i = 1，
2，…，n)为勒让德函数。单基线 PCT 方法将勒让德
展开式截断，仅取前两阶，只需要一个基线和至少 2
种由不同极化方式形成的干涉对，一个为体散射主
导机制，另一个为地表主导散射机制。重建函数有
27
第 2 期 李文梅等: 森林地上生物量的极化干涉 SAR 相干层析估测方法
图 2 通过地面样地调查得到的林分优势木平均高( a)和林分地上生物量(b)
Fig． 2 Forest dominant trees mean height ( a) and forest AGB estimated from ground plot survey ( b)
2 个未知量( fi，ai0 )并能够由傅里叶 － 勒让德多项
式计算得到，垂直结构函数计算公式如公式 (3)。
式中，^f L2(w，z) 为二阶勒让德垂直结构函数，^rk 为去
平后的估测干涉复相干，Re( Y^k) 为Y
^
k 的实部运算，
In(珓rk) 表示 rk为虚部运算，w为极化方式，珓r(w) 为在
w 极化方式下估测的干涉复相干。γ
～
k 为去平后的干
涉相干，γ
～ (w) 为 w 极化方式条件下的干涉相干。
从公式(3)可以发现，基线数量越多，垂直结构级数
越高，所能估测的垂直结构参数越多，公式(3)的计
算复杂度也越大。
γ
～ = e( i0)
γ
～
V + m
1 + m
γ
～
V = e
ik zz0
∫
hν
0
f( z) e iβ zzdz
∫
hν
0
f( z)dz
= e ik zz0
hv
2
e i
k zh v
2 ∫
1
－1
(1 + f( z)) e i
k zh v
2 zdz
hv
2 ∫
1
－1
(1 + f( z))dz
=
e i( + kv)
∫
1
－1
(1 +∑
n
anPn( z)) e
i
k zh v
2 zdz
∫
1
－1
(1 +∑
n
anPn( z))dz
≈ e i( + kv) ( f0 + a10 f1 + a20 f2 + … + ai0 fi





)
(2)
且 z = 2z / hv － 1
f^ L2(w，z) =
1
hv
1 － a^ 10(w) + a
^
20(w) +
2z
hv
a^ 10(w) － 3a
^
20(w) + a
^
20(w)
6z2
hv
[ ]{ }2
且
a^ 10 = Im(γ
～
k) / f1 = Im(γ
～ (w) e － i) / f1
a^ 20 = (Re(γ
～
k) － f0) / f2 = (Re(γ
～ (w) e － i) － f0) / f
{
2
(3)
2. 4 林分层析测量高提取
应用 PCT 计算方法可以得到每一个分辨单元
的层析信息，代表的是以 0. 2 m 为间隔的相对反射
率垂直分布。图 3a 为 15 号林分内 20 个随机像元
的相对反射率垂直分布，从图中可以看出，单个像素
的垂直分布随机性较大，包含的垂直结构信息不稳
定，难以与森林生物量建立较好关系。图 3b 为以
15 号林分为单位进行平均得到的结果(近地表空白
处平均相对反射率为负值，已剔除掉)。对比图 3a
和 3b 不难发现，通过对相对反射率进行林分尺度平
37
林 业 科 学 50 卷
均可以得到垂直方向上有一定变化规律的平均相对
反射率，这一现象可能能够与森林地上生物量建立
特定的反演关系。
通过观察 20 个林分的平均相对反射率分布曲
线，发现冠层最大相对反射率对应的高度可能能够
表征林分森林地上生物量大小(图 3b，4 和 5)。图 4
为 7 号林分冠层相对反射率垂直分布及其 Gaussian
函数拟合曲线，图 5 为 15 号林分冠层相对
图 3 15 号林分内 20 个随机像元相对反射率的垂直结构剖面( a)和 15 号林分平均相对反射率垂直分布(b)
Fig． 3 Vertical structure profile of relative reflectivity of 20 random pixels in 15th stand ( a) and
mean vertical distribution of relative reflectivity in stand scale of 15th stand( b)
图 4 7 号林分平均相对反射率垂直分布及其冠层高斯拟合曲线
Fig． 4 Mean vertical distribution of relative reflectivity and Gaussian fitting curves for canopy of the 7th stands
图 5 15 号林分相对反射率垂直分布的冠层高斯拟合曲线
Fig． 5 Gaussian fitting curves for canopy of mean vertical
distribution of relative reflectivity in the 15th stands
反射率垂直分布及其 Gaussian 函数拟合曲线，其相
对反射率垂直分布见图 3b。图 4，3b 和 5，表明
Gaussian 函数曲线可以很好地拟合冠层相对反射率
垂直分布。为此，本研究定义 Gaussian 函数拟合曲
线的中值为林分层析测量高，以期能够建立林分层
折测量高与树高或森林地上生物量的反演关系。
3 结果与分析
本研究应用 PCT 技术反演得到林分尺度森林
相对反射率的垂直分布信息，采用 Gaussian 函数
拟合森林垂直结构的冠层剖面提取出林分层析测
量高，并与地面实测林分优势木平均高进行比较。
为了比较林分层析测量高在估测树高、森林生物
量方面与传统树高估测方法的异同，将经典三阶
段反演算法得到的林分优势木平均高与林分层析
47
第 2 期 李文梅等: 森林地上生物量的极化干涉 SAR 相干层析估测方法
测量高进行了对比分析。由于样地数据量较少，
采用留一法分别计算林分层析测量高和三阶段反
演的林分优势木平均高与实测值的均方根误差
(RMSE)。图 6 为采用 2 种不同方法估测的高度
与地面实测林分优势木平均高之间的相关关系
图。从图中不难发现，经典三阶段方法反演的林
分优势木平均高精度( R2 为 0. 842，RMSE 为 2. 46
m)高于林分层析测量高 ( R2 为 0. 724，RMSE 为
3. 13 m)。这一现象与算法本身有关系，三阶段
反演算法计算的是地相位与距其最远的极化干
涉相干，以匹配相干散射模型，并计算出树高。
该方法的实质是先固定地相位，然后把与地相位
相位差最大的作为体散射相位中心，根据树高与
消光系数的二维查找表计算出树高，进而计算出
林分优势木平均高。林分层析测量高对应的不
是垂直结构高度的最高值，而是垂直结构剖面冠
层最大相对反射率处的高度。该结果表明，三阶
段反演算法所得树高与地面实测林分优势木平
均高的相关性较强，离散性较小，林分层析测量
高与地面实测林分优势木平均高相比相关性较
低，当地面实测林分优势木平均高较高时，离散
性较大。
图 6 2 种不同方法估测高度与地面实测林分优势木平均高相关关系图
Fig． 6 Correlations between forest height estimated using two different methods and ground measured forest dominant trees mean height
林分层析测量高与地面实测林分优势木平均高
相关性较低( R2 为 0. 724，RMSE 为 3. 13 m)，那么
该参数对森林生物量是否敏感，能否用于森林生物
量估测? 为此本研究应用林分层析测量高，三阶段
反演算法提取的树高与地面实测林分生物量进行回
归，精度验证依然采用留一法。研究结果如图 7 所
示，林分层析测量高与地面实测林分地上生物量的
相关性较高(R2 为 0. 822)，经典三阶段算法反演的
林分优势木平均高与地面实测林分生物量的相关性
较低(R2 为 0. 697)。林分层析测量高反演的地上
生物量和三阶段反演树高的地上生物量与地面实测
林分地上生物量的 RMSE 分别为 53. 14 和 68. 03 t·
hm － 2。由于林分地上生物量差异较大，本研究采用
RRMSE(Relative RMSE，RMSE 与所有林分的估测
地上生物量平均值的比值)来表示，林分层析测量
高反演的地上生物量与三阶段算法反演树高估测的
地上生物量和地面实测林分地上生物量的 RRMSE
分别约为 17. 5%和 22. 4%。该现象说明，与三阶段
反演的树高相比，林分层析测量高对森林地上生物
量具有较好的指示作用。
由此根据林分层析测量高利用简单线性回归关
系计算出地上生物量，如图 8 所示，并采用散点图方
式对估测森林地上生物量与地面实测林分生物量的
关系进行了展示，如图 9。从图中可以发现，应用林
分层析测量高简单估测的森林地上生物量与地面实
测林分生物量具有很好的相关性，斜率近似为 1，截
距近似为 0，并且当生物量较高时 (超过 400 t·
hm － 2)没有出现信号饱和现象。
4 结论与讨论
本研究基于 PCT 技术应用单基线 Pol-InSAR 数
据提取林分层析测量高，进而反演森林地上生物量，
并应用地面实测生物量进行验证。研究结果如下:
1) 林分层析测量高提取方法简单，生物量估测
方法简单易实现，估测生物量与地面实测森林生物
量具有较高的相关性(R2 为 0. 822，RMSE 为 53. 14
t·hm － 2，RRMSE 为 17. 5% )，并且当生物量较高时
没有出现饱和现象。
57
林 业 科 学 50 卷
图 7 2 种不同方法估测的高度与地面实测林分地上生物量相关关系
Fig． 7 Correlations between forest height estimated using two different methods and ground measured forest above ground biomass
图 8 林分层析测量高线性回归估测的森林地上生物量
Fig． 8 Estimated forest above ground biomass using
tomography height in stand scale by linear regression
图 9 估测森林地上生物量与地面实测林
分地上生物量相关关系
Fig． 9 Correlation between estimated and measured forest
aboveground biomass
2) 林分层析测量高与三阶段反演算法提取的
林分优势木平均高相比，对树高提取的精度较低，这
与二者定义本身相关，林分层析测量高对应林分平
均剖面冠层最大相对反射率，而三阶段反演的林分
优势木平均高更多地与散射相位中心相关。
3) 林分层析测量高提取的生物量较三阶段反
演算法提取的生物量精度较高，能够进一步提高森
林地上生物量估测精度。林分层析测量高代表冠层
最大相对反射率对应的高度，不仅包含高度信息还
包含部分结构信息，而这部分信息可以在一定程度
上指示森林生物量。应用林分层析测量高反演林分
尺度森林地上生物量比单纯应用林分优势木平均高
能够获得更好的估测结果。
林分层析测量高是林分平均垂直结构剖面冠层
Gaussian 函数拟合中值，单个像素的林分层析测量
高难以提取，多个像素平均才可能提取林分层析测
量高。林分层析测量高对应的是林分尺度冠层最大
相对反射率处的高度，可能与体散射后向散射回波
能量中心相关，故与地面实测林分地上生物量的相
关性较高。而树高的估测一般基于体散射相位中心
与地表散射相位中心或二者的相干优化差值最大，
用树高反演的生物量只包含高度信息。应用林分层
析测量高反演森林生物量采用的是简单的线性回归
关系，如果能够建立物理模型反演森林生物量，可能
反演精度会进一步提高。本研究提出的应用
Gaussian 函数拟合中值(林分层析测量高)反演森林
生物量的方法是基于林分尺度的，在没有林分范围
或多边形边界的情况下，该方法难以实现。因此，如
何将该方法推广到没有林分边界森林覆盖区，如何
建立生物量反演的物理模型是接下来研究的重要方
向。另外，林分层析测量高的具体物理含义及与微
波遥感物理测量值之间的关系还需进一步研究。
67
第 2 期 李文梅等: 森林地上生物量的极化干涉 SAR 相干层析估测方法
参 考 文 献
陈尔学 ． 1999． 合成孔径雷达森林生物量估测研究进展 ． 世界林业
研究，12(6) : 18 － 23．
陈尔学，李增元，庞 勇，等 ． 2007． 基于极化合成孔径雷达干涉测
量的平均树高提取技术 ． 林业科学，43(4) : 66 － 70．
杜灵通，Yasumichi Y． 2012． 基于数字树冠高度模型(DCHM)的森林
生物量制图 ． 测绘科学，37(1) : 96 － 97．
黄燕平，陈劲松 ． 2013． 基于 SAR 数据的森林生物量估测研究进展 ．
国土资源遥感，25(3) : 7 － 13．
李仁东，刘纪远 ． 2001． 应用 Landsat ETM 数据估算鄱阳湖湿地植被
生物量 ． 地理学报，56(5) : 533 － 540．
Anderson G L，Hanson J D，Haas R H． 1993． Evaluating landsat
thematic mapper derived vegetation indices for estimating above-
ground biomass on Semiarid rangelands． Remote Sensing
Environment，45(2) : 165 － 175．
Cloude S R，Papathanassiou K P． 2003． Three-stage inversion process
for polarimetricSAR interferometry． IEEE Proceedings-Radar Sonar
and Navigation，150(3) : 125 － 134．
Cloude S R，Brolly M，Woodhouse I． 2009． A study of forest vertical
structure estimation using coherence tomography coupled to a macro-
ecological scattering model． Geoscience and Remote Sensing
Symposium，(4) : 717 － 721．
Cloude S R． 2009． Polarisation: applications in remote sensing． New
York: Oxford University Press．
Ghasemi N，Mahmod R S，Ali M． 2011． A review on biomass estimation
methods using synthetic aperture radar data． International Journal of
Geomatics and Geosciences，1 (4) : 776 － 778．
Imhoff M L． 1995． Radar backscatter and biomass saturation:
ramifications for global biomass inventory． Transactions on
Geoscience and Remote Sensing，33(2) : 511 － 518．
Le Toan T，Beaudoin A，Riom J，et al． 1992． Relating forest biomass to
SAR Data． Transactions on Geoscience and Remote Sensing，30
(2) : 403 － 411．
Lu D S． 2006． The potential and challenge of remote sensing-based
biomass estimation． Remote Sensing Environment，27(7) : 1297 －
1328．
Lucas R M，Armston J，Fairfax R，et al． 2010． An evaluation of the
ALOS PALSAR L-band backscatter—above ground biomass
relationship Queensland， Australia: impacts of surface moisture
condition and vegetation structure． Journal of Selected Topics in
Applied Earth Observations and Remote Sensing，3(4) : 576 － 593．
Mette T，Papathanassiou K，Hajnsek I． 2004． Potential of forest height
derived by polarimetric SAR interferometry to estimate forest
biomass． Ulm，Proceedings of EUSAR．
Mette T． 2007． Forest biomass estimation from polarimetric SAR
interferometry． Munich: Technische Universitt München Ph． D
thesis．
Reigber A，Moreira A． 2000． First demonstration of airborne SAR
tomography using multi-baseline L-band data． Transactions on
Geoscience and Remote Sensing，38 (5) : 2142 － 2152．
Tebaldini S， Rocca F． 2012． Multi-baseline polarimetric SAR
tomography of a boreal forest at P- and L-band． Transactions on
Geosciences and Remote Sensing，50 (1) : 232 － 246．
Treuhaft R N，Law B E，Asner G P． 2004． Forest attributes from radar
interferometric structure and its fusion with optical remote sensing．
BioScience，54(6) : 561 － 571．
Woodhouse I H． 2006． Predicting backscatter-biomass and height-
biomass trends using a macroecology model． Transactions on
Geoscience and Rremote Sensing，44(4) : 871 － 877．
(责任编辑 于静娴)
77