《IEEE Transactions on Geoscience and Remote Sensing》：Forest Height Estimation Based on Sub-aperture Decomposition and Least-squares Collocation from LuTan-1 InSAR and ICESat-2 Data
编辑推荐：
本文针对陆探一号(LT-1)单基线、单极化干涉SAR数据在森林高度反演中观测信息不足和模型参数难以适应复杂森林结构与地形变化的问题，提出了一种融合LT-1 InSAR与ICESat-2数据的森林高度反演框架。该研究通过子孔径分解技术扩展观测空间以解决模型欠定问题，并利用ICESat-2离散森林高度作为参考，提出了基于最小二乘配置(LSC)的自适应模型参数估计方法。实验结果表明，该方法在不同森林类型、地形条件和观测几何下均表现出较小的偏差和均方根误差，优于现有固定参数模型和公开产品，为大尺度森林高度估算提供了有效且稳健的方案。
森林作为陆地碳循环动态的主要资源库，其高度的精确测量对于生物量估算和陆地碳储量评估至关重要。然而，传统的机载激光雷达(LiDAR)虽然能提供相对准确的森林信息，但其高操作成本和有限的覆盖范围限制了其在大尺度应用中的推广。星载激光雷达任务，如冰、云和陆地高程卫星-2(ICESat-2)和全球生态系统动力学调查(GEDI)，实现了森林高度和垂直结构的全球测绘，但受限于离散的观测方式，其空间分辨率往往难以满足许多实际应用的需求。因此，如何实现大范围、高精度的连续森林高度制图成为当前遥感领域的研究热点。
干涉合成孔径雷达(InSAR)技术，特别是低频SAR信号（如P波段和L波段），因其对森林垂直结构和高度的敏感性，已成为森林高度估算的有力工具。中国发射的L波段双基InSAR系统——陆探一号(LT-1)提供了高质量的无时间去相干和大气延迟差异的干涉观测数据。然而，LT-1的标准操作模式获取的是单极化(HH)和单基线InSAR数据，缺乏足够的观测信息来支持诸如SAR层析、极化InSAR和多基线InSAR反演等高级技术。这导致在利用散射模型（如随机体散射地面模型，RVoG模型）进行森林高度反演时面临模型欠定问题。此外，现有方法通常依赖于经验固定的模型参数（如地体散射比或消光系数），难以适应复杂森林属性和地形变化，阻碍了高精度森林高度估算的实现。
为了解决上述问题，胡华灿、傅海强（IEEE高级会员）等研究人员在《IEEE Transactions on Geoscience and Remote Sensing》上发表论文，提出了一种集成LT-1 InSAR和ICESat-2数据的森林高度反演框架。该框架的核心贡献在于：首先评估了子孔径分解技术应用于LT-1数据的可行性，利用该技术扩展了LT-1 InSAR的观测空间，以解决模型欠定问题；其次，以ICESat-2树冠高度为参考，提出了一种基于最小二乘配置(LSC)的模型参数自适应估计方法，以克服固定模型参数在复杂森林结构和地形条件下的局限性；最后，构建了一种适用于森林场景的局部随机模型约束方法，增强了LSC解的稳健性。
为开展研究，作者主要应用了几个关键技术方法：1) 对LT-1单视复数据(SLC)进行方位向频率域的子孔径分解，生成多个子孔径图像，通过子孔径相干性建模估计地面相位(φ0)；2) 利用基于二阶勒让德多项式的近似模型（公式(2)）关联森林高度(hv)、垂直波数(kz)、散射相位中心(SPC)高度、相干性振幅和尺度参数(η)；3) 以离散的ICESat-2森林高度为观测值，构建LSC模型（公式(5)），并利用经验协方差函数（公式(7)）和特征向量（包含SPC高度、相干性振幅、地形坡度、坡向、局部入射角和后向散射系数）来预测每个像素点的自适应尺度参数η，最终实现全区域的森林高度制图。研究使用了西班牙巴利亚多利德（地中海森林）、中国根河（寒温带森林）和印度尼西亚东加里曼丹（热带雨林）三个具有不同森林类型和地形条件的代表性试验区进行验证，并最终应用于中国大兴安岭地区的大尺度森林高度制图。
研究结果
在不同森林类型下的性能验证：
研究首先在三个代表性试验区评估了所提方法的性能。与对整个场景使用平均尺度参数η的方法（Method 1）相比，本文提出的方法在所有情况下估计的森林高度都与机载LiDAR森林高度更加吻合。在巴利亚多利德试验区，在地形起伏较大、森林较高的区域（紫色椭圆区域）观察到显著改进。在根河试验区，北部区域包含矮林和陡坡，Method 1会导致显著高估，而本文方法通过逐像素确定η，有效缓解了这种高估。在加里曼丹试验区，本文方法在矮林和高大森林区域之间提供了更清晰的边界，并与GEDI森林高度具有更高的一致性。定量评估显示，在30米网格尺度上，估计的森林高度在三个试验区的均方根误差(RMSE)分别为2.28米、2.54米和3.99米，相较于Method 1分别提升了26.9%、23.1%和22.5%。
森林高度和地形坡度的影响分析：
误差分布分析表明，本文方法在所有高度区间和坡度区间均表现出比Method 1更小的误差。中位值接近零，且须线更短，表明总体为无偏估计。对于高大森林，本文方法仍显示出显著改进，仅表现出轻微的低估趋势，这可能与ICESat-2在高大森林区域观测较少以及子孔径分解的相干性分离性能较弱有关。对于地形坡度，Method 1在负坡度区域表现出低估，在正坡度区域表现出高估，而本文方法通过估计全区域η，有效缓解了地形坡度的影响，在所有坡度区间实现了近乎无偏的估计。
数据采集几何的影响：
通过根河试验区不同高程模糊度(HoA)场景的实验发现，Method 1的性能随着HoA从35.07米增加到106.49米而显著下降（相关系数R从0.78降至0.28，RMSE从3.3米增至5.88米）。相比之下，本文方法在所有HoA条件下均表现出更高的精度和更强的稳健性。即使在HoA为106.49米时，R仍高达0.74，RMSE为3.57米，比Method 1提升了39.3%。这得益于LSC方法实现的全区域η估计，有效缓解了因HoA增大引起的估计不确定性。
与现有森林高度产品的比较：
将本文方法估计的森林高度与现有产品（如Potapov等人、Lang等人和Pauls等人的产品）进行比较发现，在以高大森林为主的区域，现有产品存在饱和效应，而基于LT-1 InSAR数据的本文方法有效缓解了这种饱和。一方面得益于L波段SAR信号的强穿透能力，另一方面本文的LSC方法通过估计全区域η校准了这种饱和问题。在相关系数R、标准差(STD)和RMSE方面，本文方法估计的森林高度均优于现有产品。此外，本文方法基于物理建模，确保了更强的可解释性。
大兴安岭大尺度森林高度制图与验证：
研究还将该方法应用于中国大兴安岭地区的大尺度森林高度制图。制图时采用了优先选择HoA值较小的干涉图的拼接策略。最终生成的森林高度图显示出良好的空间连续性，其空间格局与光学影像具有很强的的一致性。由于该区域缺乏机载LiDAR数据且无GEDI覆盖，使用80%的ICESat-2树冠高度点进行LSC建模，剩余20%用于验证。验证结果显示，估计的森林高度与参考LiDAR数据高度一致（R=0.83，RMSE=2.91米），显著优于现有产品，并且在主要森林高度范围（5-25米）内表现出近乎无偏的性能，进一步证实了该方法仅使用LT-1 InSAR和ICESat-2数据进行大尺度森林高度估计的稳健性和有效性。
研究结论与讨论
本研究提出了一个基于单基线、单极化LT-1双基InSAR和ICESat-2数据的森林高度估计框架。该框架集成了子孔径分解技术和LSC方法，成功解决了利用单极化LT-1 InSAR数据进行森林高度反演时的模型欠定问题，以及复杂森林和地形条件下模型参数需要逐像素自适应优化的需求。在具有不同森林类型的三个代表性试验区的验证结果表明，该方法优于现有固定模型参数的物理模型。最终，将其成功应用于中国大兴安岭地区的大尺度森林高度反演，与公开可用的森林高度产品相比，LT-1衍生的估计值表现出更优的空间连续性和更强的抗饱和效应。
该框架为利用单极化LT-1双基InSAR数据实现大尺度、高精度的森林高度估算奠定了坚实的基础。此外，所提出的基于LSC的建模方法为估算其他森林属性（如地上生物量和碳储量）提供了有价值的参考。展望未来，该方法有望服务于当前（如中国的LT-1和欧空局的BIOMASS）和未来（如中国的LT-2、欧空局的Harmony和DLR的TanDEM-L）在单基线、单极化数据采集条件下的星载SAR任务。
同时，研究也指出了未来的改进方向：首先，获取更准确的地面相位和星载激光雷达参考数据是关键因素之一，未来工作可通过外部数据辅助校准或融合升轨和降轨观测来解决子孔径相干性建模误差。其次，精确构建随机模型对于可靠的森林高度估计也至关重要，未来将进一步发展能够准确捕捉低频InSAR信号与森林结构属性之间关系的随机模型。最后，不同高程模糊度下相干性对森林结构的敏感性是物理建模中必须考虑的关键因素，未来的一个工作重点将是增强该方法在应用于非最优HoA的InSAR数据时的性能，以实现精确的大尺度森林高度估计。
