融合气象因子和多时相Sentinel-1数据的森林蓄积量遥感估测

　　 摘要:

为了提升森林蓄积量估测模型的可靠性以及森林蓄积量产品的时空一致性,针对气象因子对极化信息时间尺度稳定性的扰动问题,提出一种定量评价气象因子对Synthetic Aperture Radar(SAR)数据干扰程度的气象扰动指数(MDI),并融合MDI指标和分层策略建立了多时相遥感特征的重构方法,提升多时相SAR数据的森林蓄积量的遥感反演精度及其产品的可靠性。以2022年的30景Sentinel-1双极化SAR影像和中国气象局陆面数据同化系统(CLDAS-V2.0)实时产品数据集为主要数据源,通过分析气象因子与多时相遥感特征及其对森林蓄积量敏感度的响应关系,提出了MDI并定量评估气象因子对多时相遥感特征时间稳定性的干扰作用。结合森林蓄积量分层策略,深入探讨了气象因子对不同林分结构的极化特征及其森林蓄积量的扰动程度,并融合MDI与分层策略构建了多时相遥感特征的重构方法。在此基础上,利用前向特征筛选方法和四种回归模型构建了森林蓄积量估测模型,进一步分析气象因子对森林蓄积量估测模型及其结果的影响程度。研究表明,气象因子是导致SAR数据提取的极化特征时间不平稳性的重要因素,提出的MDI指数具备定量评价气象因子对极化特征的扰动程度,通过融合MDI与分层策略进行特征重组,能够明显增强遥感特征与森林蓄积量的敏感性。相比于多时相平均和特征级联合方法,本文提出的重构方法获得的备选特征集估测森林蓄积量的模型精度和可靠性均得到了明显提升,其中R²分布在0.39-0.54之间,相对均方根误差(rRMSE)分布在23.82%-27.61%之间,森林蓄积量估测精度提升了4%-6%。MDI结合蓄积量分层的特征重构方法可以有效改善SAR影像估测森林蓄积量的时间不平稳性,重组特征有效提升了森林蓄积量的估测精度,对森林资源监测和管理具有重要的应用价值。