摘要：森林地上生物量是森林獲取能量的重要體現(xiàn)，準(zhǔn)確掌握其動(dòng)態(tài)變化對(duì)了解森林生長(zhǎng)過(guò)程、實(shí)現(xiàn)生態(tài)系統(tǒng)的有效修復(fù)具有重要意義。合成孔徑雷達(dá)技術(shù)(SAR)具有全天時(shí)、全天候的特點(diǎn)，在森林地上生物量(AGB)反演中極具潛力。星載SAR技術(shù)的發(fā)展，使得SAR數(shù)據(jù)源日益豐富，利用極化SAR技術(shù)、干涉SAR技術(shù)、極化干涉SAR技術(shù)、層析SAR技術(shù)、多頻SAR技術(shù)可以實(shí)現(xiàn)對(duì)森林不同維度的觀測(cè)，從而提供森林不同維度的信息，進(jìn)而提高采用SAR技術(shù)進(jìn)行森林AGB反演的能力。文中介紹星載SAR傳感器及可獲取SAR數(shù)據(jù)的現(xiàn)狀，在此基礎(chǔ)上重點(diǎn)闡述基于后向散射信息、極化信息、干涉信息、極化干涉信息、層析信息、多頻SAR信息在森林AGB反演中的現(xiàn)狀及存在問(wèn)題，展望了SAR技術(shù)在森林AGB反演中的發(fā)展趨勢(shì)。

　　關(guān)鍵詞：森林地上生物量，合成孔徑雷達(dá)技術(shù)，后向散射，極化SAR，干涉SAR，極化干涉SAR，層析SAR，多頻SAR

　　森林增匯是應(yīng)對(duì)氣候變化的重要及有效途徑，是實(shí)現(xiàn)我國(guó)碳達(dá)峰與碳中和戰(zhàn)略的重要保障之一。利用森林生物量可以揭示森林生態(tài)系統(tǒng)能量平衡和養(yǎng)分循環(huán)等特征，對(duì)衡量森林碳匯有著不可替代的作用。

　　森林地上生物量(GB)占森林生物量的70%~90%，由于其遙感監(jiān)測(cè)及觀測(cè)的可行性，常用于替代森林生物量來(lái)進(jìn)行區(qū)域、全球碳儲(chǔ)量的計(jì)算[1]。傳統(tǒng)的地面調(diào)查方法對(duì)于高精度獲取森林GB是非常有效的，但在偏遠(yuǎn)林區(qū)且道路基礎(chǔ)設(shè)施不完備的區(qū)域開(kāi)展地面調(diào)查通常較為困難;此外，地面調(diào)查耗時(shí)、耗力難以滿(mǎn)足大區(qū)域尺度森林GB的獲取。光學(xué)與合成孔徑雷達(dá)(SAR)數(shù)據(jù)在區(qū)域尺度森林GB獲取中具有較大優(yōu)勢(shì)，也是目前森林資源調(diào)查的主要途徑，但光學(xué)數(shù)據(jù)受限于多云、多霧天氣的影響，無(wú)法實(shí)現(xiàn)及時(shí)、動(dòng)態(tài)監(jiān)測(cè)。此外光學(xué)信號(hào)通常僅與森林冠層葉片發(fā)生作用，因此在高森林GB區(qū)域飽和點(diǎn)較低，難以獲得準(zhǔn)確的森林GB估算。

　　而SAR克服了傳統(tǒng)光學(xué)遙感受多云、多霧天氣影響的局限，具有獲取森林冠層面狀、垂直結(jié)構(gòu)等特征的能力，成為目前森林GB反演最具潛力的遙感數(shù)據(jù)源之一。SAR成像技術(shù)的發(fā)展經(jīng)歷了從單頻率、單極化、單角度到多頻率、多極化、多角度和多時(shí)相等不同觀測(cè)方式，基于SAR技術(shù)的森林生物量估測(cè)也經(jīng)歷了從應(yīng)用單極化信息到多極化信息、干涉信息、極化干涉信息、多頻SAR信息的發(fā)展過(guò)程。隨著SAR成像技術(shù)的發(fā)展，涌現(xiàn)出大量的SAR數(shù)據(jù)，不同SAR數(shù)據(jù)包含的特征差異明顯，使得其在森林GB反演中的作用及效率也有顯著差異。本文將結(jié)合SAR衛(wèi)星及對(duì)應(yīng)數(shù)據(jù)的獲取現(xiàn)狀，系統(tǒng)總結(jié)采用后向散射信息、極化信息、干涉信息、極化干涉信息、層析信息、多頻信息進(jìn)行森林GB反演研究的進(jìn)展及應(yīng)用現(xiàn)狀，討論分析SAR技術(shù)在森林GB反演中存在的主要問(wèn)題及將來(lái)發(fā)展趨勢(shì)。

　　1SAR衛(wèi)星及可獲取數(shù)據(jù)模式

　　SAR的發(fā)展可以追溯到第二次世界大戰(zhàn)，最早用于軍事偵察。1951年美國(guó)CarlWiley創(chuàng)造性地提出了利用頻率分析法改善雷達(dá)方位向分辨率的方法，從此開(kāi)啟了SAR的時(shí)代。1953—1957年第1幅非聚焦型和全聚焦型SAR影像的先后問(wèn)世，標(biāo)志著SAR由理論邁向?qū)嵺`[2-3]。

　　最初可以利用的SAR數(shù)據(jù)信息多為單頻、單極化信息，荷載方式多為機(jī)載，隨著SAR技術(shù)的發(fā)展，多個(gè)國(guó)家都發(fā)射了載有SAR傳感器的衛(wèi)星。例如，美國(guó)于1978年發(fā)射了Seasat-A衛(wèi)星;蘇聯(lián)于1987年和1991年分別發(fā)射了ALMAZ-1和ALMAZ-2;歐空局(ESA)于1991年、1995年、2002年、2014年和2016年分別發(fā)射了ERS-1、ERS-2、ENVISATASAR、Sentinel-1A和Sentinel-1B;日本于1992年、2006年、2014年分別發(fā)射了JERS-1、ALOS-PALSAR1、ALOS2-PALSAR2;加拿大于1995年和2007年分別發(fā)射了RADARSAT-1和RADARSAT-2;德國(guó)宇航局(DLR)于2007年和2010年先后發(fā)射了TerraSAR-X及TanDEM-X;中國(guó)于2012年和2016年先后發(fā)射了HJ-1及GF-3SAR衛(wèi)星[4-6]。這些衛(wèi)星的發(fā)射，極大地豐富了可以利用的SAR數(shù)據(jù)源。

　　在這些衛(wèi)星中，Seasat-A衛(wèi)星可提供L波段HH單極化SAR數(shù)據(jù);ALMAZ-1和ALMAZ-2可提供三頻單極化SAR數(shù)據(jù);RADARSAT-1可提供C波段HH極化和幅寬為500km的ScanSAR數(shù)據(jù);ERS-1和ERS-2可提供C波段VV極化SAR數(shù)據(jù);ENVISATASAR、Sentinel-1A和Sentinel-1B可提供C波段雙極化數(shù)據(jù);ALOS-PALSAR1、ALOS2-PALSAR2、RADARSAT-2可提供L波段、C波段全極化SAR數(shù)據(jù);TerraSAR-X及TanDEM-X可提供單極化、雙極化和全極化的X波段干涉SAR數(shù)據(jù);中國(guó)的HJ-1可提供S波段VV極化數(shù)據(jù)，GF-3可提供C波段包括全極化在內(nèi)的12種成像模式SAR數(shù)據(jù)。以上為目前常用、可獲取的星載SAR數(shù)據(jù)現(xiàn)狀，除星載SAR數(shù)據(jù)外，不同國(guó)家的機(jī)載SAR數(shù)據(jù)不僅可獲得X波段、C波段和L波段數(shù)據(jù)，同時(shí)還可獲得更長(zhǎng)的P波段和更短的S波段SAR數(shù)據(jù)。SAR數(shù)據(jù)的豐富為采用多頻、多極化、多時(shí)相信息協(xié)同對(duì)森林進(jìn)行觀測(cè)提供了可能。

　　2SAR技術(shù)在森林生物量反演中的應(yīng)用

　　2.1基于SAR后向散射信息的森林AGB反演

　　雷達(dá)后向散射系數(shù)與森林結(jié)構(gòu)參數(shù)和地上生物量具有顯著相關(guān)關(guān)系，因此利用雷達(dá)后向散射系數(shù)可以反演森林參數(shù)。早期的研究多基于樣點(diǎn)觀測(cè)數(shù)據(jù)建立森林GB、森林結(jié)構(gòu)參數(shù)與不同波段、不同極化、不同傳感器獲取的雷達(dá)后向散射系數(shù)之間的回歸關(guān)系模型，基于此展開(kāi)了多方面的探索，得出很多有意義的結(jié)論。例如，后向散射系數(shù)與樹(shù)高、生物量和胸高面積都有一定的相關(guān)性，按順序依次減弱;森林類(lèi)型不同、樹(shù)種不同，后向散射信息的差異可達(dá)到5dB[7-8];雷達(dá)后向散射與森林GB明顯相關(guān)，并且其敏感性隨著微波波長(zhǎng)的增加而增加。在不同頻率波段，森林GB的飽和點(diǎn)不同，C、L和P波段反演的飽和點(diǎn)分別為30～50t/hm2、60～100t/hm2、100～200t/hm2。

　　這是由于短波長(zhǎng)C波段的后向散射主要是由冠層中樹(shù)枝和樹(shù)葉主導(dǎo)，而長(zhǎng)波長(zhǎng)的L和P波段的后向散射主要是由木質(zhì)生物量的主體——樹(shù)干和大枝主導(dǎo)引起的[9];同一波段不同極化方式對(duì)森林生物量的反應(yīng)也有所不同，P-波段HH和HV極化表現(xiàn)出較VV極化更強(qiáng)的敏感性。

　　針對(duì)同一生物量水平，P-，L-，C-波段一般都表現(xiàn)出000HHHVVV[10]，但環(huán)境因子如氣溫等的變化，會(huì)使得后向散射系數(shù)浮動(dòng)范圍在不同的極化方式下有不同程度的波動(dòng)[11];地形對(duì)森林后向散射有顯著影響，復(fù)雜地形可引起地表反射率改變達(dá)到10%～15%，在地形起伏區(qū)，雷達(dá)視角變化對(duì)森林后向散射系數(shù)受地形影響及其校正方法也有顯著影響。

　　孫國(guó)清[12]通過(guò)對(duì)北方成熟林的SAR后向散射進(jìn)行三維建模發(fā)現(xiàn)，地形對(duì)林分后向散射影響顯著，并會(huì)顯著降低森林生物量的相關(guān)性及相關(guān)模型的反演精度。鑒于此，劉大偉等[13]提出二階段校正模型進(jìn)行地形輻射校正，并用HH后向散射系數(shù)與森林生物量建立回歸模型估測(cè)了該地區(qū)的森林生物量，取得了較好的結(jié)果。這些研究表明，森林生物量與SAR長(zhǎng)波段敏感，可以采用后向散射系數(shù)來(lái)進(jìn)行森林生物量估測(cè)，但由于受到樹(shù)種、林分結(jié)構(gòu)、地形等的顯著影響，模型普適性差，大范圍估測(cè)精度較低。

　　采用后向散射系數(shù)反演森林生物量的另一種方法是基于機(jī)理模型模擬森林后向散射系數(shù)，進(jìn)而進(jìn)行森林生物量反演。機(jī)理模型是建立在人們對(duì)電磁波與森林生態(tài)系統(tǒng)作用過(guò)程理解的基礎(chǔ)上，與僅采用后向散射系數(shù)與生物量簡(jiǎn)單經(jīng)驗(yàn)關(guān)系估算的方法相比，機(jī)理模型更強(qiáng)調(diào)SAR散射機(jī)制與森林內(nèi)部的各種作用過(guò)程，估算結(jié)果更為可靠。目前用于森林參數(shù)及生物量反演的植被微波散射模型，主要有基于輻射傳輸方程的密歇根微波冠層散射模型(MIMICS)[14]和水云模型(WCM)[15]。

　　Imhoff[16]利用MIMICS模型研究了熱帶和亞熱帶闊葉林林冠層生物學(xué)統(tǒng)計(jì)數(shù)據(jù)，分析了相同生物量水平下不同林分結(jié)構(gòu)對(duì)雷達(dá)回波的影響，發(fā)現(xiàn)林分密度越大后向散射系數(shù)越小，林分密度越小后向散射系數(shù)越大，在一些波段和極化方式下后向散射差異達(dá)到了18dB，其結(jié)果直接影響森林生物量估計(jì)精度。高帥等[17]通過(guò)MIMICS模型模擬人工林森林組分的后向散射，發(fā)現(xiàn)闊葉林的模擬結(jié)果優(yōu)于針葉林，由于地形的影響，無(wú)法用該模型模擬研究區(qū)針葉林的后向散射。水云模型因模型形式簡(jiǎn)單，參數(shù)易于獲取，被廣泛應(yīng)用于C波段的森林雷達(dá)后向散射的描述和生物量估測(cè)。

　　Santoro等[8,18]基于水云模型發(fā)展了一種叫BIOMASAR的森林蓄積量SAR估算方法，并將其應(yīng)用于北方森林的蓄積量估算中，估測(cè)結(jié)果的均方根誤差在34.2%～48.1%，飽和點(diǎn)大于300m3/hm2。Askne[19]通過(guò)引入干涉相位信息參數(shù)，提出了描述森林重復(fù)軌道干涉的相干性干涉水云模型(IWCM)。Drezet等[20]基于干涉水云模型，利用ERS-1/2串行干涉相干性數(shù)據(jù)和詳實(shí)的地面調(diào)查數(shù)據(jù)對(duì)英國(guó)森林的年齡進(jìn)行估測(cè)，確定了碳通量、森林蓄積量、森林生長(zhǎng)和砍伐等信息。Cartus等[21]基于干涉水云模型和ERS-1/2串行干涉相干性進(jìn)行森林蓄積量估測(cè)，并用MODIS連續(xù)植被產(chǎn)品訓(xùn)練模型，在俄羅斯和中國(guó)東北的2個(gè)研究區(qū)域均取得了較好的反演精度。 機(jī)理模型能夠很好地揭示SAR與森林內(nèi)部作用機(jī)制，揭示林分結(jié)構(gòu)對(duì)森林后向散射的影響，也得到了較廣泛的應(yīng)用。

　　目前主要的不足是：MIMICS模型雖然刻畫(huà)森林結(jié)構(gòu)細(xì)致，但涉及輸入?yún)��?shù)較多，從這種多元線性耦合系統(tǒng)中提取森林參數(shù)是典型的“病態(tài)”反演問(wèn)題，因此在實(shí)際應(yīng)用中如何通過(guò)增加觀測(cè)量、減少先驗(yàn)知識(shí)和假設(shè)和降低不確定性，是提高其反演精度的基礎(chǔ);水云模型由于假設(shè)條件過(guò)于簡(jiǎn)單，對(duì)環(huán)境適用性差，實(shí)際操作性不強(qiáng)，雖然在L波段的研究取得了較好的結(jié)果，但這是因?yàn)長(zhǎng)-波段的森林散射類(lèi)型與水云模型的基本假設(shè)一致，即植被覆蓋區(qū)域總后向散射由森林冠層體散射和受到衰減的地表散射組成，而其對(duì)于波長(zhǎng)更長(zhǎng)的P-波段的適用性還需在實(shí)際應(yīng)用中根據(jù)森林類(lèi)型具體分析[22]。

　　2.2基于極化合成與分解參數(shù)的森林AGB反演

　　全極化數(shù)據(jù)可以計(jì)算任意一種極化狀態(tài)的后向散射回波，因此能夠提取更多地物極化信息和目標(biāo)信息，從而更準(zhǔn)確地描述地面散射特征，提高對(duì)地物的識(shí)別能力。采用極化合成技術(shù)，還可以提取極化度、相位差、極化相干性等參數(shù)。VanZyl等[23]指出，極化度主要是由交叉極化，即多重散射(或體散射)作用引起的，極化度充分反映了交叉極化的影響程度，極化度越小，交叉極化散射強(qiáng)度越大，可以據(jù)此判斷地物散射中體散射機(jī)制的比例。相位差反映了地物奇次散射與二面角反射的不同作用。奇次散射回波相位差為0，二面角反射相位差為180°，體散射則介于二者之間，因此可以由此識(shí)別出3種主要散射機(jī)制[24-25]。

　　Pierce等[26]基于先驗(yàn)知識(shí)，采用L-波段VV、HH、HV及相位差，根據(jù)體散射和面散射特征將高大植被、低矮植被、裸露地表和城區(qū)進(jìn)行了成功區(qū)分。陳勁松等[27]、施建成等[28]通過(guò)分析不同極化之間的相干性發(fā)現(xiàn)，散射機(jī)制越單一，HH和VV之間的相關(guān)系數(shù)越大，建筑物和裸土由于散射機(jī)制單一，相關(guān)系數(shù)較高，而森林和農(nóng)作物由于體散射復(fù)雜，相關(guān)系數(shù)較低，因此可以采用HH和VV之間的相關(guān)系數(shù)區(qū)別植被與其他地物。通過(guò)極化合成，可以組成任意極化響應(yīng)圖，從而提高地物的識(shí)別能力。陳勁松等[24]通過(guò)分析森林的極化響應(yīng)圖發(fā)現(xiàn)，森林在方位角等于45°、橢圓率角等于0°時(shí)，森林信息得到最大的增強(qiáng)。

　　由于極化散射矩陣S通常反映的是散射體的幾何平均散射特性，直接利用它們分析地物目標(biāo)的散射特性比較困難，并且不能有效利用回波中的極化信息。極化目標(biāo)分解就是將地物回波的復(fù)雜散射過(guò)程分解為幾種單一的散射過(guò)程，每種散射過(guò)程都有一個(gè)對(duì)應(yīng)的散射矩陣，這有利于分析目標(biāo)的散射特性，提高地物的解譯[25,29]。董貴威等[30]、范立生等[31]以天山地區(qū)為試驗(yàn)區(qū)，采用SIR-C/X-SARL波段全極化數(shù)據(jù)提取了極化散射總功率、相似性參數(shù)、極化熵等參數(shù)，發(fā)現(xiàn)這些參數(shù)的組合結(jié)果可以使得森林地區(qū)的可區(qū)分性明顯增強(qiáng)。

　　Musthafa等[32]采用極化分解參數(shù)成功地進(jìn)行了研究區(qū)的森林變化檢測(cè)。由于森林地區(qū)的散射機(jī)理非常復(fù)雜，既有稠密枝葉頂部的面散射，也有穿透植被從地面散射的面散射;既有樹(shù)干與地面之間的二次散射，也有樹(shù)干與樹(shù)干或樹(shù)枝與樹(shù)干之間的二次散射;此外，還有更加復(fù)雜的體散射回波。因此，單一的極化參數(shù)往往不能準(zhǔn)確合理地揭示出森林的散射特征。范立生等[31]通過(guò)對(duì)極化合成及分解的各參數(shù)主成分分析發(fā)現(xiàn)，極化熵、極化總功率、HH和VV極化相干性系數(shù)對(duì)森林區(qū)散射特征敏感，經(jīng)過(guò)這些參數(shù)的合適組合可以增強(qiáng)森林散射特征。

　　綜上分析可以發(fā)現(xiàn)，不同的極化參數(shù)在揭示森林散射機(jī)制、疏密度、樹(shù)高、農(nóng)作物結(jié)構(gòu)變化等方面具有不同的優(yōu)勢(shì)，可以較準(zhǔn)確地進(jìn)行森林內(nèi)部結(jié)構(gòu)分類(lèi)。目前，極化參數(shù)已經(jīng)廣泛應(yīng)用于森林分類(lèi)中，但其在森林GB反演中的應(yīng)用尚有待進(jìn)一步挖掘。徐星歐[33]采用Freeman-Durden極化分解參數(shù)對(duì)生物量估測(cè)方法進(jìn)行探索，成功提高了森林AGB的反演精度。魏晶昱等[34]初步探索了極化分解的GF-3各分量在人工林冠層森林GB中反演的潛力，該研究區(qū)的冠層生物量最高為40.98t/hm2，研究結(jié)果表明多個(gè)極化分解分量均表現(xiàn)出對(duì)森林冠層生物量變化的高敏感性，且未出現(xiàn)明顯的飽和現(xiàn)象。

　　已有以L-波段全極化SAR數(shù)據(jù)為例的研究分別探索了Freeman-Durden三分量、Yamaguchi四分量極化分解分量在森林蓄積量估測(cè)中的潛力，但發(fā)現(xiàn)部分森林的蓄積量與二次散射分量相關(guān)性較高，部分森林的蓄積量又與二次散射分量無(wú)相關(guān)性[35-37];另外，樹(shù)種類(lèi)型、林分起源、環(huán)境因子、森林蓄積量水平等均對(duì)極化分解分量與森林參數(shù)變化的敏感性有影響，但具體影響方式仍未探索清楚[38]。在森林GB反演中，由于極化特征可以區(qū)分不同的散射類(lèi)型，因此可以采用極化特征來(lái)區(qū)分森林生物量在喬木各部位的分布。不同極化特征對(duì)森林生物量的敏感性不同也從側(cè)面證實(shí)了極化特征區(qū)分喬木不同部位森林生物量的潛力[39]。

　　2.3基于干涉、極化干涉SAR信息的森林AGB反演

　　2.3.1干涉SAR森林AGB反演

　　干涉SAR用于森林生物量的反演主要包括了2類(lèi)信息，即干涉相位和干涉幅度，由于這2類(lèi)信息與森林高度的高相關(guān)性，因此可以極大地提高森林生物量反演的飽和點(diǎn)[40-41]。Askne等[42]采用干涉水云模型將SAR相干性幅度影響分為地表和森林冠層2個(gè)部分，從而將L-波段生物量的飽和點(diǎn)提高到200t/hm2左右。Gaveau[43]等結(jié)合SIBERIA項(xiàng)目發(fā)現(xiàn)，在C和L波段干涉相干性較后向散射系數(shù)對(duì)森林生物量更敏感。Askne等[42]研究表明，相干性隨著森林蓄積量的增加而降低，降低速度隨成像時(shí)條件不同而略有變化。Santoro等[44]提出，采用干涉相干性進(jìn)行森林蓄積量反演也會(huì)受到飽和點(diǎn)的限制，而將其與后向散射信息相結(jié)合可以提高估測(cè)精度和效率。

　　另外，他們?cè)诓捎孟喔尚缘难芯恐邪l(fā)現(xiàn)，相同森林生物量水平上相干性會(huì)產(chǎn)生差異，差異主要是由地形、林斑大小、林分結(jié)構(gòu)等變化引起的去相干造成。Wanner等[45]研究也表明了該效應(yīng)。除了直接將干涉相干性幅度用于生物量的反演，近年來(lái)干涉相干性和干涉相位還被廣泛用于森林高度的反演，進(jìn)而采用森林高度與森林生物量之間的異速生長(zhǎng)方程來(lái)計(jì)算森林生物量。例如，范亞雄[46]采用干涉相干性幅度信息，利用SINC模型反演了根河地區(qū)的森林高度，反演精度最高可達(dá)到84.41%。隨著無(wú)時(shí)間失相干TerraSAR/TanDEM星載干涉SAR數(shù)據(jù)的出現(xiàn)，采用相位信息的DEM差分法被廣泛用于森林高度的估測(cè)，部分研究結(jié)果與地面調(diào)查數(shù)據(jù)的2值最高達(dá)到0.98[47]。

　　2.3.2極化干涉SAR森林

　　AGB反演極化干涉SAR(Pol-InSAR)主要利用極化信息形成某個(gè)特定散射機(jī)理的干涉圖，將干涉圖之間的相位差與植被高度聯(lián)系起來(lái)，在森林GB反演中其主要用來(lái)反演樹(shù)高，然后再用樹(shù)高計(jì)算森林生物量。

　　采用極化干涉SAR進(jìn)行樹(shù)高反演，主要有以下幾種方法：基于旋轉(zhuǎn)不變估計(jì)信號(hào)參數(shù)理論進(jìn)行參數(shù)提取的ESPRIT算法，該算法實(shí)現(xiàn)了地表相位中心和植被相位中心分離，從而估計(jì)出植被的高度[48];基于隨機(jī)體散射模型(RVoG)的三階段估算方法，首先通過(guò)極化基的變換和最小二乘法在干涉相干系數(shù)單位圓上進(jìn)行線性擬合，然后利用擬合出來(lái)的直線估算地表相位以達(dá)到植被偏移的消除，最后進(jìn)行植被高度和衰減系數(shù)的估算[49];基于樣本相關(guān)矩陣的最大似然估計(jì)法可進(jìn)行樹(shù)高反演，但該算法計(jì)算過(guò)程復(fù)雜，并且有些參數(shù)在實(shí)際測(cè)量中難以獲得[50]。

　　基于干涉、極化干涉SAR數(shù)據(jù)進(jìn)行森林AGB反演，一般可以通過(guò)干涉相干性直接反演森林AGB，也可以通過(guò)反演森林高度，進(jìn)而獲得森林GB。但是目前也存在一些問(wèn)題，例如采用干涉相干性進(jìn)行生物量反演也會(huì)存在飽和現(xiàn)象。首先通過(guò)反演森林高度，進(jìn)而求取森林生物量雖然可以極大地提高飽和點(diǎn)，但是林業(yè)中應(yīng)用的多為描述胸徑和森林GB的異速生長(zhǎng)方程，當(dāng)前用于描述區(qū)域森林高度和生物量的異速生長(zhǎng)關(guān)系模型還相對(duì)較少;此外，森林AGB不僅與高度有關(guān)，還與胸徑、林分密度等諸多因子有關(guān)，因此大區(qū)域獲得的森林高度無(wú)法準(zhǔn)確地轉(zhuǎn)換為森林GB[51-53]。

　　2.4基于多頻SAR數(shù)據(jù)協(xié)同反演森林生物量

　　隨著SAR數(shù)據(jù)源的豐富，采用SAR數(shù)據(jù)可以提供的信息類(lèi)型越來(lái)越多。不同波長(zhǎng)的SAR數(shù)據(jù)對(duì)森林冠層的穿透性不同，有可以反映冠層散射的X-、C-波段，也有能夠穿透冠層與樹(shù)干、樹(shù)枝作用的L-、P-波段[9,63];SAR數(shù)據(jù)的極化信息對(duì)散射體的形狀、方向敏感，可用于森林類(lèi)型、結(jié)構(gòu)的高精度識(shí)別[28,49,64];SAR后向散射對(duì)冠層含水量變化敏感，可用于森林冠層含水量反演[65-66]。

　　多頻SAR數(shù)據(jù)的積累，使得我們可以從多個(gè)維度進(jìn)行森林資源動(dòng)態(tài)監(jiān)測(cè)，不僅可以全面闡釋森林的SAR散射特征，提高森林生物量遙感反演的飽和點(diǎn)，還可有效提高森林AGB的估測(cè)精度。在采用不同頻段SAR技術(shù)的森林AGB反演中，目前采用的SAR參數(shù)主要為不同極化的后向散射系數(shù)或其比值參數(shù)，反演模型則多為非參數(shù)模型[67-70]。

　　目前研究成果多集中于L波段，然后依次是C-波段、P-波段、X-波段、VHF波段和S-波段。隨著不同頻段SAR森林散射機(jī)制研究成果的豐富，各頻段SAR在森林場(chǎng)景中的觀測(cè)優(yōu)勢(shì)差異逐漸明晰，在森林場(chǎng)景中，SAR總的后向散射為森林中的地表、樹(shù)干、樹(shù)枝和樹(shù)葉后向散射的總和。不同頻段SAR后向散射來(lái)自于森林的不同部位，例如，C-波段或X-波段森林總的后向散射多來(lái)自于植被表層的針葉、小樹(shù)枝或者樹(shù)冠頂層的散射，而林下灌木或地表則對(duì)總的后向散射貢獻(xiàn)較少。在波長(zhǎng)較長(zhǎng)的L-波段或P-波段中，SAR后向散射則多來(lái)自森林中樹(shù)木的樹(shù)干、大枝條以及林下地表，樹(shù)葉和小樹(shù)枝對(duì)總后向散射的貢獻(xiàn)則少得多。

　　鑒于以上原因，一些研究嘗試融合多頻SAR技術(shù)提高森林AGB反演的精度和飽和點(diǎn)。Englhart[67]利用X-波段和L-波段SAR圖像結(jié)合將生物量反演的飽和點(diǎn)提高到了617t/hm2。Cartus等[71]探索了多頻SAR數(shù)據(jù)在熱帶林森林生物量反演中的潛力，發(fā)現(xiàn)在使用水云模型進(jìn)行森林生物量反演時(shí)，僅有將L-和P-波段進(jìn)行組合時(shí)反演結(jié)果精度和飽和點(diǎn)會(huì)有所提高，其他波段的組合則無(wú)明顯改進(jìn)。

　　綜上所述，目前協(xié)同多頻SAR數(shù)據(jù)反演森林生物量或分部位生物量，均采用提取后向散射系數(shù)的特征，或利用不同波長(zhǎng)數(shù)據(jù)、不同極化下的后向散射系數(shù)的差值、比值等組合特征，采用的模型也多是經(jīng)驗(yàn)或半經(jīng)驗(yàn)?zāi)Ｐ停�反演結(jié)果均高于采用單頻段反演的結(jié)果;盡管融合多頻SAR信息可以有效提高森林生物量反演精度，飽和點(diǎn)也可以有效提高，部分區(qū)域達(dá)到600t/hm2以上，但其在不同森林類(lèi)型中的適用性有待進(jìn)一步探索。

　　3存在問(wèn)題及研究展望

　　區(qū)域和全球范圍內(nèi)森林GB的遙感估測(cè)是區(qū)域和全球尺度碳儲(chǔ)量動(dòng)態(tài)變化監(jiān)測(cè)的有效方法之一，同時(shí)也是研究全球碳平衡及全球氣候變化的有效方法之一。SAR技術(shù)在區(qū)域及全球尺度進(jìn)行森林GB反演中具有獨(dú)特的優(yōu)勢(shì)。從目前研究可以看出，采用部分SAR技術(shù)可以較大的提升遙感技術(shù)估測(cè)森林GB的飽和點(diǎn)限制，部分研究區(qū)在森林GB達(dá)到650t/hm2時(shí)仍未見(jiàn)飽和現(xiàn)象，在區(qū)域和全球尺度開(kāi)展的部分研究也證明了有效利用SAR技術(shù)和不同SAR數(shù)據(jù)源可以提高區(qū)域和全球尺度森林GB高精度反演的可行性。盡管如此，目前采用SAR技術(shù)進(jìn)行森林GB估測(cè)的相關(guān)技術(shù)和方法仍處在研究階段，還存在以下問(wèn)題：

　　1)盡管目前星載SAR數(shù)據(jù)已比較豐富，但是還未有長(zhǎng)波長(zhǎng)的干涉SAR數(shù)據(jù)、極化干涉SAR數(shù)據(jù);另外層析SAR的數(shù)據(jù)目前還多依賴(lài)機(jī)載數(shù)據(jù)，且研究區(qū)多在國(guó)外，對(duì)于國(guó)內(nèi)研究而言，這些SAR數(shù)據(jù)及地面調(diào)查數(shù)據(jù)均為非原始數(shù)據(jù)，不利于發(fā)展依賴(lài)該數(shù)據(jù)的森林GB估測(cè)算法的分析及研究。

　　2)在目前可以使用的SAR信息中，后向散射信息是分析最全面、積累研究成果最多的SAR信息，但是SAR后向散射信息無(wú)法區(qū)分森林結(jié)構(gòu)變化與森林AGB變化引起的后向散射系數(shù)變化，盡管也發(fā)展了一些機(jī)理模型來(lái)降低森林結(jié)構(gòu)變化對(duì)采用后向散射系數(shù)進(jìn)行森林GB反演的影響，但模型或過(guò)于復(fù)雜或過(guò)于簡(jiǎn)單，在實(shí)際應(yīng)用中推廣還存在一定的難度。

　　3)極化信息對(duì)森林結(jié)構(gòu)變化敏感，但是極化信息中可以表征森林散射的體散射模型過(guò)于單一，無(wú)法全面描述森林的復(fù)雜結(jié)構(gòu)特征，而充分認(rèn)識(shí)和理解森林結(jié)構(gòu)的極化作用機(jī)制是提升采用極化SAR信息在森林GB反演中有效應(yīng)用的基礎(chǔ)和關(guān)鍵。另外，目前的極化信息多用于森林的分類(lèi)，對(duì)于森林參數(shù)定量反演仍然需要進(jìn)一步挖掘其散射機(jī)理。

　　4)干涉、極化干涉SAR相位信息的利用，可以較精確地獲得森林高度，進(jìn)而獲得更高精度的森林生物量信息，但是用于描述森林高度和生物量異速生長(zhǎng)關(guān)系的模型還相對(duì)較少，將反演的森林高度計(jì)算為森林生物量時(shí)還存在較大的不確定性。另外干涉、極化干涉SAR數(shù)據(jù)源還有待進(jìn)一步豐富。層析SAR盡管在森林AGB反演飽和點(diǎn)提高中極具潛力，但目前已有的研究方法尚不能充分利用層析SAR獲取的森林三維剖面信息。

　　5)采用單頻、單極化后向散射信息進(jìn)行森林AGB反演飽和點(diǎn)低，在森林生物量高于300t/hm2的區(qū)域，后向散射對(duì)森林AGB的變化不再敏感;多頻SAR技術(shù)極大地提高了森林GB反演的飽和點(diǎn)，但目前多頻SAR使用的信息多為后向散射信息，對(duì)森林類(lèi)型具有較好區(qū)分能力的極化信息和相干信息均未做深入探討。由于多頻SAR數(shù)據(jù)較層析、干涉、極化干涉SAR數(shù)據(jù)源豐富且易于獲取，因此未來(lái)多頻SAR數(shù)據(jù)協(xié)同進(jìn)行森林生物量研究將成為SAR進(jìn)行森林生物量反演的熱點(diǎn)之一。

　　未來(lái)多頻SAR協(xié)同將以星載或機(jī)載X-、C-、L-和P-波段多頻SAR數(shù)據(jù)為支撐;提取可反映研究區(qū)森林水平和垂直結(jié)構(gòu)水平的各極化散射特征和干涉特征等多種特征;深入分析森林各因子在多頻段SAR中的散射機(jī)制;并研究具有物理解釋性的參數(shù)模型及機(jī)器學(xué)習(xí)類(lèi)的非參數(shù)模型在各波段森林生物量的適宜性;探明各波段SAR森林生物量反演的精度及適用范圍;探討從反演飽和點(diǎn)、精度、模型適用范圍及不確定性等方面進(jìn)行進(jìn)一步突破。此外，隨著對(duì)森林穿透力更強(qiáng)的P波段BIOSAR衛(wèi)星的升空，基于長(zhǎng)波長(zhǎng)極化SAR數(shù)據(jù)的森林AGB監(jiān)測(cè)將成為未來(lái)的研究熱點(diǎn)之一，因此現(xiàn)階段應(yīng)進(jìn)一步深入開(kāi)展基于機(jī)載P-波段全極化SAR數(shù)據(jù)的森林散射機(jī)制的分析、散射模型的研究。

　　參考文獻(xiàn)

　　[1]HAYASHIM,MOTOHKAT,SAWADAY.AbovegroundbiomassmappingusingALOS-2/PALSAR-2time-seriesimagesforBorneo'sforest[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2019(99):1-11.

　　[2]SHERWINCW,RUINAJP,RAWCLIFFERD.Someearlydevelopmentsinsyntheticapertureradarsystems[J].IreTransactionsonMilitaryElectronics,2009,MIL-6(2):111-115.

　　[3]BROWNWM,PORCELLOLJ.Anintroductiontosynthetic-apertureradar[J].IEEESpectrum,1969,6(9):52-62.

　　[4]楊浩.基于時(shí)間序列全極化與簡(jiǎn)縮極化SAR的作物定量監(jiān)測(cè)研究[D].北京:中國(guó)林業(yè)科學(xué)研究院,2015.

　　作者：姬永杰張王菲