基于L波段SAR后向散射与时序干涉相干性的植被高度反演算法研究

本研究针对传统SAR反演植被高度存在信号饱和的问题，创新性地结合L波段ALOS-2双极化（HH/HV）后向散射与时序干涉相干性（InSAR）数据，提出基于RMoG（Random Motion over Ground）物理模型的联合反演算法。通过美国Lenoir Landing站点验证，该算法突破后向散射10-15米饱和限制，将树高反演动态范围扩展至40米（RMSE=6.01米），为NISAR等未来低频雷达任务提供新的森林参数监测方案。

　　

在全球碳循环和气候变化研究中，森林作为最大的陆地碳库，其植被高度（Canopy Height）与地上生物量（AGB）的精确监测至关重要。然而，传统光学遥感易受云层干扰，星载激光雷达（LiDAR）又难以实现全球无缝覆盖，而合成孔径雷达（SAR）虽具备全天候观测能力，但L波段后向散射信号在植被高度超过10-15米时会出现显著饱和，严重制约了高生物量森林的监测精度。这一瓶颈问题使得国际气候观测系统（GCOS）提出的"1公顷分辨率全球AGB年际监测"目标面临挑战。

为突破这一限制，来自意大利国家研究委员会（CNR-IFAC）的研究团队创新性地利用ALOS-2卫星L波段双极化（HH/HV）数据，结合时序干涉相干性（Temporal Coherence）测量，开发了新型植被高度反演算法。该研究以美国阿拉巴马州Lenoir Landing温带森林为实验区，通过6次14天重访周期的ALOS-2观测，构建时空协方差矩阵，将物理模型与多时相数据融合，显著提升了植被高度反演精度。相关成果发表在遥感领域顶级期刊《Remote Sensing of Environment》上。

研究团队采用三项关键技术：首先建立改进的随机运动地面模型（RMoG+），通过区分裸土（δ_g²）与植被覆盖地表（δ_bv²）的散射体运动方差，更精确描述时序相干性衰减；其次开发联合反演框架，同步拟合后向散射模型（含地表散射σ_g、体散射σ_v和双次散射σ_db）与RMoG+模型；最后引入气象数据（NEXRAD降水、Copernicus土壤水指数）和NLCD土地覆盖分类实现数据分层校准，解决湿地淹没等特殊场景的建模难题。

【研究结果】

1. 模型验证：改进的RMoG+模型成功捕捉到短植被区相干性随高度反常上升的现象（如湿地类14天相干性差异Δγ_HH-HV>0.1），证实双次散射对HH极化的稳定作用。

2. 参数动态：散射分量呈现显著时空异质性——地表散射σ_g与土壤水分呈负相关（R=-0.82），而体散射σ_v在常绿林达-10.2dB，比灌木类高4.3dB，反映植被结构差异。

3. 反演性能：双极化联合反演取得最优精度（全区间RMSE=5.93米），较单后向散射方法提升22.9%。其中湿地类因洪水干扰误差最大（RMSE=6.21米），而常绿林表现最佳（RMSE=4.07米）。

4. 时序分析：14天相干性对高度最敏感（R²=0.71），70天相干性因气象条件趋同出现反常升高，证实时间基线选择的重要性。

这项研究的重要意义在于：首次系统论证了L波段时序干涉相干性在植被高度反演中的补充价值，通过物理模型揭示了极化差异（HH/HV）与散射机制（地表/体散射/双次散射）的定量关系。所提出的算法框架可直接应用于NISAR、ROSE-L等新一代窄轨道SAR任务，为全球森林碳储量监测提供突破性的技术方案。研究还指出，未来通过融合GEDI激光雷达数据与ERA5气象再分析资料，有望将方法扩展至全球尺度，但需解决冻融效应等生物区特异性难题。这一成果不仅推动了微波遥感理论发展，也为《巴黎协定》下的森林碳汇核查提供了可操作的技术路径。