ارائه روشی نوین جهت برآورد ارتفاع جنگل با استفاده از داده‌های تداخل‌سنجی پلاریمتریک راداری

پایش زمین، در هر مقیاسی جهت نیل به توسعه پایدار لازم و ضروری است. از این‌رو، جنگل‌ها به‌عنوان یک منبع طبیعی ارزشمند، نقش مهمی در کنترل تغییرات آب‌وهوایی و چرخه کربن دارند. به‌همین دلیل، زیست‌توده و به تبع آن ارتفاع جنگل جزو اطلاعات کلیدی برای پایش جنگل و زمین زیر آن به شمار می‌آیند. در مطالعات بسیاری نشان داده شده است که سامانه تصویربرداری رادار با روزنه مجازی (sar) می‌توانند کمک شایانی به این هدف کنند. در این راستا، تکنیک جدیدی که تداخل‌سنجی پلاریمتریک sar (polinsar) نامیده می‌شود، ابزاری مناسب و در دسترس جهت برآورد ارتفاع جنگل است، چراکه به موقعیت و توزیع قائم اجزای ساختاری جنگل حساس است. بر این اساس، از یک نقطه نظر، روش‌های به‌کار برده شده در این حوزه را می‌توان به دو دسته تقسیم کرد: الف) بر اساس مدل معکوس‌گیری حجم تصادفی بر زمین (rvog)، و ب) بر اساس تکنیک‌های تجزیه مدل‌مبنای داده‌های polinsar. در این تحقیق، برای بهبود برآورد ارتفاع جنگل روشی نوین بر اساس ترکیب دو دسته روش اشاره شده پیشنهاد شده است. عملکرد و کارآمدی روش پیشنهادی، توسط چهار مجموعه داده شبیه‌سازی شده از نرم‌افزار polsarprosim در دو نوع جنگل به ترتیب با گونه‌های درختی کاج و برگ‌ریز و در باندهای l و p اثبات شد. به‌طوری‌که در منطقه جنگلی با گونه‌های درختی کاج، در باند l و به‌ویژه با استفاده از روش ترکیبی (فاز و کوهرنسی) 3.38 متر بهبود در برآورد ارتفاع حاصل شد. در باند p نیز بالاخص با استفاده از روش دامنه کوهرنسی، 2.74 متر بهبود حاصل شد. همچنین در منطقه جنگلی با درختان برگ‌ریز، در باند l و p به ترتیب 4.77 متر و 2.38 متر بهبود در برآورد ارتفاع به‌ترتیب با استفاده از روش‌های تفاضلی مدل رقومی ارتفاعی (dem) و دامنه کوهرنسی به‌دست آمد.

A Novel Method for Forest Height Estimation Using PolInSAR Data

Monitoring the earth and its biosphere is an essential task in any scale to achieve a sustainable development. Therefore, forests, as an invaluable natural resource, have an important role to control the climate changes and the carbon cycle. For this reason, biomass and consequently forest height have been known as the key information for monitoring the forest and its underlying surface. Several studies, it has been shown that Synthetic Aperture RADAR (SAR) imaging systems can greatly help to this purpose. In this framework, a novel technique called Polarimetric SAR Interferometry (PolInSAR) is an appropriate and an available tool for forest height estimation, due to its sensitivity to location and vertical distribution of the forest structural components. Based on this, from a view point, the methods employed in this field can be divided into two categories: a) based on Random Volume over Ground (RVoG) inversion model, and b) based on modelbased decomposition techniques of PolInSAR data. In this study, in order to improve the forest height estimation, a novel method based on the combination of two mentioned categories has been proposed. The performance and the efficiency of the proposed method were demonstrated by four datasets related to the Pine and the deciduous forests which simulated from the PolSARProSim software in L and P bands.