بهبود تخمین زیست توده مناطق جنگلی به کمک بهینه‌سازی پارامترهای پلاریمتری داده‌های سنجنده هوایی sethi به روش هوش جمعی ذرات

در سال‌های اخیر تخمین زیست توده مورد توجه زیادی قرار گرفته است. سیستم‌های هوابرد و فضابرد راداری به دلیل قابلیت بالای نفوذ، توانایی زیادی در تعیین زیست توده دارند. پارامتر قطبش به دلیل حساسیت به مکانیزم‌های بازپراکنش، پارامتر مهمی در سیستم راداری بوده که می‌تواند در تخمین زیست توده مفید واقع شود. در این تحقیق از داده های تمام پلاریمتری سنجنده هوایی sethi استفاده شده است. منطقه مورد بررسی از نوع جنگل های شمالی واقع در منطقه رمینگ استرپ در جنوب کشور سوئد می باشد. در این مقاله بهبود تخمین زیست توده در مناطق جنگل های شمالی با در نظر گرفتن تمامی حالات قطبش ممکن جهت استخراج پارامترهای پلاریمتری توسط ماتریس انتقال، در باندهای l و p مورد ارزیابی قرار گرفته است. همچنین وابستگی زیست توده به پارامتر های استخراجی قبل و بعد از تغییر پایه قطبش در ماتریس های کووریانس و همدوسی مورد بررسی قرار گرفته و یک مجموعه از پارامترهای بهینه توسط هوش جمعی ذرات در حالت باینری انتخاب و جهت تخمین زیست توده مورد استفاده قرار گرفته است. نتایج بیانگر آن است که بازپراکنش‌هایی که شامل قطبش hv یا hhvv هستند؛ بیشترین وابستگی را با زیست توده دارند و با تغییر پایه قطبش، امکان بررسی حالت های قطبش مختلف پارامترهای استخراجی از بازپراکنش ها فراهم می شود و میزان همبستگی پارامترها با زیست توده افزایش می یابد. بعد از انتخاب بهینه پارامترها توسط روش هوش جمعی ذرات در حالت باینری و استفاده از رگرسیون خطی به منظور تخمین زیست توده، نتایج به میزان 6 درصد در باند l و 2 درصد در باند p بهبود داشته است.

Improvement of Biomass Estimation in Forest Areas based on Polarimetric Parameters Optimization of SETHI airborne Data using Particle Swarm Optimization Method

Estimation of forest biomass has received much attention in recent decades. Airborne and spaceborne (SAR) have a great potential to quantify biomass and structural diversity because of its penetration capability. Polarizations are important elements in SAR systems due to sensitivity of them to backscattering mechanisms and can be useful to estimate biomass. Full Polarimetric Synthetic Aperture Radar (SAR) data used in this research was acquired by SETHI over Remningstorp, a boreal forest in south of Sweden. A new method based on Polarimetric indicators from covariance and coherency matrixes by changing the polarization basis using transformation matrix in the boreal forests at L and Pband is presented. The presented method showed its capability to improve forest biomass estimation. The correlation between biomass and extracted Polarimetric indicators is investigated before and after changing polarization basis. Particle swarm optimization in binary version is used to select optimum Polarimetric indicators and afterward biomass is estimated based on these optimum parameters. Results indicated that maximum correlation between biomass and Polarimetric indicators was in HV and HHVV polarizations before changing polarization basis. After changing the polarization bases, the results show significantly higher correlation of biomass with the extracted polarization variables. The results have been improved approximately about 6% and 2% in L and P band respectively, after extraction of optimum parameters by particle swarm optimization and using linear regression model for estimation of forest biomass.