در دهه های اخیر توجه زیادی به تخمین زیست توده جنگلی شده است. تهیه نقشه های جامع و صحیح از زیست توده جنگلی جهت مدل کردن چرخه کربن جهانی و کاهش گازهای گلخانه ای از اهمیت بسیار زیادی برخوردار است. روش های قدیمی برای تخمین زیست توده براساس مقادیر بازپراکنش ها به کمک آنالیزهای رگرسیون صورت می پذیرفت. مشکل اصلی این روش ها، سطح اشباع پایین آنها در طول موج ها و پلاریزاسیون های مختلف بدلیل در نظر نگرفتن پارامترهای ساختاری بود. به کمک تکنیک های اینترفرومتری، تحقیقات به سمت استخراج پارامترهای ساختاری سوق پیدا کرد. ارتفاع یکی از پارامترهای ساختاری می باشد که جهت تخمین زیست توده جنگلی می تواند استفاده شود. بهبود روش های بازیابی ارتفاع درختان نقش بسیار مهمی در استخراج صحیح زیست توده جنگلی ایفا می کند. در این مقاله یک روش جدید به منظور بهینه سازی ماتریس پراکنش به کمک تغییر پایه پلاریزاسیون جهت تخمین ارتفاع معرفی شده است. به کمک تغییر ماتریس پراکنش در پایه پلاریزاسیون های مختلف برای هر دو تصویر پایه و پیرو، پارامترهای همبستگی مختلف استخراج شده و با روش های مختلف تخمین ارتفاع، ارتفاع درختان تخمین زده شده است. داده های مورد بررسی، داده های تمام پلاریمتری از سنجنده هوایی SETHI در باند P می باشد که در منطقه جنگل های شمالی واقع در Remningstorp در جنوب کشور سوئد برداشت شده است. نتایج نشان می دهد که روش هایی که در آنها تغییر فاز وجود دارد در اثر تغییر پارامترهای هندسی بیضوی، بهبود چشمگیری داشته اند بطوری که روش های فاز حجم تصادفی برروی زمین با 76/0= R 2 و76/3 = RMSE و تفاضلی مدل رقومی با 69/0-= R 2 بهترین بهبود در نتایج را داشته اند و روش وارونگی دامنه همدوسی که با مقدار کوهرنس ارتفاع را استخراج می کند، با 17/0= R 2 بهبود چندانی در نتایج آن ملاحظه نشده است.
