تداخل سنجی پلاریمتری راداری

این مقاله روشی برای بهبود نتایج حاصل از الگوریتم وارونگی سه مرحله ای، با استفاده از تکنیک تداخل سنجی پلاریمتری راداری و برمبنای مدل دولایه ای پراکنش حجمی نامنظم روی سطوح، عرضه می کند. در روش مرسوم سه مرحله ای، مقادیر فاز زمین و ضریب میرایی و ارتفاع لایة حجمی، در یک روند سه مرحله ای هندسی و بدون نیاز به داده مبنای مدل رقومی ارتفاعی زمین یا اطلاعات اولیه برآورد می شوند. در این روش، برآورد مقادیر میرایی و ارتفاع لایة حجمی، در مرحلة سوم و با جست وجو در فضایی دوبعدی، انجام می شود. در الگوریتم بهبودیافتة مطرح شده، معرفی یک شاخص هندسی جدید برمبنای میزان نفوذ سیگنال حجمی در جنگل، دامنة جست وجوی مقدار میرایی در مرحلة سوم را محدود می کند. شاخص مطرح شده، در جایگاه اطلاعات کمکی، سبب می شود جست وجو در محدودة مناسب تری صورت پذیرد. الگوریتم عرضه شده روی داده های پلاریمتری اینترفرومتری تک خط مبنا و تک فرکانس باند L سنجندة ESAR اجرا شد. محدودیت ایجادشده در دامنة مقدار عددی میرایی، در مقایسه با روش سه مرحله ای، بهبود میانگین دقت 5/2 متر را در ارتفاع برآوردشده نتیجه داد.

هدف این مقاله ارزیابی توانمندی استخراج پارامترهای جنگلی همچون ارتفاع درختان با تکنیک های تداخل سنجی راداری با روزنة ترکیبی است. هدف عمده از تصاویر پلاریمتری راداری، در کاربردهای جنگلی، جداسازی مراکز فاز ناشی از توپوگرافی سطح زمین و تاج درختان است. یکی از روش های بسیار مرسوم در این زمینه به کارگیری ساختار دولایه ای مبتنی بر مدل پرکاربرد پراکنش حجمی نامنظم روی سطوح (RVOG) است. این مدل در یک دستگاه معادلات غیرخطی پارامترهای گوناگون — مانند توپوگرافی زمین، ارتفاع درخت، ضریب میرایی موج و نسبت دامنه — پراکنش سطحی به حجمی را تخمین می زند. با این حال به دلیل وابستگی شدید نتایج مدل به مقادیر اولیة مجهولات و به دلیل زمان بربودن و پیچیدگی حل دستگاه غیرخطی برای تمامی سلول های تصویر، بیشتر اوقات مسئله براساس فرضیات خاصی در ارتباط با مدل های پراکنش حل می شود. با وجود این، نتایج این روش ها نیز تحت تأثیر فرضیات قرار می گیرند و غالباً نمی توانند منجر به تعیین مناسب پارامترها شوند. ازاین رو برای حل مسائل پیش رو در این مقاله، با درنظرگرفتن ساختار دولایه ای جنگل، روشی مدل مبنا در تعیین توپوگرافی سطح زمین و ارتفاع درختان مطرح می شود. روش در نظر گرفته شده بدون هیچ پیش فرضی در ارتباط با پارامترهای مجهول، سعی در تخمین بهینة آنها دارد و یافته های پژوهش نشان می دهد که این مدل کارآیی بهتری از دو روش مرسوم مدل معکوس و SPIRIT دارد؛ به طوری که شاخص RMSE تخمین ارتفاع درختان از مقدار 26/13 و 41/11 متر به ترتیب در روش مدل معکوس و SPIRIT به مقدار 34/7 متر در روش عرضه شده کاهش یافته است.