瑚 Ｉｍｐ学丰 自然科学版 ｓ 第３２Ｏ１４３年６月卷第３ 期 ＶＪｕＯｎ Ｉ３２３Ｏ １Ｎ４ｏ ３ 为极化干涉模型，并将其应用到植被高度反演中。２００１年，Ｙａｍａｄａ等 提出利用ＥＳＰＲＩＴ算法（ｅｓｔｉｍａ— ｔｉｎｇ ｓｉｇｎａｌ ｐａｒａｍｅｔｅｒｓ ｖｉａｒｏｔａｔｉｏｎａｌ ｉｎｖａｒｉａｎｅｅ ｔｅｃｈｎｉｑｕｅｓ），通过将地表相位中心和植被相位中心分离，估计 植被的高度。２００２年，Ｙａｍａｄａ等［６］针对ＥＳＰＲＩＴ算法在进行植被高度估计时精度低的问题，指出了该方法 计算出的树冠顶部的散射相位是准确的，计算的地表相位估计存在偏差，直接用这两者的相位差进行植被反 演就会造成植被高度的不准确。２００３年，Ｃｌｏｕｄｅ等［７伽依据复相干系数的复平面分布的特性进行研究，提出 了基于ＲＶｏＧ（ｒａｎｄｏｍ ｖｏｌｕｍｅ ｏｖｅｒ ｇｒｏｕｎｄ）散射模型的三阶段反演算法，简化了植被高度估计的复杂性，获 得较好的反演精度。２００４年，Ｔａｂｂ等。。。 提出了基于极化干涉ＳＡＲ协方差矩阵的植被参数最大似然估计算 法，且具有较高的估计精度。２００５年，ＣｌｏｕｄｅＥ 等提出相位与相干幅度联合反演的算法，保证获得的植被高 度均为正值，并使反演结果有较高的稳定性。２００５年，李新武等Ｅｎ ］提出一种将三阶段反演方法与ＥＳ— ＰＲＩＴ算法相结合的新的相位基植被高度估计方法，并用基于重复轨道航天飞机ＳＩＲ—ｃ的Ｌ和Ｃ波段极化 干涉雷达数据证明了该算法能够获得较高精度的植被高度。２００６年，Ｃｌｏｕｄｅ等Ｌ１。 提出了极化相干层析 （ＰＣＴ）算法，拓展了极化干涉ＳＡＲ植被参数信息提取的理论和方法。２００８年，陈尔学等ｌ１ 提出了复相干幅 度反演方法，并实验证明了该算法的可行性。２００８年，陈兵等［１ 提出一种基于统计特征和ＰｏｌＩｎＳＡＲ相位 优化算法的反演算法，并实验证明了该算法的可行性和优越性。 使用极化干涉ＳＡＲ数据进行植被高度反演已有近２Ｏ年历史，但是仍有许多问题需要解决，各种算法都 有其优点和不足之处，本文在分析常用的极化干涉ＳＡＲ植被高度反演模型与算法基础上，利用仿真数据进 行了对比分析，并对这些方法的适用条件和优缺点进行了归纳和总结，同时指出可研究的方向，对如何选取 基于极化干涉ＳＡＲ的植被高度反演算法具有一定的参考价值。 １ 极化干涉ＳＡＲ植被高反演算法 目前基于极化干涉ＳＡＲ进行树高反演的算法主要有数字高程模型（ｄｉｇｉｔａｌ ｅｌｅｖａｔｉｏｎ ｍｏｄｅｌ，ＤＥＭ）差分 算法、ＲＶｏＧ地相位反演算法、复相干幅度反演算法、相位与相干幅度联合反演算法等。 １．１ ＤＥＭ差分算法 根据干涉ＳＡＲ干涉相位与高程的关系，在远场景小区域条件下，解缠后的干涉相位与地面高度之间存 在着线性关系。因此，地表上植被高度引起的干涉相位可以通过计算植被顶层干涉相位中心与植被底层地 表干涉相位中心的差值来确定。干涉相位差分法是一种传统的高度反演方法，其基本思想是通过计算植被 层相位中心和地表相位中心的差值，提取植被高度。在极化干涉ＳＡＲ测量获得的数据中，对植被层进行分 析，植被层高度对应的干涉相位就是指植被相位中心 和地表相位中心仇两个相位中心的差值。严格来 讲，该方法所得树高并非真实树高，只是地物两散射中心的距离差，该算法所得计算树高与真实树高之间存 在一定误差。根据文献Ｅ３３，该算法公式为： 一 。 其中：叫 一植被冠层体散射矢量；ｙ 一与 相对应的冠层体散射复相干； 一地表散射矢量； 相对应的地表散射复相干；是 一距离向谱滤波后的有效垂直干涉波数。 与 根据极化干涉信息先验知识，一般认为ＨＶ极化散射为叫 ，ＨＨ—ＶＶ极化散射为ｃＵ 。采用该方法反演 植被高的关键，是选择一个散射矢量 即极化状态来准确估计地表相位。 １．２ ＲＶｏＧ地相位反演算法 通过对大量的Ｌ和Ｐ波段散射数据的分析表明：在利用干涉相位差分法反演树高时，通常很难选择合 适的散射矢量对地相位进行无偏估计 ］。为了对地相位进行较为准确的估计，ＲＶｏＧ地相位反演算法引入 了ＲＶｏＧ散射模型，通过模型的几何特点和所测复相干来综合确定地相位。 图１所示为ＲＶｏＧ模型，该模型由Ｔｒｅｎｕｈａｌｆ建立，是森林高度反演算法的理论基础，在忽略噪声去相 关和时间去相关影响时，根据文献１－９］，可得公式： 张庆云等 基于极化干涉ＳＡＲ的植被高度反演算法对比分析 Ｊｏｕｒｎａｌ ｏｆ Ｓｈａｎｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ ）一ｅｘｐ（Ｊ９。） 。 （２） 其中：Ｊ一影像中执行该公式的像元的列号；ｍ（∞）一有效地体幅度比率，是一个极化函数； 一纯体去相 关系数。 ），ｖ＝＝＝ （２ａ＋ｉｋ ＣＯＳ ）（ｅｘｐ（２￣ｈ ／ｃｏｓ ）一１）。 ２ａ（ｅｘｐ（２ａｈ ／ｃｏｓ０＋ｉｋ ｈ ）一１） （３） 其中： 一与地形有关的相位； 一参考入射角；尼 一距离向谱滤波后的有效垂直干涉参数； 一影像中执行该 公式的像元的行号。 由公式（２），（３）可知，有效散射中心的位置是森林植被高度 ，消光系数 和地体幅度比ｍ（ｃＵ）的函数。 由此可推得森林植被高度ｈ 的公式为： ｈ， ： ｖ：———— 。＿—一ｚ 二 。） 。 （４） 其中：妒一地面相位，计算公式为： 一ａｒｇ（ 一’， （１一Ｌ ）），０≤Ｌ ≤１， 。。（５） ， ＡＬ： ＋ＢＬ 。＋ｃ一０ Ｌ 一－—Ｂ－￣／ Ｂ２－—一４ＡＣ（６） Ａ—Ｉ ｌ。一１，Ｂ一２Ｒｅ（（ 一 。）・ ），Ｃ—Ｉ 一 。ｌ。。 其中： 复相干。 （７） 一与植被冠层体散射矢量相对应的冠层体散射复相干； 一与地表散射矢量相对应的地表散射 该算法同ＤＥＭ差值算法的不同之处是基于散射模型来确定地 相位。因为公式（４）代表了复平面内的一条直线，通过选择两个不同 极化（散射）复相干（植被冠层复相干和地表复相干）来拟合该直线， 从而确定地相位。该直线与复平面内单位圆的交点便是地相位。该 方法的繁琐之处是拟合的直线与单位圆有两个交点，因此需要一定 的判断准则来剔除其中之一。一般认为接近于地表的复相干距地相 位更近。基于极化干涉先验，一般假设ＨＶ极化复相干为植被冠层 体散射复相干，ＨＨ—ＶＶ极化复相干为近地表散射复相干。ＲＶｏＧ 模型如图１所示。其中：ｈ 一森林植被高度；０一参考入射角。 １．３复相干幅度反演算法 图１ ＲＶｏＧ散射模型 Ｆｉｇ．１ ＲＶｏＧ Ｓｃａｔｔｅｒｉｎｇ ｍｏｄｅｌ 在ＲＶｏＧ地相位反演算法中，地相位的估计是基于直线拟合和距离判断准贝０来确定的。该判断准则的 缺点是应用于非常低的极化干涉复相干时，会引起判断模糊，难以识别地相位。在这种情况下，一种潜在的 办法是完全忽略其相位信息 ¨ ，直接利用复相干的幅度信息，根据文献［１６３，可得式（８）。首先基于极化干 涉信息的先验，选取合适的极化干涉复相干为植被体散射复相干；然后利用该复相干幅度与体散射模型复相 干最优拟合来实现树高反演。当设定消光系数为零时，散射模型变为ｓｉｎｃ函数，可通过公式（９）快速反演树 高。本文选取ＨＶ极化干涉复相干为 ，即植被体散射复相干。 ｎＬ１＿ｌ＿一７ 一ｌ ｅ唔警 ｈ 一————＿ 一 ㈣ （９（）９） 。 总２ 其中： 一与植被冠层体散射矢量相对应的冠层体散射复相干；ｈ 一植被高度；ｋ 一距离向谱滤波后的有 ≈ ； 一影像中执行该公式的像元的行号；Ｊ一影像中执行该公式的像 效垂直干涉参数，ｋ 一 元的列号；Ｂ 一基线的法量；Ｐ一 ；Ｐ 一Ｐ＋ｉｋ 。 ＣｏＳ 棚 ｌ山泰料技大学 学手 自然科学版 第３２０１４３年６月卷第３ 期 Ｖｄｕ０ｎＩ．３３ ＮＯ．３ ．２０１４ 利用最小值、最大值、均值和标准差四种指标，对上述四种植被高度反演算法反演出的植被高的统计估 计进行分析，其结果如表１所示。 表ｌ各方法的四种指标对比 Ｔａｂ．１ Ｔｈｅ ｃｏｎｔｒａｓｔ ｏｆ ｆｏｕｒ ｉｎｄｅｘ ｍｅｔｈｏｄｓ ｍ 由表１可以看出，由于ＤＥＭ差分反演和ＲＶｏＧ地相位反演中地表散射中心的选择问题，导致反演出的 植被高度有部分负值，最大值与１８ ｍ相距甚远，而且得到的平均值也与模拟数据中设置的１８ ｍ相差甚远。 复相干幅度反演算法反演的植被高没有负值，但最大值却远大于１８ １ＴＩ，平均值接近１８ Ｉｎ，而且标准差较大， 说明此种方法反演的植被高相差太大；相位与相干幅度联合反演的方法能保证反演的植被高都是正值，虽然 最大值大于１８ Ｉｎ，但均值在１８ １ＴＩ附近，而且标准差也较小，符合植被高度反演的要求。因此，在利用极化干 涉ＳＡＲ数据植被高度反演的过程中，通常应用相位与相干幅度联合反演的方法。 ３ 结论 由于只考虑了植被和地表的散射中心，忽略了植被内部的散射过程，而直接将散射中心和植被高度等 同，因此ＤＥＭ差分法生成的高度也只是有效植被高度，往往比实际高度要低；ＲＶｏＧ相位算法与ＤＥＭ模型 相比有所改进，但其相关系数较低，因为模型纠正地表相位中心的同时，植被散射相位却没有得到相应纠正， 导致其相关程度降低；当相干幅度一定时，复相干幅度反演方法：反演结果理论上应该偏低，但实际上会出现 高估现象，这是由于干涉相干存在着非体散射去相干的影响，而在求取森林高度的计算中，因忽略了相干相 位，当遇到较低矮的森林时，将会低估植被高度，且这种方法对消光系数和植被垂直结构变化敏感，稳健性 差；相位与相干幅度联合反演方法可以通过选择合适的权重系数，保证反演出来的植被高均为正值，而且得 到精度较高的反演结果。 极化干涉ＳＡＲ植被高度反演算法研究涉及了相干系数最优化、极化散射特性、目标相干散射模型以及 各种精确参数估计理论等很多方面的内容，本文介绍了几种常用算法，但该领域中还存在若干问题有待进一 步研究，比如：更准确的实际地物散射模型的研究，目前的ＲＶｏＧ模型只适用于植被有定向结构、植被类型 单一且分布均匀的地区，造成了反演算法使用的局限性，并影响了结果的准确性；高精度地物多种参数反演 方法的研究；多基线多波段融合的极化干涉ＳＡＲ植被高度反演算法的研究；以及极化干涉ＳＡＲ系统的研制 等。随着研究的深入和理论不断完善，植被高度反演算法也会更加高效，反演结果会更稳健，精度也会更高。 参考文献： ［１］Ｔｒｅｕｈａｆｔ Ｒ Ｎ，Ｍａｄｓｅｎ Ｓ Ｎ，Ｍｏｇｈａｄｄａｍ Ｍ，ｅｔ ａ１．Ｖｅｇｅｔａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｕｎｄｅｒｌｙｉｎｇ ｔｏｐｏｇｒａｐｈｙ ｆｒｏｍ ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ｒａｄａｒ［Ｊ］．Ｒａｄｉｏ Ｓｃｉｅｎｃｅ，１９９６，３３：１４４９—１４８５． ［２］Ｔｒｅｕｈａｆｔ Ｒ Ｎ，Ｓｉｑｕｅｉｒａ Ｐ Ｒ．Ｖｅｒｔｉｃａｌ ｓｔｒｕｃｔｕｒｅ ｏｆ ｖｅｇｅｔａｔｅｄ ｌａｎｄ ｓｕｒｆａｃｅｓ ｆｒｏｍ ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ａｎｄ ｐｏｌａｒｉｍｅｔｒｉｃ ｒａｄａｒ［Ｊ］．Ｒａ— ｄｉｏ Ｓｃｉｅｎｃｅ，２０００，３５：１４１—１７７． ［３］Ｃｌｏｕｄｅ Ｓ Ｒ，Ｐａｐａｔｈａｎａｓｓｉｏｕ Ｋ Ｐ．Ｐｏｌａｒｉｍｅｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒ０ｍｅｔｒｙ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， １９９８，３６：１５５１－１５６５． ［４］Ｙａｍａｄａ Ｈ，Ｙａｍａｇｕｃｈｉ Ｙ，Ｒｏｄｒｉｇｕｅｚ Ｅ，ｅｔ ａ１．Ｐｏｌａｒｉｍｅｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ ｆｏｒ ｆｏｒｅｓｔ Ｃａｎｏｐｙ ａｎａｌｙｓｉｓ ｂｙ ｕｓｉｎｇ ｔｈｅ ｓｕｐｅｒ ｒｅｓｏｌｕｔｉｏｎ ｍｅｔｈｏｄ［Ｃ］／／Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｙｍｐｏｓｉｕｍ．Ｎｅｗ Ｙｏｒｋ：ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ，２００１：１１０１—１１０３． ＦＳ］Ｇｕｉｌｌａｓｏ Ｓ，Ｆａｍｉｌ Ｌ Ｆ，Ｒｅｉｇｂｅｒ Ａ，ｅｔ ａ１．Ｐｏｌａｒｉｍｅｔｒｉｃ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ ＳＡＲ ｄａｔａ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ＥＳＰＲＩＴ／ＭＵＳＩＣ ｍｅｔｈｏｄｓ 基于极化干涉ＳＡＲ的植被高度反演算法对比分析 张庆云等 ８３ Ｊｏｕｒｎａｌ ｏｆ Ｓｈａｎｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ＨａｔｕｒａＩ Ｓｃｉｅｎｃｅ ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｗｏｒｋｓｈｏｐ ｏｎ ＰｏｌＩｎＳＡＲ—Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ＳＡＲ Ｐｏｌａｒｉｍｅｔｒｙ ａｎｄ Ｐｏｌａｒｉｍｅｔｒｉｃ Ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ．Ｐａｒｉｓ： ＥＳＡ ＳＰ一５２９，２００３：３２—３７． ［６］Ｙａｍａｄａ Ｈ，Ｓａｔｏ Ｋ，Ｙａｍａｇｕｃｈｉ Ｙ，ｅｔ ａ１．Ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ｐｈａｓｅ ａｎｄ ｃｏｈｅｒｅｎｃｅ ｏｆ ｆｏｒｅｓｔ ｅｓｔｉｍａｔｅｄ ｂｙ ＥＳＰＲＩＴ—ｂａｓｅｄ ｐｏｌａｒｉｍｅ— ｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ［Ｃ］／／Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｙｍｐｏｓｉｕｍ，Ｔｏｒｏｎｔｏ，２００２：８２９—８３１． ［７］Ｃｌｏｕｄｅ Ｓ Ｒ，Ｐａｐａｔｈａｎａｓｓｉｏｕ Ｋ Ｐ．Ａ ３－ｓｔａｇｅ ｉｎｖｅｒｓｉｏｎ ｐｒｏｃｅｓｓ ｆｏｒ ｐｏｔａｒｉｍｅｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ［Ｃ］／／２００２ ４ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｌｏｇｎｅ．Ｂｅｒｌｉｎ：Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ，２００１：２７９—２８２． ［８］Ｃｌｏｕｄｅ Ｓ Ｒ，Ｐａｐａｔｈａｎａｓｓｉｏｕ Ｋ Ｐ．Ｔｈｒｅｅ—ｓｔａｇｅ ｉｎｖｅｒｓｉｏｎ ｐｒｏｃｅｓｓ ｆｏｒ ｐｏｌａｒｉｍｅｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ［Ｊ￣．ＩＥＥＥ Ｐｒｏｃｅｅｄｉｎｇｓ Ｒａｄａｒ Ｓｏｎａｒ ａｎｄ Ｎａｖｉｇａｔｉｏｎ，２００３，１５０（３）：１２５—１３４． ［９］Ｔａｂｂ Ｍ，Ｆｌｙｎｎ Ｔ，Ｃａｒａｎｄｅ Ｒ．Ｆｕｌｌ Ｍａｘｉｍｕｍ ｌｉｋｅｌｉｈｏｏｄ ｉｎｖｅｒｓｉｏｎ ｏｆ ＰｏｌＩｎＳＡＲ ｓｃａｔｔｅｒｉｎｇ ｍｏｄｅ１ｓ［ｃ］／／Ｇｅ０ｓｃｉｅｎｃｅ ａｎｄ Ｒｅ— ｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｙｍｐｏｓｉｕｍ．Ｎｅｗ Ｙｏｒｋ：ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ，２００４：１２３２—１２３５． ［１０］Ｃｌｏｕｄｅ Ｓ Ｒ．ＰＯＩ 一ＩｎＳＡＲ ｔｒａｉｎｉｎｇ ｃｏｕｒｓｅ［Ｒ］．Ｎｅｗ Ｙｏｒｋ：Ａｍｅｒｉｃａｎ Ｇｅｏｐｈｙｓｉｃａｌ Ｕｎｉｏｎ（ＡＧＵ），２００５：１４—１６． ［１１］李新武，郭华东，李震，等．用ＳＩＲ—Ｃ航天飞机双频极化干涉雷达估计植被高度的方法研究［Ｊ］．高技术通讯，２００５，１５ （７）：７９—８４． Ｉ ｉ Ｘｉｎｗｕ，Ｇｕｏ Ｈｕａｄｏｎｇ，Ｌｉ Ｚｈｅｎ。ｅｔ ａ１．Ｍｅｔｈｏｄ ｓｔｕｄｙ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｈｅｉｇｈｔ ｅｓｔｉｍａｔｉｏｎ ｕｓｉｎｇ ＳＩＲ—Ｃ ｄｕａｌ ｆｒｅｑｕｅｎｃｙ ｐｏｌａｒｉ— ｍｅｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ ｄａｔａ［Ｊ］．Ｃｈｉｎｅｓｅ Ｈｉｇｈ Ｔｅｃｈｎｏｌｏｇｙ Ｌｅｔｔｅｒｓ，２００５，１５（７）：７９—８４． ［１２］Ｃｈｅｎ Ｅ Ｘ，Ｌｉ Ｚ Ｙ，Ｍｅｔｔｅ Ｔ，ｅｔ ａ１．Ｃａｓｅ ｓｔｕｄｙ ｏｆ ｆａｃｔｏｒｓ ａｆｆｅｃｔｉｎｇ ｔｒｅｅ ｈｅｉｇｈｔ ｉｎｖｅｒｓｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｕｓｉｎｇ ｓＩＲ—Ｃ／Ｘ ｐｏｌａｒｉ— ｍｅｔｒｉｃ ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ＳＡＲ ｄａｔａ ｏｆ ｈｅｔｉａｎ ｔｅｓｔ ｓｉｔｅ ｉｎ ｃｈｉｎａ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ２００５ Ｄｒａｇｏｎ ｓｙｍｐｏｓｉｕｍ－Ｄｒａｇｏｎ Ｐｒｏｇｒａｍｍｅ Ｍｉｄ—Ｔｅｒｍ Ｒｅｓｕｌｔｓ．Ｐａｒｉｓ：ＥＳＡ ＳＰ一６１１，２００５：２５９－２６８． ［１３］Ｃｌｏｕｄｅ Ｓ Ｒ，Ｐａｐａｔｈａｎａｓｓｉｏｕ Ｋ Ｐ．Ｆｏｒｅｓｔ ｖｅｒｔｉｃａｌ ｓｔｒｕｃｔｕｒｅ ｅｓｔｉｍａｔｉｏｎ ｕｓｉｎｇ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ［ｃ］／／Ｉｎｔｅｒｎａｔｉ０ｎａｌ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｙｍｐｏｓｉｕｍ．Ｎｅｗ Ｙｏｒｋ：ＩＥＥＥ Ｃｏｍｐｕｔｅｒ，２００８：２７５—２７８． ［１４］Ｌｕｏ Ｈ Ｍ，Ｃｈｅｎ Ｅ Ｘ，Ｃｈｅｎｇ Ｊ Ａ，ｅｔ ａ１．Ｆｏｒｅｓｔ ｈｅｉｇｈｔ ｅｓｔｉｍａｔｉｏｎ ｍｅｔｈｏｄｓ ｕｓｉｎｇ ｐｏｌａｒｉｍｅｔｒｉｃ ＳＡＲ ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ［Ｊ］．Ｊｏｕｒ— ｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１０，１４（４）：８０６—８２１． ［１５］陈兵，徐绍剑，张平．单基线ＰｏｌＩｎＳＡＲ反演算法研究［Ｊ］．电子信息学报，２００８，３０（７）：１７４４—１７４６． Ｃｈｅｎ Ｂｉｎｇ，Ｘｕ Ｓｈａｏｊ ｉａｎ，Ｚｈａｎｇ Ｐｉｎｇ．Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｓｉｎｇｌｅ—ｂａｓｅｌｉｎｅ ＰｏｌｌｎＳＡＲ ｉｎｖｅｒｓｉｏｎ ａｌｇｏｒｉｔｈｍｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｌｅｃ— ｔｒｏｎｉｃｓ＆Ｊ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，２００８，３０（７）：１７４４—１７４６． ［１６］Ｃｌｏｕｄｅ Ｓ Ｒ．ＰＯＬ～ＩｎＳＡＲ ｔｒａｉｎｉｎｇ ｃｏｕｒｓｅ［Ｒ］．Ｓａｎ Ｆｒａｎｃｉｓｃｏ：Ａｍｅｒｉｃａｎ Ｇｅｏｐｈｙｓｉｃａｌ Ｕｎｉｏｎ（ＡＧＵ），２００５：１４—１６． （责任编辑：高丽华）
