顾及植被形态结构异质性的极化干涉SAR林下地形反演研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41804004
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0401.物理大地测量学
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

The high-accuracy digital terrain model (DTM) acquisition in forest cover areas is affected strongly by forest height, and Polarimetric SAR interferometry (PolInSAR) provides an opportunity to solve this problem. However, the current scattering model in PolInSAR forest parameter inversion does not fully consider the heterogeneity of vegetation morphology and structure, i.e., the heterogeneity of vegetation particle morphology and vegetation vertical structure. Moreover, complex coherence-based parameters solving only use partial polarimetric interferometric information, and cannot fully take into account vegetation morphology feature parameters. To address these issues, this project intends to carry out the research on PolInSAR underlying topography inversion taking into account heterogeneity of vegetation morphology and structure. In detail, this project plans to study PolSAR volume scattering model considering the heterogeneity of particle morphology and its applicability. On this basis, the PolInSAR scattering model taking into account the heterogeneity of vegetation particle morphology and vegetation vertical structure is constructed. Finally, coherence matrix T6-based multi-baseline PolInSAR method is developed and used for estimating parameters of forest height and underlying topography. For validation, experiments over different types of forest areas with multi-frequency multiple-baseline PolInSAR data are carried out. This project is of great significance in solving the technical problem of removing forest height effects in the topography mapping over forest area and promoting the development of PolInSAR technology.
森林覆盖区的高精度数字地形模型(DTM)获取会受到森林高度的严重影响,而极化干涉SAR技术(PolInSAR)为解决这一难题提供了契机。然而,当前的PolInSAR森林参数反演模型没有充分考虑植被形态结构异质性,即植被粒子形态异质性和植被垂直结构异质性,且基于复相干性的参数解算只利用了部分极化干涉信息,无法全面考虑植被形态特征参数。鉴于此,本项目拟开展顾及植被形态结构异质性的极化干涉SAR林下地形反演研究。具体地,本项目拟研究顾及植被粒子形态异质性的极化SAR体散射模型及其适用性;在此基础上,建立顾及植被粒子形态和垂直结构异质性的极化干涉SAR散射模型;最后发展基于相干矩阵T6的多基线极化干涉方法,协同反演森林高度和林下地形,并基于覆盖不同类型森林区的多波段多基线PolInSAR数据开展实验验证。本项目对解决森林区地形测绘中去除森林高度的技术难题及推动极化干涉SAR技术发展具有重要意义。

结项摘要

针对现有极化干涉SAR森林参数反演未充分考虑植被形态结构异质性的问题,本项目主要开展了极化SAR体散射模型、极化干涉SAR散射模型以及多基线森林高度和林下地形反演应用等三方面内容。项目揭示了不同植被粒子形态特征条件下的植被对极化散射机理的影响规律;建立了多种顾及植被粒子形态异质性的极化SAR体散射模型及模型评价方法;在此基础上建立了顾及植被粒子形态异质性、地形坡度、垂直结构异质性的极化干涉SAR散射模型;基于极化干涉T6矩阵建立了植被粒子形态特征与极化干涉SAR观测量之间的关联;在不同森林和低矮植被区域开展了一系列植被高度和林下地形反演应用,可以为植被区极化(干涉)SAR散射机理解译与建模、植被分类、植被高度和林下地形反演提供技术参考。项目已发表了SCI期刊论文11篇,EI期刊论文1篇,EI会议论文1篇,申请国家发明专利2项。

项目成果

期刊论文数量(12)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(2)
Crop Height Estimation of Corn from Multi-Year RADARSAT-2 Polarimetric Observables Using Machine Learning
使用机器学习根据多年 RADARSAT-2 偏振观测数据估算玉米作物高度
  • DOI:
    10.3390/rs13030392
  • 发表时间:
    2021-02-01
  • 期刊:
    REMOTE SENSING
  • 影响因子:
    5
  • 作者:
    Xie, Qinghua;Wang, Jinfei;Ballester-Berman, J. David
  • 通讯作者:
    Ballester-Berman, J. David
Polarimetric SAR Decomposition by Incorporating a Rotated Dihedral Scattering Model
通过结合旋转二面散射模型进行偏振 SAR 分解
  • DOI:
    10.1109/lgrs.2020.3035567
  • 发表时间:
    2022
  • 期刊:
    IEEE GEOSCIENCE AND REMOTE SENSING LETTERS
  • 影响因子:
    4.8
  • 作者:
    韩文涛;付海强;朱建军;汪长城;解清华
  • 通讯作者:
    解清华
A Compound Volume Scattering Model With Emphasis on the Morphological Diversity of Vegetation Canopy Scatterers
强调植被冠层散射体形态多样性的复合体散射模型
  • DOI:
    10.1109/jstars.2021.3130045
  • 发表时间:
    2021
  • 期刊:
    IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
  • 影响因子:
    5.5
  • 作者:
    Wentao Han;Haiqiang Fu;Jianjun Zhu;Changcheng Wang;Qinghua Xie;Jun Hu;Yanzhou Xie
  • 通讯作者:
    Yanzhou Xie
Crop Monitoring and Classification Using Polarimetric RADARSAT-2 Time-Series Data Across Growing Season: A Case Study in Southwestern Ontario, Canada
使用极化 RADARSAT-2 整个生长季节时间序列数据进行作物监测和分类:加拿大安大略省西南部的案例研究
  • DOI:
    10.3390/rs13071394
  • 发表时间:
    2021-04
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Xie Qinghua;Lai Kunyu;Wang Jinfei;Lopez-Sanchez Juan M.;Shang Jiali;Liao Chunhua;Zhu Jianjun;Fu Haiqiang;Peng Xing
  • 通讯作者:
    Peng Xing
Underlying topography inversion using tomosar based on non-local means for an l-band airborne dataset
基于 L 波段机载数据集非局部均值的 TomoSAR 底层地形反演
  • DOI:
    10.3390/rs13152926
  • 发表时间:
    2021
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Peng Xing;Wang Youjun;Long Shilin;Pan Xiong;Xie Qinghua;Du Yanan;Fu Haiqiang;Zhu Jianjun;Li Xinwu
  • 通讯作者:
    Li Xinwu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

干涉复小波复数域双变量滤波算法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    何永红;朱建军;解清华;许兵;付海强
  • 通讯作者:
    付海强
68Ga-PSMA-617的制备及Micro-PET显像研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    中华核医学与分子影像学杂志
  • 影响因子:
    --
  • 作者:
    韩雪迪;朱华;刘菲;解清华;谢卿;刘辰;杨志
  • 通讯作者:
    杨志
前列腺特异性膜抗原靶向分子探针在前列腺癌诊断及治疗中的应用
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    中国医学影像学杂志
  • 影响因子:
    --
  • 作者:
    韩雪迪;朱华;刘菲;解清华;谢卿;刘辰;杨志
  • 通讯作者:
    杨志
融合升降轨的极化干涉SAR三层模型植被高度反演方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    沈鹏;汪长城;朱建军;高晗;付海强;解清华;王赛;何帅帅
  • 通讯作者:
    何帅帅
极化干涉SAR植被高反演复数最小二乘平差法
  • DOI:
    10.13485/j.cnki.11-2089.2014.0170
  • 发表时间:
    2014
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    付海强;朱建军;汪长城;解清华;赵蓉
  • 通讯作者:
    赵蓉

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

解清华的其他基金

基于极化相干散射模型的多模式SAR农作物高度反演研究
  • 批准号:
    42171387
  • 批准年份:
    2021
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码