122 / 2024-08-20 09:43:28

面向多源数据的参数化散射模型与地表多维散射特性提取方法

多源地球观测数据；SAR；散射模型；参数反演；多角度数据生成

合成孔径雷达（SAR）是一种全天候、全天时的主动微波遥感工具，广泛应用于多个领域。地物散射模型在SAR数据仿真、系统校准和算法评估中具有重要作用。现实中的地物主要包括粗糙表面（如土壤、海洋）、植被（如草地、农作物、树木）以及不同类型和尺度的人造物体（如建筑物、车辆）。要构建有效的地物散射模型，需要对电磁波与不同地物相互作用的物理机制有深入理解。传统的参数化散射模型往往依赖精确和真实的输入参数。随着多源地球观测数据的广泛获取，我们有了新的机会从数据中学习所需的散射模型输入参数。在遥感数据快速增长和机器学习软件直播观看迅猛发展的背景下，这一目标变得更加可行。本研究利用海量多源地球观测数据，通过可学习的参数化散射模型，对不同地物的散射特性进行建模，旨在增强参数反演和SAR数据仿真的能力。我们处理了全球多个地点的高分三号（GF3）和哨兵一号（ST1）的SAR数据，并结合其他多源数据，成功提取并分析了多维散射特性，例如这些特性与角度、季节和分辨率之间的关系。在散射建模阶段，我们比较了各种散射模型，以确定最适合不同地物的模型和参数。为了解决参数反演中的多解问题并确保结果的可靠性，我们利用多角度数据进行参数初值估计，并引入了考虑概率密度分布的损失函数。在参数学习过程中，我们考虑了散射模型相对于不同参数的梯度，并相应地调整了学习率。大量实验和统计指标（如R²>0.6、Person>0.8、RMSE<0.9、MAE<0.7和Bias≈0）表明，我们的方法能够可靠地反演具有纹理特征的场景参数图。仿真的多角度SAR数据与实测数据具有较好的辐射一致性。本研究具有显著的应用潜力，未来通过与其他多源数据和神经网络的集成，将会带来更加有价值的成果。