بهبود تخمين زيست توده مناطق جنگلي به كمك بهينه‌سازي پارامترهاي پلاريمتري داده‌هاي سنجنده هوايي SETHI به روش هوش جمعي ذرات

در سال‌هاي اخير تخمين زيست توده مورد توجه زيادي قرار گرفته است. سيستم‌هاي هوابرد و فضابرد راداري به دليل قابليت بالاي نفوذ، توانايي زيادي در تعيين زيست توده دارند. پارامتر قطبش به دليل حساسيت به مكانيزم‌هاي بازپراكنش، پارامتر مهمي در سيستم راداري بوده كه مي‌تواند در تخمين زيست توده مفيد واقع شود. در اين تحقيق از داده­هاي تمام پلاريمتري سنجنده هوايي SETHI استفاده شده است. منطقه مورد بررسي از نوع جنگل­هاي شمالي واقع در منطقه رمينگ استرپ در جنوب كشور سوئد مي­باشد. در اين مقاله بهبود تخمين زيست توده در مناطق جنگل­هاي شمالي با در نظر گرفتن تمامي حالات قطبش ممكن جهت استخراج پارامترهاي پلاريمتري توسط ماتريس انتقال، در باندهاي L و P مورد ارزيابي قرار گرفته است. همچنين وابستگي زيست توده به پارامتر­هاي استخراجي قبل و بعد از تغيير پايه قطبش در ماتريس­هاي كووريانس و همدوسي مورد بررسي قرار گرفته و يك مجموعه از پارامترهاي بهينه توسط هوش جمعي ذرات در حالت باينري انتخاب و جهت تخمين زيست توده مورد استفاده قرار گرفته است. نتايج بيانگر آن است كه بازپراكنش‌هايي كه شامل قطبش HV يا HH-VV هستند؛ بيشترين وابستگي را با زيست توده دارند و با تغيير پايه قطبش، امكان بررسي حالت­هاي قطبش مختلف پارامترهاي استخراجي از بازپراكنش­ها فراهم مي­شود و ميزان همبستگي پارامترها با زيست توده افزايش مي­يابد. بعد از انتخاب بهينه پارامترها توسط روش هوش جمعي ذرات در حالت باينري و استفاده از رگرسيون خطي به منظور تخمين زيست توده، نتايج به ميزان 6 درصد در باند L و 2 درصد در باند P بهبود داشته است.

Estimation of forest biomass has received much attention in recent decades. Airborne and spaceborne (SAR) have a great potential to quantify biomass and structural diversity because of its penetration capability. Polarizations are important elements in SAR systems due to sensitivity of them to backscattering mechanisms and can be useful to estimate biomass. Full Polarimetric Synthetic Aperture Radar (SAR) data used in this research was acquired by SETHI over Remningstorp, a boreal forest in south of Sweden. A new method based on Polarimetric indicators from covariance and coherency matrixes by changing the polarization basis using transformation matrix in the boreal forests at L and P-band is presented. The presented method showed its capability to improve forest biomass estimation. The correlation between biomass and extracted Polarimetric indicators is investigated before and after changing polarization basis. Particle swarm optimization in binary version is used to select optimum Polarimetric indicators and afterward biomass is estimated based on these optimum parameters. Results indicated that maximum correlation between biomass and Polarimetric indicators was in HV and HH-VV polarizations before changing polarization basis. After changing the polarization bases, the results show significantly higher correlation of biomass with the extracted polarization variables. The results have been improved approximately about 6% and 2% in L and P band respectively, after extraction of optimum parameters by particle swarm optimization and using linear regression model for estimation of forest biomass