A Regularization Method for Forest Height Inversion by Integrating Multi-baseline PolInSAR Observation Information

LIN Dongfang; YAO Yibin; LONG Sichun; XIE Jian

doi:10.13203/j.whugis20240275

您当前的位置：

首页 >

文章列表页 >

A Regularization Method for Forest Height Inversion by Integrating Multi-baseline PolInSAR Observation Information

Photogrammetry and Remote Sensing | 更新时间：2026-11-05

- A Regularization Method for Forest Height Inversion by Integrating Multi-baseline PolInSAR Observation Information
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 5, Pages: 996-1003(2026)
- 作者机构：
  
  1.武汉大学测绘学院，湖北武汉，430079
  2.湖南科技大学地理空间信息技术国家地方联合工程实验室，湖南湘潭，411201
  3.湖南科技大学地球科学与空间信息工程学院，湖南湘潭，411201
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20240275
  CLC： P237
- Received：26 February 2025，
  
  Published：05 May 2026
- 稿件说明：
移动端阅览
林东方,姚宜斌,龙四春，等.融合多基线观测信息的PolInSAR森林高反演正则化方法[J].武汉大学学报（信息科学版）,2026,51(5):996-1003.

LIN Dongfang,YAO Yibin,LONG Sichun,et al.A Regularization Method for Forest Height Inversion by Integrating Multi-baseline PolInSAR Observation Information[J].Geomatics and Information Science of Wuhan University,2026,51(5):996-1003.
林东方,姚宜斌,龙四春，等.融合多基线观测信息的PolInSAR森林高反演正则化方法[J].武汉大学学报（信息科学版）,2026,51(5):996-1003. DOI：10.13203/j.whugis20240275

LIN Dongfang,YAO Yibin,LONG Sichun,et al.A Regularization Method for Forest Height Inversion by Integrating Multi-baseline PolInSAR Observation Information[J].Geomatics and Information Science of Wuhan University,2026,51(5):996-1003. DOI：10.13203/j.whugis20240275

摘要

RVoG（random volume over ground）模型是极化干涉合成孔径雷达测量（polarimetric interferometric synthetic aperture radar，PolInSAR）森林高参数反演中较常用的散射模型，受模型复杂结构影响，利用单基线PolInSAR数据反演森林高参数存在严重观测信息不足的问题，借助先验假设信息可实现森林高参数反演，但严重限制了森林高参数的反演精度。引入多基线观测数据，可补充观测信息，但森林高参数反演受到病态问题影响，难以提高森林高反演精度。因此，研究基于最小二乘估计方法，融合多基线观测信息反演森林高参数；针对参数反演病态问题，采用正则化方法估计模型参数，降低模型病态性影响；并基于森林高参数估值方差与偏差随正则化参数变化规律选择正则化参数，有效提高森林高参数估计精度与稳定性。采用PolInSAR多基线数据进行森林高反演实验分析，常规森林高反演的最小均方根误差为9.47 m，决定系数为0.72；提出的多基线正则化法森林高反演的均方根误差为7.36 m，决定系数为0.80；森林高反演均方根误差下降了22%，决定系数也相应提高。因此，所提多基线正则化法有效改善了PolInSAR森林高反演的精度与稳定性，是一种可行有效的森林高反演方法。

Abstract

Objectives

The forest height parameters can be inversed by random volume over ground (RVoG) model and single baseline polarimetric interferometric synthetic aperture radar (PolInSAR) technology. But the observation data face significant issues related to a lack of observational information. By incorporating multi-baseline observation data

it is possible to supplement the observational information of model parameters and enhance the accuracy of forest height parameter inversion. However

due to the differences in multi-baseline observation environments

the inversion model can become over-parameterized

leading to ill-posed problems in forest height parameter inversion

which severely restricts the inversion accuracy. Therefore

addressing the ill-posed problem of multi-baseline model parameter inversion is crucial for improving the accuracy and stability of forest height parameter inversion.

Methods

A multi-baseline inversion model is constructed based on the theory of least squares estimation to achieve the fusion of multi-baseline observational information for forest height parameter inversion. Subsequently

a regularization method is employed to estimate the model parameters

thereby mitigating the effects of ill-posed problem and enhancing the accuracy of forest height parameter estimation. On this basis

a regularization parameter is selected based on the variance and bias of the forest height parameter estimates as they vary with regularization parameters

effectively improving the stability of forest height parameter estimation.

Results

Experiments on forest height inversion using multi-baseline PolInSAR data indicate that root mean square error (RMSE) for forest hei

ght inversion using conventional method is of 9.47 m with determination coefficient (

²) of 0.72. In comparison

RMSE for forest height inversion using multi-baseline regularization method is 7.36 m with

² of 0.80. Thus

the proposed method demonstrates 22% reduction in RMSE and the relative improvement of

effectively enhancing the accuracy and stability of forest height inversion by PolInSAR.

Conclusions

The theory of least squares estimation can effectively integrate multi-baseline observational information for forest height parameter inversion

but the influence of ill-posed problem is significant. By combining this with regularization method

the ill-posed impact can be reduced

thereby improving the accuracy and stability of forest height parameter estimation. It constitutes an effective method for PolInSAR multi-baseline integrated forest height inversion.

关键词

Keywords

references

SIMARD M ， FATOYINBO L ， SMETANKA C ， et al . Mangrove Canopy Height Globally Related to Precipitation， Temperature and Cyclone Frequency ［J］. Nature Geoscience ， 2019 ， 12 （ 1 ）： 40 - 45 .

PAN Y D ， BIRDSEY R A ， FANG J Y ， et al . A Large and Persistent Carbon Sink in the World’s Forests ［J］. Science ， 2011 ， 333 （ 6045 ）： 988 - 993 .

许朕义，张永军，龚龑，等 . 森林蓄积量遥感估测研究现状与发展［J］. 测绘地理信息， 2025 ， 50 （ 4 ）： 1 - 14 .

XU Zhenyi ， ZHANG Yongjun ， GONG Yan ， et al . The Research Status and Progress of Forest Stock Volume Estimation with Remote Sensing ［J］. Journal of Geomatics ， 2025 ， 50 （ 4 ）： 1 - 14 .

许文斌，罗兴军，朱建军，等 . InSAR火山形变监测与参数反演研究进展［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 10 ）： 1632 - 1642 .

XU Wenbin ， LUO Xingjun ， ZHU Jianjun ， et al . Review of Volcano Deformation Monitoring and Modeling with InSAR ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 10 ）： 1632 - 1642 .

戴可人，许强，邓晋，等 . 滑坡隐患InSAR广域识别研究综述［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 8 ）： 1469 - 1482 .

DAI Keren ， XU Qiang ， DENG Jin ， et al . Review on Large-Scale Identification of Potential Landslides with InSAR ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 8 ）： 1469 - 1482 .

刘斌，张丽，葛大庆，等 . 陆地探测一号卫星滑坡大变形InSAR监测应用［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 10 ）： 1753 - 1762 .

LIU Bin ， ZHANG Li ， GE Daqing ， et al . Application of InSAR Monitoring Large Deformation of Landslides Using Lutan-1 Constellation ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 10 ）： 1753 - 1762 .

宋佳，刘耀鹏，兰进京 . 时序InSAR地面沉降时空分布研究［J］. 测绘技术装备， 2024 ， 26 （ 3 ）： 14 - 18 .

SONG Jia ， LIU Yaopeng ， LAN Jinjing . Temporal and Spatial Distribution of Land Subsidence by Time Sequence InSAR ［J］. Geomatics Technology and Equipment ， 2024 ， 26 （ 3 ）： 14 - 18 .

朱建军，谢雁洲，付海强，等 . 星载P波段SAR森林覆盖层穿透测绘：欧洲空间局BIOMASS卫星综述［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 8 ）： 1457 - 1468 .

ZHU Jianjun ， XIE Yanzhou ， FU Haiqiang ， et al . Penetration Mapping of Forest Cover Using Spaceborne P-Band SAR： A Review of the European Space Agency’s BIOMASS Mission ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 8 ）： 1457 - 1468 .

罗洪斌，朱泊东，岳彩荣，等 . 基于机载多基线PolInSAR的森林冠层高度反演［J］. 测绘地理信息， 2024 ， 49 （ 2 ）： 74 - 80 .

LUO Hongbin ， ZHU Bodong ， YUE Cairong ， et al . Forest Canopy Height Inversion Based on Airborne Multi-baseline PolInSAR ［J］. Journal of Geomatics ， 2024 ， 49 （ 2 ）： 74 - 80 .

邹维宝，魏毅博 . 采用PolInSAR技术反演植被高度的算法应用与研究进展［J］. 测绘地理信息， 2023 ， 48 （ 3 ）： 65 - 70 .

ZOU Weibao ， WEI Yibo . Application and Research Progress of Vegetation Height Inversion Algorithms by PolInSAR Technology ［J］. Journal of Geomatics ， 2023 ， 48 （ 3 ）： 65 - 70 .

解清华，朱建军，汪长城，等 . 基于S-RVoG模型的PolInSAR森林高度非线性复数最小二乘反演算法［J］. 测绘学报， 2020 ， 49 （ 10 ）： 1303 - 1310 .

XIE Qinghua ， ZHU Jianjun ， WANG Changcheng ， et al . A S-RVoG Model-Based PolInSAR Nonlinear Complex Least Squares Method for Forest Height Inversion ［J］. Acta Geodaetica et Cartographica Sinica ， 2020 ， 49 （ 10 ）： 1303 - 1310 .

TREUHAFT R N ， MADSEN S N ， MOGHADDAM M ， et al . Vegetation Characteristics and Underlying Topography from Interferometric Radar ［J］. Radio Science ， 1996 ， 31 （ 6 ）： 1449 - 1485 .

TREUHAFT R N ， SIQUEIRA P R . Vertical Structure of Vegetated Land Surfaces from Interferometric and Polarimetric Radar ［J］. Radio Science ， 2000 ， 35 （ 1 ）： 141 - 177 .

PAPATHANASSIOU K P ， CLOUDE S R . Single-Baseline Polarimetric SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2001 ， 39 （ 11 ）： 2352 - 2363 .

李新武，郭华东，廖静娟，等 . 航天飞机极化干涉雷达数据反演地表植被参数［J］. 遥感学报， 2002 ， 6 （ 6 ）： 424 - 429 .

LI Xinwu ， GUO Huadong ， LIAO Jingjuan ， et al . Inversion of Vegetation Parameters Using Spaceborne Polarimetric SAR Interferometry ［J］. Journal of Remote Sensing ， 2002 ， 6 （ 6 ）： 424 - 429 .

CLOUDE S R ， PAPATHANASSIOU K P . Three-Stage Inversion Process for Polarimetric SAR Interferometry ［J］. IEE Proceedings — Radar ， Sonar and Navigation， 2003 ， 150 （ 3 ）： 125 - 134 .

KUGLER F ， LEE S K ， HAJNSEK I ， et al . Forest Height Estimation by Means of Pol-InSAR Data Inversion： The Role of the Vertical Wavenumber ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2015 ， 53 （ 10 ）： 5294 - 5311 .

FU W X ， GUO H D ， LI X W ， et al . Extended Three-Stage Polarimetric SAR Interferometry Algorithm by Dual-Polarization Data ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 5 ）： 2792 - 2802 .

WANG C C ， WANG L ， FU H Q ， et al . The Impact of Forest Density on Forest Height Inversion Modeling from Polarimetric InSAR Data ［J］. Remote Sensing ， 2016 ， 8 （ 4 ）： 291 .

MANAGHEBI T ， MAGHSOUDI Y ， VALADAN ZOEJ M J . A Volume Optimization Method to Improve the Three-Stage Inversion Algorithm for Forest Height Estimation Using PolInSAR Data ［J］. IEEE Geoscience and Remote Sensing Letters ， 2018 ， 15 （ 8 ）： 1214 - 1218 .

LEE S K ， FATOYINBO T E ， LAGOMASINO D ， et al . Multibaseline TanDEM-X Mangrove Height Estimation： The Selection of the Vertical Wavenumber ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 10 ）： 3434 - 3442 .

XIE Y Z ， FU H Q ， ZHU J J ， et al . A LiDAR-Aided Multibaseline PolInSAR Method for Forest Height Estimation： With Emphasis on Dual-Baseline Selection ［J］. IEEE Geoscience and Remote Sensing Letters ， 2020 ， 17 （ 10 ）： 1807 - 1811 .

ZHU J J ， XIE Q H ， ZUO T Y ， et al . Complex Least Squares Adjustment to Improve Tree Height Inversion Problem in PolInSAR ［J］. Journal of Geodesy and Geoinformation Science ， 2019 ， 2 （ 1 ）： 1 - 8 .

FU H Q ， ZHU J J ， WANG C C ， et al . Underlying Topography Extraction over Forest Areas from Multi-baseline PolInSAR Data ［J］. Journal of Geodesy ， 2018 ， 92 （ 7 ）： 727 - 741 .

林东方，姚宜斌，郑敦勇，等 . 利用TSVD参数估值变化特性确定算法截断参数［J］. 测绘学报， 2022 ， 51 （ 8 ）： 1787 - 1796 .

LIN Dongfang ， YAO Yibin ， ZHENG Dunyong ， et al . Determination of Truncation Parameter Based on the Differences of TSVD Parameter Estimates for Ill-Posed Problems in Geodesy ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 8 ）： 1787 - 1796 .

SHEN Y Z ， XU P L ， LI B F . Bias-Corrected Regularized Solution to Inverse Ill-Posed Models ［J］. Journal of Geodesy ， 2012 ， 86 （ 8 ）： 597 - 608 .

林东方，朱建军，付海强，等 . 均方误差意义下的正则化参数二次优化方法［J］. 测绘学报， 2020 ， 49 （ 4 ）： 443 - 451 .

LIN Dongfang ， ZHU Jianjun ， FU Haiqiang ， et al . Optimization of Regularization Parameter Based on Minimum MSE ［J］. Acta Geodaetica et Cartographica Sinica ， 2020 ， 49 （ 4 ）： 443 - 451 .

ZHANG B ， FU H Q ， ZHU J J ， et al . Forest Height Estimation Using MultiBaseline Low-Frequency PolInSAR Data Affected by Temporal Decorrelation ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 4009405 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research Progress of Phase Linking Method in Time-Series InSAR

A Review of Multi-scale Geospatial Data Updating Methods

High-Resolution L-Band InSAR Study of Intense Near-Field Deformation Associated with Shallow Moderate Earthquakes

Research Progress in Eco-Geological Environmental Monitoring and Construction of an Intelligent Monitoring System in the Qinling Mountains

A Framework for Evaluating Geospatial Cognitive Abilities of Multimodal Large Language Models for Brain-Inspired Spatial Intelligence

Related Author

WANG Changcheng

ZHANG Lu

DONG Jie

DAI Keren

SHEN Peng

LIAO Mingsheng

Related Institution

School of Remote Sensing and Information Engineering, Wuhan University

State Key Laboratory of Geohazard Prevention and Geoenvironment Protection, Chengdu University of Technology

School of Geoscience and Info⁃Physics,Central South University

State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University

AI问答

⁰