بهبود تخمین ارتفاع جنگل با روش بهینه‌سازی کوهرنس هوش جمعی ذرات به‌کمک داده‌های تداخل‌سنجی پلاریمتریک

نویسندگان

1 استادیار، دانشکدة مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

2 دانشجوی دکتری، دانشکدة مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

3 دانشیار، دانشکدة مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

doi
چکیده

ازآنجاکه درختان نقش اساسی در تغییرات دی‌اکسید کربن و شرایط آب‌وهوایی دارند، تخمین زیست‌تودة موجود در درختان بسیار اهمیت دارد. روش‌های راداری که پارامترهای ساختاری را در تخمین زیست‌توده در نظر نمی‌گیرند منجر به نتایجی با سطح اشباع پایین می‌شوند.­ ارتفاع از پارامترهای ساختاری است و یکی از عوامل مهم تأثیرگذار در بهبود تخمین ارتفاع استفاده از کوهرنس بهینه است. در این مقاله، از داده‌های شبیه‌سازی‌شده در باندهای P و L برای تخمین ارتفاع به روش‌های تفاضلی، اندازه همدوسی، ترکیبی و Polarization Coherence Tomography (PCT) استفاده شده است. روش تفاضلی باعث تخمین ارتفاع کمتر از مقدار واقعی به‌اندازة 14 متر در باند P و 11 متر در باند L شده است؛ درحالی‌که روش اندازة همدوسی، به‌نسبت روش تفاضلی، نتایج بهتری به‌دست می‌آورد و اختلاف مقادیر میانگین ارتفاعات در این روش با مقادیر واقعی در باند P، 8 متر و در باند L، 2 متر است. روش‌های ترکیبی و PCT نتایجی نزدیک به هم دارند و اختلاف میانگین مقادیر ارتفاعات به‌دست‌آمده با مقدار واقعی کمتر از 2 متر است اما نتایج حاصل از روش PCT به‌دلیل استفاده از کوهرنس بهینه، از روش ترکیبی بهتر است. روش بهینه‌سازی کوهرنس به روش PSO که در این مقاله پیشنهاد شده است نتایجی بهتر از روش‌های دیگر حاصل کرده است و اختلاف میانگین مقادیر ارتفاعات به‌دست‌آمده با مقدار واقعی به کمتر از 5/0 متر می‌رسد.