(23)
式中,ω表示极化散射状态;γ(ω)为对应于极化状态ω的复相干系数,为已知观测值;φ0表示地表相位,为未知参数;μ(ω)表示地体幅度比,为未知参数;γv表示纯体相干性,与植被高参数相关联。γv具体表达为
(24)
式中,σ表示消光系数,为未知参数;θ表示雷达入射角,为已知值;hv表示植被高参数,为未知参数;kz表示垂直向有效波数,为已知值。极化观测γ(ω)及纯体相干性γv为复数值。由散射模型可构建函数模型
(25)由式(25)结合复数最小二乘估计准则,可构建高斯-马尔可夫(Gauss-Markov,G-M)模型[28-29]
(26)式中,Vγ表示残差向量;Aγ为系数矩阵;Xγ为模型参数改正数向量;Lγ表示实部与虚部残余常数向量。利用式(26)实现植被高参数平差估计。
本次试验利用HH、HV、VV、HHpVV、HHmVV、opt1、opt2、opt3、PDHigh、PDLow这10种极化方式观测数据,进行植被高参数估计。误差方程共包含植被高、地体幅度比等13个未知模型参数,设计矩阵奇异值情况见表 7。
表 7 观测方程设计矩阵奇异值Tab. 7 Design matrix singular values of observation equation
γ1 | γ2 | γ3 | γ4 | γ5 | γ6 | γ7 | γ8 | γ9 | γ10 | γ11 | γ12 | γ13 |
7.5217 | 1.2632 | 0.7132 | 0.4774 | 0.3955 | 0.2994 | 0.2312 | 0.2110 | 0.1700 | 0.1424 | 0.0780 | 0.0213 | 6.46e-17 |
表选项
由表 7中的奇异值情况可知,设计矩阵存在严重的病态性。图 3为奇异值截掉后的TSVD参数估值及标准差变化情况。由于最小奇异值过小,截掉后标准差变化过大,参数估值及标准差变化趋势拆分为图 3(a)、图 3(b)两部分展示。由图 3可知,前2次截掉小奇异值,方差减少影响均要大于偏差增加影响,有利于降低模型参数估值均方误差。在第3次截掉奇异值后(截掉奇异值数为3),方差减少对参数估值的影响要小于偏差增加对其影响,第3次截掉奇异值不利于均方误差的降低。因此,本文方法确定截断参数为2。为了对比分析,分别采用L曲线法、均方误差最小法确定截断参数,解算观测方程,获得植被高、地体幅度比等模型参数的TSVD估值。表 8为不同方法模型参数估计的结果。