An Assessment of Temporal Decorrelation Compensation Methods for Forest Canopy Height Estimation Using Airborne L-Band Same-Day Repeat-Pass Polarimetric SAR Interferometry
Notice bibliographique
Résumé
We assess and compare several algorithms to compensate for temporal decorrelation observed in repeat-pass L-band polarimetric interferometric synthetic aperture radar (PolInSAR) measurements of forest canopy height. The analysis is performed on data acquired with an approximately 45-min temporal baseline using the uninhabited aerial vehicle synthetic aperture radar collected in August 2009 over temperate and boreal forests of the U.S. state of Maine and the Canadian province of Québec. This investigation presents several compensation methods based on the classical random volume over ground model, which include fixing the value of the extinction parameter, fixing the temporal decorrelation magnitude, or varying temporal decorrelation estimates with height. We also compare results with the random motion over ground model. While these methods have been presented in the literature previously, a comparison of the different methods and an assessment of their height estimation accuracy applied to the same datasets have not yet been performed. In addition, we introduce the use of ancillary reference forest height data from airborne large footprint lidar to estimate model parameters and to mitigate solution ambiguities. We finally demonstrate that this mitigation strategy is robust and suitable for use with future spaceborne lidar missions such as the Global Ecosystems Dynamics Investigation. The resulting PolInSAR canopy height estimates correspond well with those obtained from coincident field and airborne lidar data. Height estimation differences of 3.4 m (RMSE) were observed between the PolInSAR- and lidar-derived canopy height maps when using the fixed extinction method. These can be partially attributed to inherent differences in the sensor spatial resolutions and geolocation accuracy. The RMS error between the PolInSAR height estimates and the field collected Lorey's heights was 2.4 m.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».