作为地球生态系统的重要组成部分，植被对全球物产估计、碳循环评估等方面具有极其重要的意义。然而常规的植物学研究方法很难在全球尺度下获取植被结构信息。作为主动传感器的代表，合成孔径雷达(SAR)能够提供全球实时观测的能力。而更为高级的干涉合成孔径雷达(InSAR)与极化干涉合成孔径雷达 (PolInSAR)也在植被研究方面展现出了较强潜力。

在雷达理论中，植被垂直结构函数(VVSF)定义为以垂直高度为自变量，对应高度复散射系数为因变量的复杂函数。当前的VVSF估计方法可以分为三大类：VVSF参数化法、Fourier-Legendre法与层析法(TSAR)。以random volume over ground(RVoG)与oriented volume over ground(OVoG)模型为代表的参数化法采用带少量参数的经验函数近似VVSF，并利用PolInSAR数据进行求解；而Fourier-Legendre法在PolInSAR系统的基础上采用Fourier-Legendre多项式近似逼近VVSF；层析法则需要利用数10次重轨观测SAR影像对VVSF进行严格的数学估计。为了减少求解所需的影像数量，本文针对VVSF的植被高度与植被下地形两个特定参数进行求解。本文的两个主要贡献如下：

(1) 本文改进了常规的多基线RVoG模型，并提出对应求解方案进行植被高度与植被下地形起伏信息估计。考虑到多基线观测条件下风引起的枝叶摇曳过程，在多基线改进RVoG模型中证明了时间去相干影响的不可忽视性；同时，本研究在改进多基线RVoG时引入了树桩引起的植被层干涉相位偏移，使得改进模型更符合真实植被散射过程。在模型求解方面，本研究利用多基线PolInSAR的信息互补性，解决了植被下地表干涉相位求解模糊问题与树高-消光系数求解模糊问题。此外，本研究还利用真实试验数据评价了基线对森林高度与植被下地形提取精度的影响，并进行了相关扩展讨论。

(2) 从信息利用的角度来说，多基线RVoG模型树高与植被下地形提取主要依赖PolInSAR数据中的干涉信息，而蕴含在PolInSAR极化信息内的极化方位角 (POA)则与地形变化息息相关。本研究提出一种顾及地形起伏的自适应植被-地表模型。虽然植被-地表总体散射过程较为复杂，但多基线PolInSAR数据提供了求解自适应植被-地面联合模型的可能性。为了简化模型的求解过程，采用极化散射矩阵熵近似估计Arii体散射随机参数的可行解范围，并提出了一种目标优化函数来求解植被-地面模型的参数。