Super resolution SAR tomography for forestry application

Synthetic Aperture Radar (SAR) Tomography (TomoSAR) is a promis- ing technology for three dimensional imaging of the illuminated scene which exploits the penetration capability of microwaves to character- ize the structure of natural media, such as forests. Forests play a key role in the global carbon cycle, rising the need for accurate maps of biomass on a worldwide scale to monitor their health. This is one of the main objectives of the European Space Agency BIOMASS mis- sion, planned for 2022. BIOMASS will implement SAR tomography. The goal of this work is to provide an analysis of relevant TomoSAR processing algorithms aiming to simulate a future practical implemen- tation in BIOMASS acquired data. First, the classical beamforming is studied as a spectral analysis approach, which performances are limited by the system acquisition scheme. Then, in order to counter the disadvantages of beamforming, various super resolution algorithms are taken into account, namely Capon, a maximum-likelihood inspired adaptive robust iterative approach (MARIA) and iterative Capon. All the algorithms are applied to a simulated forested area, under di erent acquisition conditions, and one case is applied to real data acquired by the TropiSAR mission.

\Synthetic Aperture Radar" (SAR) \Tomography" (TomoSAR) e una tecnologia promettente per la ricostruzione tridimensionale della scena illuminata che sfrutta la penetrazione all'interno di mezzi trasmissi- vi naturali, come le foreste, delle micro-onde per caratterizzarne la struttura. Le foreste assumono un ruolo chiave nel ciclo del carbonio globale, dando origine alla necessit a di mappe di biomassa accurate su scala mondiale per monitorarne la salute. Questo e uno dei princi- pali obiettivi della missione BIOMASS dell'Agenzia Spaziale Europea, piani cata per il 2022. BIOMASS implementer a tomogra a SAR. Lo scopo di questo lavoro e fornire un'analisi di algoritmi di elaborazione TomoSAR rilevanti per simulare una futura implementazione pratica con dati acquisiti da BIOMASS. Per primo, si considera il \beamfor- ming" classico come metodo di analisi spettrale, le cui prestazioni sono limitate dallo schema di acquisizione del sistema. In seguito, per con- trastare gli svantaggi del \beamforming", vengono considerati alcuni algoritmi di super risoluzione, quali Capon, un \maximum-likelihood inspired adaptive robust iterative approach" (MARIA) e Capon itera- tivo. Tutti gli algoritmi sono applicati ad un'area forestale simulata, soggetta a diverse condizioni di acquisizione, e un caso e applicato a dati reali acquisiti dalla missione TropiSAR.