Le radar à synthèse d'ouverture tomographique multi-lignes de base TomoSAR (Synthetic Aperture Radar Tomography) obtient des données d'observation multi-lignes de base via un passage répété d'une antenne unique ou un passage unique de plusieurs antennes, formant la troisième dimension synthétique en élévation, ce qui procure une capacité d'imagerie 3D et permet la reconstruction précise de la structure verticale forestière. Cependant, les erreurs résiduelles de phase entre les orbites provoquent la dispersion d'énergie du spectre tomographique et le flou des images, ce qui limite sévèrement la précision et la stabilité de l'inversion de la hauteur forestière. De plus, les méthodes d'autofocus existantes rencontrent souvent des profils tomographiques discontinus en raison de l'interférence des composantes linéaires des erreurs de phase, ce qui complique l'interprétation et réduit l'efficacité de calcul. Cet article propose une méthode de correction de phase basée sur l'optimisation rapide du contraste par sous-régions SFCOA (Subarea Fast Contrast Optimization Autofocus). Cette méthode exploite l'invariance spatiale des erreurs de phase à petite échelle, transformant l'optimisation pixel par pixel traditionnelle en une maximisation rapide du contraste sur un petit nombre de sous-régions, réduisant ainsi significativement la dimension des variables d'optimisation ; en même temps, une stratégie d'initialisation en chaîne basée sur la continuité spatiale entre les sous-régions adjacentes est construite, réduisant considérablement le nombre d'itérations et le temps de convergence. Des expérimentations menées avec des données TomoSAR P-bande aéroportées de la forêt de Saihanba montrent que la méthode SFCOA proposée est nettement plus efficace en calcul que la méthode PDCO basée sur l'optimisation pixel par pixel, sans compromettre la qualité de la focalisation tomographique ; le temps de traitement des données passe de plusieurs heures à quelques secondes. En termes de reconstruction de la structure verticale forestière, comparé aux méthodes PSI, PGA et NC-PGA, les résultats tomographiques obtenus par SFCOA présentent un niveau de lobes secondaires plus faible et une réduction efficace de l'élargissement du lobe principal, ainsi qu'une continuité significativement meilleure du spectre de puissance tomographique. Dans l'inversion de la hauteur forestière, SFCOA obtient de meilleurs résultats que NC-PGA, avec un coefficient de détermination (R²) passant de 0,516 à 0,609, une erreur absolue moyenne (MAE), une erreur absolue moyenne en pourcentage (MAPE) et une erreur quadratique moyenne racine (RMSE) passant respectivement de 0,509 m, 3,152 %, 0,627 m à 0,435 m, 2,820 %, 0,526 m. La méthode SFCOA proposée montre un équilibre supérieur entre efficacité et précision, offrant une solution efficace pour une cartographie forestière 3D de haute précision avec TomoSAR.

SAR tomographique (TomoSAR) ; correction des erreurs de phase ; hypothèse d'invariance spatiale ; segmentation en sous-régions ; autofocus ; carte tomographique ; structure verticale forestière