ОЦІНКА ПАРАМЕТРІВ ШОРСТКОСТІ ЗЕМНОЇ ПОВЕРХНІ ЗА ДВОХПОЛЯРИЗАЦІЙНИМ РАДІОЛОКАЦІЙНИМ ВІДБИТТЯМ МЕТОДОМ ЗВОРОТНОГО МОДЕЛЮВАННЯ
DOI:
https://doi.org/10.32782/KNTU2618-0340/2021.4.2.1.22Ключові слова:
радіолокаційне дистанційне зондування, двохполяризаційний РСА, зворотне розсіяння, поляризаційне відношення, шорсткість земної поверхні, діелектрична проникністьАнотація
Радіолокаційне дистанційне зондування є сучасним та ефективним методом аерокосмічних досліджень Землі. Масове впровадження нових радіолокаційних систем високої розрізненності на основі радіолокаторів з синтезованою апертурою (РСА) значно розширило можливості радарного знімання. Доцільність застосування даного методу було підтверджено в сферах, що традиційно використовують дані дистанційного зондування – картографії, сільському і лісовому господарстві, пошуку корисних копалини, охорони навколишнього середовища, моніторингу надзвичайних ситуацій, обороні. Основним фізичним параметром земної поверхні, який реєструється неінтерферометричними РСА, є коефіцієнт зворотного розсіяння (сигма-нуль). Прийнятий радарний сигнал є джерелом для складного моделювання процесів зворотного розсіяння та оцінки вторинних фізичних і біофізичних характеристик земної поверхні -- текстури, зволоженості, діелектричної проникності, структури рослинного покриву тощо. При цьому шорсткість земної поверхні, яка описується середньоквадратичним відхиленням її вертикальних нерегулярностей, виступає одним з найбільш значущих чинників будь-якого моделювання. Отже, задача відновлення шорсткості земної поверхні за даними радіолокаційного дистанційного зондування є досить актуальною. Шорсткість земної поверхні – це незалежна фізична величина, що багато в чому визначає радіолокаційне зворотне розсіяння. Проте радіус кореляції шорсткості залежить від поляризації радіолокаційного сигналу. У статті описується кількісний підхід до відновлення шорсткості земної поверхні за двохполяризаційними зображеннями РСА на основі узгодження вимірів незалежної фізичної величини – діелектричної проникності в різних поляризаціях. Використовується запропонована Багдаді та ін. напівемпіричне калібрування IEM радіолокаційного зворотного розсіяння з урахуванням поляризаційно-залежної величини радіуса кореляції для забезпечення фізичної еквівалентності вимірів діелектричної проникності земної поверхні в різних поляризаціях. Крім того, приведені необхідні розрахункові співвідношення та приклад обробки реального радіолокаційного зображення Sentinel-1. Одержані результати в цілому відповідають відомим фізичним закономірностям і ландшафтним особливостям території дослідження.
Посилання
Jansing E.D. Introduction to Synthetic Aperture Radar: Concepts and Practice. New York: McGraw-Hill, 2021, 208 p. ISBN: 9781260458961
Goswami B., Kalita M. Radar backscattering measurement of bare soil and vegetation covered soil using X-band and full polarization. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2014, vol. XL, no. 8, pp. 733–736. DOI: 10.5194/isprsarchives-XL-8-733-2014
Fieuzal R., Baup F. Improvement of bare soil semi-empirical radar backscattering models (Oh and Dubois) with SAR multi-spectral satellite data (X-, C- and L-bands). Advances in Remote Sensing, 2016, vol. 5, no. 4, pp. 296-314. DOI: 10.4236/ars.2016.54023
Fung A.K. Microwave Scattering and Emission Models and their Applications. Norwood: Artech House, 1994, 592 p. ISBN: 9780890065235
Fung A.K., Li Z., Chen K.S. Backscattering from a randomly rough dielectric surface. IEEE Transactions on Geoscience and Remote Sensing, 1992, vol. 30, no. 2, pp. 356-369. DOI: 10.1109/36.134085
Fung A.K., Chen K.S. An update on the IEM surface backscattering model. IEEE Geoscience and Remote Sensing Letters, 2004, vol. 1, no. 2, pp. 75-77, DOI: 10.1109/LGRS.2004.826564
Chen K.-L., Chen K.-S., Li Z.-L., Liu Y. Extension and validation of an Advanced Integral Equation Model for bistatic scattering from rough surfaces. Progress in Electromagnetics Research, 2015, Vol. 152, pp. 59-76. DOI: 10.2528/PIER15011409
Baghdadi N., Holah N., Zribi M. Soil moisture estimation using multi-incidence and multipolarization ASAR data. International Journal of Remote Sensing, 2006, vol. 27, no. 10, pp. 1907-1920. DOI: 10.1080/01431160500239032
Sayyad S.B., Shaikh M.A., Kolhe S.B., Khirade P.W. Geophysical parameter retrieval for microwave C band synthetic aperture radar (SAR) dataset using integral equation model. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, vol. XLII, no. 5, pp. 689-692. DOI: 10.5194/isprs-archives-XLII-5-689-2018
Tao L., Wang G., Chen X., Li J., Cai Q. Estimation of soil moisture using a vegetation scattering model in wheat fields. Journal of Applied Remote Sensing, 2019, vol. 13, no. 4, A. 044503, 16 p. DOI: 10.1117/1.JRS.13.4.044503
Baghdadi N., Holah N., Zribi M. Calibration of the Integral Equation Model for SAR data in C-band and HH and VV polarizations. International Journal of Remote Sensing, 2006, vol. 27, no. 4, pp. 805-816. DOI: 10.1080/01431160500212278
Baghdadi N., Chayya J.A., Zribi M. Semi-empirical calibration of the Integral Equation Model for SAR data in C-band and cross polarization using radar images and fi eld measurements. IEEE Geoscience and Remote Sensing Letters, 2011, vol. 8, no. 1, pp. 14-18. DOI: 10.1109/LGRS.2010.2050054
Panciera R., Tanase M.A., Lowell K., Walker J.P. Evaluation of IEM, Dubois, and Oh radar backscatter models using airborne L-band SAR. IEEE Transactions on Geoscience and Remote Sensing, 2014, vol. 52, no. 8, pp. 4966-4979. DOI: 10.1109/ TGRS.2013.2286203
Sun L., Dabboor M., Belair S., Carrera M.L., Merzouki A. Simulating C-band SAR footprint-scale backscatter over agricultural area with a physical land surface model. Water Resources Research, 2019, vol. 55, no. 6, pp. 4594-4612. DOI: 10.1029/2019WR025163
Ghafouri A., Amini J., Dehmollaian M., Kavoosi M.A. Measuring the surface roughness of geological rock surfaces in SAR data using fractal geometry. Comptes Rendus Geoscience, 2017, vol. 349, no. 3, pp. 114-125. DOI: 10.1016/j.crte.2017.04.003
Mirsoleimani H.R., Sahebi M.R., Baghdadi N., El Hajj M. Bare soil surface moisture retrieval from Sentinel-1 SAR data based on the calibrated IEM and Dubois models using neural networks. Sensors, 2019, vol. 19, no. 14, A. 3209, 12 p. DOI: 10.3390/s19143209
Stankevich S.A., Piestova I.O., Shklyar S.V., Lysenko A.R. Satellite dual-polarization radar imagery superresolution under physical constraints. In: Shakhovska N., Medykovskyy M.O. (Eds). Advances in Intelligent Systems and Computing. Cham: Springer Nature, 2020, pp. 439-452. DOI: 10.1007/978-3-030-33695-0_30
Verhoest N.E.C., Lievens H., Wagner W., Álvarez-Mozos J., Moran M.S., Mattia F. On the soil roughness parameterization problem in soil moisture retrieval of bare surfaces from synthetic aperture radar. Sensors, 2008, vol. 8, no. 7, pp. 4213-4248. DOI: 10.3390/s8074213
Álvarez-Mozos J., González-Audícana M., Casalí J., Larrañaga A. Effective versus measured correlation length for radar-based surface soil moisture retrieval. International Journal of Remote Sensing, 2008, vol. 29, no. 17-18, pp. 5397-5408.- DOI: 10.1080/01431160802036367
Ranjbar S., Zarei A., Hasanlou M., Akhoondzadeh M., Amini J., Amani M. Machine learning inversion approach for soil parameters estimation over vegetated agricultural areas using a combination of water cloud model and calibrated integral equation model. Journal of Applied Remote Sensing, 2021, vol. 15, no. 1, A. 018503, 17 p. DOI: 10.1117/1.JRS.15.018503
Ezzahar J., Ouaadi N., Zribi M., Elfarkh J., Aouade G., Khabba S., Er-Raki S., Chehbouni A., Jarlan L. Evaluation of backscattering models and support vector machine for the retrieval of bare soil moisture from Sentinel-1 data. Remote Sensing, 2020, vol. 12, no. 1, A. 72, 20 p. DOI: 10.3390/rs12010072
Zhang L., Li H., Xue Z. Calibrated integral equation model for bare soil moisture retrieval of synthetic aperture radar: A case study in Linze County. Applied Sciences, 2020, vol. 10, no. 21, A. 7921, 17 p. DOI: 10.3390/app10217921
