CC BY
57
2007
НАУЧНЫЙ ВЕСТНИК МГТУ ГА серия Радиофизика и радиотехника
№ 133
УДК 537.871.5
АНАЛИЗ ПОЛЯРИМЕТРИЧЕСКИХ ДАННЫХ SIR-C/X ПО ДЕЛЬТЕ РЕКИ СЕЛЕНГА
И.И. КИРБИЖЕКОВА, Д.Д. ДАРИЖАПОВ Статья представлена доктором технических наук, профессором Логвиным А.И.
В работе приведены результаты анализа и обработки поляриметрических данных SIR-C/Х по дельте реки Селенга. Проведена классификация контролируемыми и неконтролируемыми методами на основе интенсивности в полосах C (5 см) и L (25 см), выделено 7 кластеров. Точность классификации при этом оказалась не очень высока. Для улучшения качества классификации проведены исследования отдельных поляриметрических характеристик. В частности, обнаружено изменение формы поляризационных сигнатур при изменении густоты леса и отмечена разность форм сигнатур для борового соснового и смешанного сосново-березового леса. Дополнительные возможности предоставляет пьедестальная высота поляризационных сигнатур, характеризующая деполяризацию отраженного сигнала и тем самым долю объемного рассеяния на тестовых участках земной поверхности.
Введение
Возможности и преимущество поляриметрических методов для дистанционного зондирования земных покровов в радиодиапазоне обсуждались, начиная с 60-х годов XX века [1-3]. Но реальные исследования начали проводиться только в 80-е годы, когда появились радары, способные работать при любых комбинациях поляризации отправленного и принятого сигнала [4]. С тех пор было запущено около 300 радаров на самолетных и космических платформах и получены радиолокационные изображения самых разных участков земной поверхности. Результаты многочисленных исследований широко освещались и обсуждались в мировой печати. Наиболее успешные исследования с использованием поляриметрических данных NASA/JPL AIRSAR по оценке биомассы и других параметров лесных массивов были получены во время европейской компании MAESTRO 1989. Использование поляриметрической информации действительно позволило улучшить качество классификации, в отдельных случаях по данным трех диапазонов P, L и C точность достигла 99,5%. Но также было отмечено сильное влияние локальных особенностей. Например, методы оценки параметров для регулярных лесов Франции (посаженных) оказались малоэффективными для естественных лесов Г ермании и Аляски.
Данные радиолокационного дистанционного зондирования на байкальскую природную территорию
Данные радиолокационного дистанционного зондирования (РДЗ) на Байкальскую природную территорию представлены сканерными изображениями в микроволновом диапазоне в С- и L-полосах (соответственно 5 и 25 см), полученными радаром с синтезированной апертурой во время миссии Shuttle в октябре 1994 г. Сцены вытянуты вдоль подспутниковой трассы (угол наклона орбиты 57о) и охватывают площадь размером примерно 17х50 кв.км. Высота космической платформы ~ 220 км, угол сканирования изменялся от 21° до 25°. После проведения пространственного усреднения для уменьшения спекла, расстояние между пикселями составляет 12,5 м, а разрешение - 25 м. Для исследования был выбран фрагмент радарного изображения дельты реки Селенга (рис. 1). Эта территория наиболее интересна с точки зрения разнообразия объектов и заключает в себе: сельскохозяйственные поля и луга, хвойный и смешанный лес, водную поверхность Байкала и небольшие озера и т.п. К тому же значительная часть сцены относительно ровная, без резких изменений рельефа местности. Время съемки - октябрь - в данном регионе совпадает с началом зимы и установлением снежного покрова.
Поляриметрические данные SIR-C/X несут информацию о матрицах рассеяния в каждой точке сцены и представляют собой файлы универсального растрового формата последовательных двоичных потоков байтов (BSQ) и небольшие текстовые файлы сопровождения. Для отображения и обработки дистанционных данных использовалась программная среда ENVI.
Рис. 1. Фрагмент радарного изображения дельты реки Селенга по данным
SIR C/X (октябрь 1994)
Данные были получены от немецкого космического агентства в рамках международных проектов ERS AO-3 SIBERIA и INTAS 97-1040.
Анализ поляриметрических данных
Предварительный анализ. Для отождествления природных объектов были синтезированы псевдоцветные RGB-изображения, с использованием амплитудной информации 3-х поляризационных каналов (hh, hv, vv). Предварительный анализ был проведен на основе цветовых различий, обусловленных различием отражательных свойств разных объектов. Наиболее богатую цветовую палитру и соответственно больше возможностей представляет использование комбинации каналов Lhh-Chv-Lhv при синтезе изображения в псевдоцвете (RGB).
Черный цвет относительно гладкой водной поверхности реки Селенга и небольших озер вдали от Байкала свидетельствует об отсутствии отражения сигнала на всех радарных изображениях, а красновато-бурый цвет Байкала и озер вблизи береговой линии означает сильное волнение (десятки сантиметров) в момент съемки, при котором волны работают как сильные отражатели в L-диапазоне. Очень светлые, почти белые участки смешанного леса (сосна и березовый подлесок) говорят о равной и значительной доле участия механизмов отражения в данных каналах, а розоватый оттенок борового соснового — о преимущественном отражении в Lhh-канале, что связано, вероятно, с отсутствием подлеска, и большим расстоянием между деревьями. Сельскохозяйственные поля синеватого цвета — доминируют отражение в Lhv-диапазоне.
Результаты классификации. При классификации радарных данных были применены два метода: ISODATA и максимальной вероятности [5-7]. Первый метод является неконтролируемым, при этом автоматически производится разделение всех пикселей на кластеры с наиболее близкими статистическими характеристиками. Второй метод производит классификацию на основе статистических характеристик для заданных тестовых участков. В обоих случаях выделено 7 кластеров. Хорошо разделяются объекты, относящиеся к различным морфологическим типам: вода, сельскохозяйственные поля, лесные массивы. Но в некоторых случаях отдельные фрагменты сцены со схожими статистическими характеристиками были отнесены к одному классу, например: фрагменты неспокойной водной поверхности Байкала и некоторые относительно гладкие участки на земле. Породный состав лесов на данной территории не сильно варьируется, представлен в основном сосновыми и смешанными сосново-березовыми, кое-где встречаются березняки, ельники, осина. Но разделить леса по породному составу и другим характеристикам оказалось невозможным. Таким образом, точность классификации на основе
только данных об интенсивности оказалась не вполне удовлетворительной. Увеличение числа кластеров и тестовых участков не приводит к ощутимым результатам.
Анализ поляриметрической фазы. Интересную информацию дает фазовое изображение в L-диапазоне (рис. 2). Значения разности поляриметрической фазы (между вертикальной и горизонтальной поляризацией hh-vv) изменяются от -180° до 180° (для удобства цифровой обработки произведен сдвиг на р, т.е. диапазон составляет от 0 до 2р), что соответствует уменьшению интенсивности серого цвета от 256 до 0. На относительно ровной поверхности разность фаз близка к нулю. При наличии растительности или при резких изменениях рельефа местности абсолютные значения разности фаз увеличиваются. Причем характер распределения интенсивности значений сильно зависит от типа объектов. На изображении (рис. 2) выделяются участки Дубининского леса (к востоку от Селенги). Это боровой сосновый лес, практически без подлеска, до 10 м от земли только стволы, а кроны и горизонтальные ветви начинаются выше. Они черного цвета, что соответствует разности фаз близкой к р, и, вероятно, преобладанию механизма двойного отражения радарного сигнала - от ствола, затем от земли. К западу от Селенги более неоднородный Истоминский лесной массив: участки борового соснового леса чередуются с участками смешанного сосново-березового леса. Очевидно, примесь мелких стволов и горизонтальных ветвей способствует уменьшению роли двойного отражения. Обнаружено также несколько аналогичных “черных” участков около Байкала: на небольших болотах вблизи береговой линии и вдоль русла реки. Вероятно, это связано с тем, что в октябре месяце эти участки залиты водой и возвышающиеся над водной поверхностью кочки действуют как отражатели.
Фазовое изображение в С-диапазоне менее информативно. Разность поляриметрических фаз мало отличается от нуля, за редким исключением.
Рис. 2. Разность поляриметрических фаз в L-диапазоне (hh-vv). Градация интенсивности оттенков серого цвета от 256 до 0 соответствует изменению разности фаз от -р до р
Анализ поляризационных сигнатур. При идентификации поляризационных состояний земных объектов, а также для уточнения классификации могут быть использованы графики согласованных и кросс- поляризационных сигнатур [8-9]. Они представляют собой трехмерные поверхности, являющиеся графиками зависимости УЭПР от угла эллиптичности с и угла наклона у поляризационного эллипса. Вдоль вертикальной оси откладывается УЭПР либо в относительных единицах от 0 до 1, либо в децибелах (дБ). Для исследования были извлечены и проанализированы сигнатуры для различных участков: леса, сельхозугодий, болота, водной поверхности (размером от 100х100 до 500х500 м2). На рис. 3 представлены согласованные сигнатуры в L-диапазоне для 6 объектов.
Анализ формы согласованных поляризационных сигнатур. Формы сигнатур водной поверхности Байкала, сельскохозяйственного поля со слабовыраженной растительностью и заболоченного участка схожи (рис. 3, а-в) и близки к цилиндрической поверхности с максимумом при с=0° (линейная поляризация), т.е. в отраженном сигнале от данных поверхностей преобладают сильно вытянутые эллипсы поляризации с хаотичной ориентацией. На водной поверхно-
сти Байкала крылья сигнатур слегка загибаются по краям, что свидетельствует о слабом присутствии круговой поляризации, связанной, по-видимому, с отражением на волнах, амплитуда которых сравнима с длиной волны. На заболоченных участках (рис. 3, в) середина сигнатуры слегка прогибается, т.е. имеется незначительное поглощение вертикально ориентированных линейно поляризованных волн, скорее всего на кочках и растительности, размеры которых сравнимы с длиной волны.
г) д) е)
Рис. 3. Согласованные поляризационные сигнатуры в L-диапазоне для объектов разного типа: а — водная поверхность Байкала; б — песчаное сельскохозяйственное поле; в — болото; г — боровой сосновый лес без подлеска; д - смешанный лес (сосновый с примесью березняка);
е — березняк
Для лесных участков (рис. 3. г-е) наличие растительности приводит к сильному прогибу поверхности сигнатур в области вертикальной линейной поляризации (c=0°, y=90°). Форма поверхности напоминает гиперболический параболоид. Для борового соснового леса с редко стоящими деревьями, массивными стволами и кронами, начинающимися с высоты более 10 м (рис. 3, г), очевидно, доминирующую роль играют вертикально расположенные источники поглощения и рассеяния, что проявляется в меньшем прогибе сигнатуры. В более густом смешанном сосново-березовом лесу (рис. 3, д) вертикальная составляющая поглощается больше, а также возрастает вклад крупных ветвей с невертикальной ориентацией, что проявляется в большем прогибе сигнатуры и искажении ее формы. Для березового леса (рис. 3, е) ситуация усугубляется.
Таким образом, форма поляризационной сигнатуры является важным источником информации для уточнения распределения и типе источников рассеяния радарного сигнала.
Уточнение классификация объектов при помощи пьедестальной высоты поляризационных сигнатур. Помимо формы сигнатуры разных объектов также различаются высотой подошвы сигнатуры или пьедестальной высотой (ПВ). ПВ характеризует долю неполяризованного сигнала, принимает значения от 0 до 1 в относительных единицах, равна нулю для абсолютно гладких поверхностей или измеряется в абсолютных единицах - в дБ, при этом фоновое значение для радара SIR C/X составляет —33дб. Чем больше значение пьедестальной высоты, тем большая часть отраженного радарного сигнала неполяризована и, следовательно, тем больше доля объемного рассеяния. Таким образом, по ПВ можно судить о шероховатости поверхности, наличии растительности и присутствии других соответствующих рассеивающих элементов. Например, для водной поверхности Байкала, гладкого поля и заболоченного участка
(рис. 3, а-в) ПВ не превышает 0,01, следовательно, объемное рассеяние на данных объектах менее 1% от общей интенсивности отраженного сигнала. В абсолютных единицах отличие ПВ для этих объектов составляет 3-5 дБ, и меньше всего ПВ от водной поверхности (-27 дБ). Для лесных участков (рис. 3, г-е) ПВ больше 10-15%, и также различается в абсолютных единицах для лесных массивов разного породного состава и в зависимости от плотности деревьев в лесу.
По радарным данным 8ГО.-С/Х по дельте реки Селенга была построена карта распределения ПВ. На рис. 4 приведен фрагмент карты. Для нескольких тестовых участков определены усредненные ПВ. Так спокойная гладь озера Никиткино (вдали от Байкала) имеет ПВ менее 0,5%; относительно гладкое поле - 1,8%; поле со следами борозд от вспашки - 5,8%; участок смешанного сосново-березового леса - 18%. Кроме того, было обнаружено несколько небольших участков с очень высокой ПВ - более 80%, скорее всего это молодая очень густая лесная поросль.
Рис. 4. Трехмерное изображение пьедестальной высоты поляризационных сигнатур для участка 200х200 пс (озеро Никиткино)
Таким образом, пьедестальная высота поляризационных сигнатур может быть использована для детализации классификации.
Заключение
В заключение перечислим основные результаты исследования спутниковых поляриметрических данных по территории дельты реки Селенга:
• На основе радарных данных в С- и Ь-диапазоне проведены отождествление природных объектов и классификация контролируемыми и неконтролируемыми методами (КОБАТА и максимальной вероятности). В обоих случаях выделено 7 кластеров. Точность классификации на основе только данных об интенсивности оказалась не вполне удовлетворительной. Увеличение числа кластеров или тестовых участков не дает улучшения.
• Проведен анализ фазовых изображений. Значения разности поляриметрической фазы между вертикальной и горизонтальной поляризацией ЬЬ-уу в С-диапазоне практически для всех объектов близки к нулю. Фазовые изображения в Ь-диапазоне более информативны. Для относительно ровной поверхности разность фаз близка к нулю, но при наличии растительности или при резких изменениях рельефа местности абсолютные значения разности фаз увеличиваются, причем характер распределения интенсивности значений зависит от типа объектов.
• Проведен сравнительный анализ поляризационных сигнатур для различных объектов. Исследованные сигнатуры имеют ярковыраженный индивидуальный характер: различаются по форме поверхности и по пьедестальным высотам, что объясняется уникальными чертами механизма рассеяния радарного сигнала для каждого объекта. Таким образом, поляризационные
сигнатуры могут быть использованы для более детальной классификации, в частности, при разделении лесных массивов по породному составу, плотности; или для отделения заболоченных участков от гладких полей и т.п.
ЛИТЕРАТУРА
1. Kanareykin D.B., Sh. Lande, Yu.A. Melnik, A.V. Ryzhkov, V.D. Stepanenko, S.Yu. Matrosov and A.B. Shupyattsky. Applying the Polarization Selection Techniques to Meteolologic and Oceanographic Remote Sensing - Review of Soviet Studies, in W.-M. Boerner et al. eds., Direct and Inverse Methods in Radar Polarimetry, NATO-ASI Series, V.C-350, Kluwer Acad. Publ., Dordrecht, 1992.
2. Козлов А.Л., Логвин А.И., Сарычев В.А. Радиолокационная поляриметрия. Поляризационная структура радиолокационных сигналов. - М.: Радиотехника, 2007.
3. Kozlow A.I., A.I.Logvin and L.A.Zhivotovsky. Review of Past and Current Research in the USSR on the Fundementals and Basics of Radar Polarimetry and High Resilution Radar Imaging, in W.-M. Boerner et al. eds., Direct and Inverse Methods in Radar Polarimetry, NATO-ARW-DIMRP’88 Sept.18-24, Bad Windsheim, FRG, NATO-ASI Series, V.C-350, V.1, Kluwer Acad. Publ., Dordrecht, 1992.
4. Principles and Applications of Imaging radar Manual. V.2.Manual of Remote Sensing. R.A.Ryerson editor-in-chief. - USA:1998. P.865.
5. Китов А.Д. Компьютерный анализ и синтез геоизображений. - Новосибирск: СО РАН, 2000.
6. Tou J. T., Gonzalez R.C. Pattern Recognition Principles. Massachusetts: Addison-Wesley Publishing Company,
1974.
7. Richards A., Remote Sensing Digital Image Analysis. Berlin: Springer-Verlag, 1994.
8. Zyl J.J., Zebker H .A., Elachi C. Imaging radar polarization signatures: theory and observation // Radio Science 22(4), 1987.
9. Zebker H.A., Zyl J.J., Held D .N. Imaging radar polarimetry from wave synthesis // Journal of Geophysical Research 92(31), 1987.
ANALISYS OF POLARIMETRIC DATA OF SIR-C/X ALONG THE DELTA OF SELENGA RIVER
Kirbizhekova I.I., Darizhapov D.D.
In this paper the results of the analysis and processing polarimetric data of SIR-C/Х along the delta of the Selenga River are given. The classification is carried out by supervised and unsupervised methods on the basis of intensity in C (5 cm) and L-bands (25 cm). There were selected 7 clusters. The accuracy of classification after all is not so high. For improvement of quality of classification the researches of separate Polarimetric characteristics are carried out. In particular, the change of the polarizing signatures form is revealed by change of a wood density and the difference of the signatures forms for the coniferous pine forest and mixed (pine and birch) forest is marked. The pedestal height of the polarizing signatures that describes depolarization of the reflected signal and therefore a share of volumetric dispersion on test sites of a terrestrial surface reserves the additional opportunities.
Сведения об авторах
Кирбижекова Ирина Ивановна, окончила Ташкентский государственный университет (1986), кандидат физико-математических наук, старший научный сотрудник лаборатории дистанционного зондирования ОФП БНЦ СО РАН, автор 30 научных работ, область научных интересов - распространение радиоволн в подстилающих покровах, дистанционное зондирование Земли, анализ временных рядов.
Дарижапов Даши Дашипунсыкович, 1949 г.р., окончил Иркутский государственный университет (1971), кандидат физико-математических наук, заведующий лабораторией дистанционного зондирования ОФП БНЦ СО РАН, автор 30 научных работ, область научных интересов - распространение радиоволн в атмосфере и подстилающих покровах, дистанционное зондирование Земли, калибровка и валидация спутниковых данных.
