1. На главную
  2. Электронные версии
  3. Исследование Земли из Космоса
  4. № 5, 2023

Исследование Земли из Космоса, 2023, № 5, стр. 3-12

Исследование возможностей декомпозиции H-α для двойной поляризации при радиолокационном мониторинге залесения

А. В. Дмитриев a, *, Т. Н. Чимитдоржиев a, И. И. Кирбижекова a, Ж. Д. Номшиев a

a Институт физического материаловедения СО РАН
Улан-Удэ, Россия

* E-mail: dav@ipms.bscnet.ru

Поступила в редакцию 12.05.2023

Аннотация

Оценка процессов залесения и восстановления леса после пожаров актуальна для значительной территории России, в т.ч. в связи с проблемой углеродной нейтральности. В работе рассмотрены возможности радиолокационного мониторинга процесса залесения на основе декомпозиции Клауда–Потье временных рядов данных L-диапазона с двойной поляризацией. Предварительная сегментация производится на основе минимальных значений обратного радарного рассеяния за весь период наблюдений. Это позволяет выделить в отдельный класс безлесные участки и редколесье, как существовавшие до начала исследования, так и образовавшиеся позднее. Далее выполняется поляриметрическая декомпозиция методом Клауда–Потье для получения параметров H (энтропия) и α (угол рассеяния), и формирования из них временных рядов. Исследования показали принципиальную возможность мониторинга динамики залесения на плоскости H-α, где точки тестовых участков образуют характерные временные треки. В качестве эталона для оценки скорости изменений на плоскости H-α использован зрелый плотный лес, характеристики которого считаются постоянными.

Ключевые слова: спутниковая радиолокация, H-α разложение Клауда–Потье, двойная поляризация, временные ряды, залесение

Список литературы

  1. Бондур В.Г., Чимитдоржиев Т.Н., Дмитриев А.В., Дагуров П.Н. Оценка пространственной анизотропии неоднородностей лесной растительности при различных азимутальных углах радарного поляриметрического зондирования // Исслед. Земли из космоса. 2019. № 3. С. 92–103. https://doi.org/10.31857/S0205-96142019392-103

  2. Дмитриев А.В., Чимитдоржиев Т.Н., Дагуров П.Н. Оптико-микроволновая диагностика восстановления леса после пожаров // Вычислительные Технологии. 2022. Т. 27. № 2. С. 105–121.

  3. Дмитриев А.В., Чимитдоржиев Т.Н., Добрынин С.И., Худайбердиева О.А., Кирбижекова И.И. Оптико-микроволновая диагностика залесения сельскохозяйственных земель // Современные проблемы ДЗЗ из космоса. 2022. Т. 19. № 4. С. 168–180. https://doi.org/10.21046/2070-7401-2022-19-4-168-180

  4. Чимитдоржиев Т.Н., Дмитриев А.В., Кирбижекова И.И., Шерхоева А.А., Балтухаев А.К., Дагуров П.Н. Дистанционные оптико-микроволновые измерения параметров леса: современное состояние исследований и экспериментальная оценка возможностей // Современные проблемы ДЗЗ из космоса. Т. 15. № 4. С. 9–26. https://doi.org/10.21046/2070-7401-2018-15-4-9-24

  5. Bondur V.G., Chimitdorzhiev T.N., Kirbizhekova I.I., Dmitriev A.V. Estimation of Postfire Reforestation with SAR Polarimetry and NDVI Time Series // Forests. V. 13. № 5. P. 814. https://doi.org/10.3390/f13050814

  6. Cloude S.R. Polarisation: Applications in Remote Sensing. OUP Oxford. 2009. 466 p.

  7. Cloude S.R. The dual polarisation entropy/alpha decomposition: a PALSAR case study // Proc. 3rd International Workshop on Science and Applications of SAR Polarimetry and Polarimetric Interferometry. Noordwijk, Netherlands: European Space Agency. 2007. P. 6.

  8. Cloude S.R., Pottier E. An entropy based classification scheme for land applications of polarimetric SAR // IEEE Trans. Geosci. Remote Sens. 1997. V. 35. № 1. P. 68–78. https://doi.org/10.1109/36.551935

  9. Dobson M.C., Ulaby F.T., LeToan T., Beaudoin A., Kasischke E.S., Christensen N. Dependence of radar backscatter on coniferous forest biomass // IEEE Trans. Geosci. Remote Sens. 1992. V. 30. № 2. P. 412–415. https://doi.org/10.1109/36.134090

  10. ERA5 Daily Aggregates [Электронный ресурс], URL: https://developers.google.com/earth-engine/datasets/catalog/ECMWF_ERA5_DAILY (дата обращения 11 мая 2023).

  11. Freeman A. Fitting a Two-Component Scattering Model to Polarimetric SAR Data From Forests // IEEE Trans. Geosci. Remote Sens. 2007. V. 45. № 8. P. 2583–2592. https://doi.org/10.1109/TGRS.2007.897929

  12. Freeman A., Durden S.L. A three-component scattering model for polarimetric SAR data // IEEE Trans. Geosci. Remote Sens. 1998. V. 36. № 3. P. 963–973. https://doi.org/10.1109/36.673687

  13. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. V. 202. P. 18–27. https://doi.org/10.1016/j.rse.2017.06.031

  14. Guo J., Wei P.-L., Liu J., Jin B., Su B.-F., Zhou Z.-S. Crop Classification Based on Differential Characteristics of H/α Scattering Parameters for Multitemporal Quad- and Dual-Polarization SAR Images // IEEE Trans. Geosci. Remote Sens. 2018. V. 56. № 10. P. 6111–6123. https://doi.org/10.1109/TGRS.2018.2832054

  15. Ji K., Wu Y. Scattering Mechanism Extraction by a Modified Cloude-Pottier Decomposition for Dual Polarization SAR // Remote Sensing. 2015. V. 7. № 6. P. 7447–7470. https://doi.org/10.3390/rs70607447

  16. Koyama C.N., Shimada M., Watanabe M., Tadono T. ALOS-2/PALSAR-2 Long-term Pantropical Observation – A Paradigm Shift in Global Forest Monitoring // Proc. 14th European Conference on Synthetic Aperture Radar (EUSAR 2022). 2022. P. 1–5.

  17. Koyama C.N., Watanabe M., Hayashi M., Ogawa T., Shimada M. Mapping the spatial-temporal variability of tropical forests by ALOS-2 L-band SAR big data analysis // Remote Sensing of Environment. 2019. V. 233. № 111372. https://doi.org/10.1016/j.rse.2019.111372

  18. Krogager E., Boerner W.-M., Madsen S.N. Feature-motivated Sinclair matrix (sphere/diplane/helix) decomposition and its application to target sorting for land feature classification // Proc. SPIE 3120, Wideband Interferometric Sensing and Imaging Polarimetry, (23 December 1997). P. 144–154. https://doi.org/10.1117/12.300620

  19. Le Toan T., Beaudoin A., Riom J., Guyon D. Relating forest biomass to SAR data // IEEE Trans. Geosci. Remote Sens. V. 30. № 2. P. 403–411. https://doi.org/10.1109/36.134089

  20. Lee J.-S., Pottier E. Polarimetric radar imaging: from basics to applications, Optical science and engineering. CRC Press, Boca Raton. 2009. 440 p.

  21. Moreira A., Prats-Iraola P., Younis M., Krieger G., Hajnsek I., Papathanassiou K.P. A tutorial on synthetic aperture radar // IEEE Geosci. Remote Sens. Magazine. 2013. V. 1. № 1. P. 6–43. https://doi.org/10.1109/MGRS.2013.2248301

  22. Richards J.A. Remote Sensing with Imaging Radar. Springer-Verlag, Berlin Heidelberg. 2009. 361 p. https://doi.org/10.1007/978-3-642-02020-9

  23. SNAP [Электронный ресурс], URL: http://step.esa.int/main/toolboxes/snap/ (дата обращения 11 мая 2023).

  24. Touzi R. Target Scattering Decomposition in Terms of Roll-Invariant Target Parameters // IEEE Trans. Geosci. Remote Sens. 2007. V. 45. № 1. P. 73–84. https://doi.org/10.1109/TGRS.2006.886176

  25. Yamaguchi Y., Moriyama T., Ishido M., Yamada H. Four-component scattering model for polarimetric SAR image decomposition // IEEE Trans. Geosci. Remote Sens. 2005. V. 43. № 8. P. 1699–1706. https://doi.org/10.1109/TGRS.2005.852084

  26. Yu Y., Saatchi S. Sensitivity of L-Band SAR Backscatter to Aboveground Biomass of Global Forests // Remote Sensing. 2016. V. 8. № 6. P. 522. https://doi.org/10.3390/rs8060522

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска содержание выпуска

Исследование Земли из Космоса

Архивы выпусков Информация о журнале Отправить рукопись в журнал