предыдущий|следующий

Метод нормализации угла падения коэффициентов обратного рассеяния Гренландии на основе восходящих и нисходящих изображений Sentinel-1

  • role： First author第一作者
  • Affiliation：

    School of Geospatial Engineering and Science, Sun Yat-sen University, and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

  • Email：chenx687@mail2.sysu.edu.cn
  • Introduction：陈晓，研究方向为极地遥感。E-mail： chenx687@mail2.sysu.edu.cn
CHEN Xiao,  
  • role： Corresponding author通信作者
  • Affiliation：

    School of Geospatial Engineering and Science, Sun Yat-sen University, and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

  • Email：ligang57@mail.sysu.edu.cn
  • Introduction：李刚，研究方向为微波遥感。E-mail： ligang57@mail.sysu.edu.cn
LI Gang*,  
  • Affiliation：

    School of Geospatial Engineering and Science, Sun Yat-sen University, and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

CHEN Zhuoqi,  
  • Affiliation：

    School of Geospatial Engineering and Science, Sun Yat-sen University, and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

JU Qi,  
  • Affiliation：

    School of Geospatial Engineering and Science, Sun Yat-sen University, and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

ZHENG Lei,  
  • Affiliation：

    School of Geospatial Engineering and Science, Sun Yat-sen University, and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

CHENG Xiao

реферат

Коэффициенты обратного рассеяния на изображениях синтетической апертурной радиолокации (SAR) тесно связаны с углом падения электромагнитных волн и характеристиками поверхности земли. Поэтому при использовании широкополосных SAR-изображений для исследования ледяного щита Гренландии необходимо корректировать влияние угла падения на сигнал обратного рассеяния. В настоящее время основной алгоритм корректировки угла падения поверхности ледяного щита — метод косинусового сечения, который предполагает, что поверхность снега и льда является ламбертовским телом для корректировки коэффициентов обратного рассеяния SAR-изображений, однако предположение о том, что лед является ламбертовским телом, явно не оправдано. В данной работе предложен алгоритм корректировки коэффициентов обратного рассеяния на основе линейной регрессии, который предполагает, что характеристики обратного рассеяния двухполяризационных SAR-изображений Sentinel-1 ледяного щита Гренландии, полученных почти одновременно, остаются неизменными, а различия коэффициентов обратного рассеяния связаны только с различиями в углах падения. Путём поиска количественной зависимости между коэффициентами обратного рассеяния и углами падения получены нормализованные коэффициенты обратного рассеяния двухполяризационных SAR-изображений. С учётом различий характеристик обратного рассеяния поверхности снежного льда ледяного щита Гренландии в разные сезоны и на разных высотах, в работу введены два параметра — высота и сезон, оценивающие нормализующие коэффициенты корректировки в различных сезонных и высотных условиях. Применение предложенного метода корректировки коэффициентов обратного рассеяния к изображениям Sentinel-1 Гренландии показало, что предложенный метод превосходит метод косинусового сечения для коррекции одно-поляризационных изображений, а для перекрёстно-поляризационных изображений эффективность коррекции близка к методу косинусового сечения. Предложенный в настоящем исследовании метод коррекции позволяет лучше корректировать коэффициенты обратного рассеяния широкополосных SAR-изображений Sentinel-1 ледяного щита Гренландии, снижая неопределённость последующего применения.

ключеви́че слова́

дистанционное зондирование; нормализация коэффициентов обратного рассеяния; угол падения; Sentinel-1; ледяной щит Гренландии; синтетическая апертура радара; криосфера; ледник; мозаика изображений

References

  1. 1.
    Aldenhoff W, Eriksson L E B, Ye Y F and Heuzé C. 2020. First-year and multiyear sea ice incidence angle normalization of dual-polarized Sentinel-1 SAR images in the Beaufort Sea. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13: 1540-1550
  2. 2.
    Ardila J P, Tolpekin V and Bijker W. 2010. Angular backscatter variation in L-Band ALOS ScanSAR images of tropical forest areas. IEEE Geoscience and Remote Sensing Letters, 7(4): 821-825
  3. 3.
    Howat I. 2017. MEaSUREs Greenland Ice Mapping Project (GIMP) Land Ice and Ocean Classification Mask, Version 1. Boulder, Colorado, USA: NASA National Snow and Ice Data Center Distributed Active Archive Center
  4. 4.
    Howat I, Negrete A and Smith B. 2017. MEaSUREs Greenland Ice Mapping Project (GIMP) Digital Elevation Model from GeoEye and WorldView Imagery, Version 1. Boulder, Colorado, USA: NASA National Snow and Ice Data Center Distributed Active Archive Center
  5. 5.
    Howat I M, Negrete A and Smith B E. 2014. The Greenland Ice Mapping Project (GIMP) land classification and surface elevation data sets. The Cryosphere, 8(4): 1509-1518
  6. 6.
    Huang L, Li Z, Zhou J M and Tian B S. 2014. Glacier change monitoring using SAR: an overview. Advances in Earth Science, 29(9): 985-994
  7. 7.
    Joughin I. 2020. MEaSUREs Greenland Image Mosaics from Sentinel-1A and -1B, Version 3. Boulder, Colorado, USA: NASA National Snow and Ice Data Center Distributed Active Archive Center
  8. 8.
    Joughin I, Smith B E, Howat I M, Moon T and Scambos T A. 2016. A SAR record of early 21st century change in Greenland. Journal of Glaciology, 62(231): 62-71
  9. 9.
    Kundu S and Chakraborty M. 2015. Delineation of glacial zones of Gangotri and other glaciers of Central Himalaya using RISAT-1 C-band dual-pol SAR. International Journal of Remote Sensing, 36(6): 1529-1550
  10. 10.
    Li X, Che T and Li X W. 2020. Remote Sensing of Cryosphere. Beijing: Science Press: 38-40
  11. 11.
    Makynen M P, Manninen A T, Simila M H, Karvonen J A and Hallikainen M T. 2002. Incidence angle dependence of the statistical properties of C-band HH-polarization backscattering signatures of the Baltic Sea ice. IEEE Transactions on Geoscience and Remote Sensing, 40(12): 2593-2605
  12. 12.
    Menges C H, van Zyl J J, Hill G J E and Ahmad W. 2001. A procedure for the correction of the effect of variation in incidence angle on AIRSAR data. International Journal of Remote Sensing, 22(5): 829-841
  13. 13.
    Mladenova I E, Jackson T J, Bindlish R and Hensley S. 2013. Incidence angle normalization of radar backscatter data. IEEE Transactions on Geoscience and Remote Sensing, 51(3): 1791-1804
  14. 14.
    Nagler T and Rott H. 2000. Retrieval of wet snow by means of multitemporal SAR data. IEEE Transactions on Geoscience and Remote Sensing, 38(2): 754-765
  15. 15.
    O’Grady D, Leblanc M and Gillieson D. 2013. Relationship of local incidence angle with satellite radar backscatter for different surface conditions. International Journal of Applied Earth Observation and Geoinformation, 24: 42-53
  16. 16.
    Ramage J M, Isacks B L and Miller M M. 2000. Radar glacier zones in southeast Alaska, U.S.A.: field and satellite observations. Journal of Glaciology, 46(153): 287-296
  17. 17.
    Sun Y and Li X M. 2021. Denoising Sentinel-1 Extra-Wide mode cross-polarization images over sea ice. IEEE Transactions on Geoscience and Remote Sensing, 59(3): 2116-2131
  18. 18.
    Ulaby F T, Moore R K and Fung A K. 1982. Radar remote sensing and surface scattering and emission theory. Microwave Remote Sensing: Active and Passive, Volume II.
  19. 19.
    Wang M, Li X W, Liang L and Lu W Y. 2016. Study of snowmelt detection on the Antarctic Peninsula ice sheet derived from Radarsat-2 dual-pol data. Chinese Journal of Polar Research, 28(1): 103-112
  20. 20.
    Wessel P and Smith W H F. 1996. A global, self-consistent, hierarchical, high-resolution shoreline database. Journal of Geophysical Research: Solid Earth, 101(B4): 8741-8743
  21. 21.
    Yackel J, Geldsetzer T, Mahmud M, Nandan V, Howell S E L, Scharien R K and Lam H M. 2019. Snow thickness estimation on first-year sea ice from late winter spaceborne scatterometer backscatter variance. Remote Sensing, 11(4): 417
  22. 22.
    Ye N, Walker J P and Rudiger C. 2015. A cumulative distribution function method for normalizing variable-angle microwave observations. IEEE Transactions on Geoscience and Remote Sensing, 53(7): 3906-3916
  23. 23.
    Zhang Z L, Yu Y N, Li X Q, Hui F M, Cheng X and Chen Z Q. 2019. Arctic sea ice classification using microwave scatterometer and radiometer data during 2002-2017. IEEE Transactions on Geoscience and Remote Sensing, 57(8): 5319-5328
  24. 24.
    Zheng L, Zhou C X and Wang K. 2020. Enhanced winter snowmelt in the Antarctic Peninsula: automatic snowmelt identification from radar scatterometer. Remote Sensing of Environment, 246: 111835
  25. 25.
    Zhou C X and Zheng L. 2017. Mapping radar glacier zones and dry snow line in the Antarctic Peninsula using Sentinel-1 images. Remote Sensing, 9(11): 1171

Читать полностью

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website