Содержание к диссертации
Введение
Глава I. Анализ современных систем спутникового мониторинга Арктики 9
1. Некоторые общие принципы дистанционного зондирования 9
2. Анализ технических характеристик оптических и микроволновых операционных систем мониторинга на базе спутников серий океан 14
3. Анализ технических характеристик многоканальных микроволновых операционных систем мониторинга SSM/I на базе спутников серии DMSP 5D-2 F8, FI1 HF13 21
4. Анализ технических характеристик радарных систем с синтезированной апертурой на базе спутников серии ERS, JERS, RADARSAT 23
5. Анализ технических характеристик оптических и тепловых систем наблюдения AVHRR на базе спутников NOAA 27
Выводы и предложения 27
Глава ІI. Исследование и разработка алгоритмов первичной обработки спутниковых данных 29
1. Алгоритм георегистрации данных ОКЕАН-01 30
2. Алгоритмы радиометрической коррекции по данным ОКЕАН-01 37
3. Алгоритм вычисления удельной эффективной площади рассеяния по данным радиолокатора бортового обзора 40
4. Алгоритм вычисления ралиояркостной температуры по данным микроволнового радиометра РМ-08 46
5. Коррекция калибровочного клина микроволнового радиометра РМ-08 данными канала 37Н многоканального сенсора SSM/1 49
6. Алгоритмы первичной обработки изображений RADARSAT 51
7. Алгоритмы первичной обработки изображений AVHRR 55
Выводы и предложения 56
Глава III. Исследование и разработка алгоритмов обработки спутниковых микроволновых данных для оценки геофизических параметров ледового покрова Арктики 58
1. Алгоритм оценки типов и конценірацнй морского льда по данным ОКЕАН-01 58
2. Алгоритм оценки концентраций морского льда по данным многоканального микроволнового радиометра SSM1 62
3. Исследование и разработка алгоритмов классификации AVHRR 63
4. Исследование и разработка алгоритма определения физической температуры поверхности 67
5. Разработка алгоритмов классификации изображений и оценки концентраций морского льда по данным RADARSAT 69
6. Разработка алгоритмов оценивания концентраций талых озер и альбедо морского льда 72
7. Методология построения цифровых карт геофизических параметров Арктики 76
Выводы и предложения 85
Глава IV. Анализ результатов обработки спутниковых микроволновых данных и картографирования параметров ледового покрова 88
1. Сравнительный анализ алгоритмов обработки спутниковых микроволновых данных 89
2. Анализ эффективности метода коррекции калибровочного клина микроволнового радиометра РМ-08 по данным SSM/1 104
3. Картографирование типов и концентраций морского льда по данным SSM/I и ОКИАН-01. Сравнительный анализ результатов картографирования 108
4. Картографирование типов и концентраций морского льда поданным SSM/I и RADARSAT. Сравнительный анализ результатов картоірафироваиия 116
5. Сравнительный анализ результатов картографирования протяженности н плошали ледового покрова поданным микроволновых сенсоров OKEAH-0J и SSM/I 119
6. Картографирование концентраций талых озер и альбедо по данным ОК1лАН-01 и
SSM/I. Валидация результатов данными AVHRR 122
Выводы и предложения - 128
Заключение 130
Список литературы 134
- Анализ технических характеристик оптических и микроволновых операционных систем мониторинга на базе спутников серий океан
- Алгоритм вычисления удельной эффективной площади рассеяния по данным радиолокатора бортового обзора
- Разработка алгоритмов классификации изображений и оценки концентраций морского льда по данным RADARSAT
- Картографирование типов и концентраций морского льда по данным SSM/I и ОКИАН-01. Сравнительный анализ результатов картографирования
Введение к работе
Изучение Арктики играет важную роль в решении ряда научных и народі іохоаяйствсщшх задач. Одной нз наиболее актуальных современных глобальных проблем является изменение окружающей среды, экологической ситуации и климата: увеличивается загрязнение Мирового океана, уменьшается биоразнообразие- изменяется состав атмосферы (разрушается озоновый слой Земли, возрастает концентрация углекислого газа), увеличивается парниковый эффект, возникает глобальное потепление [3].
Доминирующее положение в глобальном механизме изменения климата занимают по;шрные регионы. Поэтому они являются хорошим индикатором возможного потепления [3,15,30].
Оценки возможных изменений климата полярных регионов и разработка сценариев его изменчивости для планирования народнохозяйственной деятельности является одной из наиболее приоритетных проблем [29]. В настоящее время существует большое количество глобальных и р^піонягткнмх мпде.гтей кттимятя и сценариев его изменения [471. Г)ти мпдеіга наиболее интенсивно развиваются за рубежом. Однако достоверность прогнозов мало значима и ограничивается неадекватностью параметризации сложных геофизических процессов, объемом и достоверностью данных, в связи с чем необходимо изучение сезонной, годовой, межгодовой вариабельности и трендов климатических параметров полярных регионов на основе анализа многолетних наблюдений со спутников, сети буев, подводпых лодок, гидрометеорологической сети (температура, осадки, снежно-ледовый и почленно-растительный покров), а также разработка методов обработки спутниковых данных для оценки геофизических параметров и моделей климата Арктики [112].
Процессы, происходящие в полярных льдах, имеют- грандиозные пространственные и временные масштабы. Сложные климатические условия полярных регионов затрудняют проведение традиционных наземных и аэровизуальных исследований. Поэтому требуется интенсивное развитие современных методов мониторинга и картографирования Арктики с использование спутниковых измерительных систем, оснащенных многоспектральиыми сенсорами [11].
В настоящее время в нашей стране и за рубежом (США, Канада, Норвегия, Япония) исследования изменений климата Арктики в значительной степени основываются на использовании информации гидрометеорологической сети о температуре, осадках, характеристиках снежно-ледового покрова, речном стоке и др., а также моделей климата {46, 97].
В России созданы базы данных циклонической активности, ледовой обстановки и состояния почвенно-растительного покрова для значительной части территории за последние 65 лет. Исследуются вариабельность и тренды изменения ледового покрова Арктики |3, 96, 120, 121]. Тренды и моделирование демонстрируют возможное потепление, однако требуются дальнейшие исследования, позволяющие получить более достоверные научные данные [148J.
Систематизация и статистический анализ данных ледового покрова Арктики способствуют обоснованию изменений и возможных трендов соответствующей межгодовой изменчивости климата.
Существенное значение при анализе указанных трендов приобретают спутниковые наблюдения Арктики и прилегающих регионов, по которым за последние 25 лет собраны обширные базы данных [92-94, 56, 121, 136, 148]. Изучение и каргоірафирование ледового покрова Арктики чрезвычайно важно для народнохозяйственных целей: освоение полезных ископаемых шельфовой зоны, рыбный промысел, полярная навигация и др. [3. 30].
Спутниковые сенсоры функционируют в оптическом, инфракрасном и микроволновом диапазонах электромагнитного излучения. Однако применение оптических и инфракрасных сенсоров в условиях Арктики ограничено полярной ночью и значительной облачностью. Эффективность использования активных и пассивных микроволновых сенсоров не зависит от условий освещенности и облачности [3, 30,33, 46, 47,65,96].
Среди спутниковых систем мониторинга Арктики, функционирующих в операционном режиме, следует выделить Российские спутники серии ОКБАН-01 с радиолокационной системой и микроволновым радиометром, американские спутники серии DMPS F-8,-11,-13 с многоканальным микроволновым сенсором SSM/1 [60, 80], и серии спутников с радаром с синтезированной апертурой, позволяющие получать данные высокого разрешения: канадский RADARS AT, европейские ERS-1,-2 и японский JERS-1 [53, 87,116, 126].
Процесс рассеяния и излучения электромагнитных воли для морского льда в микроволновом диапазоне (при 0.4 см < X < 4.54 см) зависит главным образом от его типа (солености и. как следствие, диэлектрических свойств; плотности; однородности; шероховатости поверхности; характера снежного покрова; распределения воды), параметров сенсоров (частоты, и поляризации) и условий наблюдения (углов наблюдения) [29]. Таким образом, пассивные и активные измерения позволяют определять структуру, возраст» концентрацию, протяженность и другие характеристики морского льда [4-8, 16, 17. 49, 51, 52,58,61,70-75, 133,147].
Оценивание и картографирование геофизических параметров имеют важное значение для изучения энергетического баланса Арктики [3-6, 30, 46, 47]. Одной из важнейших характеристик является интегральное альбедо [13, 55, 76, 77], которое может быть измерено с использованием оптических данных [76, ПО, 111]. В летний период происходит уменьшение альбедо из-за таяния льда и образования талых озер. Поэтому оценка типов и концентраций морской поверхности, в том числе и талых озер, важна в изучении климата Арктики. Другим важным параметром является температура поверхности. С ее помощью возможна идентификация начала сезона таяния снега и льда, его протекания, и начало периода льдообразования. Изучение этих процессов существенно при исследовании альбедо поверхности и, следовательно, для решения энергетических задач.
Классификация данных дистанционного зондирования Земли из космоса в обшем случае является довольно сложной задачей. Для классификации спутниковых данных в настоящее время широко используются стандартные алгоритмы, базирующиеся на статистических методах или эмпирических данных [109]. Однако практическое применение этих алгоритмов нередко наталкивается на ряд трудностей, вызванных большими размерами входных данных, неоднородностью подстилающей поверхности и другими факторами, усложняющими задачу.
В настоящее время вопросам оценивания геофизических параметров Арктики и верификации результатов уделяется большое внимание. Для валидации данных одних сенсоров используются данные других сенсоров, а также ограниченные результаты наземных наблюдений [4, 7, 13, 50, 55, 74, 83, 84, 107, 124, 137, 150, 151]. Сбор наземных данных в условиях обширных и труднодоступных регионов Арктики весьма затруднителен.
Различные вопросы обработки активных и пассивных микроволновых данных спутников серии ОКЕАН-0І и КОСМОС-І500 представлены в работах [I, 5, 6, 11, 16- 28, 32, 37, 49. 56, 57). В публикациях [4-7, 49-52] предложены различные методы классификации арктического морского льда с использованием активных и пассивных микроволновых спутниковых данных (ОКЕА11-01, RADARSAT, SSM/1), проведен их сравнительный анализ. В работе [10] представлен метод классификации бореальных лесов по многоканальным микроволновым изображениям спутников серии ОКЕАН-01, Два алгоритма оценивания конценірации морского пкда поданным микроволнового радиометра SSM/I, реализованные и работающие в операционном режиме в Ледовом центре университета Колорадо, рассмотрены и проанализировать] в работе [74]. В работе [88] проведен сравнительный анализ различных методов классификации льда по данным ERS, а в работе [81] представлен метод оценки типов и концентраций морского льда с одновременным использованием данных ERS и RADARSAT. В статье [140] описывается метод классификации изображений RADARSAT (ScanSAR) на лед и воду, также по данным этого сенсора проведена оценка скорости таяния и скорости перемещения льда па грапице с открытой водой в районе побережья Ньюфаундленда. Сравнительный анализ данных RADARSAT и результатов полевых исследований (визуальных наблюдений) проведен в [134]. Проанализированы особенности восприятия радаром различных форм льда (ледяное сало, иилас, однолетний лед, айсберги). Метод оценивания и документирования талых озер и отражающей способпостн (альбедо) морского льда исследоваи в работах [13, 59, 76, 77, 98, 110, 111,141, 149]. Взаимосвязь между оптическими (альбедо) и микроволновыми (обратное рассеяние) геофизическими параметрами поверхности морского льда при фиксированной силе и направлению ветра исследована ь работах [150,151].
В данной работе особое внимание уделялось следующим вопросам: 1) разработке алгоритмов и программного обеспечения оценки геофизических параметров морской поверхности Арктики, 2) разработке алгоритмов построения цифровых тематических карт полярных регионов с различным пространственным разрешением по спутниковым микроволновым данным и 3) исследованию точности результатов классификации и картографирования на основе сравнительного анализа.
Основными целями диссертационной работы являлись: анализ современных систем слушикового систематического и обзорного мониторинга Арктики; исследование и разработка алгоритмов радиометрической и геометрической коррекции радарных и радиометрических микроволновых данных; исследование и разработка алгоритмов оценки типов и концсігграций морского льда поданным различных спутниковых измерителей; исследование и разработка алгоритмов оценки физической температуры и альбедо поверхности по микроволновым данным; разработка методологии построение цифровых карт геофизических параметров Арктики; анализ алгоритмов и результатов картографирования Диссертация включает четыре главы.
В первой главе приведен обзор современных систем спутникового мониторинга Арктики, технических параметров сенсоров и характеристик получаемых изображений.
Вторая глава содержит результаты исследований по созданию алгоритмов первичной обработки спутниковых изображений: геометрической и радиометрической коррекции, выравниванию и маскированию изображений, вычислению микроволновых геофизических параметров.
Третья глава посвящеиа вопросам создания алгоритмов оценки типов и концентраций морского льда, оценки оптических (альбедо) и тепловых (физической температуры) геофизических параметров морской поверхности по микроволновым данным, а также методологии построения цифровых карт.
Результаты построения цифровых карт и анализ алгоритмов приведены в четвертой главе.
Диссертационная работа выполнялась в рамках государственных, федеральных и международных программ, в частности: ГНТП «Изучение Мирового океана, Арктики и Антарктики»; Российского Фонда Фундаментальных Исследований (РФФИ); ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники гражданского назначения»; ФЦНТП «Астрономия. Фундаментальные космические исследования», направление «Фундаментальные космические исследования»; Российско-Американского межправительственного соглашения по охране окружающей среды.
Автор выражает благодарность своим коллегам И. В. Алпадкому, В. А. Кремееву, И. II. Мордвинцеву за большой вклад в серию совместных работ, использованных при подготовке диссертации, профессорам, д. т.н. А. Г. Чибуничеву, А.П.Михайлову, И. Г. Журкину и А. Ф. Стеценко за полезную дискуссию по актуальным проблемам дистанционного зондирования во время сдачн кандидатского минимума, а также особую благодарность и признательность научному руководителю, проф., д. т. н. Бельчанскому Г, И. за его внимание и помощь в период аспирантской подготовки и написания диссертации.
По теме диссертации автором опубликовало 5 статей и 9 научных отчетов [7, 13, 14,49, 50]. Отдельные разделы представлены на всероссийских и международных симпозиумах и конференциях [54, 55].
Диссертация состоит из введения, 4 глав, заключения и списка литературы из 151 источника. Объем работы: 144 страницы текста, 85 рисунков и 19 таблиц.
Анализ технических характеристик оптических и микроволновых операционных систем мониторинга на базе спутников серий океан
Данные со спутников передаются в режиме реального времени на терминалы, расположенные в различных точках земного шара. Изображения хранятся в бортовом запоминающем устройстве и передаются для обработки в Центр наблюдения за глобальным климатом ВВС США (Air Force Global Weather Central, AFOWC), находящийся в І Іебраске, и в Центр цифровой метеорологии и океанографии флота (Fleet Numerical Meteorology and Oceanography Center, FNMOC), Монтерей, Калифорния. Обе организации передают данные SSM/I и других приборов в Американскую национальную информационную систему спутниковых данных (National Environmental Satellite Data and Information System, NESDIS). AFGWC, кроме того, посылает данные в Американский национальный центр геофизических данных (Naiional Geophysical Dala Center, NGDC).
Спутники DMSP испо.тьтуют для связи с землей радиолинию с пропускной способностью 1024 Мб/с для передачи данных в режиме реального времени. Данные иг бортового запоминающего устройства передаются на землю со скоростью 2.66 Мб/с в центры приема в Фэйрчайлд (шт. Вашингтон), в Туле (Гренландия), на станцию дистанционного слежения ВВС США на Гавайях и на станцию дистанционного слежения в Нью-Гемпшире. Передача данных в AFOWC и FNMOC осуществляется через коммерческий спутник связи.
Основным преимуществом изображений, получаемых с помощью радаров с синтезированной апертурой, является высокое пространственное разрешение и средняя ширина полосы обзора.
Спутники серии ERS (European Remote Sensing) разрабатываются Европейским Космическим Агентством. Эти спутники имеют околополярігую солнечно-синхронную орбиту, высота 785 км. Основная цель программы по запуску этих спутников состоит в обеспечении региональных и глобальных наблюдений, мониторинг различных ресурсов и полярных регионов [116]. На спутниках установлен приборы Active Microwave Instrument САМІ). Они работают на длине волны 5.7 см и сочетают в себе функции радара с синтезированной апертурой и скаттерометра. Режим радара может быть задействован не более чем на 12 минут за виток. Одновременная работа скаттерометра и радара невозможна. Радары на спутниках ERS имеют VV-поляризацию. Ширина полосы обзора 100 км. пространственное разрешение 20 м по дальности и 30 м по азимуту при четырех проходной обработке. Радары полностью калиброваны - и геометрически и радиометрически. Радар на спутнике ERS-1 работает в двух различных режимах приема данных: режим стандартного изображения и «волновой» режим, который используется для определения направления и длины океанических волн иа небольших фрагментах основного изображения размером 5 км на 5 км, расположенных через каждые 200 - 300 км..
Программы RRS-1, -2 направлены главным образом на глобальное использование активных микроволновых измерителей, что дает возможность провести ряд измерений параметров океана, морей и поверхности льда, возможность мониторинга прибрежных зон. параметров льда, геологических явлений, растительности, процессов на земной поверхности, гидрологии н создания цифровых моделей ландшафта. Данные со спутников ERS принимаются на специальных станциях, расположенных по всему миру и используются в различных областях от мониторинга почв до определения спектра и направления океанических волн [116]. Наземный сегмент ERS состоит из центров управления полетом, центров приема, обработки и хранения данных. Этот сегмент обеспечивает также удовлетворение пользовательских запросов.
Японский спутник JRRS (Japanese Earth Resources Satellite) несет радар с синтезированной апертурой JKRS-1 SAR. Основная цель - глобальные и региональные наблюдения земной поверхности, мониторинг различных ресурсов, исследования полярных регионов. JERS-1 находится на солнечно-синхронной полярной орбите на высоте 568 км. Среди приборов присутствуют радар с синтезированной апертурой и оптический сенсор. Радар работает в L-лиапазоие на длине волны 23.5 см с горизонтальной поляризацией. Ширина полосы обзора составляет приблизительно 75 км. Пространственное разрешение 18 мх 13 м при трехироходной обработке. Основные характеристики спутника и измерительных приборов приведены в табл. 6.
Канадский спутник RADARSAT запушен в рамках совместной программы Канадского Космического и Национальной Администрации по Авиации и Космонавтике (США). Па его борту установлен радар с синтезированной апертурой. Радар функционирует на частоте 5.3 ГГц. Испускаемое излучение горизонтально поляризовано, и антенна настроена на прием также горизонтально поляризованного сигнала. Данные RADARSAT используются для операционного мониторинга ледового покрова, текущего мониторинга прибрежных зон, сезонного наблюдения за лесными массивами н сельскохозяйственными регионами, глобальное покрытие земной поверхности для получения стереографических карт, слежение за судами и сбор информации об океанических волнах в серверной части Атлантического Океана и западной части Тихого океана [126]. Благодаря различным положениям луча радар способен работать в семи различных режимах (рис. 10) с шириной полосы обзора 100 км, 150 км и 50 км. При этом суммарная ширина полосы обзора составляет более 900 км. Режимы обеспечивают возможность выбирать пространственное разрешение, угол падения пучка и шириігу полосы обзора. Ширина полосы основного обзора 500 км. Возможно получение изображений с полосой обзора от ширины 500 км с разрешением около 100 м до ширины 50км с разрешением 10м. Характеристики всех режимов приведены в табл.5, основные периметры спутника приведены в табл. 6.
Сенсоры AV1IRR (Advanced Very High Resolution Radiometer - усовершенствованный радиометр с очень высоким разрешением) представляют собой пятиканальиые оптико-механические сканерные системы, обладающие высокой оперативностью съемок [109]. В настоящее время на борту спутников N0AA-12 и NOAA-14 (National Oceanic and Atmospheric Administration) функционируют системы AVHRR/2, работающие в диапазоне электромагнитного спектра от видимого до теплового инфракрасного; 1 - видимый (0.58-0.68 мкм); 2 - ближний ИК (0.725-1.10 мкм); 3 - средний ИК (3.55-3.93 мкм). 4 - тепловой ИК (10.30-11.30 мкм); 5 - тепловой ИК (11.50-12.50 мкм). Сенсор имеет пространственное разрешение для всех каналов - 1.1 км, ширина полосы захвата на местности - 2900 км, угол сканирования составляет 55.4 в обе стороны от надира. Вес пять каналов геометрически откорректированы, географическя привязаны и представлены в полярной стереографической проекции, размер пикселя -1x1 км.
Алгоритм вычисления удельной эффективной площади рассеяния по данным радиолокатора бортового обзора
Для построения гистограммы задаются минимальное значение, максимальное значение и ширина класса (либо число классов). 6 общем случае г открытой воды меньше ? морского льда, однако на углах наблюдения вблизи подспутникового следа может возникнуть обратная ситуация. Дня того, чтобы определить порог, необходимо, чтобы на гистограмме выделялось две моды. В случае унимодальности гистограммы проводится визуальный анализ фрагмента, так как бимодальность может быть скрыта доминированием одного типа поверхности над другим. Если унимодальность гистограммы не объясняется результатом визуального анализа, то осуществляется либо 1) сглаживание изображения осредняющнм или медианным фильтром небольшого окна (при необходимости применяется многошаговая фильтрация) [124], либо 2) разбиение на дополнительные фрагаенты [48, 67J. Выбор того или иного метода определяется экспериментально.
Определение порогов. Пороговые значения определяются для каждого фрагмента. Если гистограмма унимодальна и по ргзультатам визуального анализа на фрагменте присутствует один тип поверхности, порог задается таким образом, чтобы все пиксели изображения относились к этому типу. Порог бимодальной гистограммы определяется в точке локального минимума гистограммы, находящегося между двумя се пиками [125]. В случае радарных изображений при определении порогов учитывается, что распределение ег открытой воды на дальних углах наблюдения подчиняется нормальному закону, а распределение с? морского льда - логарифмически-нормаяы-:ому [124].
Классификация. Так как фрагменты не пересекаются друг с другом, то порог для каждого пикселя изображения равеп пороговому значения того фрагмента, которому принадлежит этот пиксель. Если по результатам визуального анализа сг открытой воды меньше сг морского льда, все пиксели, чья сг ниже порогового значения, относятся к открытой воле, а оставшиеся - ко льду. Ксли / открытой воды больше ? морского льда, то ситуация обратная.
Объединение фрагментов. После того, как все пиксели изображения расклассифицированы, осуществляется восстановление полного изображения по фрагментам.
Если визуальный анализ результатов классификащш удовлетворительный, тогда осу шести ляется чистовая классификация. В противном случае выбираются фрагменты с неудовлетворительной классификацией и заново перссчитываются. Чистовая классификация проводится с полным, неирореженным, изображением. Изображение делится на такие же фрагменты, что и черновое, прореженное, изображение. Анализ шетограмм и определение порогов не проводится, пороги и правила классификации используются но результатам черновой обработки. После завершение классификации осуществляются следующие действия (рис. 26): 1) преобразование изображения классов: открытой воде придается значение 0% концентрации морского льда, льду - 100%-ная концентрация, остальным пикселям значение не приписывается; 2) геометрическое преобразование из проекции снимка в полярную стереографическую проекцию с размером пикселя 100м и 25м для изображений ScanSAR и Standard Beam, соответственно. В случае изображений Standard Beam осуществляется синтез полосы. Кадры частично перекрываются, и для некоторых пикселей имеется два, а то и три, значения концентраций. В этом случае в пиксель заносится усредненное значение. 6. Разработка алгоритмов оценивания концентрации талых озер и альбедо морского льда В данном параграфе рассматриваются алгоритмы получения концентраций талых озер и альбедо морской поверхности по микроволновым данным [ІЗ]. В связи с тем, что валидация полученных результатов осуществлялась с использованием данных AVHRR, разработаны алгоритмы оценки кошентраций талых озер и альбедо по оптическим и тепловым данным. Оценка альбедо и концентраций талых озер осуществляется для регионов, превышающих размеры пикселя исходных данных. Алгоритм оценки концентрации талых озер по данным микроволновых измерений. В основе алгоритма лежит предположение, что талые озера имеют физическую температуру, близкую к температуре льда, ниже температуры открытой воды. Сравнительно небольшие значения излучательной способности и альбедо, а также невысокая концентрация льда в летний период обычно характеризуют наличие талых озер, однако необходимы наземные исследования [75J. Если имеется оценка конценчрации морского льда Срг по пассивным микроволновым данным, и известна истинная концентрация морского льда Ctr, тогда, очевидно, концентрация талых озер СМР может быть определена из следующей формулы [751: -72 Обычно маскирование земли осуществляется в стереографической проекции. При этом сначала осуществляется растеризация километровой полигональной векторной карты побережий в 1-км пикселе. После этого происходит преобразование в требуемый размер -82 пикселя с помощью билинейной интерполяции, если размер пикселя больше 1 км, и с помощью метода ближайшего соседа в противном случае. Если суша занимает более 5% площади пикселя, то данный пиксель отбрасывается и в обработке не участвует. Если маскирование землк осуществляется в проекции снимка, то необходимо перевести полигональную карту из стереографической проекции в проекцию снимка. При этом коэффициенты обратного пересчета должны определяться не по методу наименьших квадратов, а через известные коэффициенты прямого преобразования. Построение карты буев. Карта буев строилась для 5-км пикселя. Исходная сетка располагается в полярной стереографической проекции с нулевым меридианом 90Е. Расстояние между узловыми точками по горизонтальной и пэ вертикальной оси - 200 км [68, 131]. В этой проекции осуществлялось построение по методу ближайшего соседа карты буев в пикселе 5 км: каждому пикселю соответствовал номер буя, и в дальнейшем температура пикселя определялась как температура ближайшего буя. В связи с особенностями метода построения карты буев, связанными I) с точностью координат узловых точек и 2) с искажениями площадей азимутальной проекции, чтобы избежать перекрытия областей, отиосящнхея к разным буям, некоторые пиксели остались незначимыми, их количество составляет 18.7% от общего количества пикселей. Затем координаты узлов преобразовывались в стсреоірафическую проекцию с :тулевым меридианом 45\V. Получилась сетка, повернутая на 45. Построение карты температуры поверхности поданным ІАВР. Для построения карты температуры используется 5-км карта узловых точек, имеющих уникальный порядковый номер (идентификатор). Информация о соответствии идентификатора, даты и времени (первая или вторая половина дня) и температуры поверхности в дайной точке, содержится в файле. По идентификатору на данный момент времени находится температура поверхности и записывается в 5-км пиксель, соответствующий данному узлу. Если необходимо построить карту температуры поверхности для изображений с худшим пространственным разрешением, в новый пиксель записывается значение, подсчитанное с использованием метода билинейной интерполяции. Построение среднемесячных карт концентраций талых озер н альбедо. Для построения среднемесячных карт альбедо и концентраций чалых озер используются данные SSM/I и ОКЕАН-01 (либо SSM/I и RADARSAT). Территория для построения карт выбирается на основе визуального анализа таким образом для наиболее полного покрытия региона [13].
Разработка алгоритмов классификации изображений и оценки концентраций морского льда по данным RADARSAT
Клин представляет собой последовательность прямоугольных площадок протяженностью 48 строк каждая (рис. 14). Яркость пикселей площадки соответствует определенному и фиксированному значению радиояркостной температуры для РМ-08 и УЭПР для РЛС СО: такое соответствие называется градацией. Всего на микроволновых изображениях ОКЕАН-01 восемь градаций, которые периодически повторяются по площадкам вдоль всего изображения. Причем, для изображения по данным РМ-08 яркость градаций увеличивается сверху вниз, а для РЛС БО - уменьшается. Этот факт может быть использован при автоматической идентификации изображений. Нумерация градаций - с нулевой по седьмую, нумерация площадок начинается с нулевой.
Калибровочный клин используется для коррекции коэффициента усиления, изменяющегося по полю изображения, и для вычисления радиояркостной температуры Ть изображения РМ-08 и УЭГТР о" изображения РЛС БО. При работе с калибровочным клипом и непосредственно полем изображения для описания положения /-ого пикселя используется номер строки г, и номер столбца с . начиная с нулевого (размер изображения характеризуется числом строк г и числом элементов в строке с) [49].
Определение 7ft для РМ-08 и СУ ДЛИ РЛС ВО осуществляется на основе писіроении восьми градаций клина (аппроксимации) дпя конкретной строки и сопоставления яркости пиксепя с яркостями условных градаций для строки, в которой лежит пиксель. В основе метода лежит линейная интерполяция и экстраполяция [49].
На первом этапе обработки создается файл-документация, в который заносится следующая информация: первый и последний столбец клина и изображения, первая и последняя строка изображения, гервая строка градации. Затем определяются средняя строка площадки клина и ее усредненная яркость. После чего происходит идентификация градаций, т. е. сопоставление номеру площадки номера градации. Для каждой градации в плоскости номер строки - яркость по иЗЕестным точечным значениям (средняя строка и яркость) строится функция зависимости яркости градации от номера строки дпя всего поля изображения е использованием кусочно-линейной непрерывной интерполяции и линейной экстраполяции. Таким образом, долучаєм 8 кусочно-линейных кривых. По сечению по оси яркости для данной строки строится кусочно-линейная функция зависимости Ть или с? от яркости. И затем для каждого пикселя в строке определяется по этой функции Ть или Р для РМ-08 и РЛС БО, соответствешк.
Более подробное описание некоторых шагов радиометрической коррекции представлено в следующем виде. 1. Определение средней строки площадки. Первая площадка в общем случае неполная в святи с тем, что изображение может обрезаться сверху и/или снизу. В файле документации указана первая строка первой полной площадки. Исходя из фиксированной протяженности площадки (48 арок) нетрудно определить средние строки для всех градаций. Берется 24-ая строка с начала. 2. Определение средней яркости площадки. Яркость площадки - интенсивность в условных единицах эталонного сигнала - должна быть постоянной, и соответствует одной градации. Но из-за многократного двухстороннего аналого-цифрового преобразования, помех s линии передачи данных и в результате оцифровки фотоснимка появляется некоторый разброс значений вокруг среднего. Для дальнейших вычислений используется осредненное значение площадки после исключения «грубых сбоев» - пикселей, яркость которых существенно отличается от среднего значения. Алгоритм вычисления средней яркости площадки имеет следующий вид; 1) Создать и заполнить массив hfjj из Л = 256 чисел. Haj -ом месте згого массива должію стоять количество точек площадки с интенсивностью у. Этот массив является гистограммой яркости площадки, Число классов гистограммы 256 (от 0 до 255). так как исходное изображение представляется в формате байт на пиксель;
2) Задать размер половины апертуэы М - 8. Это значение получено .эмпирически и является половиной размера скользящего по гистограмме окна (апертурой). Полный размер окна 17; 3) Для каждого значения і в пределах от Л/ до Л -JV/ с шагом 1 вычистить сумму элементов массива с номерами от 1-М до і+М и найти значение максимальной из сумм. Значение /, при котором указанная сумма достигает максимума, обозначить через К. В случае, если максимумов несколько, запомнить положение последнего из них. В приведенном алгоритма в вычислении среднего значения участвуют точки, находящиеся близко к максимуму гистограммы. Таким образом, результаты (относительно редких) грубых сбоев и работе бортовых систем обработки данных отбрасываются. 3. Сопоставление номера градации номеру площадки. Эта процедура осуществляется путем нахождения максимальной разности между яркостями двух соседних площадок. Эти площадки соответствуют седьмой и нулевой градациям клина. Остальные площадки сравниваются с градациями по возрастанию яркостей градаций. Как только яркость следующей площадки меньше предыдущей, нумерация градаций начинается с нуля. \i итоге получается таблица соответствия номеров площадок и градаций клина. 4. Построение функции зависимости яркосгн от номера строки для каждой градации клина. По имеющимся точкам, соответствующим градации, в плоскости строка-яркость строится функция с использованием линейной интерполяции (две точки соединяются отрезком прямой) и зкетраполнции (продолжение прямой, если одна из точек - внешняя). Для реализации алгоритма необходимым условием является, чтобы на изображении каждая градация встречалась не менее двух раз (через одну точку нельзя построить кусочно-пинейную функцию). Формирование калибровочного клина осуществляется на борту с помощью устройства автоматической калибровки приємно-пере лающего тракта, для чего ослабленный и задержанный во времени импульс передатчика подается па вход приемника. Задержанный импульс передатчика, пройдя ьсе цепи приемника, блока обработки сигналов и линии передачи, формируется в виде периодически изменяемого калибровочного клина, расположенного перед строкой изображения, Все восемь градаций получаются путем изменения затухания импульса с использованием электрически управляемого аттенюатора в калибровочном тракте [21,22]. В табл. 7 [21] приведены числовые значения фиксированных параметров РЛС БО, используемые при калибровке. Кроме того, для калибровки необходимо знать величину коэффициента затухания в атмосфере А, зависящий от текущих атмосферных условий. Величина А изменяется в пределах от -3 до -0.5 дЬ. Для полярных регионов обычно используют фикенроианпое значение - 1дБ [1, 19].
Картографирование типов и концентраций морского льда по данным SSM/I и ОКИАН-01. Сравнительный анализ результатов картографирования
Для валидации использоваїось 9 синхронных пар AV1IRR - ОКЕАИ-01 в период с апреля по август 1996 г (табл. 15). В соотвегствии с этими лишенными облачности данными AVHRR для ваяидации использовалось лишь 35 квадратов 200 км х 200 км изучаемой территории, содержащих молодей лед и/или открытую воду. В течение рассматриваемого периода на территории из 35 регионов получено 54 наблюдения. Преимущественно рассматриваемые квадраты расположены в области зимнего однолетнего льда к северо-востоку от Северной Земли, к югу от Земли Франца Иосифа, вокруг Шпицбергена, и часть их находится в прилегающей к Баренцеву морю часги Северного Ледовитого океану.
Оцеика концентраций талых озер. В табл. 16 представлены 5 результатов сравнительного анализа оценок суммарных концентраций талых озер и открытой воды и 2 результата сравнительного анализа оценок концентраций талых озер. Для микроволновых данных концентрации талых озер оценивались с использованием данных и алгоритмов ОКЕАН-01 и SSM/I (NASA Team). Для данных AVHRR концентрации определялась по Высокое значение коэффициента корреляции показывает, что яркий лсд по гистоірамме канала 1 AVHRR выделен достаточно хорошо. Это в свою очередь затрудняет отделение по гистограмме первого канала AVHRR воды от талых озер. При классификации по двум каналам наблюдается небольшое увеличение коэффициента корреляции. При классификации по данным каналов 1 и 4 AVHRR наблюдается больше талых озер по сравнению с микроволновыми наблюдениями.
Оценка альбедо поверхности. В табл. 17 представлены результаты сравнительного анализа альбедо видимого диапазона и альбедо, построенного через оценки типов и концентраций морской поверхности. Альбедо в видимом диапазоне оказалось несколько выше альбедо, полученного по результатам классификациий AVHRR и оценки талых озер по микроволновым данным, за исключением ОКЕАН-01 (табл. 17» строка 9), с одинаковым значением альбедо талых озер и льда. В работе [13] производился сравнительный анализ двухмерных гистограмм, по которым определялось, в каком діапазоне альбедо происходила переоценка или недооценка альбедо по тем или иным методам н данным. При идеально выполненной классификации и тшисимости альбедо только от типа поверхности следует, что выбор априорных значений альбедо для открытой воды и талых озер (в случае объединения) завышен, априорное значение альбедо льда оказалось несколько заниженным, и априорное значение альбедо талых озер выбрано несколько ниже реального [13].
Сравнительный анализ оценок альбедо в видимом диапазоне и альбедо по микроволновым данным без учета талых озер показал, что отличия составляют не более 0.03. В табл. 17 (строки 5-6) приведены результаты сравнения альбедо видимого диапазона с альбедо по данным концентраций SSM/I по алгоритму NASA Team и концентраций ОКНАМ-01 по алгоритму линейной смеси. Для построения альбедо по микроволновым данным испо.тьзо вались априорные значения альбедо базовых типов, для открытой воды 0.1, для льда 0.6. Высокий коэффициент корреляции и сравнительно небольшое среднеквадратическое отклонение являются следствием хорошего совпадения как в области высокого (лед), так и низкого (вода) альбедо. Мо алгоритму NASA Team получилась переоценка альбедо в области высокой концентрации открытой воды (больше 0.2 при априорном значении 0.1). Данные концентраций ОКЕАН-01 показывают большие отличия в области альбедо, меньшем 0.4, что, вероятно, вызвано присутствием талых озер, которые ОКЕАН-01 распознает как лед; в области высоких значений альбедо ОКЕАН-01 поджато к порогу 0.6, что может свидетельствовать о завышенной концентрации морского льда. Картографирование концентрации талых озер и альбедо морского льда по микроволновым данным. Для построения среднемесячных карт альбедо и концентраций талых озер использовались данные SSM/1 (алгоритм NASA Team) и ОКЕАН-01 в период с апреля по октябрь 1996 г. включительно, покрывающих Карское и Баренцево моря. Но карчам альбедо оценивались средние значения для региона, эти данные приведены в табл. 18, в которой также для каждого месяца указано число изображений, с помощью которых осуществлялось построение карт талых озер н альбедо. На рис. 83 изображены карты талых озер, на рис. 84 - среднемесячные карты альбедо.
Как видно из табл. 18, наиболее высокое альбедо достигается в апреле-мае, а наиболее низкое - в сентябре. В апреле и мае таяние льдз и образование талых озер происходит только в нижних широтах, тогда как н верхних и лед. и снег еще имеют большое альбедо. В сентябре площадь льда минимальна, а в октябре начинается процесс образования льда. Среднемесячные карты талых озер (рис. 83) показывают, что площадь талых озер значительно меняется от месяца к месяцу. Наибольшая площадь достигается в сентябре, на рисунке хорошо видно на ледовой шапке, соответствующей этому периоду, достаточно высокую концентрацию талых озер (порядка 20%), наименьшая - в апреле. На рис. 85 представлено распределение среднемесячных концентраций талых озер (Й) И альбедо (б) вдоль трансекта (рис. 31).
Как и на среднемесячных картах, по трансекту мы наблюдаем сильное изменение расположения талых озер от месяца к месяцу (рис. 85л). На интервале от 0 до 250 км по оси трансекта, что соответствует области многолетнего льда в зимний период, концентрация талых озер с использованием данных по алгоритму NASA Team нс превышает 11% с апреля но июль включительно. В августе происходит значительное увеличение концентрации, достигающей максимума в сентябре (30%), а в октябре происходит уменьшение до 12%. В области однолетнего льда (500-1000 км по оси трансекта) максимальная концентрация приходится на июль. В августе этот лед растаивает, граница льда отходит к северу и на 250-500 км по оси трансекта максимум концентрации достигается в сентябре. В нижних широтах (1000-1250 км) максимальная концентрация талых озер в мае. Вблизи границы лсд-вода концентрация талых озер возрастает, как это видно на рис. 85, дальнейшее таяние приводит к исчезновению льда, грацица лед-зода смещается в более высокие широты.
Похожие диссертации на Исследование и разработка методов обработки спутниковых микроволновых данных для картографирования геофизических параметров ледового покрова Арктики
