Восемнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»
XVIII.A.234
Верификация метода автоматизированного определения возраста ледяного покрова по данным спутниковых радиолокаторов
Захваткина Н.Ю. (1,2), Бычкова И.А. (1), Смирнов В.Г. (1)
(1) Арктический и Антарктический научно-исследовательский институт (ААНИИ), Санкт-Петербург, РФ
(2) Научный фонд Международный центр по окружающей среде и дистанционному зондированию имени Нансена (Фонд "Нансен-центр"), Санкт-Петербург, РФ
Информация о возрасте, сплоченности и пространственном распределении льдов необходима для обеспечения безопасности навигации, рыболовства, работ по разведке и эксплуатации месторождений углеводородного сырья в полярных районах Арктики. Исследования с целью обнаружения основных стадий развития морского льда (старый/однолетний) проводились с использованием данных радиолокаторов с синтезированной апертурой (РСА) спутников Sentinel-1A и B в режиме сверхширокой полосы обзора (EW), получаемых одновременно в двух поляризациях (ГГ и ГВ).
РСА системы формируют изображение, измеряя мощность принимаемого сигнала, по величине которого в дальнейшем определяется удельная эффективная площадь рассеяния (УЭПР) подстилающей поверхности. При визуальном анализе РСА-изображения морского льда основным прямым дешифровочным признаком является яркость, которая может значительно изменяться в зависимости от вида льда, его форм и шероховатости поверхности. Преобразование безразмерных данных, получаемых с датчиков, в нормализованные значения отраженной или переизлучаемой энергии (коэффициенты обратного рассеяния или значения УЭПР морских льдов) происходит в процессе радиометрической или абсолютной калибровки.
Процесс предварительной обработки РСА-данных является важной стадией технологии использования спутниковых данных для определения характеристик ледяного покрова. Исходные данные EW подвергаются коррекции зависимости значений обратного рассеяния от угла падения для ГГ-поляризации. Для ГВ-поляризации снижают эффекты шума, вызванного техническими особенностями аппаратуры в данном режиме съемки. После преобразования в значения УЭПР возможна корректная тематическая обработка РСА-изображений. Пространство признаков для классификации объектов РСА-изображений расширяется использованием текстурных характеристик, которые обеспечивают более достоверное определение возраста ледяного покрова. Классификация РСА снимков для автоматического определения основных типов морского льда и картирования границы старого льда проводилась на основе метода нейронных сетей (НС) с обратным распространением ошибки.
В процессе классификации методом НС были обнаружены некоторые систематические ошибки. Для их устранения НС были обучены несколько раз с добавлением ранее неиспользовавшихся при обучении градаций льда, а также новых наборов данных для обучения в районах, где были сделаны ошибки.
Для верификации полученных результатов применяются генерализованные карты ААНИИ и визуальные оценки ледового эксперта. Сравнение границы старых льдов, полученной по данным микроволновых радиометров специалистами OSI SAF, с результатами НС классификации и ледовыми картами ААНИИ показало довольно значительное расхождение положения границ. Разница в положении границ старых льдов, обнаруженных методом НС и проведенных ледовыми экспертами, не превышала 10 км. Выполненное сравнение результатов классификации старых и однолетних льдов на серии из ~100 РСА и квазисинхронных ледовых карт ААНИИ позволило оценить общую точность классификации по методу НС, составившую ~ 85,4%. При валидации результатов классификации с помощью карт ААНИИ или данных OSI SAF, имеющих разрешение 12,5 км важно иметь в виду, что достаточно подробный продукт классификации очень трудно сравнить с генерализованной информацией. Поскольку карты ААНИИ содержат общие границы зон того или иного типа льда, внутри которых другие возрастные градации не выделяются, а дается указание на их наличие и балл их частной сплоченности.
В целом, автоматизированный алгоритм определения возраста льда методом НС показал хорошие результаты. Вместе с тем продемонстрировано, что технология валидации продуктов классификации РСА-изображений ледяного покрова, включая методологию валидации более детальных спутниковых данных, нуждается в дальнейшем совершенствовании.
Работа выполнена при финансовой поддержке РФФИ (грант №18-05-60124).
Ключевые слова: морской ледяной покров, старый лед, Арктика, радиолокатор с синтезированной апертурой, нейронные сети, классификация
Литература:
- Смирнов В.Г., Бычкова И.А., Захваткина Н.Ю., Миронов Е.У., Клячкин С.В. Мониторинг опасных ледовых явлений с использованием спутниковой информации и модельных расчетов. Метеорология и гидрология, 2019, № 11, с. 56 — 70.
- Haralick RM, Shanmugam K. and Dinstein I. Textural Features for Image Classification. IEEE Trans. Syst. Man Cybern., vol. 3(6), pp. 610–621, 1973.
- Mäkynen M., Karvonen J., Incidence Angle Dependence of First-Year Sea Ice Backscattering Coefficient in Sentinel-1 SAR Imagery Over the Kara Sea, IEEE Trans. Geosci. Remote Sens., 2017, Vol. 55, No. 11, pp. 6170-6181.
- Sentinel-1 Level 1 Detailed Algorithm Definition, Technical Report, ESA, 2019, Issue 2/2, 158 p.
- Thermal denoising of products generated by the Sentinel-1 IPF, Technical Report, Issue 1.1, ESA, 2017, 25 p.
- Zakhvatkina N., Alexandrov V., Johannessen O. M., Sandven S., and Frolov I. Classification of sea ice types in ENVISAT synthetic aperture radar images, IEEE T. Geosci. Remote, vol. 51, pp. 2587–2600, 2013.Komarov A.S., Buehner M., Detection of First-Year and Multi-Year Sea Ice from Dual-Polarization SAR Images Under Cold Conditions, IEEE Trans. Geosci. Remote Sens., 2019, Vol. 57, No. 11, pp. 9109-9123.
Методы и алгоритмы обработки спутниковых данных
21