Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Двадцатая международная конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XX.A.444

Обнаружение разрывов в морском ледяном покрове по спутниковым радиолокационным изображениям

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
Знание особенностей ледяного покрова Арктики имеет ряд важных практических приложений как для судоходства, так и для хозяйственной деятельности. Одной из наиболее актуальных и сложных задач современных систем обработки данных дистанционного зондирования является автоматизированное обнаружение и распознавание протяженных линейных объектов, в том числе на фоне земной и морской поверхности. На морской поверхности такими объектами являются нарушения сплошности (целостности) ледяного покрова (НСЛ, также разводье). НСЛ возникают вначале в виде трещин - ледовых разрывов шириной от нескольких миллиметров до нескольких метров, которые обычно имеют вытянутую форму. НСЛ отображается на снимках, полученных с помощью радиолокаторов с синтезированной апертурой (РСА), как пространства чистой воды среди льдов, либо заполненные льдом начальных форм. Расширяясь в результате подвижек ледяных полей, трещина может превратиться в канал — длинную узкую полосу чистой воды. Зимой такие разрывы имеют длину от нескольких километров до нескольких десятков и даже сотен километров и большей частью покрыты молодым льдом. При перемещении соседних полей изменяется ширина разрыва, образующийся в нем молодой лед частично выторашивается при сжатии, а при увеличении ширины разрыва, что обычно происходит неравномерно, образуются хорошо заметные полосы льда разной толщины, косвенно указывающие на время и направление движений. Летом нарушения сплошности представляют собой разрывы в сплоченном, но более раздробленном, чем зимой, льду; их форма и размер очень нестабильны и быстро меняются.
В исследовании используются РСА-изображения, полученные со спутников Sentinel-1A, 1B в режиме сверхширокой полосы обзора (Extra Wide, EW) с ГГ и ГВ поляризацией (ко- и крос-поляризационные каналы). Продукты уровня L1 с наземным обнаружением среднего разрешения (GRDM) обеспечивают охват большой полосы - 410 км, полученной в пяти полосах обзора с пространственным разрешением ~ 90 м и размером пикселя 40 м. 
В докладе излагается алгоритм оценки нарушений сплошности ледяного покрова по данным РСА, состоящий из ряда последовательных процедур, начиная от предварительной обработки и до классификации с помощью нейро-сетевого (НС) метода. Предварительная обработка данных РСА состоит из нескольких этапов, необходимость которых обусловлена типом данных и режимом поляризации. 
На первом этапе предварительной обработки РСА-изображения должна быть выполнена угловая коррекция, заключающаяся в компенсации влияния угла падения на значения интенсивности сигнала на ГГ канале, подавление шума на ГВ канале и преобразование значений интенсивности в УЭПР, а также ряд необходимых преобразований данных. 
На анализируемом участке изображения должны быть рассчитаны текстурные характеристики (ТХ), вычисляемые на основе методики Харалика по матрице совместной встречаемости уровней яркости. При исследовании значительного количества снимков после расчета набора текстурных характеристик РСА-изображений для обеих поляризаций проводится статистический анализ для определения оптимального набора входных признаков на этапе подготовки к обучению НС. 
Для ко-поляризационного и кросс-поляризационного каналов после этапа предварительной обработки должны быть рассчитаны поляризационное отношение и поляризационная разность. На этом же этапе определяется пороговое значение как локальный минимум по гистограмме распределения значений отношений. По этому порогу выделяется множество неоднородностей ледяного покрова, в том числе повторно замерзшие разрывы, покрытые более тонким молодым льдом, а также однолетним, кроме того выделяются открытые водные пространства с начальными видами льда. Для выявления каналов с открытой водой необходим дополнительный этап, заключающийся в применении фильтра Собеля с целью выделения краев.  Полученные данные ко-поляризационного отношения и разности далее используются для обнаружения темных разрывов
Для непосредственной классификации изображений применяется метод НС, на вход которых подаётся набор ранее подготовленных характеристик. На выходе нейрон с максимальной активностью указывает принадлежность к распознанному классу.
На последнем этапе происходит объединение результатов классификации с результатами выделения краев оператором Собеля. Решение о принадлежности к классу “спокойная водная поверхность” принимается, если в области, выделенной оператором Собеля, количество пикселов этого класса, выделенного с помощью НС,  превосходит количество пикселов другого класса. Такая область будет считаться разрывом, заполненным спокойной водой или ниласом. 
Результаты работы предложенного алгоритма выделения нарушения сплошности ледяного покрова по спутниковым радиолокационным данным проиллюстрированы на примерах дешифрирования РСА-изображений Sentinel в акватории Северного морского пути в навигацию 2021 г.

Ключевые слова: морской ледяной покров, разрывы, Арктика, радиолокатор с синтезированной апертурой, нейронные сети, классификация
Литература:
  1. Лосев С.М., Дымент Л.Н., Миронов Е.У. Протяжённость крупных разрывов в дрейфующем льду приатлантической части Арктического бассейна по данным снимков ИСЗ. Лёд и Снег. 2017;57(4):543-552.
  2. M. Johansson, C. Brekke, G. Spreen, and J.A. King, “X-, C-,and L-band SAR signatures of newly formed sea ice in Arctic leads during winter and spring”, Remote Sens. Environ., 204, pp. 162–180, 2018.
  3. N. Ivanova, P. Rampal, and S. Bouillon. “Error assessment of satellite-derived lead fraction in the Arctic”, The Cryosphere, 10, pp. 585–595. 2016.
  4. N. Longepe, P. Thibaut, R. Vadaine, J.-C. Poisson, A. Guillot, F. Boy, and F. Borde, “Comparative Evaluation of Sea Ice Lead Detection Based on SAR Imagery and Altimeter Data,” IEEE Trans. Geosci. Remote Sens., 1–12, 2019.
  5. D. Murashkin, G. Spreen, M. Huntemann, and W. Dierking, “Method for detection of leads from Sentinel-1 SAR images,” Ann. Glaciology, 59 (76pt2), 2018.
  6. Zakhvatkina N., Smirnov V., Bychkova I., Stepanov V. Detection of the leads in the arctic drifting sea ice on SAR images. Proc. of the Progress In 41th annual International Geoscience and Remote Sensing Symposium (IGARSS) 2021 in Brussels, Belgium, 12-16 July, 2021. Pp. 4276-4279.

Видео доклада

Методы и алгоритмы обработки спутниковых данных

34