LAND SURFACE ROUGHNESS PARAMETER RETRIEVAL BY INVERSE SIMULATION OF DUAL-POLARIZATION RADAR BACKSCATTERING

Автор(и)

DOI:

https://doi.org/10.32782/KNTU2618-0340/2021.4.2.1.22

Анотація

Radar remote sensing is a modern and advantageous method for aerospace research of the Earth. The mass commissioning of new high-resolution radar systems based on synthetic aperture radar (SAR) has greatly expanded the capabilities of radar imaging. The expediency of the SAR using was approved in domains that traditionally used remote sensing data, such as cartography, agriculture and forestry, mineral prospecting, environmental security, disaster monitoring, defense.

The primary physical parameter of the land surface, which is registered by non-interferometric SAR, is the radar backscattering coefficient (sigma nought). The received radar signal is a source for the complex simulation of backscattering processes and evaluation of the secondary land surface physical and biophysical characteristics: texture, soil moisture, dielectric permittivity, vegetation cover structure, etc. Herewith the land surface roughness, described by the standard deviation of its vertical irregularities, is one of the most significant entities in any radar simulation. Therefore, the land surface roughness restoration using radar remote sensing data is a high-relevant task. The land surface roughness is an independent physical parameter, in much determining the radar backscattering. However, the roughness correlation length depends on the polarization of the radar signal.

This paper describes a quantitative approach to the land surface roughness recovery by dual-polarization SAR imagery using separate measurements adjustment of independent physical value – dielectric permittivity in different polarizations. The proposed Baghdadi et al. semi-empirical calibration of IEM radar backscattering taking into account the polarization-dependent correlation length is used to ensure the physical equivalence of the land surface dielectric permittivity measurements in different polarizations. In addition, the paper provides the required computational equations, as well as the example of an actual Sentinel-1 radar image processing. The results obtained are generally correspond to the known physical patterns and landscape features of the study area.

Радіолокаційне дистанційне зондування є сучасним та ефективним методом аерокосмічних досліджень Землі. Масове впровадження нових радіолокаційних систем високої розрізненності на основі радіолокаторів з синтезованою апертурою (РСА) значно розширило можливості радарного знімання. Доцільність застосування даного методу було підтверджено в сферах, що традиційно використовують дані дистанційного зондування – картографії, сільському і лісовому господарстві, пошуку корисних копалини, охорони навколишнього середовища, моніторингу надзвичайних ситуацій, обороні.

Основним фізичним параметром земної поверхні, який реєструється неінтерферометричними РСА, є коефіцієнт зворотного розсіяння (сигма-нуль). Прийнятий радарний сигнал є джерелом для складного моделювання процесів зворотного розсіяння та оцінки вторинних фізичних і біофізичних характеристик земної поверхні -- текстури, зволоженості, діелектричної проникності, структури рослинного покриву тощо. При цьому шорсткість земної поверхні, яка описується середньоквадратичним відхиленням її вертикальних нерегулярностей, виступає одним з найбільш значущих чинників будь-якого моделювання. Отже, задача відновлення шорсткості земної поверхні за даними радіолокаційного дистанційного зондування є досить актуальною. Шорсткість земної поверхні – це незалежна фізична величина, що багато в чому визначає радіолокаційне зворотне розсіяння. Проте радіус кореляції шорсткості залежить від поляризації радіолокаційного сигналу.

У статті описується кількісний підхід до відновлення шорсткості земної поверхні за двохполяризаційними зображеннями РСА на основі узгодження вимірів незалежної фізичної величини – діелектричної проникності в різних поляризаціях. Використовується запропонована Багдаді та ін. напівемпіричне калібрування IEM радіолокаційного зворотного розсіяння з урахуванням поляризаційно-залежної величини радіуса кореляції для забезпечення фізичної еквівалентності вимірів діелектричної проникності земної поверхні в різних поляризаціях. Крім того, приведені необхідні розрахункові співвідношення та приклад обробки реального радіолокаційного зображення Sentinel-1. Одержані результати в цілому відповідають відомим фізичним закономірностям і ландшафтним особливостям території дослідження.

Посилання

Jansing E.D. Introduction to Synthetic Aperture Radar: Concepts and Practice. New York: McGraw-Hill, 2021, 208 p. ISBN: 9781260458961

Goswami B., Kalita M. Radar backscattering measurement of bare soil and vegetation covered soil using X-band and full polarization. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2014, vol. XL, no. 8, pp. 733–736. DOI: 10.5194/isprsarchives-XL-8-733-2014

Fieuzal R., Baup F. Improvement of bare soil semi-empirical radar backscattering models (Oh and Dubois) with SAR multi-spectral satellite data (X-, C- and L-bands). Advances in Remote Sensing, 2016, vol. 5, no. 4, pp. 296-314. DOI: 10.4236/ars.2016.54023

Fung A.K. Microwave Scattering and Emission Models and their Applications. Norwood: Artech House, 1994, 592 p. ISBN: 9780890065235

Fung A.K., Li Z., Chen K.S. Backscattering from a randomly rough dielectric surface. IEEE Transactions on Geoscience and Remote Sensing, 1992, vol. 30, no. 2, pp. 356-369. DOI: 10.1109/36.134085

Fung A.K., Chen K.S. An update on the IEM surface backscattering model. IEEE Geoscience and Remote Sensing Letters, 2004, vol. 1, no. 2, pp. 75-77, DOI: 10.1109/LGRS.2004.826564

Chen K.-L., Chen K.-S., Li Z.-L., Liu Y. Extension and validation of an Advanced Integral Equation Model for bistatic scattering from rough surfaces. Progress in Electromagnetics Research, 2015, Vol. 152, pp. 59-76. DOI: 10.2528/PIER15011409

Baghdadi N., Holah N., Zribi M. Soil moisture estimation using multi-incidence and multi-polarization ASAR data. International Journal of Remote Sensing, 2006, vol. 27, no. 10, pp. 1907-1920. DOI: 10.1080/01431160500239032

Sayyad S.B., Shaikh M.A., Kolhe S.B., Khirade P.W. Geophysical parameter retrieval for microwave C band synthetic aperture radar (SAR) dataset using integral equation model. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, vol. XLII, no. 5, pp. 689-692. DOI: 10.5194/isprs-archives-XLII-5-689-2018

Tao L., Wang G., Chen X., Li J., Cai Q. Estimation of soil moisture using a vegetation scattering model in wheat fields. Journal of Applied Remote Sensing, 2019, vol. 13, no. 4, A. 044503, 16 p. DOI: 10.1117/1.JRS.13.4.044503

Baghdadi N., Holah N., Zribi M. Calibration of the Integral Equation Model for SAR data in C-band and HH and VV polarizations. International Journal of Remote Sensing, 2006, vol. 27, no. 4, pp. 805-816. DOI: 10.1080/01431160500212278

Baghdadi N., Chayya J.A., Zribi M. Semi-empirical calibration of the Integral Equation Model for SAR data in C-band and cross polarization using radar images and fi eld measurements. IEEE Geoscience and Remote Sensing Letters, 2011, vol. 8, no. 1, pp. 14-18. DOI: 10.1109/LGRS.2010.2050054

Panciera R., Tanase M.A., Lowell K., Walker J.P. Evaluation of IEM, Dubois, and Oh radar backscatter models using airborne L-band SAR. IEEE Transactions on Geoscience and Remote Sensing, 2014, vol. 52, no. 8, pp. 4966-4979. DOI: 10.1109/ TGRS.2013.2286203

Sun L., Dabboor M., Belair S., Carrera M.L., Merzouki A. Simulating C-band SAR footprint-scale backscatter over agricultural area with a physical land surface model. Water Resources Research, 2019, vol. 55, no. 6, pp. 4594-4612. DOI: 10.1029/2019WR025163

Ghafouri A., Amini J., Dehmollaian M., Kavoosi M.A. Measuring the surface roughness of geological rock surfaces in SAR data using fractal geometry. Comptes Rendus Geoscience, 2017, vol. 349, no. 3, pp. 114-125. DOI: 10.1016/j.crte.2017.04.003

Mirsoleimani H.R., Sahebi M.R., Baghdadi N., El Hajj M. Bare soil surface moisture retrieval from Sentinel-1 SAR data based on the calibrated IEM and Dubois models using neural networks. Sensors, 2019, vol. 19, no. 14, A. 3209, 12 p. DOI: 10.3390/s19143209

Stankevich S.A., Piestova I.O., Shklyar S.V., Lysenko A.R. Satellite dual-polarization radar imagery superresolution under physical constraints. In: Shakhovska N., Medykovskyy M.O. (Eds). Advances in Intelligent Systems and Computing. Cham: Springer Nature, 2020, pp. 439-452. DOI: 10.1007/978-3-030-33695-0_30

Verhoest N.E.C., Lievens H., Wagner W., Álvarez-Mozos J., Moran M.S., Mattia F. On the soil roughness parameterization problem in soil moisture retrieval of bare surfaces from synthetic aperture radar. Sensors, 2008, vol. 8, no. 7, pp. 4213-4248. DOI: 10.3390/s8074213

Álvarez-Mozos J., González-Audícana M., Casalí J., Larrañaga A. Effective versus measured correlation length for radar-based surface soil moisture retrieval. International Journal of Remote Sensing, 2008, vol. 29, no. 17-18, pp. 5397-5408.- DOI: 10.1080/ 01431160802036367

Ranjbar S., Zarei A., Hasanlou M., Akhoondzadeh M., Amini J., Amani M. Machine learning inversion approach for soil parameters estimation over vegetated agricultural areas using a combination of water cloud model and calibrated integral equation model. Journal of Applied Remote Sensing, 2021, vol. 15, no. 1, A. 018503, 17 p. DOI: 10.1117/ 1.JRS.15.018503

Ezzahar J., Ouaadi N., Zribi M., Elfarkh J., Aouade G., Khabba S., Er-Raki S., Chehbouni A., Jarlan L. Evaluation of backscattering models and support vector machine for the retrieval of bare soil moisture from Sentinel-1 data. Remote Sensing, 2020, vol. 12, no. 1, A. 72, 20 p. DOI: 10.3390/rs12010072

Zhang L., Li H., Xue Z. Calibrated integral equation model for bare soil moisture retrieval of synthetic aperture radar: A case study in Linze County. Applied Sciences, 2020, vol. 10, no. 21, A. 7921, 17 p. DOI: 10.3390/app10217921

##submission.downloads##

Опубліковано

2021-09-05

Як цитувати

STANKEVICH, S. ., SVIDENIUK, M. ., & LYSENKO, A. . (2021). LAND SURFACE ROUGHNESS PARAMETER RETRIEVAL BY INVERSE SIMULATION OF DUAL-POLARIZATION RADAR BACKSCATTERING. APPLIED QUESTIONS OF MATHEMATICAL MODELLING, 4(2.1). https://doi.org/10.32782/KNTU2618-0340/2021.4.2.1.22