ДИСТАНЦИОННЫЕ ИССЛЕДОВАНИЯ РАСТИТЕЛЬНЫХ ПОКРОВОВ И ЛЕСОВ РАДИОЛОКАЦИОННЫМИ МЕТОДАМИ

July 6, 2012 by admin Комментировать »

Бычков Д. М., Гавриленко А. С., Егорова Л. А., Иванов В. К., Силин А. О., Стадник А. М., Яцевич С. Е. Институт радиофизики и электроники им. А. Я. Усикова НАН Украины ул. Ак. Проскуры, 12, Харьков 61085, Украина тел.: (0572) 448515; e-mail: sey@ire.kharkov.ua


Аннотация Проведен анализ данных, полученных при дистанционном зондировании с борта самолета в широком диапазоне частот радиолокаторами бокового обзора. Получены связи отраженного сигнала с параметрами исследуемой подстилающей поверхности. Осуществлена классификация растительного покрова и лесов на тестовых полигонах.

I.  Введение

В условиях высоких антропогенных нагрузок на ландшафты важно оперативно получать регулярно обновляемую информацию, позволяющую своевременно оценить возможные потери лесного и сельского хозяйства и подготовить фактографические и прогнозные материалы для принятия управляющих решений по устранению негативных явлений.

Для решения этой задачи необходимо создание системы дистанционного зондирования, способной обеспечивать точную и своевременную оценку состояния лесов и сельскохозяйственных культур, включая:

–   идентификацию и классификацию лесов, лесополос, сельскохозяйственных культур в отдельных регионах на разных фазах развития:

–  наблюдение за ростом и состоянием посевов, прогнозирование урожайности

–  картографирование сельскохозяйственных угодий.

II.  Основная часть

Радиолокационный сигнал, отраженный культурными посевами при дистанционном зондировании поверхности, содержит составляющие, обусловленные как растительностью, так и поверхностью почвы [1-4]. Одним из путей ослабления почвенной составляющей отраженного сигнала является выбор рационального режима съемки.

Для уменьшения влияния шероховатости и влажности почвы обычно выбирается рабочая частота радиолокационного сигнала выше 8 ГГц [5]. Достаточно эффективным приемом минимизации влияния почвенного покрова является зондирование поверхности под различными углами. Как известно, интенсивность отраженного сигнала для хаотической и преимущественно горизонтальной ориентации отражателей (почва) плавно спадает с увеличением угла визирования. Если отражатели имеют преимущественно вертикальную ориентацию (растительность) то УЭПР увеличивается с ростом угла визирования.

Проведенные нами исследования с помощью данных, полученных многочастотным радиолокационным комплексом МАРС ИРЭ НАНУ [6], показали высокую изменчивость значений коэффициентов корреляции УЭПР при различных углах визирования от покрытия и высоты растительности, а также от влажности и диэлектрической проницаемости почв (табл. 1). При больших углах визирования (более 45°) наблюдается линейная зависимость между свойствами растительного покрова (проективное покрытие и высота растений) и интенсивностью отраженного сигнала. Для почвенных характеристик свойственна обратная зависимость наиболее тесные связи отмечены при углах визирования 30-35°.

Таблица 1.

Зависимость между информативностью отраженного _ сигнала (Х=3см) и углом визирования  

Поля

Z°BH3

Кпп

Kh

Kw

ksn

1 П

30-35u

0.19

0.11

-0.53

0.57

1 П

47-50u

0.75

0.72

-0.16

0.09

2n

35

-0.05

0.14

-0.70

0.59

2n

50-53

0.31

0.27

-0.67

0.42

3n

35-38

0.65

0.56

0.06

0.18

3n

50-53

0.68

0.59

-0.16

-0.10

где 1п,поля всходов озимых зерновых (покрытие 3045°о),.2пполя всходов озимых зерновых (покрытиеЗ-10°о), Зп,поля всходов озимых зерновых (покрытие 50°о),коэффициенты корреляции УЭПР Кпп (с проективным покрытием), Kh (с высотой растений), Kw (с влажностью), ks„ (с диэлектрической проницаемостью почв)

На радиолокационных изображениях сантиметрового, дециметрового и метрового диапазонов радиоволн был проведен выбор “окон” с учетом нахождения точек отбора проб на реальной местности. Обработка данных проведена методом парной корреляции. Анализ данных показал, что наиболее тесная связь наблюдается между отраженными сигналами и объемной влажностью растительности. При этом значения коэффициентов корреляции г между объемной влажностью и данными РЛИ уменьшается с возрастанием длины волны (гсм=0,78, гдм=0,68, rm=0,4). Также следует отметить большие значения коэффициента корреляции для содержания влаги в растительности.

Для классификации растительности были выбраны две группы: а) пропашные культуры (кукуруза, сахарная свекла), б) культуры сплошного сева (стерня зерновых и многолетние травы). В первой группе выбраны заведомо контрастные агрофона, во второй

–  очень схожие.

Распознавание типов растительности проводилось по методу Уорда. Результаты классификации представлены на дендрограмме рис. 1 (по оси ординат отложен Ксл коэффициент слития).

Hue. 7. Распознавание типов растении (Л=зсм)

1-стерня зерновых культур, 2-многолетние травы,

3-                   кукуруза, 4-сахарная свекла

Fig. 1. Recognition of plant types (Л=3см)

1-           crops stubble, 2-perennial grasses, 3-corn, 4-sugar beet

Наилучшее распознавание растительности происходит при использовании данных сантиметрового диапазона. Анализ дендрограммы показывает, что происходит четкое разделение агрофонов: кукурузы и сахарной свеклы. Они образуют два непересекающихся кластера. В свою очередь, так же четко отделяются культуры сплошного сева.

В дециметровом и метровом диапазонах радиоволн распознавание типов проективного покрытия происходит значительно хуже ввиду незначительного вклада растительности в обратное рассеяние. Комбинированное использование данных нескольких диапазонов не улучшает классификацию.

На рис. 2 приведены экспериментальные угловые зависимости УЭПР исследуемых культур по результатам радиолокационной съемки, проведенной в первой декаде июля в наиболее адекватном для описания характеристик растительности сантиметровом диапазоне. Этот период интересен тем, что к концу июня началу июля растения достигают зрелых стадий вегетации.

Puc. 6. Распознавание типов леса по данным метрового диапазона радиоволн

Fig. 6. Forest type recognition from VHF data

III. Заключение

Показана возможность использования данных дистанционного зондирования растительных покровов и лесных массивов в сантиметровом, дециметровом и метровом диапазонах волн на разных углах наблюдения и поляризациях для классификации сельскохозяйственных культур и типов леса.

Исследования, представленные в публикации, выполнены при частичной поддержке ДФФД Украины по планам работы по проекту №07/354-2001.

IV. Список литературы

[1]    Kulemin G. R., Shcherbinin I. V., Yatsevich S. E. et. al. Physical Principles of Microwave Remote Sensing of Terrains. Proc. of the 6th physics international school “Microwave physics and technique” Varna (Bulgaria). World Scientific Publ. Co. Singapore, Utopia Press. 2-7 Oct. 1989, pp. 16-33.

[2]    Ulaby F. Т., Baltilava P. P, Dobson М. C. Microwave backscatter dependence on surface roughness, soil moisture, and soil texture. Part 1. Bare soil. IEEE Trans. Geosci. Electron., 1983, v. 16, №4, pp. 286-295.

[3]    Ulaby F. Т., AslamA., Dobson М. C. Effects of vegetation cover on the radar sensitivity to soil moisture. IEEE Trans. Geosc. Remote Sens, 1982, v 20, No 2, pp. 476-481.

[4]    Hallikainen М. Т., Ulaby F. Т., Dobson M. S., El-Rayes, LinKun Wu. Microwave dielectric behavior of Wet soil. IEEE Trans. Geosc. Remote Sens, 1985, v. 23, No I, pp. 25-34.

[5]    Улаби Ф. Т. Радиолокационные сигнатуры земной поверхности и контроль возобновляемых ресурсов. ТИИЭР, 1982, т. 70, № 12, с. 43-64.

[7] Калмыков А. И., Цымбал В. Н„ Курекин А. С. и др. Многоцелевой радиолокационный комплекс исследования Земли “МАРС”. Радиофизика и радиоастрономия, 1998, т. 3, № 2, с. 119-129.

VEGETATION AND FORESTRY STUDY BY RADAR REMOTE SENSING

Bychkov D. М., Gavrilenko A. S., Yegorova L. O., Ivanov V. K., Silin О. O., Stadnyk О. М., Yatsevych S. Ye.

Usikov Institute of Radiophysics and Electronics, NASU 12 Akademika Proskury Str., Kharkiv, Ukraine, 61085 phone: +380 (572) 448515 e-mail: sey@ire.kharkov.ua

Abstract Remote sensing data obtained by airborne sidelook radars over wide frequency ranges is analyzed. Relationships between backscattered signal and parameters of the investigated underlying surface have been derived. The classification of vegetation growth and forestry on test sites has been performed.

I.  Introduction

In the environment of strong anthropogenic loads on landscapes it is vital to receive regularly updated information that would provide estimates of potential losses in forestry and agriculture and supply forecasts necessary for decision-making process.

A radar remote-sensing system should be set up that would provide accurate and timely estimation of forestry and crops under all weather conditions, including the following missions:

–    identification and classification of forests and crops in various areas at different stages of development;

–    monitoring the growth and state of crops; yield forecasting;

–    mapping of agricultural lands.

II.  Main part

Our studies utilizing the MARS multi-frequency radar have revealed high sensitivity of backscattering ratio to the type and height of vegetation, as well as to the dampness and permittivity of soil at different viewing angles. For viewing angles above 45° a linear dependence is observed between vegetation characteristics (projective cover and vegetation height) and the strength of backscattered signals. By contrast, the highest correlation for soil characteristics is observed at the viewing angles of about 30-35°.

In the SHF-, UHFand VHF-band radar images the closest relationship is observed between backscattered signals and the volumetric vegetation moisture. For the purpose of vegetation classification two groups were chosen: tilled crops (corn, sugar beet) and solid-sown cultures (crops stubble, perennial grasses). The vegetation type recognition was performed by Ward’s method. The best results were achieved using the SHF data; in the UHF and VHF bands the recognition was much worse due to small contributions of vegetation into backscattering. A combined use of data from different bands does not improve the resulting classification.

Differences in phenological stages of various vegetation types enable (during extensive observations) a true vegetation classification. At the same time, seasonal observations allow the degree of the crop ageing and harvest deadlines to be determined, while comparisons between different seasons the yield to be forecast.

Forestry differs from agricultural lands by significant variance and higher levels of scattered signal. The lightest background of the image (high signal levels) corresponds to deciduous plantations, while a darker background to coniferous ones. Objects in the images are divisible into coniferous and deciduous forests for all the frequency bands. Oak forests may be separated into two classes in the UHF band depending on the viewing angle, while in the VHF band the same happens with different polarizations. Coniferous forests across all bands and polarizations comprise only one class.

For the vegetation and forestry recognition the accuracy estimation criteria % was used. The obtained classification is valid at a 90°o probability.

III.  Conclusion

A possibility of collecting remotely-sensed data on vegetation covers and forests across the VHF-SHF bands at various viewing angles and polarizations for the purpose of classifying agricultural plants and forest type has been shown.

Источник: Материалы Международной Крымской конференции «СВЧ-техника и телекоммуникационные технологии», 2003г.

Оставить комментарий

микросхемы мощности Устройство импульсов питания пример приемника провода витков генератора выходе напряжение напряжения нагрузки радоэлектроника работы сигнал сигнала сигналов управления сопротивление усилитель усилителя усиления устройства схема теория транзистора транзисторов частоты