Интерпретация радарных снимков: геометрия
Изменение угла падения сигнала радара приводит к относительно высокому отражению от склонов, обращенных к радару, и относительно низкому отражению (или его отсутствию) от склонов, обращенных в противоположную от радара сторону. С этим эффектом мы уже знакомы.
На рисунке 1️⃣ график амплитуды отраженного сигнала во времени расположен над участком местности так, чтобы сигналы можно было соотнести с объектом, от которого они отразились. Над графиком находится соответствующая строка изображения, в которой амплитуда отраженного сигнала схематично преобразована в значения яркости. Отклик от радарного импульса сначала показывает высокий уровень отражения от склона, обращенного к радару. Затем следует длительное отсутствие обратного сигнала от участков, находящихся в радарной тени. На снимках радарная тень абсолютно черная и четко очерченная, в отличие от теней на фотографиях, которые слабо освещены за счет энергии, рассеянной атмосферой. Вслед за радарной тенью регистрируется относительно слабый отклик от участка местности, направленного в противоположную от радара сторону.
На обратное рассеяние сигнала радара и площадь тени в разных диапазонах местных углов падения влияют различные свойства поверхности. Несколько огрубляя: при углах падения от 0° до 30° тени практически отсутствуют, для углов от 30° до 70° преобладает влияние шероховатости поверхности, при углах более 70° на изображении преобладают радарные тени.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #основы
Изменение угла падения сигнала радара приводит к относительно высокому отражению от склонов, обращенных к радару, и относительно низкому отражению (или его отсутствию) от склонов, обращенных в противоположную от радара сторону. С этим эффектом мы уже знакомы.
На рисунке 1️⃣ график амплитуды отраженного сигнала во времени расположен над участком местности так, чтобы сигналы можно было соотнести с объектом, от которого они отразились. Над графиком находится соответствующая строка изображения, в которой амплитуда отраженного сигнала схематично преобразована в значения яркости. Отклик от радарного импульса сначала показывает высокий уровень отражения от склона, обращенного к радару. Затем следует длительное отсутствие обратного сигнала от участков, находящихся в радарной тени. На снимках радарная тень абсолютно черная и четко очерченная, в отличие от теней на фотографиях, которые слабо освещены за счет энергии, рассеянной атмосферой. Вслед за радарной тенью регистрируется относительно слабый отклик от участка местности, направленного в противоположную от радара сторону.
На обратное рассеяние сигнала радара и площадь тени в разных диапазонах местных углов падения влияют различные свойства поверхности. Несколько огрубляя: при углах падения от 0° до 30° тени практически отсутствуют, для углов от 30° до 70° преобладает влияние шероховатости поверхности, при углах более 70° на изображении преобладают радарные тени.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #основы
Интерпретация радарных снимков: шероховатость поверхности
Рисунок 1️⃣ иллюстрирует отражение сигнала радара от поверхностей с различной шероховатостью и геометрией. Согласно модифицированному критерию Рэлея поверхность считается шероховатой и действует как диффузный отражатель (1️⃣a), если среднеквадратичная высота вариаций поверхности h удовлетворяет условию
h > λ / ( 4.4 * cos(i) ),
λ — длина волны зондирования, i — локальный (местный) угол падения.
Такие поверхности рассеивают падающую энергию во всех направлениях и возвращают значительную часть падающей энергии в антенну радара.
Поверхности считаются гладкими по критерию Рэлея и действуют как зеркальные отражатели (1️⃣b), если
h < λ / ( 25 * cos(i) )
Гладкие поверхности отражают большую часть энергии в сторону от радара, что приводит к очень слабому сигналу, полученному антенной радара. Гладкой, как правило, являются поверхность водоема (без волнения).
λ и h должны измеряться в одних и тех же единицах. Обычно это сантиметры.
На рисунке 2️⃣ показано, как соотношение диффузного и зеркального отражения для данной шероховатости поверхности зависит от длины волны. Заметим, что некоторые поверхности, например, кукурузные поля, могут казаться шероховатыми при наблюдении как в видимой, так и в микроволновой части спектра. Другие поверхности, например, дороги, могут быть диффузными отражателями в видимой области и зеркальными — в микроволновой. В целом, из-за большей длины волны зондирования, на радарных снимках гораздо больше зеркальных поверхностей, чем на оптических снимках.
При анализе отраженного радарного сигнала нужно учитывать не только шероховатость поверхности, но также форму и ориентацию объектов. Как показано на 1️⃣c, особенно яркий отклик дает уголковый отражатель (corner reflector). В этом случае соседние гладкие поверхности вызывают двойное отражение, которое дает очень высокие значения энергии отраженного сигнала. Поскольку уголковые отражатели обычно занимают лишь небольшие участки сцены, на снимки они выглядят яркими пятнами. Двойное отражение часто встречается в условиях городской застройки, а также там, где горизонтальной поверхностью является вода (например, сигнал отраженный от леса на берегу водоема и от поверхности водоема). Многократное отражение можно наблюдать на примере мостов.
#SAR #основы
Рисунок 1️⃣ иллюстрирует отражение сигнала радара от поверхностей с различной шероховатостью и геометрией. Согласно модифицированному критерию Рэлея поверхность считается шероховатой и действует как диффузный отражатель (1️⃣a), если среднеквадратичная высота вариаций поверхности h удовлетворяет условию
h > λ / ( 4.4 * cos(i) ),
λ — длина волны зондирования, i — локальный (местный) угол падения.
Такие поверхности рассеивают падающую энергию во всех направлениях и возвращают значительную часть падающей энергии в антенну радара.
Поверхности считаются гладкими по критерию Рэлея и действуют как зеркальные отражатели (1️⃣b), если
h < λ / ( 25 * cos(i) )
Гладкие поверхности отражают большую часть энергии в сторону от радара, что приводит к очень слабому сигналу, полученному антенной радара. Гладкой, как правило, являются поверхность водоема (без волнения).
λ и h должны измеряться в одних и тех же единицах. Обычно это сантиметры.
На рисунке 2️⃣ показано, как соотношение диффузного и зеркального отражения для данной шероховатости поверхности зависит от длины волны. Заметим, что некоторые поверхности, например, кукурузные поля, могут казаться шероховатыми при наблюдении как в видимой, так и в микроволновой части спектра. Другие поверхности, например, дороги, могут быть диффузными отражателями в видимой области и зеркальными — в микроволновой. В целом, из-за большей длины волны зондирования, на радарных снимках гораздо больше зеркальных поверхностей, чем на оптических снимках.
При анализе отраженного радарного сигнала нужно учитывать не только шероховатость поверхности, но также форму и ориентацию объектов. Как показано на 1️⃣c, особенно яркий отклик дает уголковый отражатель (corner reflector). В этом случае соседние гладкие поверхности вызывают двойное отражение, которое дает очень высокие значения энергии отраженного сигнала. Поскольку уголковые отражатели обычно занимают лишь небольшие участки сцены, на снимки они выглядят яркими пятнами. Двойное отражение часто встречается в условиях городской застройки, а также там, где горизонтальной поверхностью является вода (например, сигнал отраженный от леса на берегу водоема и от поверхности водоема). Многократное отражение можно наблюдать на примере мостов.
#SAR #основы
1️⃣ Отражение сигнала радара от различных поверхностей: (a) диффузный отражатель, (b) зеркальный отражатель, (c) уголковой отражатель.
2️⃣ Отражение сигнала радара в X- и L-диапазонах от поверхностей с различной шероховатостью.
Уголковые отражатели в Варне: корабли 3️⃣, металлические крыши зданий 4️⃣.
5️⃣ Многократное отражение от мостов.
Источник 1️⃣, 2️⃣: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
2️⃣ Отражение сигнала радара в X- и L-диапазонах от поверхностей с различной шероховатостью.
Уголковые отражатели в Варне: корабли 3️⃣, металлические крыши зданий 4️⃣.
5️⃣ Многократное отражение от мостов.
Источник 1️⃣, 2️⃣: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
Интерпретация радарных снимков: еще один критерий шероховатости поверхности
Влияние шероховатости поверхности на отражение сигнала радара мы рассматривали здесь. Величина отраженного сигнала растет с ростом шероховатости поверхности — это факт, установленный опытом. Для разделения поверхностей на гладкие и шероховатые используются теоретические критерии, которые носят приближенный характер. Мы использовался модифицированный критерий Релея, но в литературе (конкретно — в известном учебнике SAR Handbook) используется другой критерий — критерий Фраунгофера. Кратко расскажем о нем.
Вопрос о том, является поверхность шероховатой или нет, может быть решен только с учетом длины волны радара. Степень шероховатости поверхности можно характеризовать среднеквадратичным отклонением высоты поверхности h от некоторой средней высоты (рисунок 1️⃣). Согласно критерию Фраунгофера, поверхность считается гладкой, если
h < λ / ( 32 * cos(i) ),
i — местный угол падения.
На рисунке 2️⃣ слева направо показаны возрастающая степень шероховатости и определен переход от гладкой к частично-шероховатой и шероховатой поверхности в соответствии с критерием Фраунгофера. Величина отраженного сигнала (длина синих стрелок, направленных в сторону радара) увеличивается с ростом шероховатости, поэтому шероховатые поверхности (на длине волны λ) имеют более высокое отражение, чем частично-шероховатые или гладкие поверхности. Зависимость шероховатости от длины волны означает, что поверхность будет выглядеть более темной по мере увеличения длины волны: от Х-диапазона (λ = 3,1 см), С-диапазона (λ = 5,66 см) до L-диапазона (λ = 24 см).
Источник рисунка 2️⃣: Meyer F. Spaceborne Synthetic Aperture Radar – Principles, Data Access, and Basic Processing Techniques / SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation. Eds. Flores, A., Herndon, K., Thapa, R., Cherrington, E. NASA. 2019. https://doi.org/10.25966/ez4f-mg98
#SAR #основы
Влияние шероховатости поверхности на отражение сигнала радара мы рассматривали здесь. Величина отраженного сигнала растет с ростом шероховатости поверхности — это факт, установленный опытом. Для разделения поверхностей на гладкие и шероховатые используются теоретические критерии, которые носят приближенный характер. Мы использовался модифицированный критерий Релея, но в литературе (конкретно — в известном учебнике SAR Handbook) используется другой критерий — критерий Фраунгофера. Кратко расскажем о нем.
Вопрос о том, является поверхность шероховатой или нет, может быть решен только с учетом длины волны радара. Степень шероховатости поверхности можно характеризовать среднеквадратичным отклонением высоты поверхности h от некоторой средней высоты (рисунок 1️⃣). Согласно критерию Фраунгофера, поверхность считается гладкой, если
h < λ / ( 32 * cos(i) ),
i — местный угол падения.
На рисунке 2️⃣ слева направо показаны возрастающая степень шероховатости и определен переход от гладкой к частично-шероховатой и шероховатой поверхности в соответствии с критерием Фраунгофера. Величина отраженного сигнала (длина синих стрелок, направленных в сторону радара) увеличивается с ростом шероховатости, поэтому шероховатые поверхности (на длине волны λ) имеют более высокое отражение, чем частично-шероховатые или гладкие поверхности. Зависимость шероховатости от длины волны означает, что поверхность будет выглядеть более темной по мере увеличения длины волны: от Х-диапазона (λ = 3,1 см), С-диапазона (λ = 5,66 см) до L-диапазона (λ = 24 см).
Источник рисунка 2️⃣: Meyer F. Spaceborne Synthetic Aperture Radar – Principles, Data Access, and Basic Processing Techniques / SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation. Eds. Flores, A., Herndon, K., Thapa, R., Cherrington, E. NASA. 2019. https://doi.org/10.25966/ez4f-mg98
#SAR #основы
Оба критерия — модифицированный Релея и Фраунгофера — приближенные и качественные. Они нужны, чтобы понять, что происходит на снимке. Например, если отклик от гладкой поверхности усилился, то какова примерно стала шероховатость этой поверхности? (при условии, что действие других факторов на отражение осталось постоянным). Подставив в критерий длину волны λ и угол падения i, мы определим h, соответствующее шероховатой поверхности, а дальше попробуем определить причину увеличения h. В этом смысле оба критерия являются рабочими.
Случай, когда нюансы и подробности появились раньше, чем хотелось бы)
Критерий Фраунгофера, насколько нам известно, появляется впервые у Ulaby F.T. et al. Microwave Remote Sensing: Active and Passive, Volume II: Radar Remote Sensing and Surface Scattering and Emission Theory, Artech House, 1986.
Модифицированный критерий Релея указан в Sabins F.F. Remote Sensing, Principals and Interpretation (3rd edition), New York: W.H. Freeman and Co., 1997.
Случай, когда нюансы и подробности появились раньше, чем хотелось бы)
Критерий Фраунгофера, насколько нам известно, появляется впервые у Ulaby F.T. et al. Microwave Remote Sensing: Active and Passive, Volume II: Radar Remote Sensing and Surface Scattering and Emission Theory, Artech House, 1986.
Модифицированный критерий Релея указан в Sabins F.F. Remote Sensing, Principals and Interpretation (3rd edition), New York: W.H. Freeman and Co., 1997.
Реанализ MERRA-2 на Google Earth Engine
Modern-Era Retrospective analysis for Research and Applications (MERRA-2) — глобальные данные реанализа за период с 1980 года по настоящее время. Выпускаются NASA Global Modeling and Assimilation Office (GMAO). Пространственное разрешение MERRA-2 — 50 км, периодичность данных — 1 час. Данные публикуются ежемесячно. Задержка с публикацией данных составляет около 3 недель по окончании месяца.
Все данные MERRA-2 на GEE
MERRA-2 M2T1NXAER: Aerosol Diagnostics
Характеристики аэрозолей, такие как массовая плотность столба аэрозольных компонентов (черный углерод (сажа), пыль, морская соль, сульфаты и органический углерод), поверхностная массовая концентрация аэрозольных компонентов и полная аэрозольная оптическая толщина (aerosol optical thicknes) на длине волны 550 нм.
MERRA-2 M2T1NXFLX: Surface Flux Diagnostics
Данные о поверхностных потоках: общее количество осадков (в том числе, с поправками), температура воздуха у поверхности, удельная влажность воздуха у поверхности, скорость ветра у поверхности и т. д.
MERRA-2 M2T1NXLND: Land Surface Diagnostics
Поток основного стока (baseflow), сток (runoff), влажность почвы на поверхности, влажность почвы в корневой зоне, вода в поверхностном слое, вода в прикорневой зоне и температура почвы в шести слоях (по глубине).
MERRA-2 M2T1NXRAD: Radiation Diagnostics
Радиационные/отражательные характеристики: альбедо поверхности, доля площади облаков, оптическая толщина облаков, поток падающего коротковолнового излучения (солнечная радиация), чистый поток падающего коротковолнового излучения на поверхности и поток исходящего длинноволнового излучения в верхней части атмосферы.
MERRA-2 M2T1NXSLV: Single-Level Diagnostics
Метеорологических характеристики на нескольких вертикальных уровнях, таких как температура воздуха на высоте 2 м (10 м, 850 гПа, 500 гПа, 250 гПа), компоненты ветра на 50 м (2 м, 10 м, 850 гПа, 500 гПа, 250 гПа), давление на уровне моря, приземное давление, общее количество выпадающих осадков в виде водяного пара (воды в твердой фазе, воды в жидкой фазе). Под "высотой при давлении 250 гПа" понимается высота в метрах, атмосферное давление на которой составляет 250 гПа (стандартное атмосферное давление — около 1000 гПа).
#погода #данные #атмосфера #GEE
Modern-Era Retrospective analysis for Research and Applications (MERRA-2) — глобальные данные реанализа за период с 1980 года по настоящее время. Выпускаются NASA Global Modeling and Assimilation Office (GMAO). Пространственное разрешение MERRA-2 — 50 км, периодичность данных — 1 час. Данные публикуются ежемесячно. Задержка с публикацией данных составляет около 3 недель по окончании месяца.
Все данные MERRA-2 на GEE
MERRA-2 M2T1NXAER: Aerosol Diagnostics
Характеристики аэрозолей, такие как массовая плотность столба аэрозольных компонентов (черный углерод (сажа), пыль, морская соль, сульфаты и органический углерод), поверхностная массовая концентрация аэрозольных компонентов и полная аэрозольная оптическая толщина (aerosol optical thicknes) на длине волны 550 нм.
MERRA-2 M2T1NXFLX: Surface Flux Diagnostics
Данные о поверхностных потоках: общее количество осадков (в том числе, с поправками), температура воздуха у поверхности, удельная влажность воздуха у поверхности, скорость ветра у поверхности и т. д.
MERRA-2 M2T1NXLND: Land Surface Diagnostics
Поток основного стока (baseflow), сток (runoff), влажность почвы на поверхности, влажность почвы в корневой зоне, вода в поверхностном слое, вода в прикорневой зоне и температура почвы в шести слоях (по глубине).
MERRA-2 M2T1NXRAD: Radiation Diagnostics
Радиационные/отражательные характеристики: альбедо поверхности, доля площади облаков, оптическая толщина облаков, поток падающего коротковолнового излучения (солнечная радиация), чистый поток падающего коротковолнового излучения на поверхности и поток исходящего длинноволнового излучения в верхней части атмосферы.
MERRA-2 M2T1NXSLV: Single-Level Diagnostics
Метеорологических характеристики на нескольких вертикальных уровнях, таких как температура воздуха на высоте 2 м (10 м, 850 гПа, 500 гПа, 250 гПа), компоненты ветра на 50 м (2 м, 10 м, 850 гПа, 500 гПа, 250 гПа), давление на уровне моря, приземное давление, общее количество выпадающих осадков в виде водяного пара (воды в твердой фазе, воды в жидкой фазе). Под "высотой при давлении 250 гПа" понимается высота в метрах, атмосферное давление на которой составляет 250 гПа (стандартное атмосферное давление — около 1000 гПа).
#погода #данные #атмосфера #GEE
Разрешение данных MERRA-2 — низкое: 50 км против 10–11 км у ERA5. NASA планирует улучшать его, комбинируя MERRA-2 со спутниковыми данными. Например, M2T1NXAER можно комбинировать с MCD19A2.061: Terra & Aqua MAIAC Land Aerosol Optical Depth Daily, у которых разрешение составляет 1 км. Можно, кстати, не дожидаться, пока это сделают в NASA)
Интерпретация радарных снимков: отражение от почвы
Диэлектрическая проницаемость воды примерно в 10 раз больше, чем у сухой почвы. Поэтому присутствие воды в верхнем слое почвы можно легко обнаружить на радарных снимках. Влажность почвы и условия увлажнения поверхности становятся особенно заметными на больших длинах волн. Влажность почвы обычно ограничивает проникновение радарных сигналов глубиной, близкой к длине волны сигнала λ. Для X-диапазона это примерно 3 см, для С-диапазона — 5–6 см, для L-диапазона — 25–30 см. Однако в условиях чрезвычайно сухой почвы при использовании радара L-диапазона иногда наблюдается проникновение сигнала на глубину несколько метров. Еще раз: речь идет об открытой, то есть лишенной растительности, почве. Пробиться к почве сквозь густую растительность сможет не всякий радар, но об этом в другой раз.
На рисунке 1️⃣ сравниваются снимки пустыни Сахара, сделанные Landsat TM (a) и космическим радаром (b) SIR-C (L-диапазон, HH-поляризация, угол падения 45°. Север — в верхнем левом углу снимка) в окрестностях оазиса Сафсаф на юге Египта. Поверхность здесь покрыта тонким слоем выдуваемого ветром песка, который скрывает подстилающие породы и особенности дренажа. Полевые исследования в этом районе показали, что сигналы радара L-диапазона (23 см) могут проникать через этот песок на глубину до 2 м, обеспечивая изображение подповерхностных геологических особенностей. Темные, плетеные узоры в (b) представляют собой часть древней речной долины, которая сейчас заполнена песком. Археологи, работающие в этом районе, обнаружили каменные орудия, использовавшиеся ранними людьми более 100 000 лет назад. Другие особенности, видимые на радарных снимках, в основном относятся к структурам коренных пород. На снимках Landsat видно очень мало подобных объектов, из-за скрывающего их песчаного покрова.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #обучение
Диэлектрическая проницаемость воды примерно в 10 раз больше, чем у сухой почвы. Поэтому присутствие воды в верхнем слое почвы можно легко обнаружить на радарных снимках. Влажность почвы и условия увлажнения поверхности становятся особенно заметными на больших длинах волн. Влажность почвы обычно ограничивает проникновение радарных сигналов глубиной, близкой к длине волны сигнала λ. Для X-диапазона это примерно 3 см, для С-диапазона — 5–6 см, для L-диапазона — 25–30 см. Однако в условиях чрезвычайно сухой почвы при использовании радара L-диапазона иногда наблюдается проникновение сигнала на глубину несколько метров. Еще раз: речь идет об открытой, то есть лишенной растительности, почве. Пробиться к почве сквозь густую растительность сможет не всякий радар, но об этом в другой раз.
На рисунке 1️⃣ сравниваются снимки пустыни Сахара, сделанные Landsat TM (a) и космическим радаром (b) SIR-C (L-диапазон, HH-поляризация, угол падения 45°. Север — в верхнем левом углу снимка) в окрестностях оазиса Сафсаф на юге Египта. Поверхность здесь покрыта тонким слоем выдуваемого ветром песка, который скрывает подстилающие породы и особенности дренажа. Полевые исследования в этом районе показали, что сигналы радара L-диапазона (23 см) могут проникать через этот песок на глубину до 2 м, обеспечивая изображение подповерхностных геологических особенностей. Темные, плетеные узоры в (b) представляют собой часть древней речной долины, которая сейчас заполнена песком. Археологи, работающие в этом районе, обнаружили каменные орудия, использовавшиеся ранними людьми более 100 000 лет назад. Другие особенности, видимые на радарных снимках, в основном относятся к структурам коренных пород. На снимках Landsat видно очень мало подобных объектов, из-за скрывающего их песчаного покрова.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #обучение
TESViS — новое имя MODIS/VIIRS Subsets
Сервис MODIS/VIIRS Subsets теперь будет называться Terrestrial Ecology Subsetting and Visualization Services (TESViS).
TESViS — это набор инструментов для упрощения загрузки, преобразования, агрегирования и визуализации данных дистанционного зондирования, а также полевых наблюдений. Предназначен он, в первую очередь для ученых, только начинающих работать с данными дистанционного зондирования. Сервис заметно упрощает решение технических вопросов: данные можно получить в готовом виде, без установки софта и программирования. Еще один плюс сервиса — уникальная “наземка”. Ограничение: сравнительно небольшой объем получаемых данных.
Вебинар о возможностях TESViS.
#данные #обучение
Сервис MODIS/VIIRS Subsets теперь будет называться Terrestrial Ecology Subsetting and Visualization Services (TESViS).
TESViS — это набор инструментов для упрощения загрузки, преобразования, агрегирования и визуализации данных дистанционного зондирования, а также полевых наблюдений. Предназначен он, в первую очередь для ученых, только начинающих работать с данными дистанционного зондирования. Сервис заметно упрощает решение технических вопросов: данные можно получить в готовом виде, без установки софта и программирования. Еще один плюс сервиса — уникальная “наземка”. Ограничение: сравнительно небольшой объем получаемых данных.
Вебинар о возможностях TESViS.
#данные #обучение
JAXA планирует разрабатывать ракету-носитель, способную к блочной модернизации
Nikkei сообщает, что Японское агентство аэрокосмических исследований JAXA планирует разрабатывать ракету-носитель, которая придет на смену H3, способную к блочной модернизации. Указано, что одним из преимуществ модернизации отдельных блоков является возможность тестировать новые технологии на уже эксплуатируемых моделях ракет. Говорится что-то про анализ опыта компании SpaceX.
Напомним, что первый пуск ракеты H3, разработка которой ведется с 2015 года, 7 марта текущего года закончился неудачей. В результате была потеряна не только ракета, но и спутник дистанционного зондирования ALOS-3, обошедшийся в 208 млн. долларов. Причины аварии публике до сих пор не сообщались. Думать о будущем, разумеется, необходимо, но не слишком ли JAXA торопится, объявляя о создании новой ракеты?
Между тем в Space Review вышел A review of Japan’s space policy after the H3 launch vehicle failure. В частности, в нем указаны бюджеты японских космических агентств (на рисунке суммы указаны в миллиардах йен). Кроме JAXA в Японии есть еще три крупных государственных организации, занимающихся космосом, и несколько мелких. Видно, что “космический” бюджет Министерства обороны (MOD) растет ежегодно на 20-30 млрд йен (145-217 млн долларов), начиная с 2020 года.
Nikkei сообщает, что Японское агентство аэрокосмических исследований JAXA планирует разрабатывать ракету-носитель, которая придет на смену H3, способную к блочной модернизации. Указано, что одним из преимуществ модернизации отдельных блоков является возможность тестировать новые технологии на уже эксплуатируемых моделях ракет. Говорится что-то про анализ опыта компании SpaceX.
Напомним, что первый пуск ракеты H3, разработка которой ведется с 2015 года, 7 марта текущего года закончился неудачей. В результате была потеряна не только ракета, но и спутник дистанционного зондирования ALOS-3, обошедшийся в 208 млн. долларов. Причины аварии публике до сих пор не сообщались. Думать о будущем, разумеется, необходимо, но не слишком ли JAXA торопится, объявляя о создании новой ракеты?
Между тем в Space Review вышел A review of Japan’s space policy after the H3 launch vehicle failure. В частности, в нем указаны бюджеты японских космических агентств (на рисунке суммы указаны в миллиардах йен). Кроме JAXA в Японии есть еще три крупных государственных организации, занимающихся космосом, и несколько мелких. Видно, что “космический” бюджет Министерства обороны (MOD) растет ежегодно на 20-30 млрд йен (145-217 млн долларов), начиная с 2020 года.
Интерпретация радарных снимков: растительность
Сигнал радара взаимодействует с растительным пологом как с группой объемных рассеивателей, состоящих из большого количества дискретных элементов растений: листьев, стеблей, стволов, побегов и т. п. Кроме того, растительный полог подстилается почвой, которая может вызывать поверхностное рассеяние энергии, проникающей сквозь полог. Когда длина волны радара приближается к среднему размеру растительных элементов, увеличивается объемное рассеяние сигнала на этих элементах, и если растительный полог окажется плотным, то будет наблюдаться сильное отражение сигнала от растительности. В целом, более короткие длины волн (от 2 до 6 см — X- и С-диапазоны) лучше подходят для наблюдения полога сельскохозяйственных культур (кукуруза, соя, пшеница и т.д.) и листьев деревьев. На этих длинах волн преобладает объемное рассеяние, а поверхностное рассеяние от подстилающей почвы минимально. Более длинные волны (от 10 до 30 см — S- и L-диапазоны) лучше всего подходят для наблюдения стволов и ветвей деревьев.
На отражение сигнала радара растительностью, помимо размера растений и длины волны радара, влияют и другие факторы. Растения, покрытые росой, или с более высоким содержанием влаги, возвращают больше энергии, чем сухие. Кроме того, больше энергии отражается от участков культур, в которых ряды выровнены в азимутальном направлении, чем от тех, которые выровнены в направлении дальности.
На рисунке 1️⃣ показана пара радарных снимков L-диапазона сельскохозяйственной территории, расположенной неподалеку от Виннипега (провинция Альберта, Канада). Снимки получены 17 июня 1️⃣a и 17 июля 1️⃣b. Светлые участки представляют собой сельскохозяйственные поля с повышенной влажностью почвы и/или посевы с более высоким содержанием влаги, чем на более темных участках. Круговые участки — орошаемые поля с центральными оросительными системами (в центре поля находится артезианская скважина).
Различия в яркости между соответствующими полями на 1️⃣a и 1️⃣b в основном объясняются изменениями в росте растений и влажности почвы, произошедшими в течение месячного интервала между съемками. Здоровые растения имеют высокое содержание воды и, следовательно, высокую диэлектрическую проницаемость, что, в свою очередь, увеличивает отражательную способность поверхности растений. Таким образом, листья с высоким содержанием влаги сильнее отражают сигналы радара, чем сухие листья, голая почва (сухая) или другие объекты. Аналогично, вертикальная структура растительного полога сельскохозяйственных культур увеличивает обратное рассеяние сигнала радара по сравнению со зеркальным рассеянием, характерным для голого гладкого поля.
Светлая линия, проходящая по снимкам на рисунке 1️⃣ от верхнего левого до нижнего правого угла, представляет собой канал, берега которого покрыты деревьями, кустарниками и другой прибрежной растительностью. Яркость этого участка обусловлена как повышенной шероховатостью растительного полога, так и повышенной влажностью растительности. Часто, обводненные участки растительности или участки, прилегающие к стоячей воде, вызывают эффект уголкового отражателя. Стебли растений образуют прямой угол со спокойной водой, вместе с которой они могут создавать сильное отражение радарного сигнала. Это является полезным индикатором воды, стоящей под растительным пологом.
Рисунок2️⃣ иллюстрирует влияние длины волны на отражение сигнала от растений. Изображение сцены получено с помощью трех различных длин волн: 2️⃣a С (3.75–7.5 см), 2️⃣b L (15–30 см) и 2️⃣c P (30–100 см). Большинство видов сельскохозяйственных культур по-разному отражают сигналы этих диапазонов. Более светлые тона наблюдаются в C-диапазоне, где преобладает объемное рассеяние от растительного полога, более темные тона — в P-диапазоне, где проявляется отражение от поверхности почвы. Сравнив относительное количество отраженного сигнала на этих трех снимках, можно выполнить классификацию сельскохозяйственных культур.
Сигнал радара взаимодействует с растительным пологом как с группой объемных рассеивателей, состоящих из большого количества дискретных элементов растений: листьев, стеблей, стволов, побегов и т. п. Кроме того, растительный полог подстилается почвой, которая может вызывать поверхностное рассеяние энергии, проникающей сквозь полог. Когда длина волны радара приближается к среднему размеру растительных элементов, увеличивается объемное рассеяние сигнала на этих элементах, и если растительный полог окажется плотным, то будет наблюдаться сильное отражение сигнала от растительности. В целом, более короткие длины волн (от 2 до 6 см — X- и С-диапазоны) лучше подходят для наблюдения полога сельскохозяйственных культур (кукуруза, соя, пшеница и т.д.) и листьев деревьев. На этих длинах волн преобладает объемное рассеяние, а поверхностное рассеяние от подстилающей почвы минимально. Более длинные волны (от 10 до 30 см — S- и L-диапазоны) лучше всего подходят для наблюдения стволов и ветвей деревьев.
На отражение сигнала радара растительностью, помимо размера растений и длины волны радара, влияют и другие факторы. Растения, покрытые росой, или с более высоким содержанием влаги, возвращают больше энергии, чем сухие. Кроме того, больше энергии отражается от участков культур, в которых ряды выровнены в азимутальном направлении, чем от тех, которые выровнены в направлении дальности.
На рисунке 1️⃣ показана пара радарных снимков L-диапазона сельскохозяйственной территории, расположенной неподалеку от Виннипега (провинция Альберта, Канада). Снимки получены 17 июня 1️⃣a и 17 июля 1️⃣b. Светлые участки представляют собой сельскохозяйственные поля с повышенной влажностью почвы и/или посевы с более высоким содержанием влаги, чем на более темных участках. Круговые участки — орошаемые поля с центральными оросительными системами (в центре поля находится артезианская скважина).
Различия в яркости между соответствующими полями на 1️⃣a и 1️⃣b в основном объясняются изменениями в росте растений и влажности почвы, произошедшими в течение месячного интервала между съемками. Здоровые растения имеют высокое содержание воды и, следовательно, высокую диэлектрическую проницаемость, что, в свою очередь, увеличивает отражательную способность поверхности растений. Таким образом, листья с высоким содержанием влаги сильнее отражают сигналы радара, чем сухие листья, голая почва (сухая) или другие объекты. Аналогично, вертикальная структура растительного полога сельскохозяйственных культур увеличивает обратное рассеяние сигнала радара по сравнению со зеркальным рассеянием, характерным для голого гладкого поля.
Светлая линия, проходящая по снимкам на рисунке 1️⃣ от верхнего левого до нижнего правого угла, представляет собой канал, берега которого покрыты деревьями, кустарниками и другой прибрежной растительностью. Яркость этого участка обусловлена как повышенной шероховатостью растительного полога, так и повышенной влажностью растительности. Часто, обводненные участки растительности или участки, прилегающие к стоячей воде, вызывают эффект уголкового отражателя. Стебли растений образуют прямой угол со спокойной водой, вместе с которой они могут создавать сильное отражение радарного сигнала. Это является полезным индикатором воды, стоящей под растительным пологом.
Рисунок2️⃣ иллюстрирует влияние длины волны на отражение сигнала от растений. Изображение сцены получено с помощью трех различных длин волн: 2️⃣a С (3.75–7.5 см), 2️⃣b L (15–30 см) и 2️⃣c P (30–100 см). Большинство видов сельскохозяйственных культур по-разному отражают сигналы этих диапазонов. Более светлые тона наблюдаются в C-диапазоне, где преобладает объемное рассеяние от растительного полога, более темные тона — в P-диапазоне, где проявляется отражение от поверхности почвы. Сравнив относительное количество отраженного сигнала на этих трех снимках, можно выполнить классификацию сельскохозяйственных культур.
На рисунке 3️⃣ показаны снимки в С- 3️⃣a и в L-диапазоне 3️⃣b области в северном Висконсине (США), которая в основном покрыта лесом и содержит много озер. Из-за зеркального отражения от гладких поверхностей озера на обоих снимках выглядят темными. След от торнадо (ветровал) проявляется в виде почти вертикальной темной линии, проходящей через центр снимка 3️⃣b. Торнадо произошел за 10 лет до съемки и повалил большинство деревьев на своем пути. Большую часть поваленных деревьев убрали, а на их месте выросли молодые деревья. Во время съемки, полог молодых деревьев, растущих в районе следа от торнадо, стал достаточно шероховатым, так что на снимке в С-диапазоне (6 см) молодые деревья сливаются с более зрелыми деревьями окружающего лесного массива. Для волн L-диапазона (24 см) полог молодых деревьев выглядит более гладким, чем окружающий лесной массив, поэтому след от торнадо виден на снимке как темная линия.
Угол падения также оказывает значительное влияние на отражение сигнала радара от растительности. На рисунке 4️⃣ показаны спутниковые радарные снимки лесистой местности на севере штата Флорида (США), которые сделаны под разными углами падения сигнала. Рельеф местности пологий, со средней высотой 45 м. На рисунке 4️⃣b различные типы почвенно-растительного покрова можно определить по их тону, текстуре и форме. Водоемы (W) имеют темный тон и гладкую текстуру. Вырубки (C) имеют темный тон с неяркой пестрой текстурой и прямоугольную или угловатую форму. Полоса отвода линий электропередач (P) и дороги (R) имеют темный тон, и форму в виде узких линейных полос. Сосновый лес (F), занимающий большую часть снимка, имеет средний тон с пестрой текстурой. Болота (S), покрытые в основном из лиственными породами деревьев, имеют светлый тон и пеструю текстуру.
Однако относительные тона лесных массивов значительно меняются в зависимости от угла падения сигнала. Например, болота с лиственным лесом имеют темный оттенок при угле падения 58°, и визуально их невозможно отличить от соснового леса. Но те же болота выглядят несколько светлее соснового леса при угле падения 45°, и гораздо светлее — при угле падения 28°. Считается, что очень высокий уровень отражения радарного сигнала от этих болот на изображении под углом 28° вызван зеркальным отражением от стоячей воды в сочетании с отражением от стволов деревьев, что приводит к двойному отражению (действию уголкового отражателя). Этот эффект более выражен при угле падения 28°, чем при больших углах падения, потому что проникновение радарных волн сквозь лесной полог больше при меньшем угле падения.
#SAR #основы
Угол падения также оказывает значительное влияние на отражение сигнала радара от растительности. На рисунке 4️⃣ показаны спутниковые радарные снимки лесистой местности на севере штата Флорида (США), которые сделаны под разными углами падения сигнала. Рельеф местности пологий, со средней высотой 45 м. На рисунке 4️⃣b различные типы почвенно-растительного покрова можно определить по их тону, текстуре и форме. Водоемы (W) имеют темный тон и гладкую текстуру. Вырубки (C) имеют темный тон с неяркой пестрой текстурой и прямоугольную или угловатую форму. Полоса отвода линий электропередач (P) и дороги (R) имеют темный тон, и форму в виде узких линейных полос. Сосновый лес (F), занимающий большую часть снимка, имеет средний тон с пестрой текстурой. Болота (S), покрытые в основном из лиственными породами деревьев, имеют светлый тон и пеструю текстуру.
Однако относительные тона лесных массивов значительно меняются в зависимости от угла падения сигнала. Например, болота с лиственным лесом имеют темный оттенок при угле падения 58°, и визуально их невозможно отличить от соснового леса. Но те же болота выглядят несколько светлее соснового леса при угле падения 45°, и гораздо светлее — при угле падения 28°. Считается, что очень высокий уровень отражения радарного сигнала от этих болот на изображении под углом 28° вызван зеркальным отражением от стоячей воды в сочетании с отражением от стволов деревьев, что приводит к двойному отражению (действию уголкового отражателя). Этот эффект более выражен при угле падения 28°, чем при больших углах падения, потому что проникновение радарных волн сквозь лесной полог больше при меньшем угле падения.
#SAR #основы
1️⃣ Снимок сельскохозяйственных полей в окрестностях Виннипега (провинция Альберта, Канада), сделанный радаром L-диапазона с беспилотника: a) 17 июня, b) 17 июля.
2️⃣ Снимки сельскохозяйственных полей на территории Нидерландов, сделанные авиационным радаром a) C-диапазон (3.75–7.5 см), b) L-диапазон (15–30 см), c) P-диапазон (30–100 см). HH-поляризация.
3️⃣ Снимки радара SIR-C покрытой лесом территории в северном Висконсине (США): a) C-диапазон, b) L-диапазон. След от торнадо в виде вертикальной темной линии виден только на снимке, сделанном в L-диапазоне.
4️⃣ Снимки радара SIR-B images на территории северной Флориды, L-диапазон: a) угол падения 58°, 9 октября; b) угол падения 45°, 10 октября; c) угол падения 28°, 11 октября. C —вырубки (clear-cut area), F — сосновый лес, P — полоса отвода под линию электропередач, R — дорога; S — болото, W — открытый водоем.
Источник снимков: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
2️⃣ Снимки сельскохозяйственных полей на территории Нидерландов, сделанные авиационным радаром a) C-диапазон (3.75–7.5 см), b) L-диапазон (15–30 см), c) P-диапазон (30–100 см). HH-поляризация.
3️⃣ Снимки радара SIR-C покрытой лесом территории в северном Висконсине (США): a) C-диапазон, b) L-диапазон. След от торнадо в виде вертикальной темной линии виден только на снимке, сделанном в L-диапазоне.
4️⃣ Снимки радара SIR-B images на территории северной Флориды, L-диапазон: a) угол падения 58°, 9 октября; b) угол падения 45°, 10 октября; c) угол падения 28°, 11 октября. C —вырубки (clear-cut area), F — сосновый лес, P — полоса отвода под линию электропередач, R — дорога; S — болото, W — открытый водоем.
Источник снимков: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.