Идентификация морских льдов Северного Ледовитого океана по данным радиолокатора с синтезированной апертурой

Одним из важнейших направлений развития дистанционного зондирования является изучение физических свойств земной поверхности с целью использования их в практической деятельности. При освещении обстановки в удаленных и малонаселенных районах Земли возникает необходимость в получении оперативной информации, обеспечивающей надежное решение задач управления для обеспечения хозяйственной деятельности, а также решения проблем экологической безопасности.

К таким районам относится акватория Северного Ледовитого океана, а в зимнее время и замерзающие моря умеренных шпрот, где условия мореплавания и практической деятельности (рыболовство, геологическая разведка, операции на шельфе, такие как добыча нефти и газа, прокладка трубопроводов) в значительной мере определяются состоянием ледяного покрова.

Первые попытки использования дистанционных методов наблюдений ледяного покрова были предприняты еще в середине 40-х годов XX века, когда для изучения характеристик ледяного покрова наряду с авиационными визуальными ледовыми наблюдениями, стала применяться аэрофотосъемка [12, 10].

В 50-ые и 60-ые годы стали появляться новые дистанционные средства, и с 1953 г. самолеты ледовой разведки стали оборудоваться панорамными радиолокационными станциями (PJIC). Учитывая их всепогодиость, эти PJIC стали использовать в качестве средства наблюдения за льдами. Однако из-за низкой разрешающей способности PJIC, неравноконтрастности изображения и больших радио теней при полетах на малых высотах они не вошли в практику ледовых наблюдений [22].

С 1968 г. для регулярного мониторинга и картографирования морских льдов широко использовались отечественные самолетные радиолокационные станции бокового обзора (РЛСБО) «Торос» и «Нить». Большое значение для развития методики радиолокационного мониторинга морских льдов имел запуск в 1983 г. первого спутника российской системы «Океан», на борту которого впервые в отечественной практике была установлена РЛСБО.

Дальнейшее совершенствование космической техники привело к созданию спутниковых радиолокаторов с синтезированной апертурой (РСА), которые позволили получить значительно более высокое пространственное разрешение по сравнению с РЛСБО. Эффективность их использования для изучения и мониторинга морских льдов была продемонстрирована американским спутником SEAS AT (1978 г.), и российскими искусственными спутниками Земли (ИСЗ) «Космос-1870» (1989 г.) и «Алмаз-1» (1991 г.). Однако для решения оперативных задач получаемая информация использовалась (по разным причинам) в ограниченном объеме [2].

Начиная с 1991 г. радиолокационные системы с синтезированной апертурой, установленные на европейских спутниках ERS-1,2, стали использоваться при решении различных задач дистанционного зондирования Земли, в том числе при изучении ледяного покрова [76, 78]. С запуском в 1995 г. канадского спутника RADARSAT и в 2002 г. европейского спутника ENVISAT, позволяющих производить съемку земной поверхности в широкой полосе обзора с высоким разрешением и возможностью комбинировать поляризации, возможности мониторинга морских льдов и обеспечения навигации значительно расширились [36].

В настоящее время наиболее оптимальным, как по временным параметрам применения (сезонным, суточным), так и по пространственному обзору (покрытию и перекрытию зон обзора), является использование радиолокационных станций, т. е. датчиков ' дистанционного зондирования, работающих в радиодиапазоне микроволновых частот. Классификация радиолокационных изображений для решения задач производится по признакам пространственного обзора с учетом движения космического аппарата вдоль траектории полета: трассовые и панорамные РЛС;

— РЛС бокового обзора (РЛСБО);

— РЛС с синтезированной апертурой (РСА).

Переход от пространственных характеристик РЛ-изображений морских льдов к навигационным осуществляется в процессе интерпретации и включает этапы обнаружения, опознавания и идентификации. Идентификацией считается определение основных характеристик морских льдов в соответствии с принятой классификацией. В работе использована классификация, разработанная в Арктическом и антарктическом научно-исследовательском институте. Классификация содержит термины и определения, согласованные с номенклатурой морского льда Всемирной Метеорологической Организации (ВМО) [28].

Визуальное дешифрирование спутниковых изображений выполняется опытным ледовым экспертом в интерактивном режиме. При визуальном анализе PJI-изображений морских льдов, кроме яркости участков изображения, принимаются во внимание следующие факторы: тональная структура изображения, форма и размеры ледовых образований, их расположение, а также учитываются особенности ледового режима конкретного географического района, метеорологические данные, наземные наблюдения, данные спутников, полученные в других спектральных диапазонах и на различных поляризациях.

Продуктом визуальной интерпретации является составляемая ледовым экспертом ледовая карта, на которой детали ледовой обстановки отображаются принятыми в официальном издании Всемирной Метеорологической Организации условными обозначениями («Номенклатура ВМО по морскому льду» ВМО, № 259, Тр. 145, 1970, Женева). Экспертное дешифрирование требует значительных временных затрат и является довольно трудоемким процессом, особенно, если требуется высокая степень детализации составляемых ледовых карт.

Работа в тяжелых условиях полярного региона и оперативное обеспечение хозяйственной деятельности в арктических морях ледовыми данными требуют повышенной скорости усвоения информации, ввиду сокращения времени принятия решения в сложной обстановке, что невозможно выполнить без применения средств и методов дистанционного зондирования и вычислительной техники, реализующей сложные алгоритмы количественной обработки. Требования к точности и объективности результатов автоматизированной обработки данных дистанционного зондирования постоянно растут, и рост одной только производительности средств вычислительной техники уже не может удовлетворить всех возрастающих требований потребителей гидрометеорологической информации.

Существует несколько путей развития методов получения параметров окружающей среды с использованием космических средств дистанционного зондирования, а именно:

— путем сокращения объема используемых для обработки данных с устранением избыточной информации, которая определяется не только особенностями объектов природной среды, но и особенностями отображения объекта — его изображениямииспользованием репрезентативной информации;

— разработкой более производительных алгоритмов тематической обработки данных дистанционного зондирования, которая достигается как с помощью оптимизации известных алгоритмов, так и разработкой принципиально новых средств и методов.

Для своевременной обработки радиолокационной информации и предоставления ее в виде цифровых ледовых карт требуется разработка автоматических алгоритмов классификации и идентификации морского льда.

Классификацией считается тематическая обработка, позволяющая производить автоматизированное разбиение PJI-изображений на однородные по какому-либо критерию области (классы морского льда). В последние годы было предложено несколько автоматических алгоритмов классификации РСА-изображений морских льдов [82, 84, 129], но большинство из них находится на стадии тестирования и не используются в оперативном режиме, и только некоторые внедрены (например. ARCTOS) [123, 124, 51]. На практике автоматические алгоритмы классификации морского льда могут являться частью автоматизированной комплексной системы обработки спутниковой информации.

Процедура классификации основывается чаще всего на статистическом анализе различных характеристик изображения: пространственных, временных или спектральных. К простейшим полезным пространственным характеристикам относятся: текстура, контекст, форма и структурные соотношения.

Текстура изображения определяется статистическими взаимосвязями значений соседних пикселей РСА-изображения и выражается в виде некоторого абстрактного «узора», воспринимаемого глазом при визуальном анализе изображения (само латинское слово «textura» означает ткань, строение). Характер текстуры, соответствующей разным типам льда, может быть весьма разнообразен. Текстура зависит от пространственного разрешения радиолокатора, пространственного масштаба неоднородностей на поверхности морских льдов и в его объеме. Для её численного выражения применяются текстурные признаки [83], вычисляемые на анализируемом участке РЛ-изображения.

Под временными характеристиками следует понимать сезонные изменения морского льда, которые могут служить их индикаторами. Однако принято считать, что основную информацию о состоянии ледяного покрова содержат их спектральные характеристики, поэтому в большинстве известных алгоритмов классификации используются спектральные образы (сигнатуры) или получаемые по ним значения удельной эффективной площади рассеяния (УЭПР) видов морского льда.

Распознавание совокупности этих признаков является довольно простой задачей для человеческого зрения, которое решает проблему соответствия тона или текстур РСА-изображения тому или иному виду морского льда совершенно легко на подсознательном уровне, но весьма трудной для машинного. Для решения подобных проблем широкое распространение получили исследования способов обработки информации человеческим мозгом, которые в корне отличаются от обычных математических методов. Стала развиваться новая прикладная область математики, специализирующаяся на попытках имитации работы нейронов головного мозга, и получившая названне Искусственных Нейронных Сетей (НС).

В данной работе предложен алгоритм классификации PJI-изображений морского льда, который основывается на модели НС с обратным распространением ошибок. Разделение морских льдов в процедуре автоматической классификации может быть улучшено путем совместного использования дополнительных признаков РСА-изображений, которые получены в ходе исследований основной визуальной характеристики процесса дешифрирования — текстуры, и значений УЭПР в качестве входных параметров алгоритма.

Актуальность темы

исследования.

Актуальность темы

исследования обусловлена тем, что изучение физических свойств земной поверхности с целью использования их в практической деятельности является одним из важнейших направлений развития дистанционного зондирования. При освещении обстановки в удаленных и малонаселенных районах Земли возникает необходимость в получении оперативной информации, обеспечивающей надежное решение задач управления для обеспечения хозяйственной деятельности, а также для решения проблем экологической безопасности.

К таким районам относятся акватории Северного Ледовитого океана и морей умеренных широт, замерзающих в зимнее время, где условия мореплавания и практической деятельности (рыболовство, геологическая разведка, операции на шельфе, такие как добыча нефти и газа, прокладка трубопроводов) в значительной мере определяются состоянием ледяного покрова.

Работа в указанных условиях требует повышенной скорости усвоения информации, ввиду сокращения времени принятия решения в сложной обстановке, что невозможно выполнить без применения средств и методов дистанционного зондирования и вычислительной техники.

Реализовать развитие методов получения параметров окружающей среды с использованием космических средств дистанционного зондирования позволяет оптимизация известных алгоритмов обработки для конкретного вида бортовых средств наблюдения и изучения свойств определенных типов подстилающей поверхности (суши, водной поверхности, ледовой поверхности замерзающих морей). Поэтому актуальной и востребованной научной и прикладной задачей в настоящее время является разработка адекватных методов обработки для реализации третьего вышеуказанного пути, а именно разработки более производительных алгоритмов тематической обработки данных дистанционного зондирования, которая достигается как с помощью оптимизации известных алгоритмов, так и разработкой принципиально новых средств и методов.

Цель и задачи исследования

.

Целью диссертационной работы является разработка методики автоматизированной идентификации морских льдов Арктики по данным радиолокатора с синтезированной апертурой на основе нейронных сетей. Совершенствование технологии и практического использования методики автоматизированной классификации изображений морских льдов в Арктике осуществляется по материалам космической радиолокационной съемки на примере обработки информации РСА, установленного на борту спутника ENVISAT.

Реализация поставленной цели потребовала решения следующих задач: изучить характер зависимости удельной эффективной площади рассеяния (УЭПР) морских льдов от их возраста по данным РСАпроанализировать зависимость УЭПР морских льдов от угла зондирования и разработать методику угловой коррекции РСА-изображенийоценить возможность распознавания различных видов морского льда на РСАизображениях, полученных с использованием различных поляризаций;

— определить информативность текстурных признаков радиолокационных изображений и оптимальную комбинацию этих признаков для автоматизированной классификации изображении морских льдов;

— обосновать выбор параметров настройки и выполнить настройку нейронной сети для идентификации морских льдов по данным съемки с помощью РСА с использованием значений УЭПР и текстурных признаков;

— протестировать разработанную методику.

Объект исследования — ледяной покров Северного Ледовитого океана и происходящие в нем процессы.

Предмет исследования — технология классификации изображений морского льда с помощью метода нейронных сетей с учетом особенностей функционирования РСА.

Методы исследования и используемое программное обеспечение.

Основные результаты исследования получены с помощью экспериментальных методов и теоретических расчетов с применением теории радиолокации и методов прикладных исследований, отражающих свойства морских льдов. Применялись качественные методы дешифрирования спутниковых радиолокационных изображений морских льдов (визуальный анализ РСА изображений с привлечением сопутствующих изображений, полученных в видимом диапазоне длин волн) с привлечением ледовых карт, составленных специалистами-экспертами.

При анализе особенностей радиолокационных изображений и классификации морских льдов предварительно выполнялась калибровка, на стадии которой проводилась коррекция зависимости получаемых значений УЭПР морских льдов от угла падения РЛ-изображений, осуществлялась статистическая обработка полученных результатов. При этом использовалось программное обеспечение, разработанное в Международном центре по окружающей среде и дистанционному зондированию им. Нансена (г. Берген, Норвегия и г. Санкт-Петербург, Россия), и пакет прикладных компьютерных программ Matrix Laboratory (Matlab) компании The Math Works (США). При разработке алгоритмов автоматизированной классификации морских. льдов использовались методы нейронных сетей, реализованные в программном пакете SNNS (Stuttgart Neural Network Simulator версия 4.2), разработанном в университете Штутгарта.

При написании диссертации автор придерживался ледовой терминологии п условных обозначений в соответствии с действующей Международной символикой для морских ледовых карт и номенклатурой морских льдов, принятой Всемирной Метеорологической Организацией.

На защиту выносятся:

1) Методика угловой коррекции РСА-изображений морских льдов. Предлагаемая методика угловой коррекции РСА-изображений морских льдов позволяет выделять различные виды льда по всей ширине полосы обзора.

2) Методика автоматизированной идентификации видов морского льда на основе анализа РСА-изображений с помощью нейронных сетей. Разработанная методика автоматизированной классификации РСА-изображений с помощью нейронных сетей обеспечивает достоверную идентификацию видов морского льда.

3) Обоснование выбора поляризаций и углов падения для выделения характеристик морского льда. Обоснованный выбор различных поляризаций и углов падения позволяет эффективно выделять некоторые виды морского льда.

Научная новизна.

В процессе выполнения исследований были получены оригинальные результаты по адаптации теоретических положений в области распознавания образов с применением нейронных сетей для получения параметров конкретных объектов природной среды (морского ледяного покрова) на примере РСА-изображений, получаемых со спутника ENVISAT.

К оригинальным научным результатам исследований можно отнести:

1) выявленные диапазоны изменения УЭПР разных видов льда в С-диапазоне на горизонтальной (ГГ) поляризации;

2) методику угловой коррекции РСА-изображений;

3) параметры расчета текстурных характеристик РСА-изображений морских льдов;

4) информативные признаки различных видов морского льда для различных поляризаций;

5) методику обработки информации с помощью нейронных сетей, адаптированную для идентификации морских льдов по РСА-изображениям;

6) алгоритм настройки нейронных сетей по экспериментальным данным.

Практическая значимость.

Разработанная методика угловой коррекции значений УЭПР различных видов морских льдов позволяет получить характеристики подстилающей поверхности по всей полосе обзора, что существенно увеличивает объем данных РСА-изображений и, следовательно, их информативность. Эти результаты могут быть использованы в оперативной работе ледовых экспертов в процессе визуального дешифрирования РСА-пзображеиий, так как получаемое равноконтрастное изображение значительно облегчает процесс интерпретации.

Возможности идентификации различных параметров морских льдов на РСА-изображениях в режиме альтернативной поляризации, получаемых с ENVISAT, при определённых в работе поляризациях и углах падения можно использовать в дальнейшем и для РСА таких спутников как RADARSAT-2 и Sentinel-1.

Совокупность разработанных методик и способов, примененных в технологии автоматизированного дешифрирования изображений с целью создания цифровых ледовых карт, позволит существенно повысить эффективность дешифрирования и, следовательно, эффективность создания ледовых карт в целом.

Разработанная методика автоматизированной классификации РСА-изображений была успешно апробирована при исследовании возможности выбора места размещения дрейфующей станции «Северный Полюс -35» (СП-35). Также результаты, полученные в диссертации, были использованы при разработке методики определения опасных ледяных образований с использованием средств дистанционного зондирования в рамках проекта ГУ ААНИИ.

Апробация работы и публикации.

Результаты исследования были представлены на итоговой сессии Ученого совета ААНИИ по результатам работ 2008 г. (Санкт-Петербург, 2009 г.) — на Шестой всероссийской конференции «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2008 г.) — на международной конференции SeaSAR 2008 (ESA ESRIN) (Фраскат — Рим, Италия, 2008 г.) — на ежегодных аспирантских сессиях Международного центра по окружающей среде и дистанционному зондированию им. Нансена (Санкт-Петербург, 2004, 2005, 2006, 2007, 2008 гг.) — на научном семинаре «Норвежско-Российское сотрудничество на Свальбарде» в Норвежском Полярном Институте (Тромсо, Норвегия, 2006 г.).

По теме диссертации опубликованы работы, в том числе одна публикация, в изданиях, включенных в перечень ВАК.

1) Пиотровская Н. Ю. (Захваткина Н.Ю.) Оценка УЭПР морских льдов разного возраста по радиолокационным изображениям спутника ENVISAT /.

B. Ю. Александров, Н. Ю. Пиотровская // Исследования Земли из космоса. -2008. — № 4. — С. 3−11 (1.2 п. л./0.6 п. л.).

2) Пиотровская IT. Ю. (Захваткина Н.Ю.) Цифровая обработка РСА-изображений морских льдов спутника ENVISAT / В. Ю. Александров, Н. Ю. Пиотровская // Проблемы Арктики и Антарктики. — 2008. — № 1 (78).

C. 90−94 (0.5 п. Л./0.25 п. л.).

3) Захваткина Н. Ю. Мониторинг ледяного покрова с помощью спутниковых радиолокаторов с синтезированной апертурой // Метеорологический вестник: электронное издание. 2009. Т. 2, вып. 1 (2) [март]. С. 1−38. URL: http:/Avvw.elibrary.ru/download/66 079 385.pdf (дата обращения 12.05.2009).

Результаты диссертационных исследований также изложены в отчетах ААНИИ по научно-исследовательским работам.

Объем и структура работы.

Диссертация состоит из введения, четырех глав, заключения, списка используемых сокращений, списка использованной литературы общим объемом 132 наименования (из них 88 на английском языке) и содержит 168 страниц машинописного текста, 10 таблиц, 39 рисунков.

Основные выводы и результаты исследования состоят в следующем:

1) Создана база данных значений УЭПР различных видов морских льдов Северного Ледовитого океана по РСА-изображениям, получаемым с ИСЗ ENVISAT.

2) На основе анализа зависимости УЭПР различных типов ледовой поверхности от угла визирования, получен набор коэффициентов для трёх основных видов льдов и взволнованной воды, и на этой основе разработана и реализована методика угловой коррекции РСА-изображения.

3) Сформирована база данных УЭПР морских льдов, полученных по РСА-изображениям на различных поляризациях, с рекомендациями к наилучшему выделению различных видов льдов при различных режимах съемки.

4) Разработан алгоритм автоматизированной классификации изображений морских льдов по РСА-изображениям, получаемым с ИСЗ ENVISAT, использующий в качестве признаков УЭПР и текстурные характеристики. На основе сравнения результатов экспертной классификации (ледовых карт ААНИИ), визуального анализа и алгоритма нейронных сетей показано, что разработанный алгоритм позволяет с достаточной долей вероятности детализировать информацию о состоянии ледяного покрова.

5) Показано, что метод нейронных сетей с применением текстурных характеристик даёт возможность автоматического разделения на РСА-изображениях таких, обычно сложно различаемых классов, как ровный однолетний лёд и спокойная вода/нилас.

СПИСОК ИСПОЛЬЗОВАННЫХ СОКРАЩЕНИЙ.

АП — альтернативная поляризация;

В — вертикальная поляризация;

ВМО — Всемирная Метеорологическая Организация;

Г — горизонтальная поляризация;

ДЗ — дистанционное зондирование;

ДДЗ — датчики дистанционного зондирования;

ИСЗ — искусственный спутник Земли;

ЛДА — линейный дискриминантный анализ;

МНС — многослойная нейронная сеть;

МСВ — матрица совместной встречаемости;

НС — нейронная сеть;

РЛС — радиолокационная станция;

РЛСБО — радиолокационная станция бокового обзора;

РСА — радиолокатор с синтезированной апертурой;

СП-35 — дрейфующая станция «Северный Полюс -35»;

УЭПР — удельная эффективная площадь рассеяния;

ARCTOS — Advanced Reasoning using Knowledge for Typing Of Sea-iceASAR — Advanced Synthetic Aperture RadarSNNS — Stuttgart Neural Network Simulator;

ЗАКЛЮЧЕНИЕ

.

В соответствии с поставленной целью в диссертации выполнено исследование на актуальную тему, посвященную научному анализу, обобщению и совершенствованию технологии автоматизированной обработки радиолокационных изображений морского льда на базе современной компьютерной техники, программных пакетов и материалов космических съемок.

В процессе работы над диссертацией выполнен анализ возможностей определения различных характеристик морского льда с помощью дистанционного зондирования. В диссертационной работе показано, что необходимым и достаточным условием для успешного получения практически любых параметров ледяного покрова в соответствии с [28] (кроме параметров дрейфа, которые не были целью данной работы), использование РЛ-изображений на этапе автоматической классификации.

Главный итог диссертации — разработан и протестирован алгоритм классификации РСА-изображений ледяного покрова для автоматизированной идентификации трех видов морского льда в районах центральной Арктики в холодный период года. Проведенный статистический анализ позволил выделить наиболее информативные признаки РСА-изображения, разработать технологию определения оптимальных параметров расчета текстурных характеристик и статистических моментов яркости и включить их в процедуру автоматизированной классификации.

Разработанная методика угловой коррекции изображений ASAR с широкой полосой обзора позволяет уверенно идентифицировать на изображениях разные виды морского льда по всей ширине полосы обзора, что значительно улучшает как возможности визуальной интерпретации, так и результаты автоматической классификации.

Установлено, что изображения в режиме альтернативной поляризации позволяют лучше различать некоторые виды морских льдов, выделять отдельные поля однолетнего льда и зоны молодого льда, а также границы лед/вода. Выполненный в работе анализ показал, что использование кросс-поляризационных данных позволяет выделить разрывы в многолетнем и однолетнем льдах. Это позволяет предположить, что использование данных в режиме АП в процедуре классификации в дальнейшем приведет к увеличению количества распознаваемых классов, увеличению надежности и точности классификации.

Показана возможность автоматизированной идентификации различных видов морских льдов с помощью метода нейронных сетей и выбора оптимальных параметров для настройки НС по PC А-изображениям с ENVISAT, которые можно использовать и в дальнейшем для РСА таких спутников как RADARSAT-2 и Sentinel-1. Для мониторинга морских льдов по PJI-изображениям этих ИСЗ могут быть использованы определённые в работе поляризации и углы падения, полученные на примере РСА-изображений ENVISAT.