[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 317
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 347 روز
..
:: دوره 8، شماره 4 - ( 12-1399 ) ::
جلد 8 شماره 4 صفحات 101-81 برگشت به فهرست نسخه ها
بررسی تأثیر تغییرات رطوبت خاک بر فاز تداخل سنجی راداری
صادق رنجبر ، مهدی آخوندزاده هنزائی*
دانشگاه تهران
چکیده:   (2693 مشاهده)
تداخل­سنجی راداری تفاضلی (DInSAR) به عنوان یک ابزار بالقوه سنجش از دور برای شناسایی جابجایی­های سطح زمین با دقت زیر سانتی­متر شناخته شده است. تغییرات رطوبت سطحی خاک ( ) در زمان میان دو تصویر به عنوان یک پارامتر تأثیرگذار بر فاز تداخل­سنجی ( )، باعث ایجاد خطا در برآورد جابجایی می­شود. در این پژوهش، میزان و نحوه­ تأثیرگذاری  بر φ در زمین­هایی با پوشش گیاهی گندم، کلزا، علف هرز، نخود و زمین بایر با استفاده از یک مدل رگرسیونی بطور تجربی بررسی شده است. برای این بررسی از داده­های هوایی سنجنده­ UAVSAR (باند L) همراه با داده­های اندازه­گیری شده­ زمینی در کمپین زمینی کانادا برای رطوبت خاک در سال 2010 (CanEx-SM10) استفاده شده است. با توجه به نمودارهای پراگندگی بین φ و  و مشاهده­ رابطه­ مستقیم و تقریبا خطی بین این دو پارامتر، تعدادی فرضیه برای استفاده از یک مدلسازی رگرسیونی در نظر گرفته شد. با مقایسه­ فاز تخمین زده شده با استفاده از مدل رگرسیونی کالیبره شده و فاز محاسبه شده از تکنیک تداخل­سنجی، بهترین نتایج مدل در زمین بایر با خطای جذر میانگین مربعات (RMSE)، 3/0 رادیان تا 6/0 رادیان و ضریب تعیین (R2)، 69% تا 72% در قطبیدگی­های VV و HH بدست آمده است. بطور کلی، نتایج مدل رگرسیونی نشان می­دهد بدون تأثیر بقیه عوامل تأثیرگذار بر φ، این پارامتر می­تواند به عنوان تابعی رگرسیونی از تغییرات سطح رطوبت خاک در زمین­های بایر باشد. همچنین، این مدلسازی نتایج قابل قبولی برای زمین­های دارای پوشش گیاهی ارائه می­دهد (RMSE، 6/0 رادیان تا 99/0 رادیان و R2، 40% تا 55%  با توجه به نوع پوشش گیاهی و قطبیدگی­های مختلف). در مقایسه­ی قطبیدگی­ها، نوسانات φ در قطبیدگی­های هم­قطبش (HH و VV) همبستگی بیشتری با  نشان می­دهند. بطور کلی، φ تابعی مستقیم و تقریبا خطی از  می­باشد و تغییرات زیاد رطوبت سطحی خاک باعث ورود خطای قابل توجهی در برآورد جابجایی می­شود.
واژه‌های کلیدی: تداخل سنجی راداری، فاز، رطوبت سطحی خاک، تغییرات پوشش گیاهی.
متن کامل [PDF 2261 kb]   (1010 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1399/10/4 | پذیرش: 1400/1/28 | انتشار: 1400/1/31
فهرست منابع
1. [1] R. F. Hanssen, Radar interferometry: data interpretation and error analysis, vol. 2. Springer Science & Business Media, 2001. [DOI:10.1007/0-306-47633-9]
2. [2] D. Massonnet et al., "The displacement field of the Landers earthquake mapped by radar interferometry," Nature, vol. 364, no. 6433, pp. 138-142, 1993. [DOI:10.1038/364138a0]
3. [3] R. F. Hanssen, T. M. Weckwerth, H. A. Zebker, and R. Klees, "High-resolution water vapor mapping from interferometric radar measurements," Science (80-. )., vol. 283, no. 5406, pp. 1297-1299, 1999. [DOI:10.1126/science.283.5406.1297]
4. [4] R. Bürgmann, P. A. Rosen, and E. J. Fielding, "Synthetic aperture radar interferometry to measure Earth's surface topography and its deformation," Annu. Rev. Earth Planet. Sci., vol. 28, no. 1, pp. 169-209, 2000. [DOI:10.1146/annurev.earth.28.1.169]
5. [5] F. De Zan, A. Parizzi, P. Prats-Iraola, and P. López-Dekker, "A SAR interferometric model for soil moisture," IEEE Trans. Geosci. Remote Sens., vol. 52, no. 1, pp. 418-425, 2013. [DOI:10.1109/TGRS.2013.2241069]
6. [6] A. K. Gabriel, R. M. Goldstein, and H. A. Zebker, "Mapping small elevation changes over large areas: Differential radar interferometry," J. Geophys. Res. Solid Earth, vol. 94, no. B7, pp. 9183-9191, 1989. [DOI:10.1029/JB094iB07p09183]
7. [7] S. Zwieback, S. Hensley, and I. Hajnsek, "Assessment of soil moisture effects on L-band radar interferometry," Remote Sens. Environ., vol. 164, pp. 77-89, 2015. [DOI:10.1016/j.rse.2015.04.012]
8. [8] F. De Zan and G. Gomba, "Vegetation and soil moisture inversion from SAR closure phases: First experiments and results," Remote Sens. Environ., vol. 217, pp. 562-572, 2018. [DOI:10.1016/j.rse.2018.08.034]
9. [9] S. Ranjbar, A. Zarei, M. Hasanlou, M. Akhoondzadeh, J. Amini, and M. Amani, "Machine learning inversion approach for soil parameters estimation over vegetated agricultural areas using a combination of water cloud model and calibrated integral equation model," J. Appl. Remote Sens., vol. 15, no. 1, pp. 1-17, 2021, doi: 10.1117/1.JRS.15.018503. [DOI:10.1117/1.JRS.15.018503]
10. [10] S. Ranjbar and M. Akhoondzadeh, "Volumetric soil moisture estimation using Sentinel 1 and 2 satellite images," kntu-jgit, vol. 7, no. 4, pp. 215-232, Mar. 2020, doi: 10.29252/jgit.7.4.215.
11. [11] S. Zwieback, S. Hensley, and I. Hajnsek, "Soil moisture estimation using differential radar interferometry: Toward separating soil moisture and displacements," IEEE Trans. Geosci. Remote Sens., vol. 55, no. 9, pp. 5069-5083, 2017. [DOI:10.1109/TGRS.2017.2702099]
12. [12] B. Barrett, P. Whelan, and E. Dwyer, "Detecting changes in surface soil moisture content using differential SAR interferometry," Int. J. Remote Sens., vol. 34, no. 20, pp. 7091-7112, 2013. [DOI:10.1080/01431161.2013.813654]
13. [13] S. Zwieback, S. Hensley, and I. Hajnsek, "A polarimetric first-order model of soil moisture effects on the DInSAR coherence," Remote Sens., vol. 7, no. 6, pp. 7571-7596, 2015. [DOI:10.3390/rs70607571]
14. [14] F. De Zan, M. Zonno, and P. Lopez-Dekker, "Phase inconsistencies and multiple scattering in SAR interferometry," IEEE Trans. Geosci. Remote Sens., vol. 53, no. 12, pp. 6608-6616, 2015. [DOI:10.1109/TGRS.2015.2444431]
15. [15] A. Ferretti, A. Fumagalli, F. Novali, C. Prati, F. Rocca, and A. Rucci, "A new algorithm for processing interferometric data-stacks: SqueeSAR," IEEE Trans. Geosci. Remote Sens., vol. 49, no. 9, pp. 3460-3470, 2011. [DOI:10.1109/TGRS.2011.2124465]
16. [16] S. Hensley et al., "Effect of soil moisture on polarimetric-interferometric repeat pass observations by UAVSAR during 2010 Canadian soil moisture campaign," in 2011 IEEE International Geoscience and Remote Sensing Symposium, 2011, pp. 1063-1066. [DOI:10.1109/IGARSS.2011.6049379]
17. [17] Y. Eshqi Molan and Z. Lu, "Can InSAR Coherence and Closure Phase Be Used to Estimate Soil Moisture Changes?," Remote Sens., vol. 12, no. 9, p. 1511, 2020. [DOI:10.3390/rs12091511]
18. [18] S. Cloude, Polarisation: applications in remote sensing. OUP Oxford, 2009. [DOI:10.1093/acprof:oso/9780199569731.001.0001]
19. [19] S. R. Cloude and K. P. Papathanassiou, "Polarimetric SAR interferometry," IEEE Trans. Geosci. Remote Sens., vol. 36, no. 5, pp. 1551-1565, 1998. [DOI:10.1109/36.718859]
20. [20] H. A. Zebker and J. Villasenor, "Decorrelation in interferometric radar echoes," IEEE Trans. Geosci. Remote Sens., vol. 30, no. 5, pp. 950-959, 1992. [DOI:10.1109/36.175330]
21. [21] H. A. Zebker, C. L. Werner, P. A. Rosen, and S. Hensley, "Accuracy of topographic maps derived from ERS-1 interferometric radar," IEEE Trans. Geosci. Remote Sens., vol. 32, no. 4, pp. 823-836, 1994. [DOI:10.1109/36.298010]
22. [22] H. A. Zebker, P. A. Rosen, and S. Hensley, "Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps," J. Geophys. Res. Solid Earth, vol. 102, no. B4, pp. 7547-7563, 1997. [DOI:10.1029/96JB03804]
23. [23] V. Brancato and I. Hajnsek, "Separating the Influence of Vegetation Changes in Polarimetric Differential SAR Interferometry," IEEE Trans. Geosci. Remote Sens., vol. 56, no. 12, pp. 6871-6883, 2018. [DOI:10.1109/TGRS.2018.2845368]
24. [24] S. Zwieback and I. Hajnsek, "Influence of vegetation growth on the polarimetric zero-baseline DInSAR phase diversity-Implications for deformation studies," IEEE Trans. Geosci. Remote Sens., vol. 54, no. 5, pp. 3070-3082, 2016. [DOI:10.1109/TGRS.2015.2511118]
25. [25] D. Massonnet and K. L. Feigl, "Radar interferometry and its application to changes in the Earth's surface," Rev. Geophys., vol. 36, no. 4, pp. 441-500, 1998. [DOI:10.1029/97RG03139]
26. [26] P. S. Agram and M. Simons, "A noise model for InSAR time series," J. Geophys. Res. Solid Earth, vol. 120, no. 4, pp. 2752-2771, 2015. [DOI:10.1002/2014JB011271]
27. [27] R. Magagi et al., "Canadian Experiment for Soil Moisture in 2010 ( CanEx-SM10 ): Overview and Preliminary Results," vol. 51, no. 1, pp. 347-363, 2013. [DOI:10.1109/TGRS.2012.2198920]
28. [28] M. T. Hallikainen, F. T. Ulaby, M. C. Dobson, M. A. El-Rayes, and L.-K. Wu, "Microwave dielectric behavior of wet soil-part 1: Empirical models and experimental observations," IEEE Trans. Geosci. Remote Sens., no. 1, pp. 25-34, 1985. [DOI:10.1109/TGRS.1985.289497]
29. [29] N. R. Peplinski, F. T. Ulaby, and M. C. Dobson, "Dielectric properties of soils in the 0.3-1.3-GHz range," IEEE Trans. Geosci. Remote Sens., vol. 33, no. 3, pp. 803-807, 1995. [DOI:10.1109/36.387598]
30. [30] M. Nolan, D. R. Fatland, and L. Hinzman, "DInSAR measurement of soil moisture," IEEE Trans. Geosci. Remote Sens., vol. 41, no. 12, pp. 2802-2813, 2003. [DOI:10.1109/TGRS.2003.817211]
31. [31] K. Norrish, "The swelling of montmorillonite," Discuss. Faraday Soc., vol. 18, pp. 120-134, 1954. [DOI:10.1039/df9541800120]
32. [32] F. T. Ulaby, K. Sarabandi, K. Mcdonald, M. Whitt, and M. C. Dobson, "Michigan microwave canopy scattering model," Int. J. Remote Sens., vol. 11, no. 7, pp. 1223-1253, 1990. [DOI:10.1080/01431169008955090]
33. [33] A. R. Mitchell, "Soil surface shrinkage to estimate profile soil water," Irrig. Sci., vol. 12, no. 1, pp. 1-6, 1991. [DOI:10.1007/BF00190702]
34. [34] B. te Brake, R. F. Hanssen, M. J. van der Ploeg, and G. H. de Rooij, "Satellite‐based radar interferometry to estimate large‐scale soil water depletion from clay shrinkage: Possibilities and limitations," Vadose Zo. J., vol. 12, no. 3, pp. 1-13, 2013. [DOI:10.2136/vzj2012.0098]
35. [35] V. Mironov, Y. Kerr, J.-P. Wigneron, L. Kosolapova, and F. Demontoux, "Temperature-and texture-dependent dielectric model for moist soils at 1.4 GHz," IEEE Geosci. Remote Sens. Lett., vol. 10, no. 3, pp. 419-423, 2012. [DOI:10.1109/LGRS.2012.2207878]
36. [36] F. Ulaby and D. Long, Microwave Radar and Radiometric Remote Sensing. 2014. [DOI:10.3998/0472119356]
37. [37] J.-P. Rudant, A. Bedidi, R. Calonne, D. Massonnet, and G. Nesti, "Laboratory experiments for the interpretation of phase shift in SAR interferograms," ESA SP, 1997.
38. [38] G. G. Hamedani and M. N. Tata, "On the determination of the bivariate normal distribution from distributions of linear combinations of the variables," Am. Math. Mon., vol. 82, no. 9, pp. 913-915, 1975. [DOI:10.1080/00029890.1975.11993976]
39. [39] A. Genz and F. Bretz, Computation of multivariate normal and t probabilities, vol. 195. Springer Science & Business Media, 2009. [DOI:10.1007/978-3-642-01689-9]
40. [40] L. Tsang and J. A. Kong, Scattering of electromagnetic waves: advanced topics, vol. 26. John Wiley & Sons, 2004.
41. [41] J. Pinheiro, D. Bates, S. DebRoy, D. Sarkar, and R. C. Team, "Linear and nonlinear mixed effects models," R Packag. version, vol. 3, no. 57, pp. 1-89, 2007.
42. [42] Q. Yin, W. Hong, Y. Li, and Y. Lin, "Analysis on soil moisture estimation of SAR data based on coherent scattering model," in EUSAR 2014; 10th European Conference on Synthetic Aperture Radar, 2014, pp. 1-4.
43. [43] Y. Eshqi Molan, "Soil Moisture Contributions to InSAR Phase and Decorrelation," 2020.
44. [44] F. T. Ulaby and M. A. El-Rayes, "Microwave dielectric spectrum of vegetation-Part II: Dual-dispersion model," IEEE Trans. Geosci. Remote Sens., no. 5, pp. 550-557, 1987. [DOI:10.1109/TGRS.1987.289833]
45. [45] R. Goldstein, "Atmospheric limitations to repeat‐track radar interferometry," Geophys. Res. Lett., vol. 22, no. 18, pp. 2517-2520, 1995. [DOI:10.1029/95GL02475]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ranjbar S, Akhoondzadeh M. Study of soil moisture change effects on L-band DInSAR phase. jgit 2021; 8 (4) :81-101
URL: http://jgit.kntu.ac.ir/article-1-811-fa.html

رنجبر صادق، آخوندزاده هنزائی مهدی. بررسی تأثیر تغییرات رطوبت خاک بر فاز تداخل سنجی راداری. مهندسی فناوری اطلاعات مکانی. 1399; 8 (4) :81-101

URL: http://jgit.kntu.ac.ir/article-1-811-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 8، شماره 4 - ( 12-1399 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660