본 논문에서는 서남극해에 위치한 Wilkinson 빙하주변에 존재하는 다양한 산란특징을 보이는 빙산을 고해상도 C-밴드RADARSAT-2의 다중편파 합성구경레이더 (SAR) 자료를 이용하여 탐지할 수 있는 기법을 연구 하였다. 다중편파 SAR 자료에 적용할 수 있는 다양한 기법 들 중 전자기파 산란 특성을 파악할 수 있는 Freeman-Durden decomposition, H/A/$\bar{\alpha}$ decomposition, 그리고 entropy (H)와 anisotropy(A) 기법 들과, 다중편파 SAR자료의 분류를 위해 Wishart 무감독 분류법을 연구지역 SAR 자료에 적용 하였다. 그 결과, Freeman Durden, H/A/$\bar{\alpha}$ decomposition을 이용한 기법들은 대부분의 빙산들을 잘 분류 하였지만 해빙과 비슷한 표면 산란과 체적 산란을 가지고 있는 빙산은 구분되지 않았다. 반면, H와 A의 조합 변수 중 하나인 [1-H][1-A] 변수를 이용한 무감독 분류법은 이러한 빙산들을 잘 구분하였다.
본 논문에서는 서남극해에 위치한 Wilkinson 빙하주변에 존재하는 다양한 산란특징을 보이는 빙산을 고해상도 C-밴드RADARSAT-2의 다중편파 합성구경레이더 (SAR) 자료를 이용하여 탐지할 수 있는 기법을 연구 하였다. 다중편파 SAR 자료에 적용할 수 있는 다양한 기법 들 중 전자기파 산란 특성을 파악할 수 있는 Freeman-Durden decomposition, H/A/$\bar{\alpha}$ decomposition, 그리고 entropy (H)와 anisotropy(A) 기법 들과, 다중편파 SAR자료의 분류를 위해 Wishart 무감독 분류법을 연구지역 SAR 자료에 적용 하였다. 그 결과, Freeman Durden, H/A/$\bar{\alpha}$ decomposition을 이용한 기법들은 대부분의 빙산들을 잘 분류 하였지만 해빙과 비슷한 표면 산란과 체적 산란을 가지고 있는 빙산은 구분되지 않았다. 반면, H와 A의 조합 변수 중 하나인 [1-H][1-A] 변수를 이용한 무감독 분류법은 이러한 빙산들을 잘 구분하였다.
In this study, detection of icebergs that have various scattering characteristics around Wilkinson glacier in West Antarctica is investigated using C-band fully-polarimetric RADARSAT-2 SAR data. Various polarimetric analyses including Freeman-Durden decomposition, H/A/$\bar{\alpha}$ decom...
In this study, detection of icebergs that have various scattering characteristics around Wilkinson glacier in West Antarctica is investigated using C-band fully-polarimetric RADARSAT-2 SAR data. Various polarimetric analyses including Freeman-Durden decomposition, H/A/$\bar{\alpha}$ decomposition, entropy (H) and anisotropy (A) method, and Wishart unsupervised classification, were applied for the RADARSAT-2 data used in this study. The polarimetric decomposition methods were successfully classified most of the iceberg, yet some iceberg with similar intensity of volume and surface scattering as sea ice were indistinguishable. Unsupervised classification with a combination of the polarimetric parameter, [1-H][1-A], gave a possibility to distinguish those unclassified iceberg.
In this study, detection of icebergs that have various scattering characteristics around Wilkinson glacier in West Antarctica is investigated using C-band fully-polarimetric RADARSAT-2 SAR data. Various polarimetric analyses including Freeman-Durden decomposition, H/A/$\bar{\alpha}$ decomposition, entropy (H) and anisotropy (A) method, and Wishart unsupervised classification, were applied for the RADARSAT-2 data used in this study. The polarimetric decomposition methods were successfully classified most of the iceberg, yet some iceberg with similar intensity of volume and surface scattering as sea ice were indistinguishable. Unsupervised classification with a combination of the polarimetric parameter, [1-H][1-A], gave a possibility to distinguish those unclassified iceberg.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만 이러한 연구들은 사용된 SAR 자료의 해상도가 좋지 않고 대부분 단일편파로 획득된 자료여서, 비교적 크기가 큰 빙산만을 탐지할 수 있거나 또는 스펙클 등이 빙산으로 잘못 탐지될 가능성이 높았다. 본 연구에서는 고해상도의 SAR영상에서 나타날 수 있는 다양한 산란특성을 지닌 빙산들을 효과적으로 탐지할 수 있는 다중편파 기법을 연구하였다.
본 연구에서는 서남극해에 존재하는 산란특징이 다양한 빙산을 탐지하기 위해서 고해상도의 C-밴드 다중 편파 RADARSAT-2 자료를 획득한 후, 다양한 편파기 법을 적용하여 빙산 탐지 가능성을 조사하였다. 그 결과, 체적산란이 우세하게 나타나는 빙산은 후방산란계수 및 다양한 다중편파 기법에서 추출되는 변수(예: Freeman-Durden 과 # decomposition)들을 이용하여 해양 및 해빙과 뚜렷하게 구분할 수 있었다.
현재로서는 이러한 특이빙산의 발생원인을 규명하기 어렵지만 향후 현장조사를 통하여 특이빙산의 정확한 원인이 무엇인지 살펴보고자 한다. 본 연구에서는 위에서 설명한 특이빙산의 구분 가능성에 대하여 초점을 맞추었다.
가설 설정
(a) Pauli RGB image of RADARSAT-2. (b) The solid white boxes represent typical iceberg features and the dotted white boxes represent unusual iceberg features.
제안 방법
마지막으로, 위에서 계산된 H와 A를 조합하여 다양한 편파 변수들을 추출 하였다(Fig. 6). 추출된 변수들의 평균과 표준편차를 위의 방법과 동일하게 계산하였다.
앞에서 설명한 변수들이 해빙, 빙산, 그리고 특이빙 산에서 어떠한 특징을 갖는지를 알기 위하여 SAR 영상 에서 각각의 샘플 지역을 나누었다(Fig. 3). 그리고 각각의 샘플 지역에서 100 픽셀의 후방산란계수 값을 추출 하여 평균과 표준편차를 계산하였다.
7). 이러한 결과의 물리적 해석을 위해서는 정확한 현장 자료가 필요하지만 이용 가능한 현장조사자료의 제약으로 인해 앞에서 가정한 사실을 바탕으로 몇 가지 가능성을 제안하였다. 우선, 해빙은 표면산란만이 우세하기 때문에 [1-H][1-A]가 특이빙산과 빙산에 비하여 상대적으로 작은 범위에서 분포하고 특이빙산과 빙산 사이에선 앞의 가정과 같은 이유로 체적산란과 표면산란 정도의 차이가 발생하기 때문에 [1-H][1-A]에서 서로 구분되는 것으로 여겨진다.
1). 촬영시간은 UTC 시간으로 2010년 11월 26일 02:41이며(Table 1), 다중편파 분석을 위하여 Single Look Complex (SLC) 자료로 처리하였다. 정량적 통계 분석을 위하여 획득된 자료는 look-up table을 이용하여 후방산란계수 (backscattering coefficient)를 추출하였고, 스펙클 잡음(speckle noise)을 줄이기 위하여 5×5 Lee 필터를 적용 하였다.
본 연구에서는 위에서 설명한 특이빙산의 구분 가능성에 대하여 초점을 맞추었다. 특이빙산을 구분하기 위하여, 다양한 다중편파 기법에서 추출할 수 있는 변수들의 통계적 분석을 수행하여 특이빙산의 구분 가능성을 조사하였다. 사용된 다중편파기법은 다음과 같다.
대상 데이터
이 논문은 기상청 기후변화 감시·예측 및 국가정책 지원 강화사업(RACS_2010-1008)의 지원으로 수행되었습니다. 본 연구에 사용된 RADARSAT-2 자료는 SOAR-DLR-5078을 통해 JYackel에 제공된 자료입니다.
본 연구에서 획득된 SAR 자료는Wilkinson 빙하 주변의 고해상도 C-밴드 다중편파 RADARSAT-2자료 이다(Fig. 1). 촬영시간은 UTC 시간으로 2010년 11월 26일 02:41이며(Table 1), 다중편파 분석을 위하여 Single Look Complex (SLC) 자료로 처리하였다.
이를 위해, 고해상도 C-밴드 다중편파 RADARSAT-2자료를 사용 하였다. 촬영 지역은 최근 빙산이 많이 생성되고 있는 서남극해의 Wilkinson 빙하 주변이다.
이를 위해, 고해상도 C-밴드 다중편파 RADARSAT-2자료를 사용 하였다. 촬영 지역은 최근 빙산이 많이 생성되고 있는 서남극해의 Wilkinson 빙하 주변이다. 다중편파 SAR 자료로부터 추출할 수 있는 다양한 파라미터 (예를 들면, Freeman-Durden decomposition, H/A/mean alpha decomposition, 그리고 entropy (H)/anisotropy (A) 등의 조합 변수)를 이용한 Wishart 무감독 분류법을 적용하였다.
데이터처리
3). 그리고 각각의 샘플 지역에서 100 픽셀의 후방산란계수 값을 추출 하여 평균과 표준편차를 계산하였다. Fig.
다음으로 앞에서 설명한 동일한 방법으로 H/A/ decomposition의 평균과 표준편차를 계산 하였다(Fig. 5). 빙산의 경우, H와 #의 평균은 각각 약 0.
정량적 통계 분석을 위하여 획득된 자료는 look-up table을 이용하여 후방산란계수 (backscattering coefficient)를 추출하였고, 스펙클 잡음(speckle noise)을 줄이기 위하여 5×5 Lee 필터를 적용 하였다.
이론/모형
촬영 지역은 최근 빙산이 많이 생성되고 있는 서남극해의 Wilkinson 빙하 주변이다. 다중편파 SAR 자료로부터 추출할 수 있는 다양한 파라미터 (예를 들면, Freeman-Durden decomposition, H/A/mean alpha decomposition, 그리고 entropy (H)/anisotropy (A) 등의 조합 변수)를 이용한 Wishart 무감독 분류법을 적용하였다.
획득된 SAR 자료를 이용하여 특이빙산, 빙산, 그리고 해빙을 구분하기 위하여 기존 연구(Lee et al., 1999) 에서 제안한 Wishart unsupervised classification 기법을 적용하였다. Fig.
성능/효과
(1) 빙산 표면이 녹으면서 유전율이 증가하여 체적산란이 약해지고 표면산란이 강하게 발생하였다.
(2) 빙하로부터 붕괴될 때 해수에 잠기면서 표층의 높은 염분으로 인하여 유전율이 증가하게 되고 이로 인하여 체적산란이 감소하고 표면산란이 강하게 발생하였다.
결과적으로, 고해상도 C-band 다중편파 SAR 자료를 이용하여 다양한 산란특징을 지닌 빙산을 탐지하기 위해서는 #-Wishart unsupervised classification method가 효율적인 방법이라는 것을 알 수 있다.
그 결과, 체적산란이 우세하게 나타나는 빙산은 후방산란계수 및 다양한 다중편파 기법에서 추출되는 변수(예: Freeman-Durden 과 # decomposition)들을 이용하여 해양 및 해빙과 뚜렷하게 구분할 수 있었다.
추출된 변수들의 평균과 표준편차를 위의 방법과 동일하게 계산하였다. 그 결과, 추출된 변수들 중에서 [1-H][1-A]의 평균과 표준편차의 분포를 통하여 특이빙산, 빙산, 그리고 해빙의 확률밀도함수가 서로 중복되지 않음을 알 수 있다(Fig. 7). 이러한 결과의 물리적 해석을 위해서는 정확한 현장 자료가 필요하지만 이용 가능한 현장조사자료의 제약으로 인해 앞에서 가정한 사실을 바탕으로 몇 가지 가능성을 제안하였다.
8(a)는 #-Wishart unsupervised classification 기법을 적용한 결과이다. 그 결과, 해양, 빙산, 그리고 해빙은 뚜렷이 구분이 되었지만, 특이빙산은 빙산이 아닌 해빙으로 구분 되었다. 앞에서 설명하였듯이, 특이빙산, 빙산, 그리고 해빙의 H와 #의 확률밀도함수가 서로 독립적이지 못하기 때문에 이러한 결과가 나타난 것으로 보인다.
하지만 특이빙산 (DIB)은 해빙 (SI)과 유사하게 표면산란이 우세한 결과를 보여주었다. 그리고 특이빙산의 평균과 표준편차의 분포를 통하여 특이빙산의 Freeman-Durden decomposition 확률밀도함수가 빙산 및 해빙의 확률밀도함수와 서로 중복되어 있음을 알 수 있다. 즉 Freeman-Durden decomposition을 이용하여 특이빙산, 빙산, 그리고 해빙의 구분 가능성이 낮다는 사실을 알 수 있다.
반면에 H와 A의 조합변수 중의 하나인 [1-H][1-A]을 이용한 #-Wishart classification 기법을 이용하면 특이빙산까지도 해양 및 해빙과 뚜렷하게 구분할 수 있었다. 따라서 이 방법이 고해상도의 C-밴드 다중편파 SAR자료를 이용하여 빙산을 탐지하기 위한 최적의 방법이라는 것을 확인할수 있었다.
그리고 특이빙산의 평균과 표준편차의 분포를 통하여 특이빙산의 Freeman-Durden decomposition 확률밀도함수가 빙산 및 해빙의 확률밀도함수와 서로 중복되어 있음을 알 수 있다. 즉 Freeman-Durden decomposition을 이용하여 특이빙산, 빙산, 그리고 해빙의 구분 가능성이 낮다는 사실을 알 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
빙산이란 무엇인가?
빙산(iceberg)은 극지방의 빙하나 빙붕으로부터 분리되어 나온 얼음 조각이다. 최근 연구 보고에 따르면, 전지구 기후변화로 인하여 빙하의 붕괴 비율이 높아지는 추세이고 특히, 서남극 지역 빙하의 붕괴 위험이 매우 높다는 것을 보여주고 있다 (MacAyeal, 1992; Rignot and Thomas, 2002).
Freeman-Durden decomposition은 전자기파의 산란특징을 어떤 것들로 분리할 수 있는 기법인가?
Freeman-Durden decomposition (Freeman and Durden, 1998)은 전자기파의 산란을 유발하는 산란체의 물리적 구조를 모델화하여 전자기파의 산란특징을 표면 산란 (surface scattering), 이중 산란 (double bounce scattering), 체적 산란 (volume scattering) 으로 분리할 수 있는 다중편파기법 중의 하나이다. 각각의 산란 모델은 공분산 행렬(covariance matrix)로부터 아래의 식과 같이 추출 해낼 수 있다.
본 연구에서 RADARSAT -2 자료를 사용한 촬영 지역은 어디인가?
이를 위해, 고해상도 C-밴드 다중편파 RADARSAT -2자료를 사용 하였다. 촬영 지역은 최근 빙산이 많이 생성되고 있는 서남극해의 Wilkinson 빙하 주변이다. 다중편파 SAR 자료로부터 추출할 수 있는 다양한 파라미터 (예를 들면, Freeman-Durden decomposition, H/A/mean alpha decomposition, 그리고 entropy (H)/anisotropy (A) 등의 조합 변수)를 이용한 Wishart 무감독 분류법을 적용하였다.
참고문헌 (12)
Cloude, S.R. and E. Pottier, 1997. An entropy based classification scheme for land applications of polarimetric SAR, IEEE Transactions on Geoscience and Remote Sensing, 35(1): 68-78.
Freeman, A. and S.L. Durden, 1998. A three-component scattering model for polarimetric SAR data, IEEE Transactions on Geoscience and Remote Sensing, 36(3): 963-973.
Fun,g A.K. and H.J. Eom, 1982. Application of a combined rough surface and volume scattering theory to sea ice and snow backscatter, IEEE Transactions on Geoscience and Remote Sensing, GE-20(4): 528-536.
Lee, J.S. and E. Pottier, 2009. Polarimetric radar imaging: from basics to applications, CRC Press, New York, USA.
Lee, J.S., M.R. Grunes, T.L. Ainsworth, L.J. Du, D.L. Schuler, and S.R. Cloude, 1999. Unsupervised classification using polarimetric decomposition and the complex wishart classifier, IEEE Transactions on Geoscience and Remote Sensing, 37(5): 2249-2257.
Onstott, R.G., T.C. Grenfell, C. Matzler, C.A. Luther, and E.A. Svendsen, 1987. Evolution of microwave sea ice signatures during early summer and midsummer in the marginal ice zone, Journal of Geophysics Research, 92(C7): 6825-6835.
Power, D., J. Youden, K. Lane, C. Randell, and D. Flett, 2001. Iceberg Detection Capabilities of RADARSAT Synthetic Aperture Radar, Canadian Journal of Remote Sensing, 27(5): 476-486.
Tournader, J., K. Whitmer, and F. Ardhuin, 2008. Iceberg detection in open water by altimeter waveform analysis, Journal of Geophysical Research, 113(C08040): 1-8.
Williams, R.N., W.G. Rees, and N.W. Young, 1999. A technique for the identification and analysis of icebergs in synthetic aperture radar images of Antarctica, International Journal of Remote Sensing, 20(15&16): 3183-3199.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.