Sensitivity of SAR data to the soil surface parameters

Transcription

1 Sensitivity of SAR data to the soil surface parameters Nicolas Baghdadi Irstea, Maison de la télédétection, UMR TETIS, Montpellier, France

2 Sensibilité du signal radar en bande X: TerraSAR-X Fort potentiel de la bande X pour la cartographie de l humidité: une sensibilité deux fois supérieure à celle obtenue avec la bande C La très haute résolution spatiale des capteurs radar permet la cartographie des croûtes de battance Baghdadi N., Zribi M., Loumagne C., Ansart P., and Paris Anguela T., 28. Analysis of TerraSAR-X data and their sensitivity to soil surface parameters over bare agricultural fields. Remote Sensing of Environment, vol. 112, issue 12, pp Anguela T., Zribi M., Baghdadi N., and Loumagne C., 21. Analysis of local variation of soil surface parameters with TerraSAR-X radar data over bare agricultural fields. IEEE Transactions on Geoscience and Remote Sensing, vol. 48, no. 2, pp Aubert M., Baghdadi N., Zribi M., Douaoui A., Loumagne C., Baup F., El Hajj M., and Garrigues S., 211. Analysis of TerraSAR-X data sensitivity to bare soil moisture, roughness, composition and soil crust, Remote Sensing of Environment, 115, pp

3 Inversion du signal radar TerraSAR-X Les travaux sur l inversion du signal radar en bande C avaient montré l apport de l utilisation de deux images acquises à 2 incidences dans l estimation de l humidité. Notre question de recherche: est ce identique en bande X (la bande X une forte sensibilité du signal à l humidité et une faible sensibilité à la rugosité) Une incidence: RMSE ~ 3% pour 26 et 4% pour 5. Pas d amélioration avec deux incidences : RMSE ~ 3% Baghdadi N., Aubert M., Zribi M., 211. Use of TerraSAR-X data to retrieve soil moisture over bare soil agricultural fields. IEEE Geoscience and Remote Sensing Letters, in press.

4 HH from TerraSAR [db] Modélisation du signal radar Calibration empirique du signal radar en remplaçant le paramètre le plus difficile à mesurer (la longueur de corrélation) par un paramètre de calage issu de la comparaison entre données images et sorties du modèle. Calibration robuste Indispensable pour utiliser le modèle dans les processus d inversion Calibration pour les bandes C et X 5 with L measured with Lopt HH from IEM [db] Baghdadi N., Saba E., Aubert M., Zribi M., and Baup F., 211. Comparison between backscattered TerraSAR signals and simulations from the radar backscattering models IEM, Oh, and Dubois, IEEE Geoscience and Remote Sensing Letters, in press, vol. 8, Issue 6, pp Baghdadi N., Abou Chaaya J., and Zribi M., 211. Semi-empirical calibration of the Integral quation Model for SAR data in C-band and cross polarization using radar images and field measurements. IEEE Geoscience and Remote Sensing Letters, vol. 8, no.1, pp

5 Alpha_1 angle ( ) Anisotropy Potentiel de la polarimétrie radar pour l estimation de l humidité 2 images RADARSAT-2 traitées sur deux sites: Chiba (Tunisie) et Thau (France). Faible potentiel des paramètres polarimétriques: Ils n apportent presque rien en plus des polarisations HH, HV et VV ; ks<1,5 34 ; ks>1, Soil moisture (%) Baghdadi N., Cresson R., Pottier E., Aubert M., Zribi M., Jacome A., and Benabdallah S., 212. A potential use for the C-band polarimetric SAR parameters to characterise the soil surface over bare agriculture fields. IEEE Transactions on Geoscience and Remote Sensing. 1,,8,6,4,2, 4 ; mv<3% 46 ; mv<3% 46 ; mv>3%,,5 1, 1,5 2, 2,5 3, 3,5 4, 4,5 5, ks

6 Estimated soil moisture (%) Inversion des images RADARSAT-2 pour estimer l humidité Modèle IEM calibré + images RADARSAT-2 + réseaux de neurones estimation de l humidité: 1. sans information a priori sur l humidité 2. avec information a priori sur l humdité (expert: sol très humide ou pas;pluviométrie) 3. utilisation des paramètres polarimétriques pour seuiller l humidité et la rugosité Measured soil moisture (%) RMSE sur l estimation de l humidité =.65 cm3/cm3 avec information a priori information (expert) =.98 cm3/cm3 sans information a priori =.83 cm3/cm3 avec polarimétrie N. Baghdadi, R. Cresson, M. ElHajj, R. Ludwig, and I. Lajeunesse. Soil parameters estimation over bare agriculture areas from C-band polarimetric SAR data using neural networks, in preparation.

7 Backscattering coefficient (db) 21/2/21 22/1/21 23/12/29 23/11/29 24/1/29 24/9/29 25/8/29 26/7/29 26/6/29 27/5/29 27/4/29 28/3/29 26/2/29 27/1/29 28/12/28 28/11/28 SAR et canne à sucre Apport de l imagerie radar TerraSAR-X (THRS) pour le suivi des coupes de canne à sucre Les champs coupés sont facilement détectés sur les images TerraSAR-X si la date d'acquisition est proche de la date de coupe (idéalement moins de deux mois). La parcelle 16 (en bas à gauche) a été coupée le 29 août 29. Imagettes TerraSAR-X en VV HH-31 VV-31 VV-37 Harvest date Field 16 Date (dd/mm/yyyy) Le signal radar pouvait être dépendant de l'humidité du sol particulièrement aux faibles et moyens angles d'incidence et pour de jeunes cannes: augmentation du signal radar pour des champs récoltés de 3-4dB sur des images acquises après une période pluvieuse. Baghdadi N., Moinet S., Todoroff P., et Cresson R., 211. Utilisation de l imagerie radar TerraSAR-X THRS pour le suivi de la coupe de canne à sucre à l Ile de Réunion. Revue Française de Photogrammétrie et de Télédétection (RFPT), no. xx, pp. xx. Baghdadi N., Cresson R., Todoroff P., and Soizic M., 21. Multitemporal observations of sugarcane by TerraSAR-X images. Sensors, 1(1),

8 Résultats intéressant avec TerraSAR-X: THRS PALSAR ne semble pas très intéressant: est ce la résolution, les dates des images (seulement 2 images: 29/7/27 et 5/1/29)??? RADARSAT-2: en mode Fine (pixels d environ 6 m), full polar pourra nous être utile pour affiner notre classification. A la question formulée comme suit: Données radar multi-fréquence pour la restitution des paramètres rugosité (hauteur rms et longueur de corrélation) et humidité: Si pas de végétation why not mais il faut de préférence des données polarimétriques ou multi-fréquences (même dates! ou propriétés des cibles inchangées), ou multi-incidences (propriétés des cibles inchangées). Modèles comme IEM ou méthodes de classification???

9 Inversion des données en sigma vers les paramètres de rugosité et humidité: Sans végétation:

10 Inversion des données en sigma vers les paramètres de rugosité et humidité: avec végétation: 2 canopy soil 2 exp( 2 B. VWC. sec ) canopy 2 A. VWC. cos 1 where VWC is the vegetation water content (kg/m2). A and B are parameters which depend on the type of canopy.

11 Inversion des données en sigma vers les paramètres de rugosité et humidité. Restituer une carte de rugosité des sols? d humidité? Besoin de 2 incidences mais avec un milieu qui ne change pas entre les deux dates Besoin de données polarimétriques: RADARSAT-2 Besoin de données multi-fréquence mais avec un milieu qui ne change pas entre les deux dates Ou bien fixer un paramètre et estimer le second