SENTINEL 1 DATA CORRELATION WITH GROUND MEASUREMENTS OF SOIL TEMPERATURE Rodionova N.V. Institute of Radioengineering and Electronics, Russian Academy of Sciences, Fryazino, Russia Abstract The goal of this study is to analyze interactions between Sentinel-1 radar images and soil temperature resulting from in situ field data. Ground-based measurements of temperature and soil moisture for nine stations in Finland, Poland, France and Germany for the period 2014-2016 are available on the website of the International soil moisture network. Results indicated the correlation between backscatter coefficient and soil temperature for six stations. The regression relationships between the backscatter coefficient and soil temperature was constructed in the case of high correlation. The influence of vegetation and soil texture on the correlation coefficient was examined. Keywords: C-band radar data, polarization, soil temperature, backscattering coefficient, Spearman’s correlation coefficient СВЯЗЬ РАДАРНЫХ ДАННЫХ SENTINEL-1 С НАЗЕМНЫМИ ИЗМЕРЕНИЯМИ ТЕМПЕРАТУРЫ ПОЧВЫ Родионова Н.В. Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, Фрязино В работе исследуется связь радарных данных Sentinel 1 с температурой почвы, измеренной на девяти наземных станциях, находящихся на территории Финляндии, Польши, Франции и Германии за период 2014-2016 годов. Показано наличие корреляции коэффициента обратного рассеяния с темпера- турой почвы на глубине 5, 10, 20 и 30 см для 6 из 9 станций наземных измерений. Для случая сильной связи между переменными построены регрессионные соотношения, связывающие коэффициент обрат- ного рассеяния с температурой почвы. Рассмотрено влияние надпочвенной растительности и текстуры почвы на коэффициент корреляции. Ключевые слова: радарные данные, C-диапазон, поляризация, температура почвы, коэффици- ент обратного рассеяния, коэффициент корреляции Спирмена Введение. В данной работе рассмотрена корреляционная связь между коэффициентом обратного рассеяния (КОР) и параметрами почвы для девяти станций на территории Европы (Финляндия, Польша, Франция, Германия) с различной текстурой почв от почв хвойных бо- реальных лесов (Финляндия) до торфяных болотистых почв в Польше и почв, покрытых тра- вой или с/х культурами во Франции и Германии, на основе имеющихся в открытом доступе на сайте International soil moisture network (https://ismn.geo.tuwien.ac.at) наземных измерений температуры и влажности почвы на глубинах от 5 до 30 см и находящихся в открытом доступе радарных данных Sentinel 1 С-диапазона VV+VH поляризации. В работе [1] была установлена эмпирическая зависимость между коэффициентом обрат- ного рассеяния и температурой почвы на глубине 5 см. Измерения проводились с помощью космического аппарата RADARSAT-1 в С-диапазоне для НН поляризации для сельскохозяй- ственных полей в Канаде. Полученные авторами [1] регрессионные соотношения между КОР и наземными измерениями температуры почвы на глубине 5 см показали положительную кор- реляцию между этими величинами с разными коэффициентами детерминации в зависимости от текстуры почвы. Наименьший коэффициент детерминации 0,2÷0,35 был для суглинистых почв. Выяснение вопроса о наличии корреляции между радарными данными и наземными из- мерениями параметров почвы (температуры и влажности) является важным шагом к созданию эмпирической модели для дистанционного определения параметров почвы. Наземные данные. В работе использовались наземные измерения параметров почвы (температуры и влажности на глубинах 5, 10, 20 и 30 см) и температуры воздуха, находящиеся в открытом доступе на сайте International soil moisture network. Были выбраны 9 станций на территории Западной Европы, для которых период проведения наземных измерений совпадал с имеющейся на тот же период времени радарной информацией Sentinel 1 (S1). Информация о наземных станциях, включенных в обработку, дана в табл. 1. Высокоширотная станция SOD103 в Финляндии имеет почвы бореальных хвойных лесов с высоким содержанием глины и органики. Для почв станции Biebrza-S-1, soil-8 в Польше (бо- лотные торфяники) характерна очень высокая влажность, почти в 2 раза превышающая влаж- ность почв для других рассмотренных станций. Для станций во Франции и Германии наиболь- шим отличием в текстуре почвы является очень малое содержание органики, а также меньшее содержание глины и большее содержание песка в сравнении с почвами на станциях SOD103 и Biebrza. Радарные данные Sentinel 1. В работе использовались находящиеся в открытом доступе Sentinel 1 радарные данные С-диапазона IW (interferometric wide swath) моды с поляризациями (VV+VH) и пространственным разрешением 20 м. Работа с изображениями S1 осуществлялась 144 с помощью программы S1Toolbox и позднее SNAP (https://sentinel.esa.int/web/sentinel/toolboxes/sentinel-1). Предварительная обработка данных включала в себя выделение фрагмента с исследуемой областью и радиометрическую калиб- ровку. В табл. 2 приведены данные для каждой станции по числу обработанных сеансов съемки S1, углу обзора, периоду съемки и количеству точек при усреднении КОР по профилю. Коэффициент корреляции Спирмена между КОР и наземными измерениями тем- пературы почвы. Для определения связи между коэффициентом обратного рассеяния и наземными измерениями температуры почвы был подсчитан коэффициент корреляции Спир- мена  S между этими переменными. В табл. 3 приведены значения  S и р- значения для девяти наземных станций и двух поляризаций (значения, выделенные полужирным шрифтом, указы- вают на наличие корреляции; пустые ячейки соответствуют отсутствию наземных данных). Таблица 1. Информация о наземных станциях, включенных в обработку. Название Широта Долгота Текстура почвы на Тип растительности станции (с.ш.), град (в.д.), град глубине 0-30 см, % глина-40, SOD103, (Финлян- Хвойные деревья, 67,35917 26,68594 органика-33,6, дия) вечнозеленые, песок-20, ил (silt) -40. глина- 32, Biebrza-S-1, -soil-8, 53,6328 22,97976 трава органика- 39,4, (Польша) песок-35, ил - 33. глина- 24, Mejannes-le-Clap, 44,222 4,34483 трава органика- 1,61, (Франция) песок-42, ил - 34. SMOSMANIA глина- 19, сельхозугодья, неоро- CabrieresAvignon, 43,88367 5,16483 органика- 2,13, шаемые (Франция) песок-37, ил - 44. сельхозугодья, неоро- глина- 19, Villevielle, 43,79517 4,09083 шаемые/ деревья или органика- 2,13, (Франция) кусты песок-37, ил - 44. глина- 22, Gevenich, сельхозугодья, неоро- 50,9892 6,32355 органика- 0,74, (Германия) шаемые песок-41, ил - 37. глина- 22, Merzenhausen, сельхозугодья, неоро- 50,9303 6,29747 органика- 0,74, (Германия) шаемые песок-41, ил - 37. глина- 23, Selhausen, сельхозугодья, неоро- 50,8691 6,44954 органика- 1,07, (Германия) шаемые песок-37, ил - 40. глина- 20, Schoeneseiffen, 50,5149 6,37559 трава органика- 1,45, (Германия) песок-42, ил - 38. Таблица 2. данные для каждой станции. Количество обработан- Угол Количество то- Название станции Период съемки ных сеансов съемки S1 обзора чек в профиле SOD103 28 37,50 16.10.15 – 10.10.16 30 Biebrza-S-1, -soil-8, 29 380 26.4.15 – 7.6.16 25 Mejannes-le-Clap, 17 42 0 15.10.14 – 23.8.15 30 CabrieresAvignon, 23 450 3.10.14 – 27.12.15 35 Villevielle 20 400 6.2.15 – 27.12.15 20 Gevenich 60 400 16.11.14 – 16.01.17 ~10 Merzenhausen 61 400 16.11.14 – 28.01.17 ~10 Selhausen 54 400 16.11.14 – 24.10.16 ~12 Schoeneseiffen 38 400 16.11.14 – 24.10.16 ~10 145  Таблица 3.1. Коэффициент корреляции Спирмена S между КОР и наземными измерениями температуры почвы на станциях в Польше, Финляндии и Франции. SOD103 Biebrza CabrieresAvignon Mejannes-le-Clap Villevielle Т0, почва 5 см  VV 0  S =0,13,  S =0,1,  S =0,5,  S =0,9,  S =0,55, p=0,5 p=0,6 р=0,01 р=10 -7 р=0,01  VH 0  S =0,55,  S =0,3,  S =0,48,  S =0,8,  S =0,07, p=0,002 p=0,1 р=0,02 р=10 -4 р=0,8 Т0, почва 10 см  VV 0  S =0,19,  S =0,02,  S =0,5  S =0,91  S =0,56 p=0,33 p=0,9 р=0,01 р=10 -7 p=0,01  VH 0  S =0,57,  S =0,23,  S =0,45  S =0,79  S =0,08 p=0,0016 p=0,2 р=0,03 р=10-4 р=0,8 Т , почва 20 см 0  VV 0  S =-0,02,  S =0,51  S =0,88  S =0,52 p=0,9 р=0,01 р=10-6 р=0,02  VH 0  S =0,17,  S =0,46  S =0,76  S =0,09 p=0,4 р=0,02 р=10 -4 р=0,7 Т , почва 30 см 0  VV 0  S =0,52  S =0,85  S =0,53 р=0,01 р=10 -5 р=0,02  VH 0  S =0,46  S =0,74  S =0,1 р=0,03 р=0,0007 р=0,7 Таблица 3.2. Коэффициент корреляции Спирмена  S между КОР и наземными измерениями температуры почвы на станциях в Германии. Gevenich Merzenhausen Selhausen Schoeneseiffen Т , почва 5 см 0  VV 0  S =-0,53  S =-0,28  S =-0,24  S =-0,27 р=6∙10 -6 p=0,013 p=0,04 p=0,05  VH 0  S =-0,2  S =-0,06  S =-0,18  S =0,38 p=0,07 p=0,32 p=0,1 p=0,01 Т0, почва 20 см  VV 0  S =-0,5  S =-0,21  S =-0,18  S =-0,26 p=2∙10 -5 p=0,06 P=0,1 p=0,06  VH 0  S =-0,16  S =0,001  S =-0,12  S =0,44 p=0,11 p=0,5 p=0,2 p=0,003 Как следует из табл. 3, только для одной из девяти станций, а, именно, станции Mejannes- le-Clap (Франция), значение коэффициента корреляции Спирмена  S свидетельствует о силь- ной положительной связи  и T0 почвы для глубины от 5 до 30 см, а значение уровня р гово- 0 рит о высокой статистической значимости связи между переменными. Данный результат по- лучен для обеих поляризаций. Умеренная положительная корреляция между КОР и T0 почвы 146 наблюдается для станций CabrieresAvignon (Франция) для обеих поляризаций, станции Villev- ielle (Франция) для согласованной поляризации, станции SOD103 (Финляндия) и станции Schoeneseiffen (Германия) для кросс-поляризации. Умеренная отрицательная корреляция между переменными для глубины почвы 5 и 20 см получена для станции Gevenich (Германия) для согласованной поляризации. Для трех остальных станций (Merzenhausen и Selhausen – (Германия) и Biebrza (Польша)) корреляция слабая или совсем отсутствует. На основе приведенных в Таблице 3 значений  S можно сделать следующие выводы:  показано наличие как положительной, так и отрицательной корреляции (р<0,05) коэф- фициента обратного рассеяния с температурой почвы для 6 из 9 станций наземных изме- рений параметров почвы;  для двух станций есть корреляция между переменными для обеих поляризаций, для че- тырех станций – для одной из поляризаций;  показано, что для станции SOD103 (хвойный лес) есть положительная корреляция между КОР и T0 почвы только для кросс-поляризации. При наличии сильной связи между переменными можно построить регрессионные соот- ношения, связывающие коэффициент обратного рассеяния с температурой почвы. В данном случае это сделано для станции Mejannes-le-Clap. Регрессионные соотношения представляют собой линейную зависимость между переменной x   0 [дБ] и переменной y  T – темпера- 0 турой почвы (рис. 1). : Рис. 1. Регрессионные соотношения между  VV [дБ] (слева) и  VH [дБ] (справа) и температурой 0 0 почвы на глубине 5 см для станции Mejannes-le-Clap. 2 Коэффициент детерминации R расч составляет для данных регрессий 0,817 для согласо- ванной поляризации и 0,585 для кросс- поляризации. Таблица для тестирования на уровне зна- чимости 5% в случае выборки N=17 (количество сеансов съемки) и числа переменных k=2 дает 2 критическое значение Rкрит =0,349. Поскольку для обоих уравнений выполняется соотноше- 2 2 ние R расч > Rкрит , то с вероятностью 95% можно утверждать о наличии значимости уравне- ний регрессии: а, 5см  9,009 *  VV  113,0 0 дБ Tпочв а, 5см  6,788 *  VH  131,3 0 дБ Tпочв Вычисления показали, что при умеренном уровне связи между переменными значимость уравнений регрессии отсутствует. Влияние текстуры почвы на связь обратного рассеяния с температурой почвы. В наиболее часто используемых моделях восстановления влажности почвы в дистанционном зондировании в C- диапазоне, например, в модели Wang- Schmugge [2], модели Hallikainen [3], используются данные о механическом составе почвы, а именно, содержании песка и глины. Именно эти две компоненты почвы, а также гумус [4] определяют количество свободной и связанной воды в почве, отсюда и ее диэлектрическую проницаемость, зависящую от темпе- ратуры воды. 147 Текстура почвы влияет на  soil из-за изменений в диэлектрических свойствах почвы че- 0 рез влагоемкость текстурных составляющих почвы. Jackson и Schmugge [5] нашли, что моле- кулы воды поглощаются частицами почвы и эффективно лишают подвижности (связывают) их диполи, препятствуя связанной воде взаимодействовать с сигналом радара. В С-диапазоне уменьшение содержания глины в почве приводит к увеличению чувствительности сигнала ра- дара к влажности почвы [6], что связано с большим количеством свободной воды. Песчаные почвы содержат более высокое количество свободной воды, чем глинистая почва [7]. Таким образом, коэффициент корреляции Спирмена между  0 и влажностью почвы выше для песча- ных почв [8]. Для станции Mejannes-le-Clap (Франция) с высокой корреляцией между спутни- ковыми и наземными данными для обеих поляризаций отмечаем наибольшее процентное со- держание песка в почве и наименьшее органики. Влияние надпочвенной растительности на связь КОР с температурой почвы. Об- ратное рассеяние от поверхности почвы, покрытой растительностью, в соответствии с моде- лью водяного облака (Water Cloud Model- WCM) [9] представляется следующей формулой:  0   veg 0   veg 0  soil   soil , 2 0 (1) где  veg ,  veg soil и    soil являются, соответственно, радарным обратным рассеянием, вы- 0 0 2 0 званным только вегетацией (объемное рассеяние), многократным взаимодействием, включа- ющим как вегетацию, так и почву, и рассеяние от голой почвы, ослабленное слоем раститель- ности (поверхностное рассеяние);  2 - двунаправленный удельный коэффициент пропускания растительностью, ослабляющий микроволны, когда они дважды проходят через растительный покров. Членом  veg soil в (1) можно пренебречь в случае слабого переотражения между рас- 0 тительностью и почвой (для станций в Польше, Франции и Германии). Значение  veg можно определить из соотношения [9]: 0  veg 0  A  wc  cos   (1   2 ) ,  2  exp( 2  B  wc  sec ) (2) где A и B – эмпирические параметры, зависящие от геометрической структуры раститель- ного покрова, а также поляризации и длины волны сенсора; wc - VWC- vegetation water content;  - угол обзора. Для оценки значения wc была использована эмпирическая зависимость между деполя- ризационным отношением  VH /  VV и wc , полученная для с/х культуры ‘соя’ в работе [10] в 0 0 случае С-диапазона длин волн. Оценка параметров A и B сделана на основе данных ста- тьи [11]. В результате расчеты показали, что учет влияния вегетации на  soil по формулам 0 (1)-(2) не привел к увеличению коэффициента корреляции Спирмена между  soil и наземными 0 измерениями температуры почвы (для станций во Франции, Польше и Германии). Для станции SOD103 (Финляндия) в уравнении (1) необходим учет всех трех слагаемых. Влияние почвы на КОР уменьшено в данном случае из-за объемного рассеяния лесным покровом, определяемое кросс- поляризацией, и переотражения ствол - подстилающая поверхность. Последнее можно оценить только при наличии радарных данных с полной поляриметрией, чего нет у S1 данных. Однако в ряде работ отмечается, что для хвойных лесов большая часть обратного рассеяния приходит именно от поверхности земли [12], и состояние влажности подстилающей поверх- ности имеет главное влияние на временной ход радарного отклика от леса, несмотря на зату- хание радарного сигнала при прохождении через лесной покров [13]. Следует отметить, что не только текстура почвы и надпочвенная растительность влияют на связь между радарными и наземными данными. Так для станции Mejannes-le-Clap (Фран- ция) получена высокая корреляция между спутниковыми и наземными данными для обеих 148 поляризаций, тогда как для станций в Германии практически с той же текстурой почвы и схо- жей надпочвенной растительностью корреляция или умеренная, или слабая или просто отсут- ствует. Для понимания, отчего так происходит, необходим учет и других параметров, к при- меру, осадков; нужна конкретная информация о надпочвенной растительности, которая, к со- жалению, отсутствуют в базе данных International soil moisture network. Заключение. В работе исследуется связь радарных данных Sentinel 1 с температурой почвы на глубине от 5 до 30 см, измеренной на девяти наземных станциях, находящихся на территории Финляндии, Польши, Франции и Германии за период 2014-2016 годов. Наземные станции располагаются на широтах от 430 до 670 с.ш. и различаются почвами от почв хвойных бореальных лесов (Финляндия) до торфяных болотистых почв в Польше и почв, покрытых травой или с/х культурами, во Франции и Германии. Показано наличие корреляции коэффициента обратного рассеяния с температурой почвы для 6 из 9 станций наземных измерений параметров почвы. В случае сильной связи между переменными (станция Mejannes-le-Clap) построены регрессионные соотношения, свя- зывающие КОР и Т0, при значении коэффициента детерминации для согласованной поляриза- ции R2~0,8 и кросс – поляризации R2~0,6. Результаты свидетельствуют о влиянии текстуры почвы на коэффициент корреляции. Учет влияния надпочвенной растительности не привел к увеличению коэффициента корреляции между коэффициентом обратного рассеяния и темпе- ратурой почвы. ЛИТЕРАТУРА [1] Khaldoune J., van Bochove E., Bernier M., Nolin M.C. An approach for mapping frozen soil of agricul- tural land under snow cover using RADARSAT-1 and RADARSAT-2// IEEE Geoscience and Remote Sensing Symposium Proceeding. 2008. 3. P.III-382-III-385. [2] Wang J.R. and Schmugge T.J. An empirical model for the complex dielectric permittivity of soils as a function of water content// IEEE Trans. GRS. 1980. GE-18(4). P.288-295. [3] Hallikainen M. T., Ulaby F. T., Dobson M.C., El-Rayes M.A., and Wu L.-K. Microwave Dielectric Behavior of Wet Soil-Part 1: Empirical Models and Experimental Observations// IEEE Trans. GRS. 1985. GE-23(1). P. 25-34. [4] Бобров П.П., Кондратьева О.В., Мустакова М.М. Влияние содержания органического вещества в почвах на диэлектрическую проницаемость в диапазоне частот 10 кГц -8,5 ГГц// Вестник Сиб- ГАУ. 2013. №5 (51). C. 95-97. [5] Jackson T.J. & Schmugge T.J. Passive microwave remote-sensing system for soil moisture. Some sup- porting research// IEEE Trans. GRS. 1989. 27. P.225-235. doi:10.1109/36.20301. [6] Ulaby F.T., Baltivala P.P. & Dobson M.C. Microwave backscatter dependence on surface roughness, soil moisture, and soil texture: Part 1 – bare soil//IEEE Trans. Geosc. Electronics. 1978. 16. P. 286-295. doi: 10.1109/TGE 1978.294586. [7] Srivastava H.S., Patel P., Navalgund R.R. How far SAR has fullfilled its expectation for soil moisture retrieval// SPIE Digital Library. 6410. 2006. Nov.13-17. Paper No. 64100. P.1-12. [8] Blumberg D.G., Freilikher V., Lyalko I.V., Vulfson L.D., Kotlyar A.L., Shevchenko V.N.& Ryabokonenko A.D. Soil moisture (water-content) assessment by an airborne scatterometer// Remote Sensing of Environment. 2000. 71. P. 309-319. doi: 10.1016/S0034-4257(99)00087-5. [9] Attema E.P.W., Ulaby F.T. Vegetation modeled as a water cloud // Radio Sci. (USA). 1978. Vol. 13. P. 357-364. [10] De Roo R.D., Ulaby F.T., Dobson M.C. Using Microwave radar for soil moisture inversion under soy- bean canopies//Proc. of 1998 IGARSS Symp. 6-10 July 1998. Seattle. WA. USA. Part 1. P.94-96. [11] Gherboudj I., Magagi R., Berg A. A., Toth B. Soil moisture retrieval over agricultural fields from multi- polarized and multi-angular RADARSAT-2 SAR data// Remote Sensing of Environment. 2011. Vol. 115. P. 33–43. [12] Bourgeau-Chavez L. L., Kasischke E.S., Rutherford M. D. Evaluation of ERS SAR Data for Prediction of Fire Danger in a Boreal Region// Int. J. of Wildland Fire. 1999. 9(3). P. 183–194. [13] Rignot E., Way J.B., McDonald K., Vierck L., Williams C., Adams P., Payne C., Wood W., Shi J. Monitoring of Environmental Conditions in Taiga Forests Using ERS-1 SAR// Rem. Sens. Environ. 1994. 49. P. 145-154. 149