Modelling of crop and soil parameters using C and L band of SAR images

• Autorzy: Dąbrowska-Zielińska K. , Inoue Y. , Kowalik W. , Gruszczyńska M.

Warianty tytułu

PL

Modelowanie parametrów upraw i gleby z zastosowaniem pasm C i L obrazów SAR

• Języki publikacji: EN

Abstrakty

EN

The dual-frequency satellite SAR backscatter was extracted for consistent information about various soil-vegetation parameters of crops for analysing crop growth conditions in any agricultural region. The ground-based measurements of soil moisture SM, Leaf Area Index LAI, and biomass were collected from 10 to 14 May 1998 during a satellite overpass on a particular date. The backscattering coefficients at various frequencies were collected from ERS-2.SAR (C-VV) on May 10, 1998 and from JERS-SAR (L-HH) on May 14, 1998. The applicability of three different vegetation descriptors to the semi-empirical water-cloud model was investigated. The contribution to the backscatter values of vegetation features such as leaf area expressed in the Leaf Area Index and the dielectric properties of leaf surface expressed in the Leaf Water Area Index LWAI and the Vegetation Water Mass VWM was examined in order to reveal the best fit of the model. It was found that in C-band, which had an incidence angle of 23°, the soil moisture contribution to the sigma value was predominant over the vegetation contribution. When the canopy cover increased, the sensitivity of a radar signal to dry soil conditions (SM < 0.1) decreased. The sigma value was the most sensitive to vegetation descriptor VWM which described the amount of water in vegetation. Attenuation of soil signal by the canopy was found in all three vegetation descriptor types; the strongest attenuation effect was observed in the case of VWM. In L-band (where the incidence angle was 35°), the dominant signal to total σ ° value came from volume seattering of vegetation for LAI> 3. When LAI< 3 the vegetation contribution to total σ ° value appeared in two-way attenuation. The results gave us the possibility of comparing the modelled with the measured soil and vegetation parameters.

PL

Spośród wielu zakresów promieniowania elektromagnetycznego, wykorzystywanych w teledetekcji satelitarnej, do pozyskiwania informacji o powierzchni roślinnej stosowane są mikrofale, które dzięki możliwości wykonywania zobrazowań niezależnie od warunków pogodowych i pory dnia, stały się często jedynym teledetekcyjnym źródłem informacji. Zdjęcia mikrofalowe SAR przedstawiają rozkład amplitudy sygnału odbitego od badanej powierzchni. Obliczony na tej podstawie współczynnik rozpraszania wstecznego, tzw. σ °, wyraża natężenie promieniowania mikrofalowego odbitego od powierzchni i zależy głównie od jej szorstkości i wilgotności. Na potrzeby niniejszego opracowania, wartości współczynnika wstecznego rozpraszania uzyskano z dwóch satelitów wysyłających i rejestrujących wiązkę promieniowania o różnej długości i polaryzacji fal, tj. satelity europejskiego ERS-2 SAR wysyłającego wiązkę promieniowania pod kątem 23°, rejestrującego badany obszar w zakresie C, o częstotliwości 5,3 GHz i długości fali 5,7 cm oraz satelity japońskiego JERS SAR wysyłającego wiązkę promieniowania w zakresie L pod kątem 35° o częstotliwości 1,2 GHz i długości fali 23,5 cm. Celem badań było uzyskanie wielu parametrów glebowo-roślinnych, bardzo istotnych w prognozowaniu plonów głównych upraw rolnych. W trakcie zobrazowań satelitarnych wykonano pomiary wilgotności gleby (SM), powierzchni projekcyjnej liści (LAI) i biomasy. Istotą tych badań było zastosowanie modelu opisującego powierzchnię czynną, na którą pada wiązka promieniowania mikrofalowego, jako tzw. "chmurę wodną". Ze względu na to, że powracający sygnał wysyłanej fali rejestrowany przez radiolokator zależy od powierzchni, na którą pada, do modelu wprowadzono takie parametry roślinne, które najlepiej opisują rośliny, a więc LAI, jak również wskaźnik LWAI oraz wskaźnik charakteryzujący wodę w samych roślinach (VWM). Z analizy wynika, że wraz ze zwiększaniem się masy roślinnej zmniejsza się czułość sygnału na wilgotność gleby mniejszą niż 10%. Woda zawarta w roślinach, przedstawiona jako wskaźnik VWM, miała najbardziej znaczący wpływ na wartość rejestrowanego sygnału. Zarejestrowany sygnał w zakresie fali L w znaczącym stopniu zależał od roślinności charakteryzowanej przez wskaźnik LAI, zwłaszcza gdy rośliny były stosunkowo gęste (LAI> 3). Działo się tak na skutek padania wiązki mikrofalowej pod stosunkowo dużym kątem (35°). W wyniku inwersji modelu otrzymano wartości poszczególnych parametrów opisujących roślinność oraz wilgotność gleby i porównano z wartościami mierzonymi in situ.

Słowa kluczowe

EN

water cloud model; LAI; LWAI; VWM; soil moisture

PL

mikrofale; satelita ERS-SAR; JERS SAR; model; wskaźniki glebowo-roślinne LAI; LWAI; VWM; wilgotność gleby

• Wydawca: Wydawnictwo ITP
• Czasopismo: Journal of Water and Land Development
• Rocznik: 2005
• Tom: no. 9
• Strony: 3--20
• Opis fizyczny: Bibliogr. 23 poz., rys., tab

Twórcy

autor

Dąbrowska-Zielińska K.

• Institute of Geodesy and Cartography, Remote Sensing and Spatial Information Center, Modzelewskiego 27, 02-679 Warsaw, Poland

autor

Inoue Y.

• National Institute of Agro-Environmental Sciences, Tsukuba, Ibaraki 305-8604, Japan

autor

Kowalik W.

• Institute of Geodesy and Cartography, Remote Sensing and Spatial Information Center, Modzelewskiego 27, 02-679 Warsaw, Poland

autor

Gruszczyńska M.

• Institute of Geodesy and Cartography, Remote Sensing and Spatial Information Center, Modzelewskiego 27, 02-679 Warsaw, Poland

Bibliografia

• 1. ALLEN C.T., ULABY F.T., 1984. Modelling the polarization dependence of the attenuation in vegetation canopies. Proc. IGARSS'84 Symposium: 119—124.
• 2. ATTEMA E.P., ULABY F.T., 1978. Vegetation modeled as a water cloud. Radio Sci. 13, 2: 357-364.
• 3. BOUMAN B.A.M., UENK D., 1992. Crop classification. Possibilities with radar in ERS-1 and JERS-1 Configuration. Rem. Sens. Environ. 40: 1-13.
• 4. CHAMPION I., 1996. Simple modelling of radar backscattering coefficient over a bare soil: variation with incidence angle, frequency and polarization. Int. J. Rem. Sens. 17, 4: 783-800.
• 5. CHAMPION I., PREVOT L., GUYOT G., 2000. Generalized semi-empirical modelling of wheat radar response. Int. J. Rem. Sens. 21,9: 1945-1951.
• 6. DABROWSKA-ZIELINSKA K., GRUSZCZYNSKA M, JANOWSKA M, STANKIEWICZ K., BOCHENEK Z., 1994. Use of ERS-1 SAR data for soil moisture assessment. Proc. First Workshop on ERS-1 Pilot Projects: 79-84.
• 7. GRUSZCZYŃSKA M., DĄBROWSKA-ZIELIŃSKA K., 1998. Application of microwave images from European Remote Sensing Satellites (ERS-1/2) for soil moisture estimates. J. Water Land Dev. 2: 7-18.
• 8. DAUGHTRY C.S.T., RANSON K.J., BIEHL L.L., 1991. C-band Backscattering from corn canopies. Int. J. Rem. Sens. 12, 5: 1097-1109.
• 9. INOUE Y., DABROWSKA-ZlEUNSKA K., KUROSU T., MAENO H., URATSUKA S., KOZU T., 2001. Analysis of multi-frequency and full-polarization backscatter signatures over paddy field - results of daily measurements of Ka, Ku, X, C and L bands for entire growing season. Proc. 8th Symp. Int. Phys. Measur. Sign. Rem. Sens.: 427-437.
• 10. INOUE Y.K., KUROSU T., MAENO H., URATSUKA S., Kozu T., DABROWSKA-ZIELINSKA K., Qi J., 2002. Season-long daily measurements of multifrequency (Ka, Ku, X, C, and L) and fullpolarization backscatter signatures over paddy rice field and their relationship with biological variables. Rem. Sens. Environ. 81: 194-204.
• 11. LE TOAN T., LOPES A., HUET M., 1984. On the relationships between radar backscattering Coefficient and Vegetation Canopy Characteristics. Proc. Intern. Geosci. Rem. Sens. Symp.: 155-160.
• 12. LE TOAN T., 1982. Active microwave signatures of soils and crops: significant results of three years of experiments. Proc. Int. Geosci. Rem. Sens. Symp. New York, I.E.E.E.: 25-32.
• 13. Mo T., SCHMUGGE T., JACKSON T., 1984. Calculation of radar backscattering coefficient off vegetation covered soils. Rem. Sens. Environ. 15: 119-133.
• 14. MORAN M.S., VIDAL A., TROUFLEAU D., Qi J., CLARKE T.R., PINTER Jr. P.J., MITCHELL T.A., INOUE Y., NEALE C.M.U., 1977. Combining multifrequency microwave and optical data for crop management. Rem. Sens. Environ. 61: 96-109.
• 15. MORAN M.S., VIDAL A., TROUFLEAU D., INOUE Y., MICHELL T.A., 1998. Ku and C-Band SAR for discriminating agricultural crop and soil conditions. IEEE Trans. Geosci. Rem. Sens. 36 1: 265-272.
• 16. PALOSCIA S., 1998. An empirical approach to estimating leaf area index from multifrequency SAR data Int. J. Rem. Sens. 19, 2: 359-364.
• 17. PALOSCIA S., MACELLONI G., PAMPALONI P., SIGISMONDI S., 1999. The potential of C- and L band SAR in estimating vegetation biomass: the ERS-1 and JERS-1 experiments. IEEE Trans. Geosci. Rem. Sens. 37, 4:2107-2111.
• 18. PREVOT L., CHAMPION I., GUYOT G,, 1993. Estimating surface soil moisture and leaf area index of a wheat canopy using a dual - frequency (C and X bands) scatterometer. Rem. Sens. Environ. 46: 331-339.
• 19. TOURE A., KEITH P., THOMSON B., EDWARDS G., BROWN R.J., BRISCO B.G., 1994. Adaptation of the MIMICS backscattering model to the agricultural context-wheat and canola at bL and C bands. IEEE Trans. Geosci. Rem. Sens. 32, 1: 47—61.
• 20. ULABY F.T., ALLEN C.T., EGER G., 1984. Relating the Microwave Backscattering Coefficient to Leaf Area Index. Rem. Sens. Environ. 14: 113-133.
• 21. ULABY F.T., MOORE R.K., FUNG A.K., 1986. Microwave Remote Sensing, Active and Passive, vol. Ill: From Theory to Applications, M. A. Dedham Ed. Artech House.
• 22. ULABY F.T., SARABANDI K., MCDONALD K., WHITT M., DOBSON M.C., 1990. Michigan Microwave Canopy Scattering Model. Int. J. Rem. Sens. 11,7: 1223-1253.
• 23. WOODING M.G., GRIFFITHS G.H., EVANS R., BIRD P., KENWARD D., KBYTE G.E., 1992. Temporal monitoring of soil moisture using ERS-I SAR data. Proc. First ERS-1 Symp.: 641-647.