Hidrológiai Közlöny, 2019 (99. évfolyam)
2019 / 1. szám
40 Hidrológiai Közlöny 2019.99. évf. 1. sz. ugyanis a szélsebesség és a felszín érdessége között kapcsolat áll fenn: a szél hatására a vízfelszínen hullámok alakulnak ki, amelyek növelik a vízfelszín érdességét, nagyobb visszaverődést eredményezve a szenzor felé (Alsdorf és társai 2007). így a vízfelszín detektálásához ezt a problémát kezelni kell, ugyanis a szél a radarképen „elmoshat” bizonyos vízfelszíni elemeket (a vízfelszínre nagyon alacsony visszaverődés jellemző a mikrohullámú tartományban és ezt növeli meg a szél). Más felszínek (pl. aszfalt, beton) is hasonló érdességgel bírnak, mint a vízfelszínek, ezért ezek is összetéveszthetők a nagyon hasonló vagy teljesen azonos visszaszórási értékek miatt. Bár e felületek kizárása („kimaszkolása”) könnyedén megoldható. A C-sávú radarok (5 GHz frekvencia vagy 5 cm hullámhossz körül) a lágyszárú növényzettel borított vizes élőhelyeknél, míg az alacsonyabb frekvenciák (P-, L-sáv) az erdőborítás alatti elárasztás detektálására használhatók (Hess és társai 1990). Ennek az oka, hogy — az L és a P sávval ellentétben - a C-sávban a radar által kibocsátott mikrohullámú sugarak a lombozatról verődnek vissza, mivel a hullámhossz összemérhető a levelek méretével (Engman 1996, Lang és Kasischke 2008). A felszíni vízborítás elkülönítésében a felszín érdessége játszik szerepet. Minél érdesebb a felszín, annál nagyobb a visszaszóródás a radarantenna felé, és annál fényesebb jelenségként látszódik a felvételen. A vízfelszín a többi felszíntípushoz képest nagyon alacsony érdességgel bír, más szóval nagyon sima. A sima felületekről, a ferde megvilágítás miatt kevés energia szóródik vissza, a radarhullámok a szenzortól elfele irányba verődnek tovább, így nagyon sötét objektumokként tűnnek fel a képeken, így erős kontraszttal különül el a vízborítás. A vízborítást a tapasztalatok szerint -17-18 dB (decibel) vagy kisebb viszszaszóródási értékek jellemzik. A vízborítás érzékelésére az azonos polarizáltságú (HH, VV) adatok alkalmasabbak. Legalkalmasabb a HH-polarizáció, de a VV szintén megfelelő választás (Kasischke és társai 1997, Bourgeau-Chavez és társai 2010). Bár azt is érdemes itt hozzátenni, hogy a keresztpolarizált sávok is fontos információkat hordoznak, különösen, ha a felszínborítást akarjuk térképezni (Baghdadi és társai 2010), mert a különböző felszíntípusokat más visszaverődés jellemez a VV és a VH polarizáltságú sávokban. Két poláris pályán keringő műholdon (a 2014 áprilisa óta üzemelő Sentinel 1A, és a 2016 áprilisa óta operáló Sentinel 1B) található oldalra pásztázó C-SAR berendezés szolgáltatja az adatokat. A radar mind horizontálisan (H), mind pedig vertikálisan (V) polarizált mikrohullámokat bocsát ki, illetve fogad. A fő felvételezési mód az ún. Interferometrikus Szélessáv mód (Interferometric Wide Swath), ami egy 250 km-es sávban történő felvételezést jelent. Geometriai felbontás: 20 m *22 m, amit 10 m-re mintáznak át. A szárazföld felett VH és VV polarizáltságú sávokban készül a műholdkép. A vetületi rendszer WGS84. Az idő felbontás 6 nap (Torres és társai 2012). A Level-1 Ground Range Detected (GRD) adatokat használtuk. Az adatok feldolgozása a Google Earth Engine-nel Az Earth Engine adatbázisa már előfeldolgozott radarképeket tartalmaz. Az alábbi előfeldolgozási lépéseket végezték el a Sentinel-1 Toolbox szoftver implementációja alapján (Google Earth Engine Team 2015): 1. Pályaadatokkal való korrekció; 2. Háttérzaj eltávolítása (a kép szélein látható sötét sávok érvénytelen adatokkal); 3. Radiometrikus kalibráció: visszaszóródás intenzitásértékeinek (ún. szigma értékek, c°) számítása a szenzoros kalibrációs paraméterek alapján; 4. Domborzati korrekció: az adatok felszíni tartományba (GRD, Ground Range Detected) konvertálása az SRTM DEM alapján; 5. A mértékegység nélküli visszaszóródási együttható (g°) dB-be konvertálása (10*logl0*G°); 6. Az értékek leszorítása az 1. és a 99. percentilis értékére, 16 bitbe kvantálás. A további feldolgozási lépéseket nekünk kellett elvégezni a Google Earth Engine-ben. Először is normalizálni kell a visszaszóródási értékeket a mikrohullámok beesési szögével, az ún. koszinusz korrekció segítségével (Ulaby és társai 1982). Ez nélkülözhetetlen lépés, ugyanis a kicsi beesési szögek nagyobb visszaverődést, míg a nagyobb szögek kisebb visszaverődést eredményeznek. A beesési szögekből származó eltérések nem csak egy képen belül jelentkeznek, hanem különböző szenzorok esetén, valamint eltérő felvételezési geometriák, más müholdpályák esetén is (emelkedő és süllyedő pályák). Ez nagy beesési szög varianciát okoz a különböző időben készült felvételekben. A normalizáció nélkül ezek nem hasonlíthatók össze (Weiß 2018). Másodszor: A szeles időben készült radarfelvételeket ki kellett zárnunk a vizsgálatból, hogy kiküszöböljük a szél általi felszíni érdesség hatásokat (Elyouncha és társai2015). A 12 m/s feletti szélsebességű területeket kizártuk. Erre a célra rendelkezésre álltak a „CFSV2: NCEP Climate Forecast System Version 2, 6-Hourly Products” 20 km felbontású klimatológiai adatok (Saha és társai 2011), melyekből kinyerhetjük a szélsebességet (a „v” és az „u” komponensek felhasználásával). A szélsebességadatok a felszín felett 10 méterre vonatkoznak. A következő lépés volt a tüskeszűrés (speckle filtering), amire az általánosan használt Finomított Lee szűrőt (Lee 1980 és 1981) alkalmaztuk, amihez rendelkezésre állt egy kész szkript a Google Earth Engine-ben (Yommy és társai 2015). Ezzel jelentősen lecsökkenthetjük a radarképeken megfigyelhető, a sugárforrás által kibocsátott és a visszaverődő radarhullámok között fellépő interferencia okozta szemcsés zajt. Az utolsó lépés a vizsgált időszakra vonatkozó átlagképek számítása volt. Havi léptékben vizsgálódunk, de tetszés szerint lehet más időszakra is átlagolni. Ez a lépés kiküszöböli az egyszeri felvételezéssel jelentkező hibákat. Külön készítettünk átlagképet az emelkedő pályán (tehát amikor a műhold az Egyenlítő felől halad a sarkok felé) és a süllyedő pályán (északról délre) készült felvételekből, tehát ugyanarra a hónapra 2 különböző átlagkép készül,
