解析可能な Sentinel-1 GRD データの生成

Image Analyst ライセンスで利用できます。

Sentinel-1 レベル 1 合成開口レーダー (SAR) の画像は、ビジュアライゼーションや解析に使用する前に処理する必要があります。 処理が必要な問題は、熱雑音の除去、意味のある後方散乱値を取得するためのキャリブレーション、スペックル ノイズの除去、放射歪みと幾何学的歪みの除去、値の範囲が大きい画像のレンダリングなどです。

Image Analyst ツールボックスの 合成開口レーダー ツールセットには、Sentinel-1 Ground Range Detected (GRD) データから、キャリブレーションとテレイン補正の済んだ解析可能な画像データを生成する 8 種類のツールが用意されています。 次の図に示すように、解析可能な Sentinel-1 GRD データを生成するために以下のツールを使用します。

• 軌道ファイルのダウンロード
• 軌道修正の適用
• 熱雑音の除去
• 放射量キャリブレーションの適用
• 放射量分析によるテレインのフラット化を適用
• スペックル除去
• 地理テレイン補正の適用
• SAR 単位の変換

軌道ステート ベクターのダウンロードと使用

放射テレイン補正および地理テレイン補正の精度は、提供される軌道ステート ベクター (OSV) に依存します。 Sentinel-1 プロダクトでは、予測、更新、および精密の 3 種類の OSV が利用可能です。 予測 OSV は Sentinel-1 レベル 1 GRD および SLC 補助プロダクトで提供されます。更新 OSV は画像取得から 3 時間以内に European Space Agency (ESA) を通じて利用でき、精密 OSV は画像取得から 3 週間以内に ESA を通じて利用できます。 利用可能になり次第、OSV を更新または精密に更新することをお勧めします。

[軌道ファイルのダウンロード] ツールは、適切な OSV ファイルを識別してダウンロードします。 [軌道修正の適用] ツールは、ダウンロードしたこの OSV ファイルを使用して Sentinel-1 プロダクトのメタデータを更新します。

熱雑音の除去

SAR 画像は、加法性の熱雑音によって歪んでいます。 熱雑音は、後方散乱分布が少ない画像に最も顕著に現れます。たとえば、交差偏波チャンネルのような画像で、これは後方散乱分布が狭いのが特徴です。

Sentinel-1 Terrain Observation with Progressive Scans (TOPS) の取得モードのため、Sentinel-1 プロダクトでの熱雑音は個々のサブスワス スキャンで変化します。 熱雑音は、サブスワス スキャン間のシャープなコントラストとして現れるのが一般的です。 [熱雑音の除去] ツールは、Sentinel-1 プロダクトのメタデータを使用して熱雑音を補正します。

放射量キャリブレーション

[放射量キャリブレーションの適用] ツールは、Sentinel-1 プロダクトのメタデータを使用して、意味のある後方散乱の値を取得します。 放射量キャリブレーションとは、SAR プロダクトを画像ピクセルのデジタル ナンバー (DN) から単位面積あたりの SAR 後方散乱強度の物理量に変換するプロセスです。 キャリブレーションには、ベータ ノート ()、シグマ ノート ()、ガンマ ノート () の 3 種類があります。 キャリブレーションの種類は、キャリブレーションに使用する単位面積によって決まります。

ベータ ノートは傾斜範囲の単位面積あたりのレーダー反射率を表し、一般的にはレーダーの明度係数と呼ばれています。

シグマ ノートは大圏距離の単位面積あたりのレーダー反射率を表します。 シグマ ノートは反射率を表す手法として頻繁に用いられますが、使用には注意が必要です。 シグマ ノート値は入射角によって異なるため、近距離にあるフィーチャは遠距離になるとシグマ ノート値が異なる場合があるからです。 視覚シグマ ノートを使用して複数時系列の解析や変化の検出を行う場合は、シグマ ノートでの変化が視点ジオメトリの違いに起因するアーティファクトではなく、物理的な経時変化に起因することを確認するために、同じセンサー、同じ視角の画像を使用してください。

ガンマ ノートは、傾斜範囲に垂直な平面における単位面積あたりのレーダー反射率を返します。 楕円体を基準にした入射角で正規化されているため、距離に依存しない測定値が得られます。 後方散乱の値を使用して、1 つの画像に存在する固有のフィーチャを区別したい場合は、シグマ ノートではなくガンマ ノートを使用します。 また、異なるセンサーからの SAR 画像や異なる視点ジオメトリ (昇順と降順) を使用した複数時系列の解析や変化の検知が必要な場合は、ガンマ ノートを使用してください。 ガンマ ノートは、テレインが平坦な場合にのみ、この種の用途に使用してください。

放射テレインの平坦化

SAR センサーには側方監視の特性があるため、センサーに面したフィーチャは、センサーに面していないフィーチャより意図的に明るく表示されます。 [放射テレインの平坦化を適用] ツールは、複雑な地形やセンサーの視点ジオメトリに起因する意図的な放射値を補正します。

入力 DEM とベータ ノートでキャリブレーションされた Sentinel-1 GRD プロダクトがある場合、[放射テレインの平坦化を適用] ツールは range-Doppler 手法¹ を使用して照明領域を計算し、テレイン平坦化されたガンマ ノートの出力を生成します。 あるいは、テレイン平坦化されたシグマ ノート出力を指定することもでき、これは DEM ベースのローカル入射角を使用して正規化されます。

オプションの出力として、シミュレートされた拡散領域があります。 このような出力を使用すると、テレインがテレイン平坦化されていないキャリブレーション済みデータにどのように人為的な影響を与えるかについて洞察を得ることができます。

もう 1 つのオプション出力が、影、短縮、延長、または待ち時間によって影響を受けるピクセルを特定する幾何学的歪みマスクです。 幾何学的歪みマスク出力を使用すると、幾何学的歪みの種類に基づいて、テレイン平坦化されたガンマ ノートまたはシグマ ノート出力をマスクすることができます。

最後のオプション出力は、テレイン傾斜、視角、短縮率、ローカル入射角のプロキシを含む幾何学的歪みラスターです。 幾何学的歪み出力からは、テレイン平坦化を実行し、幾何学的歪みによる影響を受けるピクセルを特定するためのデータを得ることができます。

放射テレイン平坦化は、任意のテレイン上で単一の画像を解釈するアプリケーションに対して、または任意のテレイン上で異なる視点ジオメトリを持つ異なるセンサーまたは同じセンサーからの複数の画像を比較するアプリケーションに対して実行する必要があります。

スペックル除去

SAR 画像は、ノイズの多い異常値があるのが特徴で、これはスペックルと呼ばれています。 この特徴的な状態は、後方散乱信号の建設的および破壊的な干渉が原因です。 [スペックル除去] ツールには、SAR 画像の S/N 比を改善できるように、スペックル フィルターがいくつか用意されています。 利用可能なスペックル フィルターは、Lee²、Enhanced Lee³、Refined Lee⁴、Frost⁵、Kuan⁶、ガンマ MAP⁷ です。 これらのフィルターは、ピクセルのローカル統計に依存しており、フィーチャの詳細を維持しながらスペックル抑制を最適化します。 こうしたフィルターに必要な統計的特性を維持するために、地理テレイン補正の前にスペックル除去を適用することをお勧めします。データのリサンプリングと再投影が実行されます。

地理テレイン補正

SAR センサーには側方監視の特性があるため、センサーに面したフィーチャは圧縮されたように、またセンサーに面していないフィーチャは引き伸ばされたように見えます。 [地理テレイン補正の適用] ツールは、幾何学的歪みを補正し、ピクセルを正しいジオロケーションに移動させます。

[地理テレイン補正の適用] ツールは、range-Doppler 手法および入力 DEM を使用して、入力 SAR 画像をオルソ幾何補正します。 ほとんどの場合、入力 SAR データに近いか、それ以上の解像度を持つ DEM を使用するようにしてください。 テレインが存在しない場合は、入力 DEM を省略できます。 [地理テレイン補正の適用] ツールは、range-Doppler 手法と、プロダクト メタデータからのジオロケーション グリッドを使用して、入力 SAR 画像をオルソ幾何補正できます。

デシベルへの変換

解析可能なデータを作成する最後のステップは、単位のない (線形の) 後方散乱強度をデシベル (dB) に変換することです。 [SAR 単位の変換] ツールは、単純な対数変換を使用して、線形の後方散乱強度をデシベルに変換します。 対数変換を使用するので、後方散乱強度の値の範囲が狭くなって、画像のビジュアライゼーションと解釈が向上します。

参考情報

[1] Small, D. 2011. "Flattening Gamma: Radiometric Terrain Correction for SAR Imagery."IEEE Transactions on Geoscience and Remote Sensing 49, no. 8: 3081–3093. DOI: 10.1109/TGRS.2011.2120616.

[2] J. S. Lee. "Digital Image Enhancement and Noise Filtering by Use of Local Statistics." IEEE Transactions on Pattern Analysis and Machine Intelligence vol. PAMI-2, no. 2, pp. 165–168, March 1980, DOI: 10.1109/TPAMI.1980.4766994.

[3] A. Lopes, R. Touzi, and E. Nezry. "Adaptive speckle filters and scene heterogeneity." IEEE Transactions on Geoscience and Remote Sensing vol. 28, no. 6, pp. 992–1000, Nov. 1990, DOI: 10.1109/36.62623.

[4] J. S. Lee and E. Pottier. "Polarimetric radar imaging: from basics to applications." CRC press, Dec. 2017.

[5] V. S. Frost, J. A. Stiles, K. S. Shanmugan, and J. C. Holtzman. "A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise." IEEE Transactions on Pattern Analysis and Machine Intelligence vol. PAMI-4, no. 2, pp. 157–166, March 1982, DOI: 10.1109/TPAMI.1982.4767223.

[6] D. T. Kuan, A. A. Sawchuk, T. C. Strand, and P. Chavel. "Adaptive Noise Smoothing Filter for Images with Signal-Dependent Noise." IEEE Transactions on Pattern Analysis and Machine Intelligence vol. PAMI-7, no. 2, pp. 165–177, March 1985, DOI: 10.1109/TPAMI.1985.4767641.

[7] A. Lopes, E. Nezry, R. Touzi, and H. Laur. "Maximum A Posteriori Speckle Filtering And First Order Texture Models In Sar Images." 10th Annual International Symposium on Geoscience and Remote Sensing, 1990, pp. 2409–2412, DOI: 10.1109/IGARSS.1990.689026.