بررسی تاثیر تغییرات رطوبت خاک بر فاز تداخل سنجی راداری

تداخل سنجی راداری تفاضلی (dinsar) به عنوان یک ابزار بالقوه سنجش از دور برای شناسایی جابجایی های سطح زمین با دقت زیر سانتی متر شناخته شده است. تغییرات رطوبت سطحی خاک (𝛥𝑀𝑣) در زمان میان دو تصویر به عنوان یک پارامتر تاثیرگذار بر فاز تداخل سنجی (𝜑)، باعث ایجاد خطا در برآورد جابجایی می شود. در این پژوهش، میزان و نحوه تاثیرگذاری 𝛥𝑀𝑣 بر φ در زمین هایی با پوشش گیاهی گندم، کلزا، علف هرز، نخود و زمین بایر با استفاده از یک مدل رگرسیونی بطور تجربی بررسی شده است. برای این بررسی از داده های هوایی سنجنده uavsar (باند l) همراه با داده های اندازه گیری شده زمینی در کمپین زمینی کانادا برای رطوبت خاک در سال 2010 (canex-sm10) استفاده شده است. با توجه به نمودارهای پراگندگی بین φ و 𝛥𝑀𝑣 و مشاهده رابطه مستقیم و تقریبا خطی بین این دو پارامتر، تعدادی فرضیه برای استفاده از یک مدلسازی رگرسیونی در نظر گرفته شد. با مقایسه فاز تخمین زده شده با استفاده از مدل رگرسیونی کالیبره شده و فاز محاسبه شده از تکنیک تداخل سنجی، بهترین نتایج مدل در زمین بایر با خطای جذر میانگین مربعات (rmse)، 0.3 رادیان تا 0.6 رادیان و ضریب تعیین (r2)، 69% تا 72% در قطبیدگی های vv و hh بدست آمده است. بطور کلی، نتایج مدل رگرسیونی نشان می دهد بدون تاثیر بقیه عوامل تاثیرگذار بر 𝜑، این پارامتر می تواند به عنوان تابعی رگرسیونی از تغییرات سطح رطوبت خاک در زمین های بایر باشد. همچنین، این مدلسازی نتایج قابل قبولی برای زمین های دارای پوشش گیاهی ارائه می دهد (rmse، 0.6 رادیان تا 0.99 رادیان و r^2، 40% تا 55% با توجه به نوع پوشش گیاهی و قطبیدگی های مختلف). در مقایسه ی قطبیدگی ها، نوسانات 𝜑 در قطبیدگی های هم قطبش (hh و vv) همبستگی بیشتری با 𝛥𝑀𝑣 نشان می دهند. بطور کلی، 𝜑 تابعی مستقیم و تقریبا خطی از 𝛥𝑀𝑣 می باشد و تغییرات زیاد رطوبت سطحی خاک باعث ورود خطای قابل توجهی در برآورد جابجایی می شود.

Study of soil moisture change effects on L-band DInSAR phase

The Differential Synthetic Aperture Radar Interferometry (DInSAR) technique is recognized as a potential remote sensing tool for detecting ground surface displacements with less than a centimetre accuracy. The surface soil moisture changes ( ) during the time between the two images as an effective parameter on interferometry phase ), leads to incorrect calculation of ground movement . In this research, the amount and the way that affects on wheat, rapeseed, weed, pea and idle land fields have been investigated empirically using a regression model. To do this investigation, airborne data UAVSAR (Lband) along with groundbased data in the CanExSM10 campaign in 2010 were used. According to the scattergraphs between and , and observing a direct and approximately linear relationship between them, some hypotheses were taken into consideration in order to use a regression modeling . Comparing the estimated 𝜑 using the calibrated regression model and calculated 𝜑 from the interferometry technique shows that the model provided the best results for the bare field in VV and HH polarizations (RMSE) of 0.3 to 0.6 rad and R2 of 69% to 72%. In general, the results of the regression model showed that without other factors rsquo; effects on , this parameter can be modelled based on a regression function in bare fields. The model also provided acceptable results in vegetated fields (RMS of 0.6 to 0.99 rad and R2 of 40% to 55% depending on the different vegetation types and different polarizations). Comparing polarizations, fluctuations in copolarizations (HH and VV) showed a higher correlation with . Consequently, phi; is directly affected by , and significant changes in brings about a considerable error in displacement estimation.