Создание цифровой модели рельефа (DEM) по открытым данным
Любая достаточно развитая технология неотличима от магии. © Артур Кларк
Построение цифровой модели рельефа (DEM) с использованием открытого программного обеспечения PyGMTSAR (Python InSAR) является ярким примером технология, которая выглядит настоящей магией. Действительно, для создания спутникового DEM требуется всего один клик. Указанный пример и многие другие интерактивные примеры InSAR с 3D визуализацией доступны на Google Colab, в Docker образах и даже на GitHub Actions на https://InSAR.dev
Эта цифровая модель рельефа создается из радарных изображений радарных данных Sentinel-1 всего за одну минуту на ноутбуке Apple Air и может быть также получена за несколько минут на интернет подключенных устройствах iOS, Android, и других. Такое быстродействие и доступность делает технологию подходящей для всех, без необходимости иметь доступ к быстрому интернет подключению, большому объему диска и мощному компьютеру. Примеры доступны на https://insar.dev
Введение
Общедоступные радарные спутники, такие, как Sentinel-1, сканируют нашу планету днем и ночью, сохраняя отраженный сигнал в виде растрового изображения для последующей обработки. Эти снимки хранят комплексные значения фазы отраженного сигнала и могут быть использованы для получения различной информации о состоянии и движениях земной поверхности (от которой сигнал отражается) и свойствах атмосферы (через которую сигнал проходит дважды на своем пути — от спутника к поверхности и обратно). Простейшим вариантом обработки является вычисление амплитуды сигнала, получая изображение в оттенках серого (или псевдо-цветах), во многом аналогичное оптической съемке, но не зависящее от дня и ночи и облачности. Настоящий же потенциал радарных спутников раскрывается, если выполнить обработку комплексных исходных данных. Длина волны радара Sentinel-1 составляет 56 мм, и это означает, что в полученных данных зарегистрированы точные высоты и смещения земной поверхности порядка долей миллиметра, которые можно извлечь. Сама идея получения смещений поверхности чрезвычайно проста — если поверхность опускается на миллиметр вниз, она удаляется от спутника и лучу радара требуется пройти дополнительную дистанцию в 1 миллиметр на пути к поверхности и обратно, итого 2 миллиметра, и эту крохотную задержку можно зарегистрировать и обработать. Кроме смещений поверхности, в снимках сохранена так называемая атмосферная фаза, то есть задержка сигнала при его прохождении в атмосфере. В случае сильной атмосферной турбулентности или облачности атмосферная задержка фазы может составлять эквивалент сотен миллиметров смещения земной поверхности, таким образом, необходимо точнейшее разделение разных источников изменения зарегистрированного сигнала, чтобы получить высокую точность мониторинга поверхности. Конечно, для вычислений такой точности необходимо с соответствующей детальностью знать орбиту спутника, и уметь компенсировать ошибки значений орбиты. Кроме того, значительное влияние оказывают твердотельные лунные и солнечные приливы, которые существенно смещают значение поверхности планеты, эту поправку можно вычислить аналитически или компенсировать, исходя из того, что в пространственном спектре ее влияние проявляется только в длинноволновой части. Существует и множество других источников ошибок, например, так называемый радиометрический шум, присущий самой радарной технологии, которые необходимо учитывать, анализировать и, при необходимости, различными способами компенсировать. Этим и занимается наука и технология спутниковой интерферометрии.
В простейшем случае для иллюстративных целей и обучения, выбирается пара «идеальных» снимков на хорошо отражающей скалистой территорией с низкой облачностью, в промышленном же использовании применяются различные методы обработки серий снимков. Для построения рельефа точность в доли миллиметров не требуется, так что для удачно выбранной территории анализ данных выполняется в автоматическом режиме без необходимости подбора каких-либо параметров. При наличии же растительности и облачности, требуются дополнительные операции по отделению этих составляющих сигнала и оценке точности результатов.
Результаты
Для примера выбрана «удобная» для анализа территория в Турции, с минимальным влиянием облачности и растительности. Можно заметить, что контуры двух выбранных снимков совпадают не полностью, для компенсации этого требуется предварительное выравнивание снимков на грубой модели рельефа.
Предлагаемый Python Jupyter ноутбук 'PyGMTSAR Elevation Map: Erzincan, Türkiye' на https://insar.dev размещен на Google Drive и запускается на общедоступных бесплатных ресурсах Google Colab, позволяя выполнить всю обработку онлайн в веб-браузере: загрузку и распаковку исходных радарных снимков и грубого рельефа (NASA SRTM или Copernicus Global DEM), совмещение разновременных снимков, вычисление разности фаз, построения топографической фазы и вычисления соответствующих высот рельефа. Заметим, что для обработки требуются данные DEM, которые используются только для совмещения исходных радарных снимков на поверхности 3D модели планеты. Получаемый DEM может быть гораздо точнее используемого в процессе обработки, так что это позволяет воспользоваться любыми открытыми данными рельефа для получения детальной модели.
Построенная интерферограмма представляет собой фазовую карту, заданную в интервале [-π, π] и для выбранной территории хорошо различимую. Карта корреляции соответствует мере вероятности значений фазы — низкая корреляции соответствует низкой точности вычислений и высокая корреляция означает точные результаты.
Поулченные результаты можно сравнить с исходно используемой глобальной моделью рельефа, в случае больших отклонений это может означать, что анализ не корректен и необходимо проверить каждый шаг вычислений, найти и скомпенсировать неучтенные факторы. В данном случае, результат валиден и наблюдаемые различия соответствуют разнице в точности детализации.
Заключение
В настоящее время на орбите находится единственный глобальный общедоступный (данные доступны для всех и почти на всю поверхность планеты) спутник Sentinel-1, поскольку второй вышел из строя. Тем не менее, доступен почти десятилетний архив снимков с двух аппаратов, позволяющий построить детальный рельеф и изучить смещения поверхности, инфраструктуры, последствия землетрясений и многие другие процессы и явления на нашей планете. В конце года ожидается запуск двух новых радарных спутников Sentinel-1 и еще совместного спутника NISAR от американского НАСА и индийского космического агентства (на одном спутнике установлен двойной комплект аппаратуры, что делает его очень интересным в плане получения одновременного двойного набора снимков). Также я продолжаю разрабатывать PyGMTSAR (Python InSAR) — библиотеку Python, выполняющую InSAR обработку чрезвычайно эффективно и доступно. Вы можете найти большое комьюнити PyGMTSAR в LindedIn и Patreon, а также множество интерактивных примеров онлайн на сайте проекта https://insar.dev (зеркало GitHub репозитория https://github.com/AlexeyPechnikov/pygmtsar). Таким образом, технология InSAR развивается как технически, так и в плане публично доступных данных, позволяющих проводить мониторинг всей планеты удаленно и с точностью в доли миллиметров. Разве такая технология это не настоящая магия?
