ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2019, № 12 · РАСПРОСТРАНЕНИЕ РАДИОВОЛН

Численно-аналитическая модель коэффициента обратного рассеяния электромагнитных волн озёрным льдом в С-диапазоне частот

К.В. Музалевский1,2, И.Н. Ельцов3,4, А.Н. Фаге3,4, Л.В. Цибизов3,4, Д.Е. Аюнов3,4

1 Институт физики им. Л.В. Киренского - обособленное подразделение ФИЦ КНЦ СО РАН, Красноярск, Россия
2 Kirensky Institute of Physics, Federal Research Center KSC Siberian Branch Russian Academy of Sciences, Россия
3 Институт нефтегазовой геологии и геофизики им. А.А.Трофимука СО РАН, Новосибирск, Россия
4 Trofimuk Institute of Petroleum Geology and Geophysics, Siberian Branch of the Russian Academy of Sciences, Россия
Полный текст (PDF) DOI: 10.30898/1684-1719.2019.12.8 УДК 621.369.9 EDN WIXAVC

Аннотация

В данной работе предложена численно-аналитическая модель диффузного рассеяния волн C-диапазона частот случайной слоисто-неоднородной средой ледового покрова пресноводного озера, учитывающая отражение волны от границы лёд-вода. Созданная модель позволяет рассчитать коэффициент рассеяния от ледового покрова в зависимости от длины корреляции и среднего объемного содержания пузырьков воздуха в ледовой толще. При этом полагалось, что среднее объемное содержания пузырьков воздуха не зависит от толщины льда. Тестирование предложенной модели было выполнено для одного из озёр, расположенных в дельте реки Лена, с использованием радарных данных спутника Sentinel-1 и данных о температуре приземного воздуха в период с сентября 2017 по июнь 2018 гг. Данные о температуре приземного воздуха использовались для оценки толщины ледового покрова на основе эмпирической модели Лебедева, описывающей связь толщины льда и суммы абсолютных значений отрицательных температур приземного воздуха, с учетом толщины снежного покрова. Предложенная модель со среднеквадратическим отклонением RMSE=0,2дБ и квадратом коэффициента корреляции R2=0,960 описывает измеренные Sentinel-1 временные зависимости сечения рассеяния в зависимости от толщины льда на тестовом участке озера. Кроме того, созданная модель позволяет с погрешностью RMSE=17,6см и R2=0,811 прогнозировать толщину льда, определять как суммарную величину, так и абсолютные значения температуры приземного воздуха с момента становления льда на озере из радарных данных Sentinel-1 с погрешностью RMSE=158,9°С×день (R2=0,984) и RMSE=6,0°С (R2=0,59), соответственно. Предлагаемая методика не учитывает неоднородность вертикального распределения пористости и строения льда, шероховатость границ раздела воздух-лёд, лёд-вода, а также межслойных границ во льду. Существенным является априорное знание величины средней пористости зондируемой толщи льда с погрешностью порядка 1%. Данную информацию можно получать из статистического обобщения данных наземных измерений. Предложенная методика нуждается в дальнейшей проверке на большем числе тестовых тундровых озёр.

  • радиолокация
  • пресный озёрный лёд
  • модель радарного рассеяния
  • толщина льда
  • температура воздуха
Abstract (in English)

Numerical-analytical model of backscattering coefficient of pure lake ice in C-band

In this paper, we propose a numerical-analytical model for diffuse scattering waves in C-band by a random layered-inhomogeneous medium of the pure lake ice cover, taking into account the reflection of the wave from the plane ice-water boundary. The created model allows calculating the scattering coefficient from the ice cover depending on the correlation length and the average volumetric value of air bubbles in ice. It was assumed that the average volumetric content of air bubbles does not depend on the thickness of the ice. Testing of the proposed model was performed for one of the lakes located in the Lena River Delta, using Sentinel-1 satellite backscattering data on HH-pol and surface air temperature data from September 2017 to June 2018. Surface air temperature data were used to estimate the ice thickness based on the Lebedev's empirical model describing the relationship between the ice thickness and the sum of the absolute values of the negative air temperatures, taking into account the thickness of the snow cover. The proposed model with RMSE = 0.2dB and the R2 = 0.960 describes the Sentinel-1 measured temporal dependences of the backscattering coefficient during of increasing of the ice thickness (0-2m) in the test site of the lake. In addition, the created model allows predicting the ice thickness with the error of RMSE = 17.6 cm and R2 = 0.811, determining both the total value and the absolute values of the surface air temperature from the moment of ice formation on the lake from Sentinel-1 radar data with an error of RMSE = 158,9°C days (R2 = 0.984) and RMSE = 6.0°C (R2 = 0.59), respectively. The proposed method does not take into account the effect of vertical heterogeneity of the porosity and ice structure, roughness of the air-ice, ice-water, and interlayer boundaries in ice. An a priori knowledge of the value of mean porosity of the sensing ice with an error of about 1% is essential. This information can be obtained from a statistical analysis of ground-based measurements. The proposed methodology needs further verification on a larger number of test tundra lake sites.

Для цитирования

Музалевский К.В., Ельцов И.Н., Фаге А.Н., Цибизов Л.В., Аюнов Д.Е. Численно-аналитическая модель коэффициента обратного рассеяния электромагнитных волн озёрным льдом в С-диапазоне частот // Журнал радиоэлектроники. – 2019. – № 12. https://doi.org/10.30898/1684-1719.2019.12.8

Литература

  1. GCOS. The Global Observing System for Climate: Implementation Needs, GCOS-200; GCOS 2016 Implementation Plan. World Meteorological Organization: Geneva, Switzerland, 2016, 315 p.
  2. Benson B.J., Magnuson J.J., Jensen O.P., Card V.M., Hodgkins G., Korhonen J., et al. Extreme events, trends, and variability in Northern Hemisphere lake-ice phenology (1855-2005). Climatic Change, 2012, 112: 299-323. Available at: https://doi.org/10.1007/s10584-011-0212-8
  3. Derksen C., Burgess D., Duguay C., Howell S., Mudryk L., Smith S., Thackeray C. and Kirchmeier-Young M. Changes in snow, ice, and permafrost across Canada. [Chapter 5 in Canada's Changing Climate Report, (ed.) E. Bush and D.S. Lemmen]. Government of Canada, Ottawa, Ontario, 2018, pp.194-260.
  4. Kouraev A.V., Semovski S.V., Shimaraev M.N., Mognard N.M., et al. Observations of lake Baikal ice from satellite altimetry and radiometry. Remote Sensing of Environment, 2007, Vol. 108, pp. 240-253.
  5. Kang K.-K., Duguay, C.R., Howell S.E.L. Estimating ice phenology on large northern lakes from AMSR-E: Algorithm development and application to Great Bear Lake and Great Slave Lake, Canada. The Cryosphere, 2012, Vol. 6, pp. 235-254.
  6. Kang K.-K., Duguay C.R., Lemmetyinen J., Gel Y. Estimation of ice thickness on large northern lakes from AMSR-E brightness temperature measurements. Remote Sens. Environ, 2014, Vol. 150, pp. 1-19.
  7. Hachem S., Duguay C. R., Allard M. Comparison of MODIS-derived land surface temperatures with ground surface and air temperature measurements in continuous permafrost terrain. The Cryosphere, 2012, No. 6, pp. 51-69.
  8. Pour H.K., Duguay C.R., Scott A., Kang K.-K. Improvement of lake ice thickness retrieval from MODIS satellite data using a thermodynamic model. IEEE Trans. Geosci. Remote Sens., 2017, Vol. 55, pp. 5956-5965.
  9. Fletcher K. Sentinel-1: ESA's Radar Observatory Mission for GMES Operational Services, ESA SP-1322/1. 2012. 96 p.
  10. Observation Scenario [online]. Available at: https://sentinel.esa.int/web/sentinel/missions/sentinel-1/observation-scenario/acquisition-segments.
  11. Sellmann P., et al. Use of side-looking airborne radar to determine lake depth on the Alaskan North Slope, Cold Regions Research and Engineering Laboratory Hanover, New Hampshire, 1975, AD-A011 249, 14 p.
  12. Mellor J. C. Bathymetry of Alaskan arctic lakes: a key to resource inventory with remote-sensing methods. Ph.D.thesis. Fairbanks, AK: Institute of Marine Science, University of Alaska, 1982.
  13. Jeffries M. O., Morris K., Weeks W.F., Wakabayashi H. Structural and stratigraphic features and ERS 1 synthetic aperture radar backscatter characteristics of ice growing on shallow lakes in NW Alaska, winter 1991-1992. J. Geophys. Res., 1994, Vol. 99, pp. 22459-22471.
  14. Hoekstra P., Delaney A. Dielectric properties of soils at UHF and microwave frequencies. J. Geophys. Res, 1974, Vol. 79, 1699-1708.
  15. Mironov V.L., Kosolapova L.G, Lukin Y.I., Karavaysky A.Y., Molostov I.P. Temperature- and texture-dependent dielectric model for frozen and thawed mineral soils at a frequency of 1.4GHz. Remote Sensing of Environment, 2017, Vol. 200, pp. 240-249.
  16. Surdu C.M., Duguay C.R., Pour H.K., Brown L.C. Ice freeze-up and break-up detection of shallow lakes in Northern Alaska with spaceborne SAR. Remote Sens., 2015, Vol. 7, pp. 6133-6159.
  17. Howell S.E.L., Brown L.C., Kang K.-K., Duguay C.R. Variability in ice phenology on Great Bear Lake and Great Slave Lake, Northwest Territories, Canada, from SeaWinds/QuikSCAT: 2000-2006. Remote Sensing of Environment, 2009, Vol.113, pp.816-834.
  18. Surdu C. M., Duguay C.R., Fernández Prieto D. Evidence of recent changes in the ice regime of lakes in the Canadian High Arctic from spaceborne satellite observations. The Cryosphere, 2016, Vol. 10, pp. 941-960.
  19. Murfitt J., Brown L.C., Howell S.E. Evaluating RADARSAT-2 for the Monitoring of Lake Ice Phenology Events in Mid-Latitudes. Remote Sens., 2018, Vol. 10, pp. 1641.
  20. Wang J., Duguay C.R., Clausi D.A., Pinard V., Howell S.E.L. Semi-Automated Classification of Lake Ice Cover Using Dual Polarization RADARSAT-2 Imagery. Remote Sens., 2018, Vol. 10, pp. 1727.
  21. Murfitt J.C., Brown L.C., Howell S.E.L. Estimating lake ice thickness in Central Ontario. PLoS ONE, 2018, Vol. 13(12): e0208519. Available at: https://doi.org/10.1371/journal.pone.0208519
  22. Beckers J.F., Casey J.A., Haas C. Retrievals of lake ice thickness from Great Slave Lake and Great Bear Lake using CryoSat-2. IEEE Trans. Geosci. Remote Sens., 2017, Vol. 55, pp.3708-3720.
  23. Gherboudj I., Bernier M., Leconte R. A backscatter modeling for river ice: Analysis and numerical results. IEEE Trans. Geosci. Remote Sens., 2010, Vol. 48, No. 4, pp. 1788-1798.
  24. Kozlenko N., Jeffries M. Bathymetric Mapping of Shallow Water in Thaw Lakes on the North Slope of Alaska with Spaceborne Imaging Radar. Arctic, 2000, Vol. 53, No. 3, pp. 306-316.
  25. Wakabayashi H., Weeks W. F., Jeffries M. O. A C-band backscatter model for lake ice in Alaska. Proceedings of IGARSS '93 - IEEE International Geoscience and Remote Sensing Symposium, 1993, pp. 1264-1266.
  26. Jeffries M.O., Morris K., Kozlenko N. Ice Characteristics and Processes, and Remote Sensing of Frozen Rivers and Lakes. Remote Sensing in Northern Hydrology: Measuring Environmental Change. AGU, 2015, Vol. 163, 160p.
  27. Gunn G., Duguay C., Atwood D., King J., Toose P. Observing scattering mechanisms of bubbled freshwater lake ice using polarimetric RADARSAT-2 (C-band) and UWScat (X-, Ku-band). IEEE Trans. Geosci. Remote Sens., 2018, Vol. 56, pp. 2887-2903.
  28. Atwood D. K., Gunn G. E., Roussi C., Wu J., Duguay C. R., Sarabandi K. Microwave backscatter from Arctic lake ice and polarimetric implications. IEEE Trans. Geosci. Remote Sens., 2015, Vol. 53, No. 11, pp. 5972-5982.
  29. Yamaguchi Y., Moriyama T., Ishido M., Yamada H. Four component scattering model for polarimetric SAR image decomposition. IEEE Trans. Geosci. Remote Sens., 2005, Vol. 43, No. 8, pp. 1699-1706.
  30. Wu J., Atwood D., Sarabandi K. Scattering phenomenology of Arctic lake ice," Proc. Geosci. Remote Sens. Symp., 2016, pp. 3668-3671.
  31. Inada T., Hatakeyama T., Takemura F. Gas-storage ice grown from water containing microbubbles. Int. J. Refrig., 2009, Vol. 32, No. 3, pp. 462-471.
  32. Engram M., Anthony K. W., Meyer F. J., Grosse G. Synthetic aperture radar (SAR) backscatter response from methane ebullition bubbles trapped by thermokarst lake ice. Can. J. Remote Sens., 2012, Vol. 38, No. 6, pp. 667-682.
  33. Engram M., Anthony K. W., Meyer F. J., Grosse G. Characterization of L-band synthetic aperture radar (SAR) backscatter from floating and grounded thermokarst lake ice in Arctic Alaska. The Cryosphere, 2013, Vol. 7, No. 6, pp. 1741-1752.
  34. Mermoz S., Allain-Bailhache S., Bernier M., Pottier E., Van Der Sanden J. J., Chokmani K. Retrieval of River Ice Thickness From C-Band PolSAR Data. IEEE Transactions on Geoscience and Remote Sensing, 2014, Vol. 52, No. 6, pp. 3052-3062.
  35. Cloude S. R., Pottier E. An entropy based classification scheme for land applications of polarimetric SAR. IEEE Transactions on Geoscience and Remote Sensing, 1997, Vol. 35, No. 1, pp. 68-78.
  36. Wegmüller U., Santoro M., Werner C., Strozzi T., Wiesmann A. Estimation of ice thickness of tundra lakes using ERS - ENVISAT cross-interferometry. IEEE International Geoscience and Remote Sensing Symposium, 2010, pp. 316-319. DOI: 10.1109/IGARSS.2010.5649026
  37. Dammann D.O., Eriksson L.E.B., Mahoney A.R., Stevens C.W., Van der Sanden J., Eicken H., Meyer F.J., Tweedie C.E. Mapping Arctic Bottomfast Sea Ice Using SAR Interferometry. Remote Sens., 2018, Vol. 10, pp. 720.
  38. Dammann D. O., Eriksson L. E. B., Mahoney A. R., Eicken H., Meyer F. J. Mapping pan-Arctic landfast sea ice stability using Sentinel-1 interferometry. The Cryosphere, 2019, Vol. 13, pp. 557-577.
  39. Du J., Watts J.D., Jiang L., Lu H., Cheng X., Duguay C., Farina M., Qiu Y., Kim Y., Kimball J.S., Tarolli P. Remote Sensing of Environmental Changes in Cold Regions: Methods, Achievements and Challenges. Remote Sens., 2019, Vol. 11, pp. 1952.
  40. Лебедев В.В. Рост Льда в антарктических реках и морях в зависимости от отрицательных температур воздуха. Проблемы Арктики. 1938. Т.5-6. С.9-25.
  41. Bilello M.A. Formation, Growth, and Decay of Sea-Ice in the Canadian Arctic Archipelago. Arctic, 1961, Vol. 14, No. 1, pp. 2-24. Available at: www.jstor.org/stable/40506892.
  42. Birchak J. R., Gardner C. G., Hipp J. E., Victor J. M. High dielectric constant microwave probes for sensing soil moisture. Proceedings of the IEEE, 1974, Vol. 62, No. 1, pp. 93-98.
  43. Fujita S., Matsuoka T., Ishida T., Matsuoka K., Mae S. A summary of the complex dielectric permittivity of ice in the megahertz range and its applications for radar sounding of polar ice sheets. International Symposium on Physics of Ice Core Records., 2000, pp. 185-212.
  44. Brekhovskikh L.M. Waves in Layered Media, NewYork, NY, USA: Academic. 1960. Р. 561.
  45. Chen M.F., Bai S.Y. Computer Simulation of Wave Scattering from a Dielectric Random Surface in Two Dimensions-Cylindrical Case. Journal of Electromagnetic Waves and Applications, 1990, Vol. 4:10, pp. 963-982.
  46. Tsang L., Kong J., Ding K. Scattering of Electromagnetic Waves: Theories and Applications. Wiley-Interscience, 2000, 436 p.
  47. Башаринов А.Е., Гурвич А.С., Егоров С.Т. Радиоизлучение Земли как планеты. М., Наука. 1974 188 с.
  48. Antonova S., Duguay C.R., Kääb A., Heim B., Langer M., Westermann S., Boike J. Monitoring Bedfast Ice and Ice Phenology in Lakes of the Lena River Delta Using TerraSAR-X Backscatter and Coherence Time Series. Remote Sens., 2016, Vol. 8, pp. 903.
  49. Kim Y.-S., Onstott R., Moore R. Effect of a snow cover on microwave backscatter from sea ice. IEEE Journal of Oceanic Engineering, 1984, Vol. 9, No. 5, pp. 383-388.