Laikapstākļu ietekme uz SAR atstarojuma vērtībām meža teritorijās

Abstract

Laikapstākļi nosaka meža dielektrisko konstanti jeb meža mitrumu, kā rezultātā mainās sintezētās apertūras radara (SAR) atstarojuma intensitāte (σ0). Izstrādājot laikapstākļu modeļus, kas spēj skaidrot laikapstākļu ietekmi uz SAR σ0 vērtībām, ir iespējams precīzāk noteikt SAR σ0 vērtību izmaiņas, kuras nosaka veģetācijas struktūras izmaiņas, kā rezultātā, izmantojot izstrādātos modeļus, var veikt meža stāvokļa monitoringu. Tieši tas pamato nepieciešamību izstrādāt automātiskus laikapstākļu ietekmes koriģējošus modeļus, kas palīdzētu rentabli un efektīvi veikt meža vertikālās struktūras monitoringu. Maģistra darba mērķis ir izstrādāt metodiku, ar kuras palīdzību būtu iespējams prognozēt dažādu laikapstākļu komponenšu ietekmi uz SAR atstarojuma vērtībām, izmantojot SAR Sentinel-1 un ERA5-Land klimata reanalīzes datu kopas brīvpieejas datus. Darbā kopā noteikta trīsdesmit laikapstākļu, ugunsbīstamības un vides rādītāju korelācija ar SAR σ0 vērtībām un izstrādāti astoņi dažādi modeļi, ar kuriem var veikt SAR σ0 vērtību korekciju. Labākā VH polarizācijas modeļa kopējā pareizība sasniedz 72 %, bet VV polarizācijas modeļa 63 %. Darbā ir izstrādāti priekšlikumi par metodikas pilnveidošanu un turpmāk nepieciešamajiem pētījumiem, lai veiktu precīzāku SAR σ0 vērtību modelēšanu meža teritorijās neatkarīgi no laikapstākļiem.

Weather conditions determine the dielectric constant of the forest or forest humidity, as a result of which the synthetic aperture radar (SAR) backscatter intensity (σ0) changes. By developing weather models capable of explaining the effects of the weather on SAR σ0 values, it is possible to determine the change more accurately in SAR σ0 values due to changes in vegetation structure. So, forest condition monitoring can be carried out using the developed weather models. This is what justifies the need to develop automatic weather impact corrective models that would help to monitor the vertical structure of forests in a cost-effective and efficient manner. The aim of the master's thesis is to develop a methodology that would make it possible to predict the influence of various weather components on SAR σ0 values, using open access data of SAR Sentinel-1 and ERA5-Land climate reanalysis data set. In the work, the correlation of all together thirty weather, fire danger indices and environmental components with SAR σ0 values has been analysed and eight different models that can be used to correct SAR σ0 values have been developed. The overall accuracy of the best VH polarization model is 72 % and the VV polarization model 63 %. Proposals for the improvement of the methodology and the further necessary research to perform more accurate modelling of SAR σ0 values in forest areas, regardless of weather conditions, have also been developed.