مایکروویو سنجش از دور زمین عنوان پستی است که قرار است با شما به اشتراک بگذاریم. امیدواریم که این پست جذاب مورد پسندشما قرار بگیرد. این پست توسط ونوس نصیرفام تهیه و تقدیم می گردد.

چکیده

با توجه به‌رشد‌سریع جمعیت،تأثیرآن بر محیط‌زیست و منابع محدود موجود در‌سیاره ما، نیاز به نظارت بر فرآیندهای زیست‌محیطی و مدیریت منابع ما بدون چون و چرا است. سنجش از راه دور مایکروویو قابلیت منحصر به‌فردی را برای دستیابی به این هدف فراهم می‌کند.
درطول دهه گذشته، پیشرفت قابل‌توجهی در سنجش از دور مایکروویو فرآیندهای زمین از طریق توسعه سنسورهای مایکروویو پیشرفته هوابرد و فضابرد و ابزارها، مانند مدل‌های مبتنی بر فیزیک و الگوریتم‌های وارونگی پیشرفته، مورد‌نیاز برای تجزیه و تحلیل داده‌ها حاصل شده است. این فعالیت‌ها در سال‌های اخیر از زمان راه‌اندازی ERS –۱/۲، JERS-1 و ماهواره‌های RADARSAT و با در دسترس بودن داده‌های رادیومتری از SSM/I به‌شدت افزایش یافته است. عصر جدیدی با مأموریت‌های فضایی اخیر ESA-ENVISAT آغاز شده است، NASA-AQUA و NASDA ADEOSII و مأموریت‌های آینده PALSAR و RADARSAT2، که افق‌‌های جدیدی را برای طیف گسترده‌ای از کاربردهای سنجش از راه دور عملیاتی مایکروویو باز می‌کند. این مقاله عمده فعالیت‌ها و نتایج مهمی که طی سال‌های گذشته در این زمینه به‌دست آمده است را برجسته می‌کند.

۱٫مقدمه

استفاده از امواج مایکروویو برای سنجش از دور اهداف زمینی با انگیزه همه آب و هوا، روز/شب و ویژگی‌های نفوذ هدف چنین سیستم‌هایی است. اگرچه سیستم‌های تصویربرداری طیفی و چند‌طیفی سنتی می‌توانند به طور مؤثر مورد استفاده قرار گیرند، در اصل، مسائل مربوط به اثرات اتمسفر اغلب چنین سیستم‌هایی را کمتر مطلوب می‌کند. در دهه گذشته چندین ماهواره رادارهای دیافراگم مصنوعی (SAR) برای سنجش از راه دور محیطی پرتاب شدند. کاربرد موفقیت‌آمیز فن‌آوری SAR جهت رسیدگی به‌طیف وسیعی از مشکلات سنجش از راه دور به پیشرفت سیستم‌های SAR کمک کرد تا تنوع قطبی‌سازی و حالت عملیات تداخل‌سنجی را در آن لحاظ کند. اولین سیستم قطبیSAR سنجش از راه دور و اولین تداخل‌سنجی تک‌گذری SAR به‌ترتیب در سال ۱۹۹۴ و ۲۰۰۰ روی شاتل فضایی پرواز کردند. بررسی تئوری‌ها، روش‌ها و کاربردهای تصویربرداری رادار ارائه شده است. بررسی بسیار تکنیک‌های پلاریمتری راداری و سیستم تداخل‌سنجی SAR و کاربردها را می‌توان یافت.

مهمترین رویداد، در سال‌های اخیر، پرتاب ماهواره ENVISAT که توسط آژانس‌فضایی اروپا، حامل مجموعه‌ای از حسگرهای خلاقانه، از‌جمله Advance رادار‌دیافراگم مصنوعی (ASAR) انجام شد. این رادار باند C یک‌پیشرفت قابل‌توجه ERS-1/2 SAR است، از این نظر که‌مشاهده در زوایای فرود و قطبش‌های مختلف را ممکن می‌سازد و امکان عملیات scanSAR را فراهم می‌کند. این ماهواره در ۱ مارس ۲۰۰۲ پرتاب شد، اما داده‌ها تنها در پاییز ۲۰۰۲، پس از مرحله راه‌اندازی، در اختیار جامعه‌علمی قرار‌گرفت. بنابراین، بیشتر‌کارهایی که تاکنون با رادار ماهواره‌ای انجام شده است، همچنان شامل استفاده از داده‌های جریان در مدار ERS -2 و‌RADARSAT، یا از آرشیوهای ERS-1 باند C و JERS  (باندL) موجود است. روی ماهواره سنجش از دور اروپایی ERS-2، مایکروویو فعال ترکیبی از ابزار (AMI) که در باند C (5.3 گیگاهرتز) و قطبش عمودی کار می‎کند. AMI از یک SAR و یک پراکنده‌سنج (SCAT) تشکیل شده که در یک حالت قرار دارند. در حالت موج ۱۰ SAR کیلومتر ۵ X تصاویر کیلومتر در زاویه فرود اسمی ۲۳۰ با وضوح فضایی حدود ۳۰ متر به‌دست می‌آید. ERS-1/2 SCAT به‌طور مداوم یک نوار پهن ۵۰۰ کیلومتری با وضوح ۴۵ کیلومتر را روشن می‌کند. اولین تداخل‌گرا با استفاده از داده‌های راداری از ابزار SAR ERS-2 و ASAR Envisat این ابزار قبلاً توسط دانشمندان مرکز هوافضای آلمان (DLR) تولید شده است. تصاویر گرفته شده در سال ۱۹۹۹ (ERS-2)و ۲۰۰۲ (Envisat) را بر فراز شهر لاس وگاس در ایالات متحده تجزیه و تحلیل کردند.تولید تداخل‌گرا با داده‌های این دو ماهواره ابتدا مورد‌توجه قرار نگرفت، از آنجایی که SARها در ERS-2 و Envisat در فرکانس‌های کمی متفاوت عمل می‌کنند، امکان‌پذیر است و این برای پیچیده‌تر کردن پردازش مشترک داده‌های‌حسگر ERS و Envisat کافی بود. با این‌حال، تولید تداخل‌نگارها با استفاده از ERS و ENVISAT با استفاده از پراکنده‌های دائمی، با مرکز فاز‌پراکندگی بسیار پایدار، پیشنهاد شده است.RADARSAT-1 در نوامبر ۱۹۹۵ به‌دور‌زمین در مدار قطبی همزمان با خورشید پرتاب شد. RADARSAT-1 در باند C عمل می‌کند و طیف گسترده‌ای از انتخاب پرتوها را به کاربران ارائه می‌دهد. ماهواره SAR توانایی منحصربه‌فردی برای شکل‌دهی و هدایت پرتوهای خود از زاویه تابش ۱۰ تا ۶۰ درجه، در پهنه‌های ۴۵ تا ۵۰۰ کیلومتری با وضوح‌های بین ۸ تا ۱۰۰ متر دارد. از آنجا که به سیستم‌های غیرفعال مربوط می‌شود، دو پرتو‌سنج مایکروویو فضایی به‌نام اسکن رادیومتر میکروویو پیشرفته در سال ۲۰۰۲ برای ارائه داده‌های مشاهده‌ای جدید به فضا پرتاب شدند.

یکی از حسگرها AMSR-E است که روی سیستم مشاهده زمین (EOS) آبی اداره ملی هوانوردی و فضایی (ناسا) قرار دارد. دیگری AMSR است که روی رصد پیشرفته زمین‌ماهواره-II(ADEOS-II) آژانس ملی توسعه فضایی ژاپن (NASDA) قرار دارد. سنسورهای AMSR و AMSR-E تقریباً یکسان هستندو۱۰ گیگاهرتز و وضوح زمین بسیار بهتر در مقایسه با سنسورهای قبلی فرکانس‌های پایین‌تری دارند. در واقع وضوح زمین از۴۳*۷۵کیلومترمربع در فرکانس پایین‌تر تا ۳٫۵*۵٫۹ کیلومتر‌مربع در بالاترین فرکانس متغیر است.از کانال‌های فرکانس پایین‌تر این حسگرها رطوبت‌خاک و زیست‌توده‌گیاهی در مقیاس‌جهانی با دقت مناسب انتظار داریم. محصولات ژئوفیزیکی در حال‌حاضر با استفاده از چندین روش مانند استفاده از داده‌های موجود در محل و با مقایسه داده‌ها با داده های دیگر سنسورها اعتبارسنجی می‌شوند.

در میان سیستم‌های سنجش از راه دور رادار فضایی در آینده نزدیک، پلاریمتری رادار دیافراگم مصنوعی ژاپنی باند L‌نوع ردیف‌فازی(PALSAR) با فرکانس۱٫۲۷ گیگاهرتز وRADARSAT-2‌که کاملاً در باند C کار می‌کند را می‌توان نام برد. در حالت وضوح بالا (~۱۰ متر) سیستم را می‌توان در حالت کاملاً پلاریمتری در عرض نوار۷۰ کیلومتر استفاده کرد. PALSARیک حالت مشاهده جذاب دیگر به‌نام حالت ScanSAR ارائه می‌دهد. با به‌خطر انداختن وضوح فضایی (~ ۱۰۰ متر) PALSAR می‌تواند عرض نواری در حدود ۲۵۰ تا ۳۵۰ کیلومتر را فراهم کند که مناسب‌ترین اهداف وسیعی مانند یخ‌دریا و جنگل‌های بارانی برای نظارت است. برای راه‌اندازی برنامه‌ریزی شده ،۲۰۰۴ (RADARSAT-2) تداوم داده را برای کاربرانRADARSAT I فراهم می‌کند و داده‌ها را برای برنامه‌های کاربردی جدید ارائه می‌دهد. رادار دیافراگم‌مصنوعی (SAR) RADARSAT-2‌ کاملاً پلاریمتری است و می‌تواند داده‌ها را در تمام یا هر یک از قطبش‌های HH،VV و HV/VH در طیف‌وسیعی از وضوح‌ها از ۳ تا ۱۰۰ تا متر به‌دست آورد.
جدا از اعمال انجام شده در آماده‌سازی این مأموریت‌ها، داده‌های تجربی جمع‌آوری‌شده از ماهواره، سنسورهای هوابرد و زمینی توسعه مدل‌های پیشرفته‌تر پیش‌رو و الگوریتم‌های وارونگی جامعه سنجش از دور مایکروویو عمیقاً در بهبود دانش در این زمینه با تجزیه و تحلیل نقش داشته است. برای این منظور مطالعات انجام شده با استفاده از داده‌ حسگرهایی که به‌طور خاص برای کاربری زمین طراحی نشده‌اند مانند SSM/T و AMSU و TRMM انجام شده است. این مقاله سعی در برجسته کردن حوزه اصلی فعالیت‌ها و نتایج مهم در این زمینه در دهه گذشته دارد.

۲٫بازیابی پارامترهای زمین

در دسترس‌بودن مقدار قابل‌توجهی از رادار دیافراگم مصنوعی (SAR) و داده‌های رادیومتری چند‌فرکانس، به‌دست آمده در سال‌های اخیر از سیستم‌های هوابرد و فضابرد، تحقیقات قابل‌توجهی را برای تفسیر داده‌ها و بررسی پتانسیل آنها در مطالعات مختلف محیطی برانگیخته است، تمرکز تحقیق بر روی فرآیندهای سنجش از دور مایکروویو را می‌توان به‌موارد‌زیر دسته‌بندی کرد:‌۱) طبقه‌بندی زمین،۲) بازیابی رطوبت خاک،۳) برآورد زیست توده جنگل و محصول و‌۴) تخمین پارامتریخ و برف.

۲٫۱ پردازش تصویر و طبقه‌بندی زمین

اولین مرحله در اکثر الگوریتم‌های بازیابی، طبقه‌بندی تصویر است که در آن چشم‌انداز زمینه تصویر‌شده به بخش‌های مختلف تقسیم می‌شود. دسته‌های کلی که به‌نوبه خود هر کدام ممکن است به حوزه‌های آماری همگن تقسیم‌شوند. تعدادی از انواع مختلف طبقه‌بندی کننده تصویر مایکروویو هستند، در حال‌حاضر به‌طور معمول در حال استفاده است. این تکنیک‌های طبقه‌بندی که تاکنون اجرا شده را می‌توان به رویکردهای مبتنی بر آمار، مانند طبقه بندی کننده حداکثر‌احتمال، طبقه‌بندی کننده‌های بدون‌نظارت و مبتنی بر دانش و طبقه‌بندی شبکه‌های عصبی تکنیک طبقه‌بندی که یک ناپارامتریک است دسته‌بندی کرد. همچنین یک روش شناخته شده به‌عنوان طبقه‌بندی “درخت‌تصمیم‌گیری “این روش با موفقیت برای طیف گسترده‌ای از مشکلات طبقه‌بندی استفاده شده است، اما توسط جامعه سنجش از دور به‌طور دقیق آزمایش نشده است. الگوریتم‌هایی برای تشخیص لبه و تغییر با استفاده از داده‌های قطب‌سنجی و/یا SAR چند فرکانس توسعه‌یافته و گزارش‌شده است. مطالعات پوشش زمین مایکروویو با وضوح بالا با هوابرد انجام شده ، مانندJPL AirSAR و CCRS C/X SAR و ماهواره SAR و در مقیاس جهانی عمدتاً با ERS-1/2 باد‌سنج و SSM/I است.

پتانسیل پلاریمتری چند‌فرکانسی داده‌های SAR در جداسازی مزارع کشاورزی از انواع دیگر سطوح و در تمایز بین طبقات گونه‌های کشاورزی توسط نویسندگان مختلف نشان داده شده است.

۲٫۲ رطوبت خاک

رطوبت خاک و تغییرات زمانی و مکانی آن از پارامترهای تأثیرگذار و مدل‌های هیدرولوژیکی در هر دو شرایط اقلیمی است. اندازه‌گیری میزان رطوبت خاک (SMC) یکی از بهترین اهداف مهم سنجش از دور و حجم قابل توجهی از مطالعات‌تجربی و نظری از اواخر دهه۱۹۷۰ انجام شده است. ثابت دی الکتریک خاک در فرکانس‌های مایکروویو وابستگی شدیدی به‌رطوبت خاک نشان می‌دهد. به‌عنوان‌مثال، در باند L، بخش‌واقعی ثابت دی الکتریک از۳ برای خاک خشک تا حدود۲۵برای خاک اشباع متغیر است. این تنوع می‌تواند منجر به‌تغییر۱۰ دسی بل در بزرگی ضریب پراکندگی عقب رادار و۱۰۰ کلوین در بزرگی دمای روشنایی‌می‌شود. یک جزء مهم مورد‌نیاز در مسئله معکوس رطوبت‌خاک آگاهی از رابطه بین‌دی‌الکتریک‌خاک نسبت به‌رطوبت ثابت آن است. مدل‌های تجربی و اندازه‌گیری‌های دقیق برای دی‌الکتریک خاک ثابت داده می‌شوند. پراکندگی رادار و انتشار حرارتی در فرکانس‌های مایکروویو پایین هر دو به SMC حساس هستند. پوشش گیاهی یکی از مشکلات عمده‌ای است که در عمل با آن مواجه می‌شود سطح خاک را می‌پوشاند و حساسیت رادیومتری و راداری به SMC را کاهش می‌دهد.

۲٫۲٫۱ سیستم‌های غیرفعال

تحقیقات SMC با رادیومترهای مایکروویو از اواخر دهه ۱۹۷۰ و اخیراً فعال بوده با مأموریت‌های جدید احیا شده است. در‌حال‌حاضر در مدار AMSR-E و AMSR و SMOS برنامه‌ریزی شده، توسط آژانس‌فضایی اروپا (ESA) در‌چارچوب کاوشگر مأموریت‌های ضروری زمین و AQUARIUS توسط ناسا به‌عنوان بخشی از برنامه ماهواره‌ای کوچک Pathfinder Science System Science انتخاب شده‌اند. مأموریت SMOS بر‌اساس یک باند L دو قطبی رادیومتری که از سنتز دیافراگم برای دستیابی به وضوح زمین۵۰ کیلومتر استفاده می‌کند. AQUARIUS، بر اساس ترکیبی از ابزارهای اسکن مخروطی فعال و غیرفعال باند L، عملکرد مشابهی خواهد داشت و از داده‌های رادار برای تصحیح سطح ناهمواری استفاده می‌کند. اکثر تحقیقات تجربی در مورد رطوبت خاک با سیستم‌های غیرفعال در ایالات‌متحده در GSFC (MD)  Greenbelt، USDA در (MD) Beltsville ، JPLدر پاسادنا (CA)، MITدرکمبریج(MA)، دانشگاه‌میشیگان (MI) و دانشگاه پرینستون (NJ) و در‌اروپا INRA در آوینیون (فرانسه)، دانشگاه آمستردام (هلند)، و CNR در فلورانس (ایتالیا) انجام شده است.

در سال ۱۹۹۷ نظم رادیومتری کمتر با اسکن الکترونیکی باند L (ESTAR) برای نقشه‌برداری روزانه SMC در منطقه‌ای بیش از ۱۰۰۰۰ کیلومتر‌مربع برای یک دوره یک ماهه استفاده شد.

نتایج همسانی الگوریتم بازیابی و ابزار را نشان داد. سطوح خطا در حدود ۳ درصد بود. در ۹۹ SGP، حسگر هوابرد باند L و S غیرفعال و فعال(PALS) ،همراه با اسکن قطبی باند C رادیومتر (PSR/C) استفاده شد. داده‌های به‌دست‌آمده اطلاعاتی در مورد حساسیت‌های چند کاناله اندازه‌گیری‌های فرکانس پایین برای SMC برای شرایط مختلف پوشش گیاهی با محتوای آب در محدوده ۰-۲٫۵ کیلوگرم برمتر مربع ارائه می‌کنند. کانال پلاریزاسیون افقی ۱٫۴۱ گیگاهرتز بیشترین حساسیت را نشان داد. با دقت بازیابی ۲٫۳%. تصاویر PSR/C الگوهای مکانی و زمانی را نشان دادند که با آن سازگار است. شرایط هواشناسی و خاک و نشان داد که ابزار AMSR می تواند رطوبت مفید خاک اطلاعات را فراهم کند. به‌عنوان بخشی از همان آزمایش SGP، یک آزمایش شبیه‌سازی سیستم مشاهده (OSSE) بود برای ارزیابی تأثیر ناهمگونی سطح زمین در بازیابی در مقیاس بزرگ اعتبارسنجی محصولات رطوبت‌خاک، با استفاده از کانال ۶٫۹۲۵ گیگاهرتز در سنسور AMSR-E انجام شد. برای انجام این کار، یک مدل هیدرولوژیکی با وضوح بالا، یک مدل انتشار مایکروویو سطح زمین (LSMEM) و یک شبیه‌سازی صریح از ویژگی‌های مداری و اسکن برای AMSR-E استفاده شد. نتایج در حوضه۵۷۵۰۰۰ کیلومتر مربعی رودخانه سرخ آرکانزاس نشان داد که، برای سطوح با محتوای آب گیاهی زیر ۰٫۷۵ کیلوگرم بر متر مربع، دو اثر مقیاس خطای ۱٫۷ % RMS را در۶۰ کیلومتر خاک AMSR-E روزانه محصولات رطوبتی ایجاد کرد و تفاوت۳۰% RMSدر مقایسه ۶۰ کیلومتری محصولات رطوبت خاک AMSREو اندازه‌گیری‌های در مقیاس میدانی در یک شبکه ۲۵ کیلومتری ثابت نمونه‌برداری شده است. در همان منطقه ۹۹ SGP، داده‌های ماهواره‌ای SSM/I و TMI طی یک دوره دو هفته‌ای تحت شرایط‌عالی هواشناسی به‌دست آمد. تجزیه و تحلیل نقشه‌های به‌دست‌آمده نشان داد که بازیابی ثابت SMC مبتنی بر ماهواره امکان‌پذیر است و داده‌های ارائه‌شده توسط کانال ۶٫۹ گیگاهرتز AMSR باید پیشرفت‌های قابل‌توجهی ارائه دهد. مشکل دمای مؤثر سطح تابشگر در۶٫۶ گیگاهرتز بررسی شد، که در آن میزان تفاوت میانگین بلندمدت بین واقعی و دما مؤثر با استفاده از داده‌های رادیومتر چندکاناله مایکروویو اسکن(SMMR) تخمین زده شد.

روش‌های مختلفی برای بازیابی SMC از رادیومتریک چند فرکانس داده‌ها، و به ویژه از اندازه‌گیری‌های AMSR-E در نظر گرفته شده است. این رویکردها در درجه اول روش‌های مورد استفاده برای تصحیح اثرات بافت خاک ، ناهمواری، پوشش گیاهی و سطح درجه‌حرارت متفاوت هستند. یک فرض رایج این است که، در بیشتر مناطق زمین در مقیاس ردپای AMSR-E، اثرات تغییرپذیری در بافت و ناهمواری خاک بر دمای روشنایی مشاهده شده در مقایسه با اثر تغییرپذیری در SMC اندک است. این در تعدادی از مطالعات حساسیت مدل نشان داده شده است. بنابراین ممکن است این پارامترها به صورت غیر متغیر تقریبی شوند. ضریب تیرگی پوشش گیاهی را نیز می‌توان به صورت غیرمتغیر زمانی تقریب زد. با این حال، وابستگی خاصی به نوع محصول در مقیاس مزرعه نشان می‌دهد و فرض یکنواختی فضایی باید منبع بالقوه خطا در نظر گرفته شود. رویکردهای بازیابی SMC که در مورد بررسی قرار گرفته‌اند مطالعات قبلی عبارتند از:

• بازیابی تک‌کانال با اصلاحات متوالی با استفاده از داده‌های جانبی،
  • اصلاحات تکراری مدل جلو با استفاده از دمای روشنایی چند کاناله،
• اصلاح با استفاده از شاخص‌های قطبش چند فرکانس،
  • تغییرات یا ترکیبی از روش‌های فوق.

روش‌های دیگر مبتنی بر وارونگی تکراری بیزی مدل رو به جلو یا شبکه‌های عصبی نیز مورد بررسی قرار گرفته اند. الگوریتم اجرا شده برای AMSR-E بر اساس مدل انتقال تابشی (RT) بود، از یک تکرارگر، الگوریتم حداقل مربعات، بر اساس شش کانال رادیومتری استفاده کرد. دلیل اصلی این انتخاب، به‌حداقل رساندن وابستگی به داده‌های جانبی خارجی بود. مدل بازیابی فرض می‌کند که دما و رطوبت در اعماق سنجش فرکانس‌های مورد استفاده یکنواخت هستند، و اینکه وابستگی فرکانس عامل تضعیف پوشش گیاهی را می‌توان به اندازه کافی مشخص کرد. اولین عامل با استفاده از اندازه‌گیری‌های شبانه (۱:۳۰ بامداد، گذر نزولی) زمانی که نیمرخ‌های دما و رطوبت نسبتاً یکنواخت هستند، کمک می‌کند. تجزیه و تحلیل داده‌های SMMR گرفته شده در بیابان‌ها و جنگل‌ها برای به‌دست آوردن تخمین‌های قبل از پرتاب برای AMSR-E استفاده شد. الگوریتم دیگری که در چارچوب پروژه AMSR توسعه یافته پیشنهاد شده است. این الگوریتم بر اساس حساسیت به رطوبت هر دو دمای روشنایی Tb و شاخص قطبش PI در باند C، و از شاخص پلاریزاسیون در باند X برای تصحیح تأثیر پوشش گیاهی با استفاده از یک مدل نیمه تجربی است.
رویکرد کلاسیک برای محاسبه دمای روشنایی خاک، نظریه انتقال تابشی است که می‌تواند پراکندگی چندگانه را در محیطی متشکل از پراکنده‌های گسسته تصادفی درمان کند. با این‌حال، این نظریه پراکندگی مستقل را فرض می‌کند، و سپس اثرات منسجم را نادیده می‌گیرد. اگر دمای محیط ثابت باشد و بقای انرژی پابرجاست، تابش را می‌توان به صورت ۱ منهای بازتابش بیان کرد و مشکل محاسبه دمای روشنایی به‌محاسبه ضرایب پراکندگی بیستاتیک باز می‌گردد. اکثر مدل‌ها برای خاک و پوشش گیاهی توسعه یافته‌اند مبتنی بر این روش هستند. ارزیابی روش‌های کلاسیک (اپتیک فیزیکی، اغتشاش کوچک و معادله انتگرال) برای محاسبه گسیل خاک‌های ناهموار از ضریب پراکندگی دو استاتیکی توسط مقایسه شبیه‌سازی‌های مدل با داده‌های تجربی به‌دست‌آمده در باند C و X روی یک مصنوعی سطح دی الکتریک با همان در مدل ویژگی آماری استفاده شده است.

۲٫۲٫۲ سیستم‌های فعال

این امکان نظارت بر تغییرات رطوبت خاک با استفاده از داده‌های SAR، مطالعات بر ایجاد رابطه بین پاسخ SAR مشاهده شده و سطح SMC تعداد زیادی را تحریک کرده است. در یک خاک همگن با سطح کاملاً صاف، پراکندگی الکترومغناطیسی امواج کاملاً رو به جلو هستند و به گذردهی محیط بستگی دارد. در یک سطح ناهموار، تشعشعات در جهات مختلف پراکنده می‌شوند و همچنین باعث ایجاد پس‌پراکندگی می‌شوند. بنابراین، دو ویژگی اساسی پاسخ پراکندگی برگشتی مشاهده شده توسط سیستم SAR را تعیین کنند: گذردهی رسانه و خصوصیات ناهمواری سطح. هر دو پارامتر به نوبه خود با پارامترهای ژئوفیزیکی مختلف خاک مرتبط هستند. با ظهور SAR قطب‌سنجی، سنجش از راه دور رادار رطوبت خاک در دو دهه گذشته به اهمیت قابل توجهی دست یافته است. در ابتدا مطالعات تجربی گسترده با استفاده از پراکندگی سنج‌های قطبی برای ایجاد رابطه انجام شد بین پاسخ رادار و ناهمواری سطح و رطوبت خاک میدان وسیع آزمایش‌هایی نیز برای بررسی الگوریتم‌های بازیابی از مدل‌های تحلیلی ساده تا مدل‌های رگرسیونی/تجربی انجام شده است. به عنوان مثال ۹۷ SGP قبلاً با استفاده از انواع ابزار سنجش‌از‌راه دور فعال و غیرفعال بر روی پلت‌فرم‌های مختلف (کامیون، هواپیما و ماهواره ذکر شده بود. آزمایش‌های دقیق در شرایط آزمایشگاهی یا آزمایش‌های میدانی بزرگ همگی نشان می‌دهند که در برای بازیابی SMC، برای جداسازی پارامترهای ناهواری سطح اثرات از محتوای رطوبت، بیش از یک مشاهده پس پراکندگی مورد نیاز است. اغلب اوقات فقط ارتفاع rms سطح و در برخی موارد طول همبستگی سطح برای پارامترهای سطح ناهموار جستجو می شود. در واقع چگالی طیفی توان سطحی کمیتی است که بر پاسخ رادار تأثیر می‌گذارد. با این حال، بازیابی سطح پارامترهای غیر از ارتفاع rms و ضریب همبستگی به نظر می‌رسد فراتر از قلمرو امکان برای ابزار سنجش از راه دور رادار باشد. این نشان می‌دهد که، رگرسیون تجربی بین ضریب پس پراکندگی و SMC ارائه شده در ادبیات هر دو زمان و وابسته به سایت است و بنابراین تعمیم آن دشوار است. داده‌های SIR-C/X-SAR، اشاره کرد‌که، در مقیاس سطح ناهموار معمولی کشاورزی مناطق، یک حسگر باند L هم‌قطبی بالاترین محتوای اطلاعاتی را برای تخمین SMC و سطح ناهموار فراهم می‌کند. حساسیت نسبت به SMC و سطح ناهموار برای میدان‌های جداگانه بسیار پایین است زیرا هر دو پارامتر بر سیگنال رادار تأثیر می گذارد. با این‌حال، در در نظر گرفتن میانگین داده‌ها درسطح نسبتاً وسیع ناحیه‌ای که چندین میدان را شامل می‌شود، همبستگی با تغییرات زمانی SMC معنی‌دار بود، زیرا اثرات تغییرات ناهمواری فضایی هموار شد. از سوی دیگر، حساسیت به سطح ناهموار در مقیاس فضایی بهتر آشکار شد و در زمان ادغام شد تا اثرات تغییرات رطوبت را کاهش دهد. بازیابی رطوبت خاک و سطح ناهمواری از داده‌های پلاریمتری چند فرکانسی با استفاده از مدل‌های نیمه تجربی یا با معکوس کردن مدل IEM با نتایج خوبی انجام شد.

محدودیت‌های فعلی بازیابی رطوبت خاک از داده‌های ERS-SAR با استفاده از مجموعه داده‌های مصنوعی و همچنین یک پایگاه داده بزرگ پاناروپایی از زمین و اندازه‌گیری‌های ERS-1 و ERS-2 مورد تجزیه و تحلیل قرار گرفت.

در مدل‌سازی هیدرولوژیکی رواناب و بیلان آب، داده‌های ورودی مختلف مانند کاربری اراضی، رطوبت‌خاک

و مدل‌های رقومی ارتفاعی زمین (DEM) را می‌توان با استفاده از تکنیک‌های سنجش از دور به‌دست آورد یا تخمین زد. یک مثال خوب از یکسان‌سازی داده‌های ERS SAR در مدل یکپارچه پیش‌بینی سیل برای تبدیل بارندگی به رواناب در آورده شده است. در مدلDEM از تداخل‌سنجی مشتق شده داده‌های SAR برای توصیف ایستا از یک حوزه‌آبخیز و مدل پویا استفاده می‌شود متغیرها از توزیع رطوبت‌سطحی خاک برآورد شده از داده‌های پراکندگی برگشتی SAR به دست می‌آیند. چندین دانشمند با استفاده از داده‌های پراکنده^‌سنج باد ERS، بازیابی SMC را در مقیاس بزرگ بررسی کردند. نتایج کاربرد این داده‌ها را برای اندازه‌گیری نشان می دهد پارامترهای زمین و پتانسیل استخراج یک جایگزین مبتنی بر فیزیکی برای تجربی شاخص‌هایی برای تخمین پارامترهای متغیر منطقه‌ای ارائه شده است.

همانطور که قبلاً ذکر شد، جدای از پارامترهای ناهمواری سطح، وجود پوشش گیاهی کوتاه روی آن وجود دارد

سطح بازیابی SMC را بسیار پیچیده می‌کند. پوشش گیاهی و زمانی اعتقاد بر این است که تغییرات سنگ مانع اصلی در نظارت بر تغییرات SMC با استفاده از مایکروویو است. یک مدل پراکندگی بسیار پیچیده و منسجم که باعث پراکندگی از سطح ناهموار، پوشش گیاهی و تعامل میدان نزدیک آنها می‌شود، نشان داده شده است. سپس از این مدل معکوس برای نشان دادن توانایی آن در تخمین پارامترهای فیزیکی دانه سویا زمینه شامل رطوبت خاک از مجموعه پلاریمتری از تصاویر AIRSAR استفاده می‌شود.

۲٫۳ برف

پوشش برف بزرگ‌ترین جزء کرایوسفر را تشکیل می‌دهد و نقش مهمی در اقلیم جهانی، واکنش اقلیمی به تغییرات جهانی است و می‌تواند به عنوان یک شاخص حساس از تغییرات در سیستم اقلیمی در نظر گرفته شود. نشان داده شده که ابزار سنجش از دور مناسب‌ترین ابزار برای نظارت بر پارامترهای برف در مناطق بسیار وسیع هستند. بعلاوه مطالعات آب و هوایی جهانی، سنجش از دور بسته‌های برف از اهمیت زیادی در پیش‌بینی رواناب آب‌برف برخوردار است. محصولات برفی موجود فعلی مبتنی بر حسگرهای تکی هستند، بنابراین محدودیت‌های زمانی و مکانی توسط ویژگی‌های سنسور نشان داده شده است. برای اینکه کاربران بتوانند از داده‌های سنجش از دور در پایش عملیاتی و مدیریت برف استفاده کنند ، دقت وضوح داده‌های زمانی و مکانی و الزامات باید برآورده شوند. در دسترس بودن داده‌های جدید از حسگرهای ماهواره‌ای مانند ENVISAT، AQUA و ADEOSII باید جامعه علمی با ابزارهای مهم برای توسعه و هر دو استفاده عملیاتی سیستم‌های سنجش از دور نقشه‌برداری منطقه‌ای و جهانی را ارائه دهند. از نقطه نظر الکترومغناطیسی یک محیط برفی را می‌توان به‌عنوان یک محیط ناهمگن متراکم محیطی متشکل از ماتریس به‌هم پیوسته ذرات‌یخ، حفره‌های هوا، لایه نازک آب روی سطوح یخ و حفره‌های آب در میان ذرات یخ در نظر گرفت. نظریه موجود مدل‌های محیط برفی را می‌توان به دو گروه عمده دسته‌بندی کرد: ۱) تکنیک‌های میدانی(معادلات ماکسول) و ۲) تکنیک‌های مبتنی بر قانون بقای توان (انتقال تابشی). تکنیک‌های میدانی یا بر اساس فرمول‌های پراکندگی منفرد یا نوسانات دی الکتریک فرموله می‌شوند و سپس برای یافتن راه‌حل از روش تقریبی منحرف شده (DBA) استفاده می‌شود. اگرچه دستیابی به راه حل برای DBA ساده است، اما برخی مطالب خاص به‌دست آوردن ویژگی‌هایی مانند تابع همبستگی دی‌الکتریک بسیار دشوار است. تکنیک‌های اندازه‌گیری برای توصیف این تابع همبستگی شامل یک فرآیند بسیار دشوار است. نشان داده شده که تابع همبستگی باید با دقت بالایی، از جمله dem منطقه ، برای به‌دست آوردن پیش‌بینی دقیق پراکندگی شناخته شود. در فرکانس‌های بالاتر (باند X و بالاتر) فرمول‌بندی‌های مبتنی بر تئوری پراکندگی منفرد شکست می‌خورند زیرا اندازه ذرات تشکیل‌دهنده محیط برف تبدیل به یک می‌شود. شکاف قابل‌توجهی از شکاف حجمی طول موج قابل توجهی (> 10 درصد) را اشغال می‌کنند. در این مورد یک روش مناسب، روش انتقال تابشی است. تئوری انتقال تابش متوسط ​​متراکم(DMRT) تحت تقریب شبه کریستالی با پتانسیل منسجم و نظریه نوسانات قوی(SFT) رویکردهایی برای مدل‌سازی انتشار مایکروویو و پراکندگی از بسته‌های برف در فرکانس‌های بالا دقیق ترین هستند. این رویکردها انسجام پراکندگی از پراکنده‌های تصادفی را در نظر می‌گیرند، و محدودیت حفاظت از انرژی را برآورده می‌کند. اندازه گیری‌های اخیر در کوه‌های آلپ ایتالیا با استفاده از حسگرهای غیرفعال چند فرکانس انجام شده توانایی DMRT برای نمایش داده‌های تجربی را نشان داد.
نظریه رویکردی برای محاسبه گذردهی مؤثر برف مرطوب با استفاده از نوسانات قوی نشان داده شد. در این روش برف به عنوان یک مخلوط دو فازی در نظر گرفته شد که در آن آب آغشته به برف خشک در نظر گرفته شد. شکل پراکنده‌ها با استفاده از یک تابع همبستگی متقارن ناهمسانگرد در نظر گرفته شد. نتایج مدل با داده های تجربی مطابقت خوبی داشت. اگرچه روش DMRT کاملاً دقیق است، تعیین دقیق مقادیر اساسی این فرمولاسیون، چنین ماتریس‌های فاز و ماتریس خاموشی ساده نیست. تعیین رویکردهای عددی اخیر برای این مقادیر توسعه یافته است. علاوه بر روش‌های عددی، مقادیری مانند ماتریس انقراض را می‌توان به‌صورت تجربی اندازه‌گیری کرد همانطور که نشان داده شده است. جدا از رویکردهای نظری که در بالا به آنها اشاره شد، رویکردهای کاملاً تجربی را می‌توان در نظر گرفت، با این حال، اینها محدودیت آشکاری دارند که کل فضای پارامتر هدف نمی‌تواند به اندازه کافی شناخته شده باشد تا امکان برآورد ویژگی‌های هدف خاص‌تر را فراهم کند. برای دور زدن مشکلات مرتبط با تکنیک‌های فوق‌الذکر و ارائه برخی از وسایل که توسط آن مدلسازی واقع‌بینانه رسانه های متراکم ممکن است انجام شود، یک ترکیب تجربی/ نظری جدید در طرح مدل‌سازی معرفی شده است.

۲٫۳٫۱ سیستم‌های غیرفعال

قابلیت رادیومترهای مایکروویو برای نظارت بر پارامترهای برف و تغییرات فصلی در پوشش برف موضوع چندین فعالیت آزمایشی بوده است که از اواخر دهه ۱۹۷۰ با استفاده از سیستم‌های زمینی، هوابرد و ماهواره‌ای انجام شده است. اندازه گیری‌های انجام شده بین۳ گیگاهرتز و ۹۰گیگاهرتز به حساسیت انتشار مایکروویو به نوع برف و معادل آب برف (SWE) اشاره کرده‌اند. در فرکانس‌های پایین‌تر باند مایکروویو، انتشار از یک لایه برف خشک بیشترتحت‌تأثیر شرایط خاک زیر بسته برف و لایه‌بندی برف است. با این‌حال، در فرکانس‌های بالاتر، نقش پراکندگی حجم افزایش می‌یابد، وتابش به SWE حساس به‌نظر می‌رسد. اگر برف ذوب شود، وجود آب مایع در لایه سطحی باعث افزایش شدید تابش به خصوص در فرکانس‌های بالا می‌شود. میانگین طیف دمای روشنایی نشان می‌دهد که Tb برف خشک و منجمد شده با فرکانس کاهش می‌یابد ، در حالی‌که Tb برف مرطوب افزایش می‌یابد. به‌طور‌کلی، رادیومترهای مایکروویو در مقایسه با تخمین‌های نقشه‌های مرئی-مادون‌قرمز، سطح برف را دست کم می‌گیرند. علاوه بر این، خطاها در تخمین حجم‌برف با خطاهای استاندارد۲۰ میلی‌متر SWE یا بیشتر زیاد است. برای مدیریت صحیح منابع آب و مدلسازی اقلیم دقت بیشتری در مقیاس‌محلی و به‌صورت روزانه مورد نیاز است. متأسفانه، وضوح مکانی ابزارهای SMMR و SSM/I استفاده مؤثر برای مطالعات در مقیاس جهانی تمایل به محدود کردن آنها دارد. علاوه بر این، داده‌های SSM/I موجود در حال حاضر دو بار در روز فقط در عرض‌های جغرافیایی بالا، با پوشش محدودتر در عرض‌های جغرافیایی پایین‌تر، به دست می‌آیند.  AMSRو AMSR-E به غلبه بر برخی از این معایب کمک می‌کند. به‌طور‌کلی، انتشار مایکروویو فرکانس بالا از برف خشک با افزایش عمق برف (SD) افزایش می‌یابد. با این‌حال،Tb  اندازه‌گیری شده توسط SSM/I در اتحاد جماهیر شوروی سابق در طول دوره زمستان ۱۹۸۷-۱۹۸۸ انحرافات چشمگیری را از این الگو نشان داد. در واقع، در میانه زمستان، Tbبه حداقل رسید و با وجود اینکه SD باقی ماند، شروع به افزایش ثابت‌کرد و به‌رشد خود ادامه داد. نتایج مدل نشان می‌دهد که افزایش سلول ناشی از کاهش آلبیدوی پراکندگی منفرد بسته به کهنگی برف دارد. این کاهش درآلبدو مربوط به تغییرات در ساختار کریستالی برف به دلیل دگرگونی بود. حداقل وسط زمستان Tbباعث ابهام در رابطه بین SWE و SD بر روی Tb در فرکانس‌های بالا و غیرخطی بودن این وابستگی در فرکانس‌های متوسط ​​می‌شود. این حداقل Tb در اواسط زمستان از استفاده از الگوریتم ساده و از نوع رگرسیون برای استخراج SD و SWE از اندازه‌گیری Tb جلوگیری می‌کند. چندین روش برای بازیابی پارامترهای برف با استفاده از الگوریتم‌های تجربی به عنوان تفاوت قطبی طیفی (SPD)، رگرسیون‌خطی، یا تکرار شونده وارونگی مدل‌های پیش‌رو ارائه شده است. تکنیک وارونگی بر اساس برف HUT مدل انتشار مایکروویو توسعه یافته و آزمایش شده با داده‌های SSM/I، بازیابی SWE دقت بالاتر از آنچه با رویکردهای تجربی به دست آمده را نشان داد. از آنجایی که تشعشعات مایکروویو هم به عمق و هم به چگالی برف حساس است، تخمین SD به تنهایی مستلزم فرضیاتی که در مورد تراکم برف انجام شده است. برای میانگین SD فصلی و جهانی تخمین الگوریتم‌های «استاتیک»، که فرض می‌کنند اندازه دانه‌ها و چگالی موقتی ثابت هستند، به خوبی کار کرده‌اند. با این‌حال، در مواردی که تغییرات سریع در خصوصیات برف داخلی رخ می‌دهد، برآوردها در معرض خطا بوده است. الگوریتم‌های پویا، مبتنی بر DMRT ترکیبی با مدل‌های تکامل چگالی و شعاع دانه، برتری خود را نشان داده‌اند، زیرا تمایل دارند عمق برف را کمتر از الگوریتم‌های ایستا دست‌کم بگیرند. مطالعات دیگر به استفاده ترکیبی از مدل‌های الکترومغناطیسی و هیدرولوژیکی پرداختند. یک الگوریتم بازیابی سه جزء توسعه یافته در یک مدل DMRT، مبتنی بر فیزیکی مدل هیدرولوژی برفی (SHM) که داده های هواشناسی و توپوگرافی و یک شبکه عصبی (NN) را در بر می‌گیرد. مدل DMRT پارامترهای فیزیکی برف را به Tb مرتبط کرد. SHMتعادل جرم و گرما را شبیه‌سازی کرد و حدس‌های اولیه را برای NN ارائه کرد. NN بود برای سرعت بخشیدن به وارونگی پارامترها استفاده می‌شود. نتایج وارونگی به‌دست‌آمده با استفاده از الگوریتم برای اندازه‌گیری‌های ۱۹ و ۳۷ گیگاهرتز V و ​​قطبش H در مقایسه با مشاهدات حقیقت زمینی مطلوب است.

۲٫۳٫۲ سیستم‌های فعال

روش‌های تجربی و نظری زیادی در رابطه با پاسخ راداری برف انجام شده است. مشابه مشکل رطوبت‌خاک، در ابتدا آزمایشات بسیار دقیق با برف با استفاده از سیستم‌های رادار در طیف گسترده‌ای از ویژگی‌های راداری و شرایط برف برای بررسی امکان‌سنجی، حساسیت و دقت بازیابی پارامترهای برف رادار انجام شده است. علاوه بر این، تلاش‌های قابل‌توجهی به توصیف و اندازه‌گیری رفتار ثابت دی‌الکتریک بسیار پیچیده برف با رطوبت برف متغیر اختصاص داده شده است.

بازیابی پارامتر برف عمدتاً با پیچیدگی و پویایی ساختار و ویژگی دی‌الکتریک آن مخدوش می‌شود. برای توضیح بیشتر در مورد این، یک هدف معمولی از زمین پوشیده از برف را در‌نظر‌بگیرید. پارامترهای هدفی که بر پاسخ رادار تأثیر می‌گذارند و باید به‌طور بالقوه در نظر‌گرفته شوند‌عبارتند از: ۱) پارامترهای سطح ناهموار مرتبط با سطح بالای برف، ۲) خود حجم برف، یعنی چگالی، توزیع اندازه ذرات، توزیع عمودی این ویژگی‌ها در بسته برف، ۳) رطوبت‌برف، در صورت وجود، ممکن است تابع بسیار پیچیده‌ای از زمان و عمق باشد، و در نهایت ۴) پارامترهای زمین زیر مانند ثابت دی‌الکتریک، پارامترهای ناهمواری، و شیب‌محلی.

آزمایش‌های کنترل‌شده به این نتیجه رسیده‌اند که فرکانس‌های مایکروویو بالاترین پتانسیل را برای بازیابی ویژگی‌های ناخالص برف مانند عمق یا معادل آب، پارامترهایی که به ویژه برای کاربردهای هیدرولوژیکی مهم است. به‌طور خاص، ترکیبی از رادارهای L- و Kuband، با سیستم فرکانس پایین‌تر که پارامترهای سطح زمین زیرین را اندازه‌گیری می‌کند و رادار فرکانس بالاتری که حجم برف را نظارت می‌کند، پیکربندی بهینه‌ای است. برای بررسی پتانسیل سیستم‌های فعال در نقشه‌برداری وسعت برف مرطوب، آزمایش‌هایی با استفاده از هر دو سیستم SAR هوابرد و ماهواره‌ای انجام شده است. به‌عنوان مثال تغییرات فصلی قابل‌توجه رادارست و پراکندگی

ERS SAR از سطوح پوشیده از برف در آلپ اتریش مشاهده شده است که عمدتاً ناشی از تغییرات محتوای آب مایع برف و سطح ناهمواربود. مقایسه نقشه‌های برف ازSAR و Landsat-5 Thematic تصاویر نقشه‌نگار تطابق خوبی را در مناطقی با پوشش مداوم برف نشان می‌دهد. درحالی‌که، در نزدیکی خط‌برف، داده‌های SAR کمی وسعت برف را دست‌کم گرفت. الگوریتم‌هایی برای استخراج مناطق پوشیده از برف (SCA) با استفاده از تشخیص تغییر پیاده‌سازی شده‌اند. این بررسی‌ها نشان داد که بر خلاف برف‌مرطوب، اثر برف‌خشک در مناطق آلپ در پراکندگی باند C برای شناسایی پوشش برف بسیار کوچک است و فرکانس بالاتری برای بازیابی برف ضروری است. با این حال، SWE برف خشک با موفقیت بر روی نسبتاً صاف بازیابی شد سطوح از تفاوت بین سیگنال از سطوح بدون برف و سیگنال خاک زیر پوشش برف که به عمق لایه خاک یخ‌زده بستگی دارد. مورد دوم نیز به نوبه خود با توده برف مرتبط است. شبیه‌سازی‌های به‌دست آمده در یک مقیاس جهانی با یک مدل توسعه یافته بر اساس داده‌های به‌دست آمدتجزیه و تحلیل داده‌های SIR-C/X-SAR پلاریمتری چندفرکانسی نشان داد که فرکانس و رفتار قطبش ضرایب پراکندگی عقب راداری یک بسته برف توصیف وضعیت فیزیکی برف و یخ و برای جداسازی مناطق تجمع و فرسایش در یخچال‌ها بسیار مهم است. همان داده‌ها نشان می‌دهد که رابطه بین SWEو ضرایب پس‌پراکندگی در باند C و X می‌تواند مثبت یا منفی باشد. بنابراین، توسعه یک رابطه تجربی ساده بین پارامترهای رادار و برف غیر‌واقعی است. درعوض، عمق برف و اندازه ذرات از طریق پراکندگی مرتبه اول مبتنی بر فیزیک برآورد شد. از طریق تجزیه و تحلیل اهمیت هر عبارت پراکندگی و حساسیت آن به ویژگی‌های مدل برف می‌باشد.ده از ارتفاع‌سنج Topex Poseidon نشان داد که باند Ku تعیین عمق برف دقیق‌تری را نسبت به باند C ارائه می‌دهد که قبلاً توسط آزمایش‌های کنترل‌شده پیش‌بینی شده بود.

علاوه بر تجزیه و تحلیل متداول پس‌پراکندگی، آثار اخیر پتانسیل این تکنیک‌های تداخل‌سنجی(INSAR) SAR  برای جداسازی خاک لخت از برف مرطوب و برف مرطوب از برف خشک را نشان دادند. یک رویکرد جدید برای بازیابی اطلاعات در مورد تغییرات SWE از اختلاف فاز در داده‌های InSAR معرفی شد. در مورد برف خشک، از رابط پس‌پراکندگی زمین برفی است. با این حال، شکست موج راداری در برف خشک منجر به اختلاف فاز تداخل‌سنجی می‌شود که به‌تغییرات در عمق و چگالی برف مربوط می‌شود. با این‌حال، شکست موج راداری دربرف‌خشک منجر به اختلاف فاز تداخل‌سنجی می‌شود که به‌تغییرات در‌عمق و چگالی برف مربوط می شود. وقتی این رویکرد توسط خطای فاز محدود شده است، شدت‌ردیابی ، بر‌اساس بهینه‌سازی همبستگی متقابل شدت بهینه‌سازی، و ردیابی انسجام، بر اساس  انسجام مدت بهینه‌سازی، با موفقیت به کار گرفته شده‌اند. کاربرد داده‌های SAR در تخمین مساحت پوشش برف در شرایط برف مرطوب برای پیش‌بینی جریان رودخانه، به‌ویژه در کاربردهایی مانند تولید برق‌آبی و جلوگیری از سیل، مهم است. یک تکنیک جذب که مشاهدات SAR را با مدل رواناب ترکیب می‌کند استفاده از یک‌روش تکرار محدود و مدل‌سازی رو به جلو مشاهدات SAR بود در یک‌سایت واقع در شمال فنلاند توسعه یافته و آزمایش شده است. مشاهدات جهانی با سیستم‌های فعال با استفاده از پراکندگی‌سنجی و ارتفاع‌سنجی داده‌های ماهواره‌ای انجام شد. پتانسیل یک پراکنده‌سنج باند Ku برای نظارت بر پوشش جهانی برف بود با استفاده از داده‌های سازمان ملی هوانوردی و فضایی نشان داده شده است پراکندگی‌سنج (NASA) (NSCAT) از سپتامبر ۱۹۹۶ تا ژوئن ۱۹۹۷ بر روی ماهواره رصدی پیشرفته زمین (ADEOS) کار کرد. حساسیت پراکندگی پشت باند Ku به شرایط برفی با تغییر چشمگیر در دشت‌های شمالی ایالات متحده و مناطق برفی نشان داده شد. منطقه دشت‌های کانادایی مربوط به رویداد برفی که منجر به “سیل قرن” در سال ۱۹۹۷ شد.

۲٫۴٫توده‌های جنگلی

بخش بزرگی از سطح‌زمین با پوشش گیاهی گونه‌های مختلف و پیکربندی تاج پوشش پوشیده شده است. پوشش گیاهی سطح زمین عامل مهمی درمطالعه تغییرات جهانی است. کل زیست‌توده پوشش گیاهی تاثیرگذارترین ورودی به مدل‌های اکوسیستم‌های زمینی و شیمی اتمسفر است. توانایی نظارت بر پارامترهای تاج پوشش، مانند زیست‌توده پوشش‌گیاهی، شاخص کل سطح برگ و میزان رطوبت‌خاک، مطالعه چرخه‌کربن و گرمایش‌جهانی از اهمیت حیاتی برخوردار است. تکنیک‌های سنجش از راه دور مایکروویو فرصتی منحصربه‌فرد برای کاوش سایبان‌های گیاهی در اعماق مختلف با کار در فرکانس‌های مختلف ارائه می‌کند.

۲٫۴٫۱٫سیستم‌های غیرفعال

بررسی‌های نظری نشان داده که سنجش از راه دور مایکروویو غیرفعال به‌طور قابل‌توجهی برای مطالعه جهانی پارامترهای خاک و پوشش گیاهی در جنگل‌ها می‌تواند کمک کند. با این حال، رادیومترهای مایکروویو در ماهواره‌ها به دلیل وضوح زمین درشت مختل می‌شوند. ازسوی دیگر حسگرهای هوابرد وضوح بسیار بهتری را ارائه می‌دهند و می‌توانند برای تجزیه و تحلیل دقیق برخی مناطق خاص و نظارت بر جنگل‌های در معرض آتش سوزی یا موارد تغییرات ناگهانی دیگر مفید باشند. علاوه بر این، سنسورهای نسل بعدی SMOS، AMSR، AMSR-E ‌قادر به دستیابی به وضوح بسیار بیشتر خواهند بود. درحال‌حاضر، تنها برخی از داده‌های تجربی در دسترس است. این داده‌ها بیشتر در اروپای‌شمالی در جنگل‌های سوزنی برگ شمالی با استفاده از داده‌های ماهواره‌ای و هوابرد جمع‌آوری شده‌اند. اخیراً، اندازه‌گیری‌های رادیومتر باند L جنگل‌های مخروطی با پرتاب‌سنج ESTAR بر روی توده‌های کاج لوبلی در ویرجینیای شرقی انجام شد. تصاویر منطقه همبستگی قوی بین زیست توده جنگل و دمای اندازه‌گیری شده روشنایی Tb را نشان داد.
اندازه‌گیری‌های رادیومتری هوابرد در محدوده فرکانسی از L تا Kaband در شش جنگل پهن برگ و یک جنگل مخروطی در ایتالیا انجام شد. داده‌های حقیقت زمینی پارامترهای اصلی درخت برای همان توده‌درخت در دسترس بود. تجزیه و تحلیل داده‌های جمع‌آوری شده نشان داد که استفاده از تابش امواج مایکروویو در بالاترین فرکانس شناسایی برخی از انواع جنگل‌ها را ممکن می‌سازد، در حالی که انتشار باند L مربوط به زیست‌توده درختی با دقت بیشتری انجام می‌شود. سایر روابط بین انتشار و شاخص سطح‌برگ، سطح‌پایه، حجم‌چوبی و شفافیت‌تاج یافت شد. رابطه معنی‌دار بین انتشار باند L و حجم چوبی بیشتر توسط به معنای مدل RT عنصر گسسته آنالیز شد. تجزیه و تحلیل نشان داد که سهم اصلی در کل انتشار به دلیل عناصر موجود در تاج درختان و به‌ویژه شاخه‌های اولیه و متوسط ​​بود. در حالی که بازتاب مضاعف از خاک ناچیز بود. شبیه‌سازی‌های انجام‌شده در باند L با استفاده از یک مدل تأیید شده با داده‌های تجربی در باند C، این نتایج را تأییدکرد و به حساسیت قابل‌توجهی به‌رطوبت‌خاک، حتی در شرایط جنگل‌های توسعه‌یافته اشاره کرد. سایر روابط بین انتشار و شاخص سطح‌برگ، سطح پایه، حجم چوبی و شفافیت تاج یافت شد.

رابطه معنی‌دار بین انتشار باند L و حجم چوبی بیشتر به‌معنای مدل RT عنصر گسسته آنالیز شد. تجزیه و تحلیل نشان داد که سهم اصلی در کل انتشار به دلیل عناصر موجود در تاج درختان و به ویژه شاخه‌های اولیه و متوسط ​​بود. در حالی که بازتاب مضاعف از خاک ناچیز بود. شبیه‌سازی‌های انجام‌شده در باند L با استفاده از یک مدل تأیید شده با داده‌های تجربی در باند C، این نتایج را تأییدکرد و به حساسیت قابل‌توجهی به رطوبت خاک، حتی در شرایط جنگل‌ها توسعه‌یافته اشاره کرد.

۲٫۴٫۲ سیستم‌های فعال

استفاده از SARهای تداخل‌سنجی پلاریمتریک، تداخل‌سنجی و پلاریمتری برای بررسی مناطق جنگلی در سال های اخیر اهمیت فزاینده‌ای پیدا کرده است. مطالعات تجربی انجام شده از اوایل۱۹۹۰ با سیستم‌های SAR فضابردی و هوابرد به این نتیجه رسید که پس‌پراکندگی راداری ناشی از پراکندگی و/یا ضعیف شدن برگها، شاخه‌ها، و تنه، منجر به رابطه غیرمستقیم بین اندازه‌گیری‌های رادار و پارامترهای زیست‌توده شد. پایداری زمانی جنگلی در مقایسه با بسیاری از انواع دیگر پوشش‌زمین، وسیله‌ای برای نقشه‌برداری مناطق‌جنگلی با استفاده از داده‌های چند‌زمانی است. با این‌حال، مقایسه نتایج به‌دست‌آمده در سایت‌های مختلف جنگلی به دلیل تفاوت در ویژگی‌های پایه، روش‌های اعتبار‌سنجی، پارامترهای مورد استفاده به‌عنوان معیار ارزیابی، انتخاب ایستایی و غیره دشوار است. به‌نظر می‌رسداندازه پایه بیشترتنوع نتایج را توضیح می‌دهد و اگرچه تلاشی برای پیشنهاد روش‌هایی برای آن است تبدیل نتایج از یک اندازه پایه به اندازه دیگر، هنوز مسائل باز وجود دارد که باید مورد توجه قرار گیرد.

اندازه‌گیری‌های راداری پس از مقدار معینی از مقادیر زیست‌توده،که به‌فرکانس الکترومغناطیسی بستگی دارد نشان داده شده است، به‌تغییرات زیست‌توده حساس نیستند. این حد حدود ۳۰ تا ۵۰ تن در هکتار در باند C و L (5 و ۱٫۲ گیگاهرتز) و حدود ۱۵۰-۲۰۰ تن در هکتار در باند P (0.4 گیگاهرتز) برای جنگل‌های همیشه‌سبز و مخروطی‌ها برآورد شد. به طور کلی، استفاده از کانال‌های باند P می‌تواند تخمین بهتری از زیست‌توده ساقه ارائه دهد، در حالی که کانال‌های باند L می‌توانند تاج زیست‌توده را با دقت بیشتری تخمین بزنند. با‌این‌حال، مناسب ترین رویکرد برای تخمین زیست‌توده جنگل استفاده از سیستم‌های فرکانس پایین‌تر مانند تصویربرداری رادار هوابرد کاراباس VHF (20 تا ۹۰ مگاهرتز) است.

با استفاده از این رادار، اشباع سیگنال تا ۹۰۰ مترمکعب در هکتار مشاهده نشد. با این‌حال، حساسیت به حجم در محدوده ۰-۵۰۰ مترمکعب در هکتار بالا بود (به‌عنوان مثال، ۱ تا ۱٫۵ دسی‌بل برای ۵۰ مترمکعب در هکتار)، در حالی که بیش از۵۰۰ متر مکعب در هکتار کاهش یافت. دقت حجم تخمینی ساقه بازیابی شده با استفاده از این داده‌ها و یک روش‌بافتی جدید بر اساس تغییرات انحراف استاندارد ضریب پراکندگی پس‌زمینه قابل مقایسه با حقیقت زمین بود. سایر پارامترهای جنگل را نمی‌توان با چنین دقت خوبی تخمین زد، اما این تا حدودی به دلیل استفاده از مقادیر غالب به جای میانگین‌ها بود. همچنین، مشخص شد که در مورد طوفان‌ها، پس پراکندگی، برای یک حجم ساقه معین، به‌طور قابل‌توجهی برای جنگل‌های باد پرتاب‌شده بیشتر از جنگل‌های بی‌تأثیر است. این نشان می‌دهد که تصاویر VHF SAR پتانسیل نقشه‌برداری جنگل‌های پرتاب شده با باد را دارد. یک جزء کلیدی در مطالعه سنجش از دور مایکروویو پوشش گیاهی، درک رفتار طیفی ثابت دی‌الکتریک پوشش گیاهی است. از طریق آزمایش دقیق و بررسی خواص دی‌الکتریک از آب، محدوده آب و پوشش‌گیاهی خشک به صورت تقریبی فرمول تجربی ثابت دی‌الکتریک پوشش‌گیاهی به‌عنوان تابعی از میزان رطوبت و دما گزارش شده است. اعتبار این مدل مستقل توسط تکنیک‌های اندازه‌گیری و دقت آن با ۱۰ درصد از کمیت‌های اندازه‌گیری شده مورد‌بررسی قرار گرفته است. اندازه‌گیری‌های گسترده گذردهی پیچیده برای بخش‌های مختلف مخروطی‌ها گزارش شده است.

در مدل‌های اولیه پراکندگی جنگل، ساختار جنگل از نظر یک محیط تصادفی همگن ساده‌سازی می‌شود و تئوری پراکندگی منفرد برای توضیح پراکندگی و انتشار در محیط تصادفی استفاده می‌شود. به عنوان مثال، در تابش‌برداری انتقال برای محاسبه پراکندگی بیستاتیک از یک توده جنگلی استفاده می‌شود که با یک محیط تصادفی دو لایه نشان داده شده است. در محیطی که اندازه‌ذرات، مانند تنه درختان و شاخه‌های بزرگ است مدل RT که با وسعت محیط قابل مقایسه ممکن است نتایج رضایت‌بخشی ایجاد نکند. علاوه‌بر‌این یکی از ویژگی‌های مهم مدل‌پراکندگی با صحت بالا، حفظ ساختار گونه های پوشش گیاهی مختلف ساختار منحصربه‌فرد خود را دارند و نشان داده شده که تأثیر قابل‌توجهی در باند P و L دارد. اثر مهم ساختار پوشش‌گیاهی اثر انسجام ناشی از موقعیت نسبی ذرات پوشش‌گیاهی، که برخی از الگوی تداخل است.

پیشرفت‌های اخیر در زمینه تداخل‌سنجی راداری دریچه جدیدی را به روی سنجش‌از‌دور‌راداری پوشش‌گیاهی باز کرده است. علاوه بر ضریب پس‌پراکندگی، تداخل^‌سنج‌های راداری دو کمیت اضافی که حاوی اطلاعات هدف هستند را اندازه‌گیری کنند. این کمیت‌ها ضریب‌همبستگی و فاز اینترفروگرام هستند. فرض این تحقیق با توجه به بازیابی پارامترهای پوشش‌گیاهی از داده‌های INSAR از این واقعیت ناشی می‌شود که موقعیت مکانی مرکز فاز پراکندگی یک هدف تابعی قوی از ساختارهدف است. به‌عنوان‌مثال مراکز فاز پراکندگی زمین‌های بدون پوشش‌گیاهی در سطح یا کمی زیرسطح قرار دارند، در حالی‌که برای زمین‌های دارای پوشش‌گیاهی، این مراکز درفاز پراکندگی یا بالاتر از سطح بر اساس طول‌موج SAR و ویژگی‌های پوشش‌گیاهی قرار دارند. در‌سال‌های اخیر، برخی مطالعات‌تجربی و نظری برای نشان‌دادن پتانسیل InSAR در بازیابی پارامترهای جنگل انجام شده است. به‌عنوان‌مثال در داده‌های تجربی با استفاده از ERS-1 SAR تکرار‌گذر و DO-SAR تک‌گذر برای نشان دادن کاربردهای تداخل‌سنجی SAR برای طبقه‌بندی انواع جنگل و بازیابی ارتفاعات درختان انجام شد. دقت به دست آمده در جداسازی مناطق جنگلی/غیر جنگلی با استفاده از یک جفت تداخل‌سنجی SAR تکرار گذر، در حد ۸۰-۸۵ درصد بود. دقت‌طبقه‌بندی مشابه یا کمی بهتر با چند زمانی ضرایب پس‌پراکندگی با استفاده از داده های ERS باندC گزارش شده است. همچنین مدل‌های نظری ساده شده برای ایجاد روابط بین فاز اینترفروگرام و ضریب‌همبستگی با پارامترهای فیزیکی پوشش‌گیاهی و سطح زیرین خاک انجام شد. یک‌مدل به‌مراتب‌دقیق‌تر برای تخمین مرکز مکان فاز پراکندگی بر اساس شبیه‌سازی مونت کارلو درختان فراکتال بعداً توسعه یافت. این مدل‌ساختاری، شکل، اندازه، چگالی اعداد و توزیع‌های جهت‌گیری دقیق پوشش‌گیاهی در توده‌های جنگلی مورد نظر و دقت آن در برابر داده‌های JPL TOPSAR را محاسبه می‌کند مورد‌آزمایش قرار‌گرفت. در حالی‌که رادار پلاریمتری قابلیت افزایش یافته‌ای را در بازیابی ساختار هدف ناهمسانگردی (جهت‌ترجیحی) فراهم می‌کندو تداخل‌سنجی SAR هدف‌نفوذپذیری و در حد عمودی، یک SAR تداخل سنجی پلاریزاسیون دارای قابلیت ترکیبی است و می‌تواند ساختار هدف را فراهم کند. پارامترها بسیار راحت تر از سنسورهای جداگانه است. هدف تکنیک‌های تجزیه قطب‌سنجی نیز پیشنهاد شده و موفقیت‌آمیز بوده است با استفاده از SARهای پلاریمتریک /تداخل‌سنجی نشان داده شده است. با استفاده از تکنیک‌های پیچیده‌تر SARهای تداخل‌سنجی، مانند INSAR چند‌پایه، نیز آزمایش شده‌اند که پتانسیل قابل‌توجهی برای بازیابی پارامترهای پوشش گیاهی نشان می‌دهند. از طریق استفاده از مشاهدات چند‌فرکانس، تنوع‌قطبی‌پلاریمتری تصویربرداری، تخمین مرکز ارتفاع فاز پراکندگی و اطلاعات بافتی، بازیابی پارامترهای اهداف در یک صحنه تصویر شده امکان‌پذیر است. اهمیت مطالعه مشکلات وارونگی از آغاز علم سنجش از دور بسیار عالی بوده است. برای ایجاد پراکندگی معکوس در ابتدا از مدل‌های پیش رو بیش از حد ساده‌گرایانه استفاده شد. با در دسترس بودن از SAR قابل‌توجه و داده‌های دقیق زمین‌آماری و روش‌های وارونگی رگرسیونی برخوردار است مورد‌بررسی‌قرار‌گرفت. مانند بسیاری از مدل‌های تجربی، موفقیت این تکنیک‌ها تا حدودی محدود به محدوده سیستم و فضای پارامتر هدف اندازه‌گیری شده است. وارونگی سیستماتیک دیگر الگوریتم‌هایی مانند رویکردهای شبکه‌عصبی و الگوریتم‌های ژنتیک با استفاده از مدل‌های پیچیده‌تر رو به جلو توسعه داده شده است.

۲٫۵ محصولات گیاهی کوتاه

همانطورکه دربخش قبل ذکر شد، زیست‌توده گیاهی نقش بسیار مهمی در امر دینامیک آب و هوای زمین و چرخه ‌کربن‌جو ایفا می‌کند. با این‌حال، یک‌طبقه گیاهی‌دیگر، که نباید از آن غافل شد، مقوله پوشش‌گیاهی (گیاه مانند) اعم از طبیعی و فرهنگی است. با مساحت تقریبی۳۰ میلیون‌کیلومتر‌مربع، این نوع گیاهی۲۰ درصدخشکی سطح‌زمین را پوشش می‌دهد ، بیش از۳۰ میلیاردتن متریک کل‌زیست‌توده را تشکیل می‌دهد. درک در مقیاس جهانی از پارامترهای بیوفیزیکی، که این پوشش گیاهی را توصیف می‌کنند، بسیار مطلوب است.

گرچه حساسیت انتشار مایکروویو به‌نوع محصول و زیست‌توده نشان داده شده در چندین بررسی، تفکیک‌زمینی سیستم‌های غیرفعال برای سیستم‌های عملیاتی ناکافی بوده و تحقیقات اخیر عمدتاً خطاب به مطالعه داده‌های SAR انجام شده است.

حجم زیادی از داده‌های SAR جمع‌آوری‌شده در زمان‌های مختلف امکان ارزیابی پتانسیل تجزیه و تحلیل چند زمانی در زمان بندی مراحل بحرانی چرخه رشد محصول و در جداسازی محصولات پهن‌برگ از غلات (برگ کوچک) آن را فراهم کرد. پاسخ رادار به زیست‌توده از این دو نوع محصول نشان داد که برای محصولاتی که با ترکیبات گیاهی کوچک مانند گندم محصولات برگی، σso با افزایش زیست‌توده کاهش یافت، در حالی که این روند در گیاهان بزرگتر برعکس بود برگ‌ها و ساقه‌ها مانند آفتابگردان (محصولات پهن‌برگ) مشخص می‌شوند. شبیه‌سازی مدل روند داده‌های تجربی را تأیید‌کرد و امکان ارزیابی سهم اجزای تشکیل‌دهنده تک‌گیاه در پراکندگی‌کل را فراهم کرد. در محصولات” پهن‌برگ”، σ از ساقه‌ها در باند L غالب بود، در حالی‌که در باندC، برگ‌ها سهم قابل‌توجهی در پراکندگی و سهم ساقه‌ها را کاهش داد. در محصولات” باریک‌برگ” سهم‌برگ و ساقه قابل‌مقایسه و نزدیک به پس‌پراکندگی کل بودند. تجزیه‌و‌تحلیل سهم هر مکانیسم پراکندگی نشان‌داد که به طور‌کلی پراکندگی مضاعف مهمترین سهم را در این امر داشته است. ساقه‌ها، پراکندگی مستقیم برای برگ‌ها غالب بود و سهم خاک قابل‌ملاحظه بود حتی برای محصولات به خوبی توسعه‌یافته است. از سوی دیگر مشاهدات چندفرکانسی نشان‌داد که برای  محصولات‌سنجش‌از‌دور، فرکانس‌های مایکروویو پایین (< 5 گیگاهرتز) توصیه می‌شوند و بنابراین اثرات دقت انسجام باید در نظر گرفته شوند. مدل توسعه یافته ممکن است یکی از اولین مدل هایی باشد که به اثرات انسجام ناشی از ساختار پوشش‌گیاهی می‌پردازد. مدل منسجم بسیار دقیق برای نوع پوشش‌گیاهی چمن ، مانند مزرعه گندم و اندازه‌گیری در‌کل فصل‌رشد گزارش شده است. شبیه‌سازی انجام شده با یک مدل منسجم روابط تجربی بین‌پراکندگی معکوس و محصولات زیست‌توده با پهن‌برگ و باریک یافت شد و نشان داد سهم مشاهده InSAR در تبعیض محصول را تأیید کرد.

۳٫خلاصه

در این تحقیق سعی شد تا مروری جامع از تکنیک‌های اخیر و رویکردها در سنجش‌از‌دور مایکروویو زمین در اختیار خواننده قرار دهیم. هر دو روش سنجش‌از‌دور تحلیلی و تجربی برای سیستم‌های فعال و غیرفعال بررسی شدند. این واقعیت همچنین نشان‌دهنده پیشرفت بزرگ در علم و‌فن‌آوری سنجش از دور مایکروویو در طول دهه گذشته، مانند موارد مربوط به عملیات کاربردهای تداخل‌سنجی SAR است. با وجود این پیشرفت قابل‌توجه، هنوز هم پیشرفت قابل‌توجهی وجود دارد مشکلات چالش برانگیزی که ابزارها و روش‌های سنجش‌از‌راه‌دور موجود برای آنها راه‌حل‌هایی با دقت مطلوب طبق درخواست کاربران فراهم نمی‌شود. در این مشکلات، مانند طبقه‌بندی زمین و اندازه‌گیری پارامترهای هیدرولوژیکی زمین بر اساس معمول، که برتحقیقات بیشتر باید متمرکز شود. اعتقاد براین است که سرمایه‌گذاری‌های بیشتر در ابزار سنجش از راه دورمبتنی برفضای پیشرفته با قابلیت‌ها و روش‌های جدید، مانند سیستم‌های فعال و غیرفعال فرکانس پایین روی ماهواره‌ها با زمان بازنگری کوتاه، به جامعه علمی به اندازه کافی بزرگ، پایگاه داده‌های دقیق و مکرر برای بازیابی دقیق و ثابت پارامترهای هدف است.

کلید واژه:هوش مکانی، مایکرویوو، سنجش از راه دور، ونوس نصیرفام،رادار، تداخل‌سنجی، سیستم‌های فعال،InSAR، دیافراگم مصنوعی، محیط‌زیست.