Using statistical inversion for the retrieval of the geophysical parameters from remote sensing data

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Elektroniikan, tietoliikenteen ja automaation tiedekunta | Licentiate thesis
Date
2010
Department
Major/Subject
Avaruustekniikka
Mcode
S-92
Degree programme
Language
en
Pages
95 s. + liitt. 62
Series
Abstract
Tässä työssä on tutkittu tilastollisen inversion käyttöä geofysikaalisten suureiden estimoinnissa kaukokartoitushavainnoista. Menetelmä on varsin yleispätevä, työssä demonstroitiin menetelmää metsän runkotilavuuden sekä lumipeitteen ominaisuuksien - paksuuden, vesiarvon ja peittoalan - estimoinnissa. Yksi tilastollisen inversion eduista on eri lähteistä tulevien havaintojen yhdistäminen optimaalisesti, koska menetelmä painottaa eri lähteistä tulevia havaintoja niiden tilastollisen tarkkuuden mukaan. Menetelmä pystyy myös tuottamaan estimoimilleen suureille tarkkuusarvion, joka pohjautuu käytettyjen havaintojen sekä mallien tarkkuuteen. Menetelmää on tässä työssä käytetty koko Euraasian laajuisten lumensyvyyskarttojen luomiseen mikroaaltoradiometrihavainnoista, lumen peittoalan estimoimiseen tutka- ja optisista havainnoista, metsän runkotilavuuden estimoimiseen ERS INSAR-havainnoista sekä operatiivisen vesistömallin (WSFS) virtaamaennusteiden parantamiseen tutkahavaintojen avulla. Menetelmä käyttää hyväkseen kaukokartoitusmalleja. Kaukokartoitusmalleina käytettiin Teknillisessä korkeakoulussa kehitettyä lumen mikroaaltoemissiomallia ja metsän mikroaaltosirontamallia sekä Suomen ympäristökeskuksessa kehitettyä lumen reflektanssimallia. Näiden kaukokartoitusmallien lisäksi käytettiin dynaamista ympäristömallia (WSFS), johon assimiloitiin tutkahavaintoja. Edellä mainittujen sovellusten lisäksi työssä kehitettiin myös kaksi ohjelmistoa. Ensimmäinen simuloi monikanavaisen radiometrin havainnoimia kirkkauslämpötiloja testatakseen erilaisia tunnettuja inversioalgoritmeja sekä tilastollista inversiota. Toinen kehitetty ohjelma on yleiskäyttöinen työkalu suureiden estimointiin kaukokartoitushavainnoista tilastollisella inversiolla. Ohjelmaa voi käyttää sellaisenaan tai jonkin kuvankäsittelyjärjestelmän osana.

In this thesis the use of statistical inversion method for retrieving geophysical parameters from different remote sensing data was studied. The statistical inversion method is rather universal. In this work it was demonstrated by retrieving the following snow and forest parameters: snow depth, snow water equivalent, snow-covered area and forest stem volume. One of the benefits of the statistical inversion method is that it can combine data from different sources based on their statistical accuracy. The method can also estimate the accuracy of the estimation result based on the accuracy of the input data and the models used. In this work the statistical inversion method was demonstrated by retrieving snow depth of Eurasia from microwave radiometer data, snow covered area from microwave and optical data, forest stem volume from ERS INSAR data, and enhancing the accuracy of the discharge forecasts of the operational watershed simulation and forecasting system (WSFS) using SAR data. The statistical inversion method utilises remote sensing models. The Helsinki University of Technology (HUT) microwave snow emission model, the HUT forest backscattering model, and the optical reflectance model developed at the Finnish Environment Institute were used as such. In addition to these remote sensing models, a dynamic environmental model (WSFS) was used to assimilate SAR measurements to it. In addition to the studies mentioned above, two software applications were developed. The first one was developed to simulate brightness temperatures observed by a multichannel microwave radiometer and to test the performance of the available inversion algorithms and the statistical inversion method. The second software application developed is a general purpose statistical inversion tool that can be used either independently or as a part of an image processing system.
Description
Supervisor
Hallikainen, Martti
Thesis advisor
Pulliainen, Jouni
Keywords
kaukokartoitus, tilastollinen inversio, remote sensing, statistical inversion
Other note
Citation