Sar

Перспективы радарных систем на наноспутниках

13.01.2021 18:13:38 |

Автор: admin

Я раньше не очень интересовался cubesat. Они казались мне чем-то неземным, сложным, далеким. Но все изменилось, когда недавно нам пришел заказ на разработку одной подсистемы для наноспутника. Я стал интересоваться, а какое же радиооборудование люди умудряются ставить на этих малышей. К своему удивлению, я увидел даже примеры создания радарных систем на cubesat. Эта техника показалась мне настолько крутой, что мы c k_const составили себе труд присмотреться к некоторым примерам спутниковой радарной обработки с синтезированной апертурой.

Мы заранее скажемся новичками в этой области. Призываю специалистов к критике и обмену информацией по теме в комментариях.

Тема радаров обзора земной поверхности имеет большое значение для народного хозяйства. Приложения этой техники простираются от картографии и геологии до транспорта и сельского хозяйства. В России особо актуально управление лесным хозяйством и предупреждение природных катастроф. У нас существует группировка спутников дистанционного зондирования Земли (ДЗЗ), правда, радарные методы на действующих спутниках представлены мало. В основном на российских спутниках ДЗЗ, как я понял, используется оптическая съемка.

Повышению интереса к теме радарных систем на маленьких космических носителях способствует снижение стоимости их выведения на орбиту. Я не знаю цен выведения на орбиту в России, подскажите, кто знает. Но цены самих платформ известны, и они не космические. На западе все более открыто, информация есть здесь, например. Эти цены сильно ниже тех миллионов, которые нужно выложить за запуск "обычного" спутника, а также за его железо. Ведь оно должно быть более надежным, так как большая цена решения увеличивает риск. Это я уже не говорю про софт, надежность которого должна быть такой, какая нам, наземным программистам, даже и не снилась.

Ввиду этих фактов, вполне понятен интерес ученых и инженеров всего мира к возможности создания радарных систем на наноспутниках. Недолго поразмыслив, мы увидим, что единственное, что можно предложить, это разделить радарную систему на приемную и передающую части и расположить их на отдельных спутниках. Конечно, создать апертуру антенны, равнозначную апертуре на "обычном" спутнике не удастся. Нужны системные ухищрения, чтобы скомпенсировать потери в энергетическом бюджете. В публикациях западных инженеров мы находим несколько подходов к компенсации. Рассмотрим подходы более подробно.

Здесь следует отметить, что ввиду большей по сравнению с радарами на воздушных носителях дальности, обычно на спутниках необходимо применять синтез апертуры, как метод увеличения разрешения. Этому способствует хорошая стабильность и предсказуемость движения спутника по орбите. Такие радары называют радарами с синтезированной апертурой (РСА) или synthetic aperture radar (SAR).

Первый и основной тезис: использование спутников, оснащенных только приемниками или только источниками сигнала. Таким образом, радар еще и становится бистатическим или мультистатическим, если приемников больше, чем один. Здесь обнаруживается одна из возможностей поправить энергетический потенциал: чем больше приемников, тем он больше. Сигнал нескольких приемников будет проинтегрирован, что даст увеличение отношения сигнал/шум в соответствующее число раз.

Следующей возможностью является использование сигналов уже существующих источников. Естественно, копия сигнала этого источника должна оказаться в одном месте с копией принятого отраженного сигнала.

Во-первых, этими источников могут быть передатчика спутниковых систем связи. Они должны иметь мощность, достаточную для обеспечения хорошего ОСШ, и полосу, достаточную для обеспечения требуемого разрешения по дальности. Есть примеры использования как геостационарных спутников связи, так и спутников на низких орбитах. Можно также использовать сигналы существующих радаров на "обычных" спутниках.

Во-вторых, можно воспользоваться сигналами наземных источников. Они имеют достаточную мощность и расстояние от них до поверхности отражения невелико. Полоса таких сигналов тоже может быть достаточной. Одной из проблем такого способа будет ограничение облучаемой таким сигналом поверхности. Если в нужной местности не найдется такого источника, то система работать не будет. Еще одной проблемой может быть наличие нескольких таких сигналов на одной территории, что приведет к усложнению алгоритмов обработки. Даже сам сбор такого сигнала может быть непростым делом, ведь наземные системы оптимизированы для облучения земной поверхности и могут излучать мало энергии в сторону спутника.

В-третьих, можно использовать специально созданный и запущенный источник на воздушном носителе. Недостатком такой системы будет необходимость обеспечения его своевременного запуска и пролета по маршруту. Это также будет приводить к дополнительным сложностям при обработке.

Сейчас я не буду вдаваться во все тонкости этих подходов. Вы можете изучить их по этой и другой литературе, которую легко найти в Сети.

Для нас основным вопросом на данном этапе была доступность математики по обработке сигнала в такой радарной системе. Мы начали с простейшего примера, как мы покажем далее, доступного для освоения каждому.

Простейшим примером с нашей точки зрения является обработка сигналов со спутниковых РСА-систем, типа ALOS, ENVISAT, Sentinel, TerraSAR-X, COSMO-SkyMed, Radarsat-2 и др., производящих съемку в маршрутном режиме. Простота с одной стороны подтверждается банальным наличием сырых данных с некоторых из этих спутников в открытом доступе, c другой стороны наличием ПО с открытым кодом (GMTSAR), которое позволяет как фокусировать сырые радиолокационные изображения, так и делать более сложные вещи, такие как создание интерференционных картин между двумя изображениями, снятыми в различные пролеты спутника. Такая мощная база безусловно может стать хорошим подспорьем в деле изучения РСА.

Далее мы покажем каким образом можно получить радиолокационное изображение интересующей местности на примере сырых данных, полученных при съемке Санкт-Петербурга со спутника ALOS PALSAR. Оговоримся, что данная статья не претендует на всеобъемлющее руководство, мы лишь пытаемся показать, с чего можно начать.

Для начала рассмотрим разрешение радиолокационного изображения, получаемого со спутника. Номинальное разрешение по наклонной дальности определяется полосой B импульса радара:

$rho_{r}=\frac{c}{2B}$

Для нашего случая B = 14 МГц, и разрешение по наклонной дальности равно около 10 м. Не менее важной характеристикой является разрешение по дальности по поверхности земли. Чтобы проще было разобраться в терминологии, обратимся к рис. 1, где представлена геометрия РСА. Вектор скорости спутника перпендикулярен плоскости рисунка, радар излучает импульсы перпендикулярно скорости, под углом к высоте спутника H, наклонная дальность. Разрешение по дальности по поверхности земли геометрически связано с разрешением по наклонной дальности:

$\rho_{gr}=\frac{c}{2Bsin\theta}$

и составляет составляет для нашего случая около 60 м. Из представленных соотношений видно, что разрешение по дальности не зависит от высоты спутника H и может быть улучшено увеличением полосы излучаемого импульса. Во многих случаях полоса импульса ограничена, так как ограничена скорости передачи данных со спутника на землю.

Рис.1. Геометрия РСА. Вид спереди. H высота спутника, угол обзора, наклонная дальность.

Чтобы понять разрешение по азимуту, рассмотрим рис. 2, где радар пролетает над точечной целью. В приближении прямоугольной апертуры угол

$\theta_{a}\approx \lambda /L$

где L длина антенны в азимутальном направлении, длина волны радара. Тогда разрешение по азимуту для радара с реальной апертурой определяется

$R_{a}=\rho tan\theta_{a}\approx \frac{\rho \lambda}{L}=\frac{\lambda H}{Lcos\theta }$

Рис.2. Геометрия РСА. Вид сбоку. L длина антенны, наклонная дальность.

Если точечная цель остается неподвижной во время пролета радара над ней, радар может синтезировать апертуру, величина которой 2Ra, что приводит к значительному улучшению разрешения по азимуту:

$\rho_{a}=\frac{\rho \lambda}{2R_{a}}=\frac{L}{2}$

Как мы видим теоретическое разрешение по азимуту в маршрутном режиме РСА определяется размерами антенны в азимутальном направлении. Разрешение РСА по азимуту не зависит от расстояния между целью и радаром. Более того, чем меньше размер антенны, тем большее разрешение может быть достигнуто. Объясняется это следующим образом. Чем меньше размер реальной апертуры антенны (шире ее основной лепесток диаграммы направленности), тем больше размер синтетической апертуры (цель дольше находится в луче). Чем больше размер синтетической апертуры, тем более узкий синтетический луч может быть получен, что в конечном итоге приводит к высокому разрешению по азимуту.

Размер антенны в азимутальном направлении спутника ALOS PALSAR составляет 10 м, следовательно теоретически достижимое разрешение по азимуту в маршрутном режиме РСА составляет 5 м. На практике размер пикселя делают одинаковым по дальности и азимуту.

Перед тем как переходить непосредственно к получению изображений, кратко рассмотрим алгоритм фокусировки, который мы будет применять, а именно дальностно-допплеровский алгоритм (range-doppler algorithm, RDA). Этот алгоритм разрабатывался в 1976-1978 гг. для обработки данных со спутника SEASAT SAR, запущенного в 1978 году. Основная идея алгоритма RD: использование того факта, что сигналы дальности и азимута могут быть разделены на два одномерных сигнала при определенных условиях. Тогда фокусировка изображения являет собой две последовательных операции одномерной компрессии импульса, то есть компрессия по дальности и компрессия по азимуту.

Компрессия сигнала по дальности относительно проста и может быть реализована путем согласованной фильтрации эхо-сигнала в частотной области дальности на основе знания опорного передаваемого сигнала. Обычно в качестве передаваемого сигнала используется ЛЧМ импульс (chirp). Это позволяет снизить пиковую мощность передатчика. Этот ЛЧМ импульс отражается от участка поверхности Земли, длиной обычно около 100 км. Принятый отраженный сигнал является сверткой комплексной отражательной способности поверхности Земли и ЛЧМ сигнала. Математически ЛЧМ записывается следующим образом:

$s(t)= exp(i\pi k t^{2}),\quad \left | t \right |< \tau_{p}$

где k скорость изменения частоты (chirp slope), длительность импульса (pulse duration). Для ALOS PALSAR:

$k= 1.03704\cdot 10^{12} \quad s^{-2}\\ \tau_{p}=0.27 \quad \mu s$

Согласованный фильтр в данном случае это просто комплексно-сопряженный исходный ЛЧМ импульс, *s****(t).

Обработка сигнала в направлении азимута несколько сложнее. Это связано с тем, что изображение точечной цели, проходящей через синтетическую апертуру, испытывает миграцию по дальности, т. е. эхо-сигнал от одной и той же цели при различных положениях спутника по азимуту (естественно в пределах синтетической апертуры) появляется в различных ячейках дальности. Таким образом, данные по азимуту оказываются связанны с данными по дальности. Чтобы можно было производить компрессию по азимуту, необходимо вернуть отметку о цели в ячейки соответствующие одной дальности. Количественно миграция дальности во временном пространстве дальности частотном пространстве по азимуту определяется следующим выражением:

$R_{RCMC}(f_{s})=R_{0}\left ( \frac{1}{\sqrt{1-(\lambda f_{s}/(2V))^2}} -1 \right )$

где Ro дальность ближайшего подхода спутника к цели, fs - доплеровская частота, V - эффективная скорость. Для точной коррекции миграции дальности каждого пикселя требуется процедура интерполяции.

После того как каждая отметка о цели появляется в своей ячейке дальности, можно переходить к компрессии сигнала по азимуту. Запишем фазу эхо-сигнала:

$C(s)=exp\left [ -i\frac{4\pi }{\lambda }R(s) \right ]$

где R(s) дальность до цели функция времени по азимуту (медленное время), поскольку цель перемещается по синтетической апертуре, пока спутник пролетает над ней. Функция R(s) аппроксимируется параболой:

$R(s)=R_{0}+\dot{R}(s-s_{0})+\ddot{R}/2(s-s_{0})^{2}$

где точкой обозначены производные по медленному времени s. Тогда мы можем переписать фазу эхо-сигнала, как функцию дальности, а также первой и второй производных дальности по времени s.

$C(s)=exp\left [ -i\frac{4\pi }{\lambda } \left [ R_{0}+\dot{R}(s-s_{0})+\ddot{R}/2(s-s_{0})^{2} \right ] \right ]$

Определим допплеровский центроид и скорость изменения допплеровской частоты следующим образом:

$f_{dc}=\frac{-2\dot{R}}{\lambda } \qquad f_{R}=\frac{-2\ddot{R}}{\lambda }$

Тогда

$C(s)=exp\left [ -i\frac{4\pi R_{0}}{\lambda } \right ] exp \left [ i2\pi \left ( f_{dc}(s-s_{0})+f_{R}(s-s_{0})^{2} \right ) \right ]$

Как мы видим это еще один ЛЧМ сигнал с параметрами fdc и fR. Согласованный фильтр в данном случае это просто комплексно-сопряженный сигнал фазовой функции, *С****(s). При фокусировке по азимуту мы проходим по всем ячейкам дальности (Ro) и для каждой колонки азимута создаем фильтр со своими параметрами (fdc и fR).

Здесь мы не ставим целью всесторонне и исчерпывающе описать дальностно-допплеровский алгоритм фокусировки РСА изображений. В поисках дополнительной информации читатель может обратиться к следующим монографиям:

\1. John C. Curlander, Robert N. McDonough Synthtic Aperture Radar: Systems and Signal Processing
\2. Jan G. Cumming, Frank H. Wong Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation
\3. Xiaolan Qiu, Chibiao Ding, Donghui Hu BISTATIC SAR DATA PROCESSING ALGORITHMS

А мы тем временем перейдем к практической части.

Как мы уже упоминали ранее, в нашем распоряжении имеется GMTSAR программное обеспечение с открытым кодом (GNU General Public License) для цифровой обработки данных РСА. Код написан на языке C, однако требует предварительной установки GMT и NETCDF. GMT Generic Mapping Tools (Универсальные картографические инструменты, GMT) набор программ с открытыми кодами, предназначенных для обработки и отображения двумерной и трёхмерной информации, растеризации, фильтрации и других алгоритмов обработки изображения, а также отрисовки различных картографических проекций. NetCDF (Network Common Data Form) машино-независимый двоичный формат файлов, являющийся стандартом для обмена научными данными.

GMTSAR имеет 3 основных компонента: 1) препроцессор для каждого типа спутника для подготовки данных и орбитальной информации из внутреннего формата спутника в формат, пригодный для обработки; 2) InSAR процессор для фокусировки, совмещения нескольких изображений и формирования комплексной интерферограммы; 3) базирующийся на возможностях GMT постпроцессор для фильтрации интерферограмм, формирования градиентов фазы, а также отображения всех получаемых результатов.

Итак, перейдем к установке. Домашняя страница GMTSAR находится по адресу https://topex.ucsd.edu/gmtsar/. Здесь можно найти описание программы, файлы данных РСА, предоставленные в качестве примеров и много другой информации. Инструкцию по установке программы вы найдете по адресу https://github.com/gmtsar/gmtsar/wiki/GMTSAR-Wiki-Page. Продублируем ее здесь для Ubuntu 16.06 LTS/20.0:

Install extra libraries. Note that depending on your OS version the actual version numbers in some of the packages below may differ):

sudo apt-get install csh subversion autoconf libtiff5-dev libhdf5-devsudo apt-get install liblapack-devsudo apt-get install gfortransudo apt-get install g++sudo apt-get install libgmt-devsudo apt-get install gmt gmt-dcw gmt-gshhg (16.0 LTS)sudo apt-get install gmt

Download and install orbit files and place in suitable directory (e.g., /usr/local/orbits):

http://topex.ucsd.edu/gmtsar/tar/ORBITS.tarsudo -icd /usr/localmkdir orbitscd orbitstar -xvf ~/Downloads/ORBITS.tar # (need full path to ORBITS.tar)

Download GMTSAR GITHUB suitable directory:

sudo -icd /usr/localgit clone --branch 6.0 https://github.com/gmtsar/gmtsar GMTSAR#  or#  checkout the master version for more new but not stable features.

Make and install GMTSAR (change the orbits directory if different):

cd GMTSARautoconf./configure with-orbits-dir=/usr/local/orbitsmakemake install

Add the executables to your path (for csh or tcsh):

cd ~#   edit your .tcshrc file and add the following linessetenv GMTSAR /usr/local/GMTSARsetenv PATH $GMTSAR/bin:"$PATH"#  orcd ~#  edit your .bashrc file and add the following linesexport GMTSAR=/usr/local/GMTSARexport PATH=$GMTSAR/bin:"$PATH"

Инструкция рабочая, однако, может понадобится установка дополнительных библиотек. Для пользователей Windows есть возможность скачать виртуальную машину с предустановленным ПО GMTSAR: https://topex.ucsd.edu/gmtsar/downloads/

ВАЖНЙ МОМЕНТ!!! Перед использованием программы необходимо, чтобы в вашей системе дробная часть числа отделялась от целой части точкой. Это можно сделать, перейдя в меню Параметры вкладка Регион и язык и выбрав в Форматах страну United Kingdom.

Итак, надеемся установка GMTSAR не вызовет значительных трудностей. По окончании установки, если вы откроете терминал и введете команду gmt, то должны увидеть данные об установленной версии GMT. Используя команду gmtsar.csh, вы увидите список найденных скриптов из пакета GMTSAR. Обратим внимание, что все процедуры обработки данных из пакета GMTSAR организованы в виде c-shell скриптов. Скрипты объединяют вызов необходимых подпрограмм на языке Си с вызовом стандартных подпрограмм GMT, а также с манипулированием данными. Одни скрипты могут включать в себя другие, позволяя гибко выбирать необходимые процедуры.

Сегодня нам понадобятся следующие скрипты:

pre_proc.csh preprocess the raw SAR data for a pair of images
sarp.csh focus a single SAR image
slc2amp.csh make and amplitude image from and SLC

Как видно из описаний pre_proc.csh подготавливает данные пары изображений (нам понадобится одно изображение), sarp.csh фокусирует радиолокационное изображение, формируя Single Look Complex-изображение (SLC), slc2amp.csh делает амплитудное изображение из SLC.

Таким образом, с ПО мы разобрались, теперь нам необходимо скачать доступные сырые радиолокационные изображения. Для начала рассмотрим какие вообще данные предоставляет миссия спутника ALOS PALSAR: https://earth.esa.int/eogateway/catalog/alos-palsar-products

ALOS PALSAR products are available in following modes:

Fine Beam Single polarisation(FBS), single polarisation (HH or VV)), swath 40-70km, resolution 10m, temporal coverage from 02/05/2006 to 30/03/2011

Fine Beam Double polarisation (FBD), double polarisation (HH/HV or VV/VH), swath 40-70km, resolution 10m, temporal coverage from 02/05/2006 to 30/03/2011

Polarimetry mode (PLR), with four polarisations simultaneously: swath 30km, resolution 30m, temporal coverage from 26/08/2006 to 14/04/2011

ScanSAR Burst mode 1 (WB1), single polarisation: swath 250-350km, resolution 100m, temporal coverage from 12/06/2006 to 21/04/2011

Following processing levels are available:

RAW(level 1.0): Raw data generated by every downlink segment and every band. Divided into an equivalent size to one scene.

SLC (level 1.1): Slant range single look complex product. Not available for WB1

GDH (level 1.5): Ground range Detected, Normal resolution product

GEC (level 1.5): Geocoded product

Как мы видим миссия ALOS PALSAR вела съемку в 4 различных режимах, предоставляя на выходе 4 уровня обработки данных. Нас, конечно, интересуют в первую очередь сырые RAW (level 1.0) данные в режимах Fine Beam Single polarisation (HH or VV) и Fine Beam Double polarisation (HH/HV or VV/VH), их мы и будем искать.

Для доступа к данным необходимо перейти на сайт https://search.asf.alaska.edu/#/ и зарегистрироваться там. Интерфейс поисковика данных довольно прост и интуитивно-понятен, поэтому тезисно опишем порядок действий (см. рис. 3):

Выбираем ALOS PALSAR в меню Dataset
Рисуем на карте интересующий регион, нажав + в подменю Area of interest
Жмем SEARCH
На карте появятся области, для которых доступны радиолокационные данные (выделены синим)
В списке, либо кликнув мышкой на карте, выбираем регион, и видим доступные файлы для него
Находим файл уровня 1.0 и скачиваем его.

Рис.3 Поиск данных со спутника ALOS PALSAR

Теперь переходим непосредственно к обработке скачанных данных с помощью GMTSAR. Откроем терминал, распакуем скачанный zip-файл и перейдем в папку, которая находилась в архиве. Эта папка будет содержать следующие файлы:

cd folder_with_datals -l-rw-r--r-- 1 1000 1000       1848 Dec 16  2016 ALPSRP023161190.l0.workreport-rw-rw-rw- 1 1000 1000  762000120 Dec 16  2016 IMG-HH-ALPSRP023161190-H1.0__A-rw-rw-rw- 1 1000 1000   12506972 Dec 16  2016 LED-ALPSRP023161190-H1.0__A-rw-rw-rw- 1 1000 1000        720 Dec 16  2016 TRL-ALPSRP023161190-H1.0__A-rw-rw-rw- 1 1000 1000       1800 Dec 16  2016 VOL-ALPSRP023161190-H1.0__A-rw-rw-rw- 1 1000 1000       1848 Dec 16  2016 workreport

Файл IMG-HH-ALPSRP023161190-H1.0__A содержит радиолокационные данные, файл LED-ALPSRP023161190-H1.0__A орбитальную информацию, остальные файлы нам не понадобятся.

В первую очередь нам нужно подготовить данные, для этого служит скрипт pre_proc_init.csh. При запуске скрипта без аргументов, выводится мануал по использованию. Запустим pre_proc_init.csh, чтобы понять как пользоваться этим скриптом.

pre_proc_init.cshUsage: pre_proc_init.csh SAT data.in       preprocess a set of images using default Dopper centroid, rear_range and radius, number of patches       a baseline-time plot will be generated       after running this command        the user should choose an appropriate master image        the user should also decide a common Dopper centroid, rear_range and radius, number of patches to run batch processing       the data with completely different Doppler centroid or baselines can be omitted from further processing SAT can be ALOS ERS or ENVI(ENVISAT)       format of data.in is:         line 1: master_name         line 2 and below: aligned_name       example of data.in for ALOS is:         IMG-HH-ALPSRP096010650-H1.0__A         IMG-HH-ALPSRP089300650-H1.0__A         IMG-HH-ALPSRP236920650-H1.0__A       example of data.in for ERS is:         e1_05783         e1_07787         e1_10292       example of data.in for ENVISAT is:         ENV1_2_127_2925_07195         ENV1_2_127_2925_12706         ENV1_2_127_2925_13207Example: pre_proc_init.csh ENVI data.in

Итак, чтобы воспользоваться скриптом, нам необходимо в качестве первого аргумента использовать имя спутника (ALOS), в качестве второго файл, содержащий имена файлов с сырыми данными (несколько файлов нужно для построения интерферограмм, в нашем случае будет один файл IMG-HH-ALPSRP023161190-H1.0__A). Создадим файл data.in и запустим препроцесс:

ls IMG-HH-ALPSRP023161190-H1.0__A >> data.inpre_proc_init.csh ALOS data.inrunning pre_proc_init.cshpreprocess master imageledflag 1.... swapping byteswriting generic LED file: IMG-HH-ALPSRP023161190-H1.0__A.LED near_range, shift = 959139 192 .... calculating doppler for IMG-HH-ALPSRP023161190-H1.0__A.raw Working on line 2000  Working on line 4000  Working on line 6000  Working on line 8000  Working on line 10000  Working on line 12000  Working on line 14000  Working on line 16000  Working on line 18000  Working on line 20000  Working on line 22000  Working on line 24000  Working on line 26000  Working on line 28000  Working on line 30000

В результате работы скрипта препроцесса, в нашей папке появилось несколько новых файлов, в том числе .PRM, который содержит всю необходимую информацию для фокусировки (более детальное описание PRM-файла можно найти на стр.47 мануала GMTSAR: https://topex.ucsd.edu/gmtsar/tar/GMTSAR_2ND_TEX.pdf ). Для запуска процесса фокусировки необходимо запустить скрипт sarp.csh* с именем PRM-файла, созданного на предыдущем этапе, в качестве аргумента:

sarp.csh IMG-HH-ALPSRP023161190-H1.0__A.PRMComputing range reference function.Processing patch 1Processing Elapsed Time: 0 min 0.07 secRange CompressionProcessing Elapsed Time: 0 min 13.37 secAzimuthal TransformProcessing Elapsed Time: 0 min 33.64 secRange MigrationProcessing Elapsed Time: 0 min 50.55 secAzimuthal CompressionProcessing Elapsed Time: 1 min 53.07 secWriting DataProcessing patch 2Processing Elapsed Time: 1 min 54.17 secRange CompressionProcessing Elapsed Time: 2 min 6.90 secAzimuthal TransformProcessing Elapsed Time: 2 min 26.29 secRange MigrationProcessing Elapsed Time: 2 min 43.15 secAzimuthal Compression

Как можно заметить из вывода выполнения скрипта, фокусировка происходит блоками. В нашем случае фокусировка радиолокационного изображения размером 120000x25000 пикселей длилась около 5 минут. В результате в рабочей папке появится файл IMG-HH-ALPSRP023161190-H1.0__A.SLC, из которого нам останется сформировать амплитудное изображение. Делать мы это будем выполнением следующего скрипта:

slc2amp.cshUsage: slc2amp.csh filein.PRM rng_dec fileout.grd        rng_dec is range decimation       e.g. 1 for ERS ENVISAT ALOS FBD            2 for ALOS FBS             4 for TSXExample: slc2amp.csh IMG-HH-ALPSRP055750660-H1.0__A.PRM 2 amp-ALPSRP055750660-H1.0__A.grd

В качестве первого аргумента надо указать все тот же PRM-файл, в качестве второго децимацию, (в соответствии с режимом съемки наших данных выбираем 2), третьим аргументом указываем имя выходного файлы (out.grd).

slc2amp.csh IMG-HH-ALPSRP023161190-H1.0__A.PRM 2 out.grd

Таким образом, на выходе получаем netCDF-файл out.grd, содержащий информацию об амплитудном изображении. К сожалению, готовых средств для отображения полученного изображения в GMTSAR мы не обнаружили, однако, покажем, что нами действительно получено сфокусированное радиолокационное изображение Санкт-Петербурга. Для этого выполним следующие команды:

gmt begin ampgmt grd2cpt -Cgray out.grdgmt grdimage out.grd -I+d -Bgmt end show

В первой строке мы запускаем сессию GMT с именем "amp". 2 следующие команды формируют изображение, последняя закрывает сессию GMT и открывает файл amp.pdf с полученным изображением. Рассмотрим полученное изображение (рис. 4):

Рис.4 Радиолокационное изображение Санкт-Петербурга

Как видно, мы получили сфокусированное радиолокационное изображение. При этом, оно зеркально по вертикали, то есть нижнюю строку мы отобразили как верхнюю, а верхнюю как нижнюю. Однако, это не меняет того факта, что фокусировка прошла успешно и кодом GMTSAR можно пользоваться.

Статья написана в соавторстве с k_const. Теперь мы немного понимаем в радарах с синтезированной апертурой, но нам явно есть еще чему поучиться. Приглашаем специалистов к дискуссии.

СПИСОК ЛИТЕРАТУР

Curlander J. C. Synthtic Aperture Radar: Systems and Signal Processing. / J. C. Curlander, R. N. McDonough. Wiley, 1992. 672 p.
Cumming J. G. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation. J. G. Cumming, F. H. Wong. Artech House, 2005. 436 p.
Xiaolan Qiu Bistatic SAR Data Processing Algorithms. / Xiaolan Qiu, Chibiao Ding, Donghui Hu. Wiley, 2013. 327 p.
Sandwell D. GMTSAR: An InSAR Processing System Based on Generic Mapping Tools (Second edition). / D. Sandwell, R. Mellors, X. Tong, M. Wei, P. Wessel. // UC San Diego: Scripps Institution of Oceanography. 2016. Retrieved from https://topex.ucsd.edu/gmtsar/tar/GMTSAR_2ND_TEX.pdf

Подробнее..

Категории: Diy или сделай сам , Геоинформационные сервисы , Алгоритмы , Производство и разработка электроники , Космонавтика , Радары , Cubesat , Radar systems , Sar , Наноспутники , Радарные системы , Рса , Синтез апертуры , Synthetic aperture

Самый большой радиотелескоп снял место посадки Apollo 15

05.02.2021 08:10:50 |

Автор: admin

... и не увидел лунный модуль. Два месяца, как астрофизики мира простились с легендарнымтелескопом Arecibo, который долгое время обладал самой большой тарелкой. Китайцы сделали тарелку ещё больше, но американцы тем временем модернизировали свои оставшиеся телескопы, и подняли их характеристику в четыре раза.

Трехсотметровая антенна Arecibo долгое время оставалась непревзойденной по площади это важное преимущество для прослушивания очень удаленных и слабых источников радиоизлучения. Но для науки этот телескоп служил не только как ухо, но и как голос радаром, зондирующим объекты Солнечной системы. В этой роли Arecibo работал в паре с другими радиотелескопами, в последние годы часто сGreen Bank Telescope. Телескоп Green Bank меньше диаметр антенны 100 м, зато она поворотная, в отличие от Arecibo, и для таких тарелок это бесспорный рекорд.

Диаметр антенны влияет не только на чувствительность телескопа, но и на его разрешающую способность, то, что фотографы называют резкость. Разрешающая способность это показатель насколько мелкие объекты или минимальное расстояние между ними способен рассмотреть телескоп. Разрешение зависит от двух параметров: диаметра телескопа и длины волны излучения, в котором ведется наблюдение. Так, для одинаковых по размеру телескопов, наблюдение на длине радиоволны 6 мм разрешение будет в 10 тыс раз хуже чем в наблюдении видимого света. То есть чтобы сравниться с 10-сантиметровым любительским телескопом, радиотелескоп должен иметь диаметр 1 километр.

К счастью, радиоастрономы, догадались как обойти это ограничение, если использовать несколько радиотелескопов на расстоянии. Один из способов интерферометрия, когда объединяются данные от нескольких телескопов. Тогда диаметром считается расстояние между наиболее удаленными телескопами в общей системе. Например антенный массивALMAсостоит из 66 антенн и имеет общий диаметр 16 км, а 27 антеннVLA диаметр 36 км.

Кстати, VLA вместе c Arecibo снималась в фильме Контакт.

Если данные с телескопов снимать не аналоговым, а цифровым методом, то можно значительно расширить границы. По сути телескопы можно расставить по всей Земле и тогда диаметр условного телескопа будет ограничиваться только диаметром планеты. Эта технология называется непроизносимым термином радиоинтерферометрия со сверхдлинной базой. Впервые она была теоретически обоснована в СССР при участии Николая Кардашева, и под его же руководством был создан проект РадиоАстрон космический радиотелескоп.

РадиоАстрон обладал тарелкой всего в 10 м, но объединяя работу с наземными станциями, позволял создавать радиотелескоп диаметром до десятков и сотен тысяч километров. С российским космическим телескопом работали практически все крупные наземные радиообсерватории, включая Arecibo, но американцы пошли своим путем. Они создали наземную сеть 25-метровых радиотелескоповVLBA, которая раскинулась на 9,5 тыс км от Гавайев до Карибского моря.

Российский аналогКвазар-КВОсостоит из трех 32-метровых антенн и разнесен на расстояние 4,5 тыс км, на одной из его станций мне удалось однажды побывать.

Обычно сеть VLBA работает на приём астрофизических сигналов отдельно от Green Bank или Arecibo, а эти две обсерватории использовали другую технологию улучшения изображения бистатическая визуализация. Похожую технологию используют авиационные или космические радары, зондирующие земную поверхность SAR: Arecibo работал как гигантский радиопрожектор, освещая пролетавшие астероиды, Луну, Меркурий и спутники Юпитера, а стометровая антенна Green Bank принимала отраженные лучи. За счет разницы расположения между освещающим и принимающим телескопом качество картинки получалось лучше, чем если бы работал один одновременно и на излучение и на прием. Фактически тут действует тот же принцип, что и в интерферометрии расстояние между двумя радиотелескопами определяют разрешающую способность как диаметр одного. В случае пары Arecibo-Green Bank это 2,5 тыс. км, которые давали разрешение на Луне около 20 м, что в три раза лучше телескопа Hubble.

К сожалению, бистатический радар Arecibo-Green Bank дальше Юпитера не добивал, т.к. вращение Земли уводило из прицела Arecibo далекие тела пока туда летел сигн. Но и этого хватало более чем. Главным открытием этой технологии сталооткрытиеводяного льда на Меркурии.

Изакрытиельда на Луне.

Также Arecibo много работал в наблюдении пролетающих околоземных астероидов.

А потом онразрушился.

К счастью, ученые подстелили соломку и смогли установить мощный передатчик на стометровый Green Bank. Теперь он будет прожектором, и за счет своей поворотной системы и большей мощности передатчика сможет добивать не только до Юпитера, но и до Урана и Нептуна. Принимать же данные будет наземная сеть VLBA.

Новая системаGreen Bank-VLBAпровела первые испытания и телескопы обратили взор к месту посадки Apollo 15 в лунных Аппенинах. Разрешение этой панорамы около 5 м на пиксель.

Разрешающая способность нового снимка примерно в четыре раза превосходит лунную съемку прежней пары Arecibo-Green Bank.

Авторы съемки не уточнили удалось ли им увидеть какие-либо следы пребывания человека в рассмотренной местности, поэтому пришлось самому сравнить результаты радарной съемки и спутниковой.

Первое, что бросается в глаза светлые пятна радарного снимка не всегда совпадают с оптическим. Это логично, т.к. яркое отражение в радиолучах дают дробленые камни, т.е. эти пятна следы разбросанной породы вокруг молодых метеоритных кратеров. А вот ни тропинки, вытоптанные астронавтами, ни оставшаяся ступень лунного модуля в радиодиапазоне не видны. В разрешении 5 м, модуль должен занимать два пикселя, и если бы он обладал более ярким отражением радиоволн, то был бы виден.

Судя по всему, панели экранно-вакуумной теплоизоляции и противометеоритной защиты такой же хороший поглотитель и рассеиватель радиолучей, что и окружающий реголит. Хотя возможно и другое объяснение алгоритм обработки данных мог съесть два ярких пикселя, решив, что это просто шум.

Для сравнения, в видимом диапазоне, на снимках пятиметрового разрешения от японского аппарата Kaguya темное пятно на месте лунного модуля видно благодаря контрасту с окружающим грунтом. Можно даже рассмотреть отрезок наиболее вытоптанного грунта в северо-западном направлении от места прилунения.

Место посадки Apollo 15 со спутника Kaguya

Ранее в эту же долинузаглядывали космический телескоп Hubble. Но у него разрешение всего 60 м, потому сумел рассмотреть лишь смутные признаки посадки чуть более светлое гало разогнанной ракетными двигателями пыли.

Сревнение снимка телескопа Hubble (слева) и спутника LRO (справа).

Самые качественные, на сегодня, спутниковые снимки места посадки Apollo 15 доступны благодаря американскому аппарату LRO. Тут уже видны и тропинки, и следы ровера, и сам ровер, и оставленное оборудование, и мусор. Разрешение этого кадра в десять раз лучше японского 0,5 м.

Место посадки Apollo 15 со спутника LRO

При увеличении мощности передатчика на телескопе Green Bank, возможно, качество лунных панорам ещё возрастет, хотя вряд ли они снова будут смотреть на Apollo. В Солнечной системе много других целей, интересных астрофизикам и планетологам.

С радиотелескопами и местами посадок американцев на Луну известен другой курьез. В конце 70-х гг в Советском Союзе построили большой наземный радиотелескоп РАТАН-600. Для испытания астрономы направили его на Луну, и с удивлениемобнаружилипять ярких источников радиоизлучения на поверхности. Оказалось, что это шли телеметрические данные с блоков приборовALSEP, которые оставили американские астронавты. Они питались от радиоизотопных термоэлектрических генераторов и могли проработать ещё десятилетия. Но ученые NASA к тому времени уже утратили интерес к Луне, и погасили ALSEP вскоре после обнаружения советскими радиоастрономами.

Подробнее..

Категории: Астрономия , Научно-популярное , Космонавтика , Беспроводные технологии , Будущее здесь , Луна , Телескоп , Радиотелескоп , Аресибо , Sar , Радар , Green bank , Аполлон 15

Цифровая геология, или пусть машины думают и находят золото для нас в Западной Сибири без геологических данных

14.05.2021 18:17:37 |

Автор: admin

Эта статья является продолжением двух предыдущих: Ударим биспектром по бездорожью, или как найти золото в Сибири, в которой мы рассмотрели геологическую модель месторождения золота на территории Новосибирской области и Ищем рудное золото на острове Сумбава, Индонезия, в которых мы построили геологически обусловленную модель машинного обучения для поиска золота или других рудных минералов по всему Тихоокеанскому рудному поясу, используя для геологического моделирования открытые данные на платформе Google Earth Engine (GEE).

Убедившись в сходстве геологических моделей Сибири и Индонезии, применим классификатор для рудного золота Западной Сумбавы, Индонезия для Сибири. Так мы получим геологически корректный детальный прогноз золоторудности для Сибири, не используя вообще никаких геологических данных для этого региона.

Сопоставление моделей на территории Индонезии и Сибири

У нас есть уже обученный на детальных открытых данных классификатор для Индонезии, который мы хотели бы использовать и в Сибири. Сравним детальные модели плотности без учета влияния рельефа, построив для Западной Сибири модель с теми же параметрами, что и для Западной Сумбавы и выбрав равные участки. На левой модели точками на поверхности показаны скважины с высокими (Au) и низкими пробами золота (No Au), а на правой контурами отображены известные региональные месторождения золота (Au) и молибдена (Mo):

Как видим, две модели практически идентичны. Обратим внимание на одинаковые диагональные направления структур, связанные с обсуждавшимися в предыдущих статьях двумя системами линеаментов. Следовательно, золоторудный классификатор для Западной Индонезии будет работать и в Западной Сибири.

Классификация золоторудных территорий

Ниже показан детальный классификатор для Западной Сумбавы, где для наглядности высокие пробы отображены небольшими кирпичного цвета кружками и низкие большими черными кружками поверх геологической модели плотности:

Здесь явно видны диагональные направления линеаментов на одних лежат полоски предсказанных золоторудных депозитов, а другие их разбивают поперечными пересечениями. Варьируя параметры классификатора, можно управлять его селективностью.

Аналогично применим построенный классификатор к участку Западной Сибири (очевидно, здесь мы не можем оценить точность классификации автоматически):

Визуально результат соответствует ожидаемому и классификатор выделяет все те признаки, которые мы перечислили выше. Проверим на 3D модели:

Полученный результат геологически обоснован, поскольку выделенные области находятся в зонах накопления на границе выходов твердых пород, как мы это подробно разбирали ранее. При этом в области молибденового месторождения тоже выделены потенциальные золотые депозиты, что не удивительно, поскольку на региональной карте месторождения указаны по преобладающему минералу. Кроме того, на онлайн карте N-45-XIII. Схема прогноза полезных ископаемых, м-б 1:500 000 эти два месторождения объединены как золото-молибденовое месторождение.

Заключение

Начиная с пары статей по использованию платформы Google Earth Engine (GEE) и получению серий спутниковых данных для любой территории планеты, мы продолжили построением геологических моделей в разных регионах с последующей оценкой их геологической достоверности и автоматизированной классификацией, и, наконец, совместили полученные результаты, создав автоматизированное решение построения детальных карт золоторудности разных территорий.

Если вас заинтересовало то, о чем я рассказываю, посмотрите ссылки ниже, вероятно, там вы найдете для себя интересное и полезное.

Ссылки

Подробнее..

Категории: Программирование , Геоинформационные сервисы , Визуализация данных , Научно-популярное , Open source , Sar , Earth engine , Gold , Au , Alos , Sentinel-1 , Sentinel-2 , Mo

	Русский
	English

Sar

Перспективы радарных систем на наноспутниках

Самый большой радиотелескоп снял место посадки Apollo 15

Цифровая геология, или пусть машины думают и находят золото для нас в Западной Сибири без геологических данных

Сопоставление моделей на территории Индонезии и Сибири

Классификация золоторудных территорий

Заключение

Ссылки

Категории

Последние комментарии