Using radar polarimetry to monitor changes in backscattering mechanisms in landslide zones for the case study of the Bureya river bank collapse

Full Text

ВВЕДЕНИЕ

Космические методы и средства широко используются для мониторинга различных природных катастроф, таких как землетрясения (Акопян и др., 2017; Бондур, Зверев, 2005, 2007; Бондур, Смирнов, 2005; Бондур и др., 2007, 2010, 2016а, б), оползни (Захаров и др., 2018, Захаров, Захарова, 2019; Захарова и др., 2019; Бондур и др., 2019; Михайлов и др., 2014; Shirzaei et al., 2017), тайфуны (Бондур и др., 2008а, б, 2009) и др. (Бондур и др., 2009, 2010, 2012). Одними из наиболее перспективных средств дистанционного зондирования Земли (ДЗЗ) из космоса являются радиолокаторы с синтезированной апертурой (РСА) (Верба и др., 2010; Бондур, Чимитдоржиев, 2008а, б, 2019; Бондур, Старченков, 2001; Бондур, 2010; Дмитриев и др., 2014; Захаров и др., 2012; Chimitdorzhiev et. al., 2016). Преимуществом радарного зондирования является независимость процесса получения изображений от освещенности снимаемой поверхности и наличия облачности. Это обстоятельство позволяет выполнять радиолокационный мониторинг чрезвычайных ситуаций (Бондур и др., 2009; 2012), в том числе оползней (Захаров и др., 2018; Михайлов и др., 2014; Shirzaei et al., 2017), наводнений (Дубина и др., 2018), последствий цунами (Watanabe et al., 2016) и т. д. Мониторинг оползней является важной сферой применения поляриметрических методов дистанционного зондирования (Захаров и др., 2019; Захарова и др., 2019; Бондур и др., 2019; Czuchlewski et al., 2003; Yonezawa et al., 2012; Shimada et al., 2014; Li et al., 2014a, b; Luo et al., 2016; Shibayama et al., 2015; Watanabe et al., 2016).

В настоящей работе анализируются возможности методов радиолокационной поляриметрии для оценки изменений отражательных свойств земной поверхности на примере оползневого события, произошедшего в декабре 2018 г. на реке Бурея. Первые сведения о крупномасштабном сходе оползневых масс, произошедшем 11 декабря 2018 г., были получены с помощью снимков оптического сенсора Sentinel-2B и многоспектрального сканера (тепловизора) Himawari-8 (Крамарева и др., 2018). Установлено, что площадь зоны обрушения вместе с насыпью в русле реки составила порядка 0.4 км2, ориентировочное время схода грунта в реку $—$ 4:30 GMT 11 декабря 2018 г. Анализ Бурейского оползня методом радарной интерферометрии на основе данных радара Sentinel-1 проведен в работах (Захаров и др., 2019; Захарова и др., 2019) и на основе данных ALOS-2 PALSAR-2 (Бондур и др., 2019).

ВЫБОР МЕТОДА ИССЛЕДОВАНИЙ

Особенности взаимодействия радиоволн со сложными структурами поверхности, дающими многократное переотражение или имеющими пространственную анизотропию, могут быть выявлены с помощью поляризационных измерений. Такие измерения обеспечиваются поляриметрическим РСА, излучающим, например, линейно поляризованные волны с вертикальной (V) и горизонтальной (H) поляризациями и принимающим отраженный сигнал на согласованных (сигналы VV и HH) и ортогональных (VH и HV) поляризациях. Этот многоканальный поляриметрический режим работы радара значительно повышает информативность измерений (Cloude, 2010; Lee, Pottier, 2009).

Результатом измерения поляриметрического РСА является матрица рассеяния

$\left[S\right]=\left[\begin{array}{cc}{S}_{HH}& S_{HV}\\ S_{VH}& S_{VV}\end{array}\right]$.    (1)

Здесь S_ij $—$ комплексные коэффициенты рассеяния при излучении на j-поляризации и приеме на i-поляризации.

Физической основой методов радарной поляриметрии является зависимость поляризационного состояния радарного сигнала от механизма обратного рассеяния радиоволн земными объектами. Различного рода преобразования матрицы рассеяния позволяют выявить эти механизмы и тем самым идентифицировать различные объекты. Отметим, что при моностатическом зондировании выполняется условие $S_{HV}=S_{VH}.$

В работе (Czuchlewski et al., 2003) для определения изменений отражательных свойств поверхности, вызванных оползнем после землетрясения в Тайване, был использован самолетный поляриметрический РСА L-диапазона. Декомпозиция матрицы рассеяния поверхности по методу Клау- да$–$Потье (Cloude, Pottier, 1997) позволила определить характер изменений механизмов рассеяния земной поверхности вследствие схода оползня. Было отмечено, что снимков РСА, полученных на одной поляризации, недостаточно для идентификации и картирования оползней.

В работе (Yonezawa et al., 2012) для обнаружения оползней, вызванных землетрясением в Японии в 2008 г., использовались поляриметрические данные спутника L-диапазона PALSAR. Вклад различных механизмов рассеяния на поверхнос- ти оползневых участков изучался с использованием методов декомпозиции Фримена$–$Дурдена (Freeman, Durden, 1998) и Клауда$–$Потье. По данным декомпозиции Фримена$–$Дурдена, в областях, затронутых крупномасштабными оползнями, преобладает компонента поверхностного рассеяния. Параметры декомпозиции Клауда$–$Потье, такие как энтропия H, анизотропия A и угол α, также были рассчитаны для оползневых участков.

Автоматическая классификация, основанная на сегментации этих параметров на плоскости H-α, однозначно отличает оползневые участки от других объектов, таких, как лес, вода и заснеженные районы, но она неэффективна при наличии сельскохозяйственных угодий в пределах радиолокационного изображения. Оползневый участок трудно идентифицировать на одноканальном изображении, в то же время он уверенно распознается при анализе поляриметрических снимков. Было установлено, что при обнаружении зон оползней поляриметрические изображения с разрешением 30 м более информативны, чем одноканальные снимки с разрешением 10 м.

В работе (Shimada et al., 2014) проведена оценка эффективности применения поляриметрических многочастотных радаров с синтезированной апертурой для обнаружения оползневых зон в покрытых лесом горах. Результаты показывают, что РСА X-диапазона менее эффективны при выявлении оползней, поскольку проникновение волн этого диапазона сквозь слой леса меньше, чем в L-диапазоне.

Поляриметрический отклик зон оползней в X-диапазоне также изучался с помощью самолетной радиолокационной системы с синтезированной апертурой высокого разрешения в Китае (Li et al., 2014a). Поляриметрические разложения, включая четырехкомпонентное разложение Ямагучи (Yamaguchi et al., 2005) и разложение Клауда$–$Потье, использовались для анализа механизмов рассеяния нескольких оползней, вызванных землетрясением в 2008 г. на юго-западе Китая. Экспериментальные данные X-диапазона показывают, что для участков, подверженных крупномасштабным оползням, характерна смесь поверхностного, двойного и объемного рассеяния. Представлены также результаты классификации, основанной на контролируемых параметрах классификатора Уишарта (Ferro-Famil et al., 2001) и параметрах сходства поляриметрического рассеяния, которые позволяют хорошо отличать области оползней от других типов поверхностей, таких, как лес и вода.

В работе (Li et al., 2014b) использованы наборы радарных изображений, полученные с помощью полностью поляриметрической бортовой радиолокационной системы с синтезированной апертурой высокого разрешения X-диапазона. Элементы разложения Паули, полученные в результате преобразования матрицы рассеяния, объединялись в RGB псевдоцвете и преобразовывались в цветовое пространство интенсивности-насыщенности-оттенка (HSI). Затем сочетание кластеризации по методу k-средних и изображений HSI из разных каналов использовалось поэтапно для автоматического выделения зон оползней.

В статье (Luo et al., 2015) обсуждается способ идентификации оползней, основанный на методах поляриметрического разложения данных С-диапазона, полученных до и после схода оползня, с последующим применением классификатора Уишарта (Ferro-Famil et al., 2001). Анализ поляриметрических признаков трех оползней, вызванных землетрясением в Китае в 2008 г., показывает, что доминирующим механизмом рассеяния сигнала оползнями является поверхностная составляющая рассеяния с энтропией рассеяния между 0.6 и 0.8. Для соседних с оползнем территорий характерно доминирование объемного рассеяния, при этом энтропия рассеяния почти аналогична энтропии на оползневых участках. Путем сравнения расположения областей поверхностного рассеяния на снимке после события с областями объемного рассеяния на снимке до события и комбинирования карт энтропии рассеяния, можно оценить ошибки распознавания оползневых зон.

Работа (Shibayama et al., 2015) посвящена зависимости поляриметрических индексов для оползней под лесными покровами от локального угла падения радиоволны. При изучении отражательных свойств поверхности оползней использовались данные сенсора PolSAR, проводившего съемку с разных направлений. Оказалось, что мощность рассеяния и поляриметрический коэффициент корреляции оползней значительно уменьшаются с локальным углом падения, в то время как для окружающего леса эти показатели не меняются. Это обстоятельство приводит к созданию метода эффективного обнаружения оползневой зоны по поляриметрической информации.

Для выяснения оптимальных параметров полной поляриметрической съемки в L-диапазоне и угла обзора для обнаружения зоны оползня были проанализированы поляриметрические изображения самолетного радара Pi-SAR-L2 (Watanabe et al., 2016), полученные с четырех различных направлений съемки зоны оползня на острове Идзу Осима, спровоцированного тайфуном 16 октября 2013 г. Несколько поляриметрических параметров, включая коэффициент обратного рассеяния, когерентность между двумя поляриметрическими состояниями, четырехкомпонентные параметры разложения (двойное отражение / объемное / поверхностное / спиральное рассеяние) и параметры разложения по собственным значениям (энтропия /альфа/ анизотропия), были рассчитаны для обнаружения оползневых участков. Радиолокационное зондирование переднего (ближнего к радару) склона более предпочтительны для идентификации оползня, тогда как наблюдения с противоположной стороны были менее информативными, что указывает на то, что меньший локальный угол падения обеспечивает лучшее различение оползневых и лесных районов.

В работе (Wang et al., 2016), для оценки смещения оползня, предложен метод, позволяющий выявлять динамику обратного рассеяния. Выполнена оценка различий двух векторов рассеяния Паули за разные даты, что позволило оценить смещение поверхности оползня на юго-западе штата Колорадо, США.

Большинство описанных в литературе подходов к обнаружению оползней на основе РСА используют данные очень высокого разрешения (very high resolution $—$ VHR) при условии проведения съемки незадолго до события оползня, что бывает довольно редко. Современные миссии VHR SAR, например, Radarsat-2, TerraSAR-X или COSMO-SkyMed не охватывают систематически всю земную поверхность из-за различных ограничений. Поэтому в работе (Plank et al., 2016) представлен метод картографирования оползней, основанная на обнаружении изменений между оптическими изображениями до события и поляриметрической энтропией, полученной из поляриметрических данных РСА после события. Как правило, сведения о состоянии поверхности до события доступны из оптических снимков высокого разрешения Landsat-8 или Sentinel-2, которые проводят систематическую съемку всей земной суши.

В настоящей работе для анализа оползневых процессов на примере обрушения склона берега реки Бурея будем использовать два наиболее широко применяющихся метода анализа поляризационных радарных изображений на основе декомпозиции матрицы рассеяния: на основе физической модели декомпозиция Фримена$–$Дурдена (Freeman, Durden, 1998) и математической модели с использованием собственных значений и собственных векторов матрицы когерентности (декомпозиция Клауда$–$Потье) (Cloude, Pottier, 1997). Эти методы применялись не только для изучения оползневых участков, но и окрестностей, включая лес, ледовый покров реки и т. д. При анализе поляриметрических данных использовано программное обеспечение PolSARpro (PolSARpro, 2019).

АНАЛИЗ ДЕКОМПОЗИЦИЙ ПОЛЯРИМЕТРИЧЕСКИХ СИГНАЛОВ

Декомпозиция Фримана$–$Дурдена (Freeman, Durden, 1998) основана на трехкомпонентной модели мощности матрицы рассеяния. При этом общая мощность обратного рассеяния P предполагается состоящей из суммы трех независимых слагаемых: мощности однократного (поверхностного) рассеяния, мощности эхо-сигнала, претерпевшего двукратное переотражение структурами, аналогичными двугранному уголковому отражателю, и мощности объемного (многократного) рассеяния:

$P={\left|S_{HH}\right|}^2+2{\left|S_{HV}\right|}^2+{\left|S_{VV}\right|}^2=P_s+P_d+P_v$            (2)

где индексы s, d и v обозначают поверхностное, двойное и объемное рассеяние соответственно.

Однократное поверхностное рассеяние $—$ типичный механизм рассеяния от почвы или воды. Двойное переотражение встречается при наличии вертикально ориентированных целей на горизонтальной поверхности и часто встречается на застроенных территориях (отражение от земли и стен), а также в лесах (отражения от стволов и почвы). Объемное рассеяние встречается там, где имеется слой разнообразно ориентированных элементарных отражателей $—$ например, ветви деревьев.

В модели используется корреляция между элементами матрицы рассеяния (1), описываемая ковариационной матрицей:

$⟨C⟩=\left[\begin{array}{ccc}⟨{\left|S_{HH}\right|}^2⟩& ⟨\sqrt{2}{S}_{HH}{S}_{HV}^{*}⟩& ⟨S_{HH}{S}_{VV}^{*}⟩\\ ⟨\sqrt{2}{S}_{HV}{S}_{HH}^{*}⟩& ⟨2\left|S_{HV}\right|⟩& ⟨\sqrt{2}{S}_{HV}{S}_{VV}^{*}⟩\\ ⟨S_{VV}{S}_{HH}^{*}⟩& ⟨\sqrt{2}{S}_{VV}{S}_{HV}^{*}⟩& ⟨{\left|S_{VV}\right|}^2⟩\end{array}\right]$       ⁽³⁾

 

Модель предполагает статистическую некоррелированность согласованной и перекрестной компонент матрицы рассеяния (1):

$⟨S_{HH}{S}_{HV}^{*}⟩\simeq ⟨S_{VV}{S}_{HV}^{*}⟩\simeq \mathrm{0,}$

и, кроме того, ее симметричность S_HV  = S_VH (поэтому ковариационная матрица имеет размерность 3×3, а не 4×4).

Используется также ряд допущений, связанных с каждым из механизмов рассеяния в отдельности $—$ таких, как равномерное распределение ориентации элементарных отражателей диполей в объемном слое, применимость брэгговской модели к поверхностной составляющей рассеяния, диагональность матрицы рассеяния, характеризующей двойное переотражение. После параметризации элементов матрицы рассеяния для каждого из трех механизмов, использующих названные ограничения, получается набор уравнений

$⟨{\left|S_{HH}\right|}^2⟩={\left|b\right|}^2{f}_s+{\left|a\right|}^2{f}_d+f_v$

$⟨{\left|S_{HV}\right|}^2⟩=\frac{f_v}{3}$                          (4)

$⟨{\left|S_{VV}\right|}^2⟩=f_s+f_d+f_v$

$⟨S_{HH}{S}_{VV}^{*}⟩=b{f}_s+a{f}_d+\frac{f_v}{3}$

где f_s, f_d и f_v $—$ вклады поверхностного, двукратного (уголкового) и объемного рассеяния соответственно; a и b $—$ степень корреляции горизонтальной и вертикальной компонент для двукратного и поверхностного рассеяния соответственно.

Таким образом, имеются четыре уравнения с пятью неизвестными. Последнее допущение вводится для того, чтобы получить единственное решение системы: в зависимости от знака действительной части компоненты $⟨S_{HH}{S}_{VV}^{*}⟩$ доминирующим механизмом рассеяния объявляется либо поверхностное (и тогда a = −1), либо двукратное (и тогда b = 1).

Модель наилучшим образом работает в условиях, когда вклад либо поверхностного, либо двукратного переотражения невелик. Следует отметить, что второе часто имеет место для естественных покровов в L-диапазоне.

После того как найдены все неизвестные, окончательное разложение мощности P на три составляющие P_s, P_d и P_v производится по формулам

$P_s=f_s\left(1+{\left|b\right|}^2\right)$

$P_d=f_d\left(1+{\left|a\right|}^2\right)$ (5)

$P_v=\frac{8f_v}{3}=8⟨{\left|S_{HV}\right|}^2⟩$

Декомпозиция Клауда$–$Потье (Cloude, Pottier, 1997) основана на анализе собственных значений матрицы когерентности, которую получают для вектора рассеяния, записанного в базисе Паули:

$k_P=\frac{1}{\sqrt{2}}\left[\begin{array}{c}{S}_{HH}+S_{VV}\\ S_{HH}-S_{VV}\\ 2S_{HV}\end{array}\right]$            (6)

Здесь, так же, как и в разложении Фримана$–$Дурдена, предполагается выполненным условие S_HV = S_VH. Элементы матрицы когерентности [T] показывают степень коррелированности элементов вектора k_P:

 

 

               $⟨[T]⟩=\frac{1}{2}⟨\left[\begin{array}{ccc}\text{(}{S}_{HH}+S_{VV}){(S_{HH}+S_{VV})}^{*}& \text{(}{S}_{HH}+S_{VV}){(S_{HH}-S_{VV})}^{*}& \text{2(}{S}_{HH}+S_{VV})S_{HV}^{*}\\ \text{(}{S}_{HH}-S_{VV}){(S_{HH}+S_{VV})}^{*}& \text{(}{S}_{HH}-S_{VV}){(S_{HH}-S_{VV})}^{*}& \text{2(}{S}_{HH}-S_{VV})S_{HV}^{*}\\ 2S_{HV}{(S_{HH}+S_{VV})}^{*}& 2S_{HV}{(S_{HH}-S_{VV})}^{*}& \text{4}{S}_{HV}{S}_{HV}^{*}\end{array}\right]⟩$           (7)

 

 

Поскольку матрица [7] самосопряженная, то она может быть приведена к диагональному виду

$\left[T\right]=\left[U_3\right]\left[\begin{array}{ccc}{\lambda }_1& 0& 0\\ 0& {\lambda }_2& 0\\ 0& 0& {\lambda }_3\end{array}\right]\left[U_3^{*T}\right]$       (8)

где λ₁ ≥ λ₂ ≥ λ₃ $—$ собственные значения матрицы T, являющиеся действительными числами, а унитарная матрица [U3] состоит из ее собственных векторов.

В качестве доминирующего механизма рассеяния в модели принимается механизм, соответствующий собственному вектору с максимальным собственным значением λ₁, остальные два вектора описывают второй и третий по частоте встречаемости механизмы рассеяния.

Степень случайности рассеяния описывается энтропией

$H={\displaystyle \sum }_{j=1}^3-P_j{\log }_3{P}_j$     (9)

где P_j $—$ вероятность каждого из трех механизмов:

$P_j=\frac{{\lambda }_j}{{\lambda }_1+{\lambda }_2+{\lambda }_3}$     (10)

Если только одно из собственных значений матрицы когерентности отлично от нуля, то с вероятностью, равной единице, наблюдается единственный механизм рассеяния (детерминистический случай), и H = 0.

Если, с другой стороны, выделенного механизма рассеяния нет, и λ₁ = λ₂ = λ₃, то H = 1.

Однако оба этих крайних случая в реальности не встречаются, обычно наблюдается промежуточный вариант. Некоторым приближением к H = 0 можно считать случай, когда ${\lambda }_1\gg {\lambda }_2\cong {\lambda }_3$. Типичный пример $—$ брэгговское рассеяние от шероховатой поверхности. Приближением к H = 1 является рассеяние на облаке хаотически ориентированных диполей, которым моделируют кроны плотных лесов. Высокие значения энтропии указывают, как правило, на наличие растительности.

Параметр α в декомпозиции Клауда$–$Потье вычисляется как средневзвешенная величина

$\tilde{\alpha }=P_1{\alpha }_1+P_2{\alpha }_2+P_3{\alpha }_3$,    (11)

где α_j $—$ один из углов, параметризующих собственный вектор e_j:

$\left[e_j\right]=e^{i{\varphi }_j}{\left[\begin{array}{ccc}\cos {\alpha }_j& \sin {\alpha }_j\cos {\beta }_j{e}^{i{\delta }_j}& \sin {\alpha }_j\sin {\beta }_j{e}^{i{\gamma }_j}\end{array}\right]}^T$   (12)

Угол α принимает значения от 0° (соответствует механизму поверхностного рассеяния) до 90° (соответствует двойному переотражению от идеально проводящей поверхности двугранного уголка). Промежуточное значение 45° отвечает дипольному рассеянию.

В табл. 1 и на рис. 1 представлены результаты сегментации с девятью зонами, соответствующими различным механизмам рассеяния, а также схема с различными механизмами рассеяния на плоскости H-α (Cloude, Pottier, 1997).

  

Таблица 1. Схема интерпретации результатов классификации H-α

Номер зоны	Энтропия, H	Альфа, α	Механизм рассеяния
1	0.9–1.0	55–90	Высокая энтропия, двукратное рассеяние
2	0.9–1.0	40–55	Высокая энтропия, дипольное рассеяние
3	0.9–1.0	0–40	Высокая энтропия, поверхностное рассеяние
4	0.5–0.9	50–90	Средняя энтропия, двукратное рассеяние
5	0.5–0.9	40–50	Средняя энтропия, объемное рассеяние
6	0.5–0.9	0–40	Средняя энтропия, поверхностное рассеяние
7	0–0.5	47.5–90	Низкая энтропия, двукратное рассеяние
8	0–0.5	42.5–47.5	Низкая энтропия, дипольное рассеяние
9	0–0.5	0–42.5	Низкая энтропия, поверхностное рассеяние

 

Рис. 1. Расположение зон с различными механизмами рассеяния на плоскости H-α.

 

РЕЗУЛЬТАТЫ ПРИМЕНЕНИЯ ДЕКОМПОЗИЦИЙ И ИХ ОБСУЖДЕНИЕ

Применение декомпозиции Фримана$–$Дурдена. На рис. 2 показаны ортотрансформированные изображения параметров декомпозиции Фримана$–$Дурдена по поляриметрическим данным ALOS-2 PALSAR-2 за 28 ноября 2018 г. $—$ до события, связанного с оползнем, и 12 декабря 2018 г. $—$ после обрушения склона сопки. Вклады механизмов рассеяния соответствуют яркости RGB-каналов псевдоцветового синтетичес- кого изображения: двойное отражение передано красным цветом, объемное рассеяние $—$ зеленым, поверхностное $—$ синим.

Преобладание оттенков красного свидетельствует о наличии двукратного отражения, это характерно для редкого леса со стволами, толщина которых соизмерима с длиной волны, а также для обрывистых берегов и структур, имеющих вертикальные грани. Объемное рассеяние является доминирующим в отражении от совокупности ветвей крон деревьев лесного покрова, однако в лесу также присутствуют структуры с двукратным (поверхность↔ствол дерева) механизмом рассеяния. Поверхностное рассеяние (синий цвет) и зеркальное отражение от гладкой поверхности (темный тон) отмечается на водной поверхности реки Бурея в период времени до ледостава и схода оползня. Различные оттенки голубого цвета приходятся на относительно ровные участки, мелкомасштабная шероховатость которых в основном меньше длины волны. Белый цвет означает равный вклад всех трех компонент.

Рассмотрим динамику компонент разложения Фримана$–$Дурдена по следующим участкам, показанным на рис. 3:

$•$ участок 1 $—$ насыпь из оползневых масс в русле реки по состоянию на 12 декабря 2018 г;

$•$ участок 2 $—$ зона ударного воздействия водно- ледового «цунами»;

$•$ участок 3 $—$ поверхность р. Бурея (вода $—$  28 ноября 2018 г., ледовый покров $—$ 12 декабря 2018 г.);

$•$ участок 4 $—$ зона обрушения склона сопки.

 

Рис. 2. Декомпозиция Фримана–Дурдена: а — данные от 28 ноября 2018 г. (до события), б –12 декабря 2018 г. (после события).

 

Рис. 3. Схема зоны обрушения склона.

 

Особенностью данного оползня явилось то, что порядка 18 млн. м³ оползневых масс (Захарова и др., 2019) оказались в русле реки и сформировали насыпь, перегородившую ее (участок 1).

Для количественной оценки изменения отражательных характеристик в таблице 2 представлены процентные соотношения вклада каждой компоненты в обратное радарное рассеяние до и после обрушения склона сопки. Так, для контура 1, захватывающего часть береговой зоны до обрушения, характерно изменение доминирующего физического механизма обратного радарного рассеяния.

Анализ табл. 2 показывает, что до события, связанного с оползнем, т. е. 28 ноября 2018 г., в обратном рассеянии присутствует 49.7% однократного рассеяния, от «шероховатой» поверхности воды в реке и 45.1% объемного рассеяния. После обрушения, т. е. 12 декабря 2018 г., объемное рассеяние поверхностью надводной части оползня стало составлять 62.1% при 36.3% однократного рассеяния. Подобное соотношение указывает на значительную деполяризацию, что может быть связано с переотражением радиолокационного эхосигнала от нагромождения случайно ориентированных крупных и небольших камней, наряду с островками уцелевшей древесной растительности.

Горизонтально заштрихованный участок 2 соответствует фрагменту земной поверхности, которая до возникновения оползня была покрыта лесной растительностью, что согласуется с фактом объемного рассеяния (58.5%) на этом участке по данным радарной поляриметрии за 28 ноября 2018 г. После крупномасштабного обрушения части прибрежной сопки и возникновения водно-ледового «цунами» доминировавший ранее механизм объемного рассеяния уступил однократному рассеянию (60.5%). Подобное изменение доминирующего механизма рассеяния свидетельствует об изменении типа земной поверхности $—$ лесная растительность была полностью смыта волной «цунами».

Участок 3 соответствует водно-ледовому покрову на реке, для которого также были рассчитаны процентные соотношения составляющих трехкомпонентного преобразования. Для этого участка отмечается незначительное изменение поверхностного диффузного рассеяния (с 59.4% до 59.6%) при увеличении на 7% объемного механизма рассеяния (с 31.7% до 38.5%) и уменьшении на эту же величину двукратного рассеяния (с 8.9% до 1.9%). Последнее может означать переход от неоднородностей ветрового волнения водной поверхности реки 28.11.2018 г., для которых в некоторой степени характерно двукратное отражение, к случайно ориентированным линейным отражателям (обломки деревьев, растрескавшийся лед) на поверхности ледового покрова.

Участок 4 до события, связанного с оползнем, был представлен лесным покровом с соответствующим доминированием компоненты объемного рассеяния (84.1%). После схода оползня, несмотря на отсутствие деревьев, объемное рассеяние становится меньше на 13%, но остается доминирующим. По аналогии с участком 1 подобный эффект можно интерпретировать наличием хаотично ориентированных, а также случайно расположенных в пространстве рассеивателей (мелкомасштабные неоднородности рельефа, груды деревьев), действующих подобно объемным неоднородностям. Увеличение на величину более чем 13% поверхностного рассеяния означает появление после схода оползня шероховатых поверхностей с неровностями порядка длины радиоволны.

Отметим, что более наглядную дополнительную информацию в виде цветных изображений можно найти на веб странице (Оползень на р. Бурея, 2019) в слое «Поляриметрический композит».

Декомпозиция H-α. На рис. 4 показаны результаты декомпозиции механизмов рассеяния на плоскости H-α, построенные по методу Клауда$–$Потье для различных тестовых участков до и после схода оползня.

Метод Клауда$–$Потье позволяет выявлять основной механизм рассеяния, который может относиться к одному из девяти типов (см. табл. 1). Типы выделяются в соответствии со значениями параметрического угла α от 0° до 40°$–$42° соответствуют поверхностному типу рассеяния, от 40°$–$42° до 50°$–$55° $—$ дипольному рассеянию, выше 55° $—$ двукратному переотражению. Поверхностное рассеяние подразделяется на два типа, с высокой и умеренной энтропией. На местности это, как правило, отражает уровень мелкомасштабной шероховатости отражающей поверхности. Дипольное рассеяние, соответствующее в разложении Фримана$–$Дурдена объемному типу рассеяния, подразделяется на три типа (с низкой, умеренной и высокой энтропией). Аналогичным образом подразделяется на три типа по уровню энтропии механизм двукратного рассеяния.

Результаты, приведенные на рис. 4, показывают, что сход оползня в той или иной степени изменил значения энтропии Н и угла α, однако на различных участках эти изменения носят разный характер. На участках 1 и 3 после схода оползня значения Н и α стали занимать заметно более компактную область. На всех участках либо энтропия Н, либо значения α уменьшились после схода оползня, что свидетельствует о тенденции сглаживания отражающей поверхности. Проанализируем изменения на каждом участке отдельно.

Участок 1 представлял собой до оползня водную поверхность реки с небольшим участком лесистого берега, а после $—$ непосредственно поверхность оползневого грунта, перегородившего русло реки. По рис. 4 видно, что на этом участке после события, связанного со сходом оползня, произошло уменьшение значений энтропии Н с одновременным уменьшением α. Так, значения Н до оползня находились в диапазоне 0.2$–$0.95, а после его схода стали находиться в диапазоне 0.4$–$0.95, значения α соответственно были в диапазоне 15°$–$60° и после оползня приняли значение 12°$–$50°.

В соответствии с сегментацией плоскости H-α на девять зон (см. рис. 1) получаем, что до оползня параметры Н и α располагались в основном в зонах 6 и 9, характерных для поверхностного рассеяния, как и следовало ожидать для водной поверхности. Однако, часть точек находится в зонах 2, 4 и 5, характерных для многократного (объемного) рассеяния, присущего растительности. По-видимому, это можно объяснить сильным ветровым волнением водной поверхности в момент съемки, а также фрагментом противоположного оползню берега, попавшим в границы участка 1 благодаря тому, что он был засыпан сошедшим грунтом. После события участок 1 стал представлять собой поверхность оползня, сформированную грунтом и обломками каменной породы различного размера вперемешку с поваленными деревьями. Результаты декомпозиции показывают, что в этом случае брэгговское рассеяние практически исчезает, и большая часть эхосигнала приходит от крупномасштабных неровностей, которые также формируют многократное рассеяние, характерное для зон сегментации 2 и 5.

 

Таблица 2. Распределение компонент преобразования Фримана–Дурдена до (28.11.2018 г.) и после схода оползня (12.12.2018 г.)

Номер участка	28.11.2018 г.			12.12.2018 г.
	Pd,%	Pv,%	Ps,%	Pd,%	Pv,%	Ps,%
Участок 1	5.2	45.1	49.7	1.6	62.1	36.3
Участок 2	2.8	58.5	38.7	1.7	37.8	60.5
Участок 3	8.9	31.7	59.4	1.9	38.5	59.6
Участок 4	2.6	84.1	13.3	2.1	71.2	26.7

 

Рис. 4. Результаты H-α декомпозиции: до схода оползня — красный цвет и после события — синий цвет.

 

Участок 2 соответствует исходно пологому берегу с лесным покровом, который был смыт водно-ледовой волной типа «цунами». Из результатов классификации H-α следует, что рассеяние поверхностью участка 2 $—$ это поверхностное рассеяние (зоны 6 и 9) и рассеяние от растительности (зоны 5 и 2) до оползня, после оползня рассеяние носит в основном поверхностный характер с увеличением доли брэгговского рассеяния.

Участок 3 на поверхности реки свободен от влияния оползня. Различие условий радарных съемок до и после оползня заключается в том, что в день первый съемки река еще не замерзла, а во второй день установился ледовый покров. Из данных, приведенных на рис. 4, следует, что области значений Н и α на водной поверхности и ледовом покрове практически не пересекаются. В случае водной поверхности попадание в области многократного рассеяния 2, 4 и 5 говорит о вероятно высокой степени взволнованности поверхности реки в период съемки, как и для участка 1. Обратное рассеяние ледового покрова после ледостава $—$ это однократное, поверхностное рассеяние.

Участок 4 представляет собой собственно оползневый склон лесистого берега реки до схода оползневых масс, а также оползневый цирк, образовавшийся впоследствии. Следует отметить, что верхняя (правая) часть облака точек, попадающая в зоны 2 и 5, и характеризующая объемное рассеяние, практически не изменилась. Это свидетельствует о том, что после схода оползня осталось много поваленных деревьев, и присутствуют в большом количестве грунт и обломки скальной породы, которые определяют характер многократного рассеяния аналогично кронам деревьев в лесу. Из рис. 4 следует, что после схода оползня, как и следовало ожидать, увеличилась доля поверхностного рассеяния.

ЗАКЛЮЧЕНИЕ

Сравнение результатов декомпозиций Фримена$–$Дурдена и Клауда$–$Потье продемонстрировало их общее согласие, однако наблюдаются и определенные различия. Они проявляются, например, при сравнении механизмов рассеяния, на поверхности реки (участок 3). Так, величины, характеризующие механизмы рассеяния на основе преобразования Фримана$–$Дурдена до оползня (водная поверхность реки) и после (ледовый покров) достаточно близки $—$ составляющая поверхностного рассеяния практически не изменилась: была 59.4%, стала 59.6%. Объемное рассеяние занимало 51.7%, стало составлять 58.5%. Наиболее сильно изменился вклад двойного уголкового рассеяния: он уменьшился с 8.9% до 1.9%.

Анализ результатов классификации по методу Клауда$–$Потье показывает более существенные изменения механизмов рассеяния: после схода оползня заметно уменьшились как энтропия Н, так и значения угла α. Если до оползня наблюдалась достаточно заметная доля объемного (многократного рассеяния), то после оползня рассеяние стало чисто поверхностным.

В целом, проведенный анализ показывает, что методы поляриметрической декомпозиции являются эффективными и позволяют достаточно уверенно выявлять изменения механизмов рассеяния, происходящих в результате оползней и тем самым определять различные зоны, формирующиеся при сходе оползней.

ИСТОЧНИК ФИНАНСИРОВАНИЯ

Авторы признательны японскому аэрокосмическому агентству JAXA за данные радара ALOS-2 PALSAR-2, предоставленные в рамках проектов ALOS-2 RA-6 (PI 3402 и PI 3092). Работа выполнена в рамках государственных заданий ИФМ СО РАН, ИРЭ им. В.А. Котельникова РАН и НИИ «АЭРОКОСМОС».

About the authors

V. G. Bondur

Research Institute of Aerospace Monitoring Aerocosmos

Author for correspondence.
Email: vgbondur@aerocosmos.info
Russian Federation, Moscow

T. N. Chimitdorzhiev

Institute of Physical Materials Science SB RAS

Email: tchimit@gmail.com
Russian Federation, Ulan-Ude

A. V. Dmitriev

Institute of Physical Materials Science SB RAS

Email: vgbondur@aerocosmos.info
Russian Federation, Ulan-Ude

P. N. Dagurov

Institute of Physical Materials Science SB RAS

Email: vgbondur@aerocosmos.info
Russian Federation, Ulan-Ude

A. I. Zakharov

V. A. Kotelnikov Institute of Radioengineering and Electronics RAS

Email: vgbondur@aerocosmos.info
Russian Federation, Ulan-Ude

L. N. Zakharova

V. A. Kotelnikov Institute of Radioengineering and Electronics RAS, Fryazino Branch

Email: vgbondur@aerocosmos.info
Russian Federation, Fryazino

References

Supplementary files