Sentinel-1 एक स्पेस मिशन है. इसे यूरोपियन यूनियन ने फ़ंड किया है और यूरोपियन स्पेस एजेंसी (ईएसए) ने कॉपरनिकस प्रोग्राम के तहत इसे पूरा किया है. Sentinel-1, अलग-अलग पोलराइज़ेशन और रिज़ॉल्यूशन में सी-बैंड सिंथेटिक एपर्चर रडार (एसएआर) इमेज इकट्ठा करता है. रडार डेटा को कैलिब्रेट और ऑर्थोरेक्टिफ़ाई की गई इमेज में बदलने के लिए, कई खास एल्गोरिदम की ज़रूरत होती है. इसलिए, इस दस्तावेज़ में Earth Engine में Sentinel-1 डेटा की प्री-प्रोसेसिंग के बारे में बताया गया है.
Sentinel-1 का डेटा, कई अलग-अलग इंस्ट्रुमेंट कॉन्फ़िगरेशन, रिज़ॉल्यूशन, और बैंड कॉम्बिनेशन के साथ इकट्ठा किया जाता है. यह डेटा, ऊपर और नीचे की ओर जाने वाली कक्षाओं के दौरान इकट्ठा किया जाता है. इस विविधता की वजह से, डेटा को प्रोसेस करने से पहले, आम तौर पर उसे एक जैसे सबसेट में फ़िल्टर करना ज़रूरी होता है. इस प्रोसेस के बारे में यहां मेटाडेटा और फ़िल्टर करना सेक्शन में बताया गया है.
मेटाडेटा और फ़िल्टर करना
Sentinel-1 डेटा का एक जैसा सबसेट बनाने के लिए, आम तौर पर मेटाडेटा प्रॉपर्टी का इस्तेमाल करके कलेक्शन को फ़िल्टर करना ज़रूरी होगा. फ़िल्टर करने के लिए इस्तेमाल किए जाने वाले सामान्य मेटाडेटा फ़ील्ड में ये प्रॉपर्टी शामिल होती हैं:
transmitterReceiverPolarisation: ['VV'], ['HH'], ['VV', 'VH'] या ['HH', 'HV']instrumentMode: 'IW' (इंटरफ़ेरोमेट्रिक वाइड स्वॉथ), 'EW' (एक्स्ट्रा वाइड स्वॉथ) या 'SM' (स्ट्रिप मैप). ज़्यादा जानकारी के लिए, यह रेफ़रंस देखें.orbitProperties_pass: 'ASCENDING' या 'DESCENDING'resolution_meters: 10, 25 या 40resolution: 'M' (मीडियम) या 'H' (ज़्यादा). ज़्यादा जानकारी के लिए, यह रेफ़रंस देखें.
यहां दिया गया कोड, Sentinel-1 कलेक्शन को transmitterReceiverPolarisation, instrumentMode, और orbitProperties_pass प्रॉपर्टी के हिसाब से फ़िल्टर करता है. इसके बाद, मैप में दिखाए गए कई ऑब्ज़र्वेशन कॉम्बिनेशन के लिए कंपोज़िट का हिसाब लगाता है. इससे यह पता चलता है कि इन विशेषताओं का डेटा पर क्या असर पड़ता है.
कोड एडिटर (JavaScript)
// Load the Sentinel-1 ImageCollection, filter to Jun-Sep 2020 observations. var sentinel1 = ee.ImageCollection('COPERNICUS/S1_GRD') .filterDate('2020-06-01', '2020-10-01'); // Filter the Sentinel-1 collection by metadata properties. var vvVhIw = sentinel1 // Filter to get images with VV and VH dual polarization. .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV')) .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VH')) // Filter to get images collected in interferometric wide swath mode. .filter(ee.Filter.eq('instrumentMode', 'IW')); // Separate ascending and descending orbit images into distinct collections. var vvVhIwAsc = vvVhIw.filter( ee.Filter.eq('orbitProperties_pass', 'ASCENDING')); var vvVhIwDesc = vvVhIw.filter( ee.Filter.eq('orbitProperties_pass', 'DESCENDING')); // Calculate temporal means for various observations to use for visualization. // Mean VH ascending. var vhIwAscMean = vvVhIwAsc.select('VH').mean(); // Mean VH descending. var vhIwDescMean = vvVhIwDesc.select('VH').mean(); // Mean VV for combined ascending and descending image collections. var vvIwAscDescMean = vvVhIwAsc.merge(vvVhIwDesc).select('VV').mean(); // Mean VH for combined ascending and descending image collections. var vhIwAscDescMean = vvVhIwAsc.merge(vvVhIwDesc).select('VH').mean(); // Display the temporal means for various observations, compare them. Map.addLayer(vvIwAscDescMean, {min: -12, max: -4}, 'vvIwAscDescMean'); Map.addLayer(vhIwAscDescMean, {min: -18, max: -10}, 'vhIwAscDescMean'); Map.addLayer(vhIwAscMean, {min: -18, max: -10}, 'vhIwAscMean'); Map.addLayer(vhIwDescMean, {min: -18, max: -10}, 'vhIwDescMean'); Map.setCenter(-73.8719, 4.512, 9); // Bogota, Colombia
import ee import geemap.core as geemap
Colab (Python)
# Load the Sentinel-1 ImageCollection, filter to Jun-Sep 2020 observations. sentinel_1 = ee.ImageCollection('COPERNICUS/S1_GRD').filterDate( '2020-06-01', '2020-10-01' ) # Filter the Sentinel-1 collection by metadata properties. vv_vh_iw = ( sentinel_1.filter( # Filter to get images with VV and VH dual polarization. ee.Filter.listContains('transmitterReceiverPolarisation', 'VV') ) .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VH')) .filter( # Filter to get images collected in interferometric wide swath mode. ee.Filter.eq('instrumentMode', 'IW') ) ) # Separate ascending and descending orbit images into distinct collections. vv_vh_iw_asc = vv_vh_iw.filter( ee.Filter.eq('orbitProperties_pass', 'ASCENDING') ) vv_vh_iw_desc = vv_vh_iw.filter( ee.Filter.eq('orbitProperties_pass', 'DESCENDING') ) # Calculate temporal means for various observations to use for visualization. # Mean VH ascending. vh_iw_asc_mean = vv_vh_iw_asc.select('VH').mean() # Mean VH descending. vh_iw_desc_mean = vv_vh_iw_desc.select('VH').mean() # Mean VV for combined ascending and descending image collections. vv_iw_asc_desc_mean = vv_vh_iw_asc.merge(vv_vh_iw_desc).select('VV').mean() # Mean VH for combined ascending and descending image collections. vh_iw_asc_desc_mean = vv_vh_iw_asc.merge(vv_vh_iw_desc).select('VH').mean() # Display the temporal means for various observations, compare them. m = geemap.Map() m.add_layer(vv_iw_asc_desc_mean, {'min': -12, 'max': -4}, 'vv_iw_asc_desc_mean') m.add_layer( vh_iw_asc_desc_mean, {'min': -18, 'max': -10}, 'vh_iw_asc_desc_mean' ) m.add_layer(vh_iw_asc_mean, {'min': -18, 'max': -10}, 'vh_iw_asc_mean') m.add_layer(vh_iw_desc_mean, {'min': -18, 'max': -10}, 'vh_iw_desc_mean') m.set_center(-73.8719, 4.512, 9) # Bogota, Colombia m
Sentinel-1 की प्रीप्रोसेसिंग
Earth Engine 'COPERNICUS/S1_GRD' Sentinel-1
ImageCollection में मौजूद इमेज में, लेवल-1 ग्राउंड रेंज डिटेक्टेड
(जीआरडी) सीन शामिल हैं. इन्हें डेसिबल (dB) में बैकस्कैटर कोएफ़िशिएंट (σ°) में प्रोसेस किया जाता है. बैकस्कैटर कोएफ़िशिएंट, हर यूनिट ग्राउंड एरिया के हिसाब से टारगेट बैकस्कैटरिंग एरिया (रडार क्रॉस-सेक्शन) को दिखाता है. यह कई ऑर्डर के हिसाब से अलग-अलग हो सकता है. इसलिए, इसे 10*log10σ° के तौर पर dB में बदला जाता है. इससे यह पता चलता है कि रेडिएटेड इलाका, इंसिडेंट माइक्रोवेव रेडिएशन को एसएआर सेंसर dB < 0) से दूर या एसएआर सेंसर dB > 0) की ओर बिखेरता है या नहीं. बिखरने का यह व्यवहार, इलाके की भौतिक विशेषताओं पर निर्भर करता है. मुख्य रूप से, इलाके के एलिमेंट की ज्यामिति और उनकी इलेक्ट्रोमैग्नेटिक विशेषताओं पर.
Earth Engine, हर पिक्सल में बैकस्कैटर गुणांक का पता लगाने के लिए, प्रीप्रोसेसिंग के ये चरण इस्तेमाल करता है. इन्हें Sentinel-1 टूलबॉक्स ने लागू किया है:
- ऑर्बिट फ़ाइल लागू करें
- यह अपडेट की गई ऑर्बिट फ़ाइल (या सटीक ऑर्बिट फ़ाइल, अगर अपडेट की गई फ़ाइल उपलब्ध नहीं है) की मदद से, ऑर्बिट मेटाडेटा को अपडेट करता है.
- जीआरडी बॉर्डर नॉइज़ रिमूवल
- यह सीन के किनारों पर मौजूद कम इंटेंसिटी वाले शोर और अमान्य डेटा को हटाता है. (12 जनवरी, 2018 तक का डेटा)
- थर्मल नॉइज़ को हटाना
- यह सब-स्वॉथ में मौजूद अतिरिक्त शोर को हटाता है, ताकि मल्टी-स्वॉथ एक्विज़िशन मोड में सीन के लिए सब-स्वॉथ के बीच की रुकावटों को कम किया जा सके. (यह कार्रवाई, जुलाई 2015 से पहले बनाई गई इमेज पर लागू नहीं की जा सकती)
- रेडियोमेट्रिक कैलिब्रेशन वैल्यू का इस्तेमाल
- यह GRD मेटाडेटा में सेंसर कैलिब्रेशन पैरामीटर का इस्तेमाल करके, बैकस्कैटर इंटेंसिटी की गणना करता है.
- इलाके के हिसाब से सुधार करना (ऑर्थोरेक्टिफ़िकेशन)
- यह डेटा को ग्राउंड रेंज ज्यामिति से σ° में बदलता है. ग्राउंड रेंज ज्यामिति में इलाके को ध्यान में नहीं रखा जाता. इसके लिए, SRTM 30 मीटर DEM या ज़्यादा अक्षांश (60° से ज़्यादा या -60° से कम) के लिए ASTER DEM का इस्तेमाल किया जाता है.
डेटासेट के बारे में नोट
- पहाड़ों की ढलानों पर आर्टफ़ैक्ट की वजह से, रेडियोमेट्रिक टेरेन फ़्लैटनिंग लागू नहीं की जा रही है.
- बिना यूनिट वाले बैकस्कैटर कोएफ़िशिएंट को dB में बदला जाता है, जैसा कि ऊपर बताया गया है.
- फ़िलहाल, Sentinel-1 SLC डेटा को शामिल नहीं किया जा सकता. इसकी वजह यह है कि Earth Engine, जटिल वैल्यू वाली इमेज के साथ काम नहीं करता. ऐसा इसलिए होता है, क्योंकि पिरामिडिंग के दौरान, फ़ेज़ की जानकारी को खोए बिना उनका औसत नहीं निकाला जा सकता.
- GRD एसएम ऐसेट को शामिल नहीं किया गया है, क्योंकि S1 टूलबॉक्स में बॉर्डर नॉइज़ हटाने की प्रोसेस में
computeNoiseScalingFactor()फ़ंक्शन, एसएम मोड के साथ काम नहीं करता.