ALOS‐2/PALSAR‐2 - Exelis VIS Japan

ALOS‐2/PALSAR‐2による地球環境監視の
高精度化について
島田政信
東京電機大学理工学部建築・都市環境学系
[email protected]
２０１６年７月７日
御茶ノ水ソラシティカンファレンスセンター
2016SAR Conference, Harris
目次
１.SARの発展とL-band SAR
•
•
アンビギュイティの減少
観測幅の維持
２.森林監視
（森林分類、森林・非森林：全球森林監視）
•
•
地球温暖化に関連して（GFOI）
即時森林監視（ScanSAR利用）
３. インターフェロメトリー
•
•
災害監視（熊本地震）
ATI（アロングトラック干渉）
４.結論
1. SARの発展とL-band SAR
合成開口レーダの開発と方向性
1950s
First SAR
1978
Seasat(L)
Apollo
1980~90
SIR‐A,B,C(L/C/X)
ERS‐1(C)
JERS‐1(L)
Radarsat(C)
概念の検証
Experimental
operation and R&D
項目
周波数
観測対象物？
観測幅／分解能／頻度機器の実現性？
2000
ALOS(L)
ENVISAT(C)
CSK(X)
TSX(X)
TDX(X)
R2(C)
実運用
2010−20
ALOS‐2(L)
SENTINEL(C)
BIOMASS(P)
NISAR(L/S)
SAOCOM(L)
ALOS‐2 F(L)
• 高精度
• 高頻度(広観測
幅）
• 運用
SARの初画像は１９５０年代に登場した。ミシガン大学のSAR, Michigan University SAR (Above),
南米コロンビア、常に曇っている場所の画像取得と古代文明の研究, World first SAR image was
acquired in 1950s by US airplane for ancient city research Colombia (Below).
First successful focussed airborne synthetic aperture radar image, Willow Run Airport and vicinity, August 1957. Image courtesy University of Michigan.
衛星搭載用SARで取得した初の干渉SAR、デスバレー、アメリカ
Ffirst SAR interferometry at Death Valley, CA, USA, 1978.
Frequency Dependence
Invisible
on the forest visibility
Visible
Rain
SAR data of Rondonia (difference in frequency by SIR-C of 1994)
Frequency Allocation and radar backscatter from the target
Frequency allocation is controlled by ITU
P-band
L-band
S-band
C-band
X-band
Ku-band
1215 1300
BIOMAS JERS1/ALOS/ALOS-2
ERS1/ENVISAT/S
ENTINEL
TSX, CSK, TDX
Signal Penetration
X: a little
C: a little
S: some
L: Some
P:lot ブラジルロンドニア地方の森林の変化
(Forest cover change in Rondonia, Brazil)
2009年 (ALOS/PALSAR)
13年
1996年 (JERS-1/SAR)
L-band SARと他周波数のSARとの違い
波長が長い（２４cm）
信号の透過性（植生）
良好な干渉性（地殻変動）
森林構造
森林（非森林）
JERS‐1/SAR (1992‐1998)
ALOS/PALSAR(2006‐2011)
L‐band SAR
Pi‐SAR‐L(1998~2011)
Pi‐SAR‐L2(2012~)
ALOS‐2(2014/5~)
Block diagram of PALSAR‐2
Command and Telemetry
from / to satellite
SC
Mission data
to satellite
EX
TX
DP
RX
EX: Exciter
ELURX: Receiver
SC: Signal Processor
DP: Data Processor
Mode
Transmit
receive
SB/UB(84
MHz)
60%
aperture
full
HB, FB,
WB, VB
Full
aperture
full
TX: Transmitter
IF
UNI
T
TRM
TRM
ANT
60 % aperture
Full Aperture
Imaging and calibration flow (i.e., Range Doppler)
UD+APC
I+jQ
SB
UB Fr-Rx
Amp.
HB
equalization
WB Br-Rx
VB
RC
RC
Recon
st filter
I+jQ
AC(Specan
for WB and
VB)+Migrati
on+Elevatio
n-Antenna
correction
SLC
Output 1.5
2.1
I+jQ
FB
Rx
RC
PolCal
(HBQ)
AGC for SB,UB, HB, FB
MGC for WB&VB
Chirp
eval.
Phase
determ.
R-cal
RC:Range compression
Fr:Forward Receiver
Br:Backwar receiver
G-Cal
Antenna Elev
Antenna azimuth
UB HH image
2014/6/19
伊豆大島
Comparison with the interpolation and reconstruction filter
Less ambiguity
Ambiguity
RF(HH)
RF(HV)
Resampling(HH)
ScanSAR results
Interpolation
Ambiguity
Filtering method
Effect of UD+APC: Ocean images south of Tokyo
67km
Effect of UD+APC:
Near Range 2000 pixels(~4Km)
Farest 2000 pixels
(~4Km)
まとめ
• ２受信機＋UD+Azimuth phase codingは画質の向
上に貢献した。
• 軌道の保持は地殻変動の検出に貢献
2. 森林監視（森林分類、
森林・非森林：全球森林監視）
• 地球温暖化に関連して（GFOI）
• 即時森林監視（ScanSAR利用）
化石燃料の使用増加と地球温暖化
400ppm
CO2
World Green House Gas Emission
from the Land
Freon 1%
CO 8%
Methane 14%
Deforestation
9Conversion of agricultural land
Deforestation
9Illegal Logging
9Forest Fire
17%
Industries
Fossil Fuel
CO2 57%
CO2
Others CO2 3%
（
Intergovermental Panel on
Climate Change, 2004）
Transportation
陸域における森林の分布
First 25m PALSAR/PALSAR-2 Global FNF (as of Dec. 2015)
森林・非森林図
森林面積：４０００万km2、陸域面積の３０〜３１％、森林（自然林）が減少の傾向にある。
森林減少国
FAOより
東南アジアの伐採地
（森林→オイルパーム）
世界的な食料やバイオ燃料等の需要増加により、東南アジアでは森林を伐採し
てアブラヤシのプランテーションへ、アマゾンでは森林をサトウキビ農園や牧
場へ転換する土地利用の転換が増加しています。
森林減少によるCO2の増加と主要２国の対応
2001
ブラジルは森林保全が進んでいる
が、インドネシアは森林減少が増大
する。
2016
COP21による抑制（２）
COP21による抑制（３）
背景
•
•
•
•
陸域炭素排出量は人間活動に依存している。
森林減少は陸域GHGの１３％を占めている。
REDD+の元で、森林炭素量の推定が求められる（MRV)。
森林・非森林は森林プロダウトの中では人工衛星データと地上
データの活用の中で求まる容易なもの。
• 高分解能センサーデータとして、光学センサとSARがあるが、
この中で、（ALOS/PALSAR）は世界初で４年分の森林マップを
作成した。
• ALOS‐2/PALSAR‐2 は２０１４年に打ち上げられ、２０１４年以
降に初めて森林画像が作成された。
• 国際機関の協調の中で、各種衛星データが森林監視に使用され
始めている。（COP21、REDD+, GFOI‐FCPF）
全天候性のSAR画像（オルソ補正＋勾配補正）は土地利用の変化
抽出に効果大：Effectiveness of time‐series, slope‐correction and ortho‐rectification for change monitoring
R:2007, G:2009:B:2010
R:2007, G:2009:B:2010
PALSAR 25m Mosaic 2007, Forest/Non‐Forest Map
• FNF map was generated by the region dependent threshold method shows the good agreement of 87.5~95% with the ground truth data and FRA.
• Forest is estimated as 38,000,000km2 and decreasing as timely.
• PALSAR : 2006‐2011 terminated.
後方散乱係数の経年変化：Annual Change of the gamma-naught (Global
Forest and Amazon Forest：２００７−２０１０)
後方散乱係数は常に減少傾向
H-1
0
H-2
‐5
‐10
‐15
Forest ‐ HH
Non‐Forest ‐ HH
‐20
‐25
‐30
Red: 2007
Blue: 2008
Green: 2009
Yellow: 2010
HH
Forest is stable, and Non‐forest is unstable
HV has larger difference of gamma‐zero at forest and non‐forest
07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10
0
Sumatra
New
Guinea
Borneo
Forest ‐ HV
Non‐Forest ‐ HV
‐5
Malaysia Philippines East Asia
Japan
India
Europe
/Russia
Australia
Amazon
Chile
Africa
North
America
Central
America
‐10
‐15
‐20
‐25
‐30
Red: 2007
Blue: 2008
Green: 2009
Yellow: 2010
HV
07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10 07 08 09 10
Sumatra
New
Guinea
Borneo
Malaysia Philippines East Asia
Japan
India
Europe
/Russia
Australia
Amazon
Chile
Africa
North
America
Central
America
Summary‐ ALOS/PALSAR(2007‐2010)
•
The PALSAR remained stable (within 0.065dB) over its lifetime (from 2006 to 2010)
so changes in HV g0 over time could be attributed to changes in the land cover.
•
For forest areas, g0 remained stable at both HH and HV, with annual averages of the
standard deviation being 0.21 ±0.18dB and 0.21±0.19dB respectively.
•
The thresholds for HH and HV g0 for separating forest and non-forest were regionally
variable, being −6.89±0.95dB in HH and -12.07±1.52dB in HV.
•
In comparison to the DCP, GEI and FRA 2005/2010, accuracies of 84.86%, 91.25％,
and 94.81％ were obtained in the mapping of forest and non-forest at a global level
with regional variations.
•
Based on these estimates, the decrease in forest cover between 2007 and 2010 was
1.620 million ha (-0.042%), with the FRA estimating a decrease of 27.903 million ha
(-0.687%; based on FRA2010 and FRA2005).
•
g0 decreased by 0.040dB yr-1 in HH and 0.028dB yr-1 in HV globally and regionally,
with this potentially related to decreases in forest area and AGB and a smoothing of
the non-forest area (e.g., as a consequence of agricultural management leading to
improvement of cleared areas).
First 25m PALSAR/PALSAR-2 Global Mosaic as of Dec. 2015.
•
•
•
Coverage ratio of PALSAR‐2 at 2014 and 2015 is 97.65%, and 2.35% is ionosphere affected and replaced by PALSAR (2010).
Slope‐corrected and ortho‐rectified 25 m spaced PALSAR‐2 data.
Although Eurasia is affected by the snow cover (dark stripes), other areas are normal.
First 25m PALSAR/PALSAR-2 Global FNFas of Dec. 2015.
25m PALSAR/PALSAR-2 Mosaic
0
PALSAR-2 2015
30km
PALSAR 2010
South America
(Brazil)
FNF change 2015-2010
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
25m PALSAR/PALSAR-2 Mosaic
0
PALSAR-2 2015
10km
PALSAR 2010
South America
(Brazil)
FNF change 2015-2010
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
25m PALSAR/PALSAR-2 Mosaic
0
5km
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
PALSAR-2 2015
PALSAR 2010
South America
(Brazil)
FNF change 2015-2010
25m PALSAR/PALSAR-2 Mosaic
0
30km
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
PALSAR-2 2015
PALSAR 2010
South America
(Paraguay)
FNF change 2015-2010
25m PALSAR/PALSAR-2 Mosaic
0
PALSAR-2 2015
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
10km
PALSAR 2010
South America
(Paraguay)
FNF change 2015-2010
25m PALSAR/PALSAR-2 Mosaic
Indonesia
PALSAR-2 2015
PALSAR 2010
25m PALSAR/PALSAR-2 Mosaic
0
30km
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
PALSAR-2 2015
PALSAR 2010
Indonesia
(Kalimantan)
FNF change 2015-2010
25m PALSAR/PALSAR-2 Mosaic
0
PALSAR-2 2015
5km
PALSAR 2010
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
Indonesia
(Kalimantan)
FNF change 2015-2010
25m PALSAR/PALSAR-2 Mosaic
0
5km
PALSAR-2 2015
PALSAR 2010
●: Forest
●: Non-Forest
●: Deforestation
●: Reforestation
Indonesia
(Kalimantan)
FNF change 2015-2010
Forest area change 2007-2010-2015 at several
countries
Area
Indonesia
South America
Africa
Brazil
Colombia
Peru
Venezuela
Ecuador
Indonesia
Papua New Guinea
Malaysia
Congo (Kinshasa)
Mozambique
Tanzania
Central African Republic
Congo (Brazzaville)
Gabon
Cameroon
Nigeria
Europe
North and Central America
Asia
Oceania
Total
Change(2010-2015)
PALSAR/PALSAR-2
FRA
(2010-2015)
(2010-2015)
[1000ha]
[1000ha]
-8,108
-3,422
-21,163
-10,115
-53,854
-14,179
-535
-4,920
-4,550
-134
-1,611
-838
-4,035
-822
-678
-394
-8,108
-3,422
792
-14
614
71
-2,619
-1,557
-2,603
-1,032
-1,445
-1,860
-1,261
-78
-111
-77
5
1,000
-562
-1,100
-9,741
-2,048
-221,822
1,901
-64,519
374
-113,357
3,956
-77,459
1,522
-552,174
-16,539
Most of the area shows forest decreases.
Change(2007/2005-2015)
PALSAR/PALSAR-2
FRA
(2007-2015)
(2005-2015)
[1000ha]
[1000ha]
-4,029
-6,847
-17,871
-40,277
-35,867
-67,360
-2,445
-36,956
-3,063
-2,502
-1,471
5,231
-3,556
-1,030
-708
1,695
-4,029
-6,847
-59
4,122
-1,275
1,305
-1,294
-3,114
-2,308
-2,139
-1,949
10,615
1,082
-585
-316
-137
2
1,000
173
-2,200
-9,622
-4,096
-233,405
14,364
-80,976
45,350
-99,794
9,313
-85,881
-23,221
-553,795
-61,832
Forest area change 2007-2010-2015 at several
countries (%).
Annual Change Rate(%:2007-2010)
Area
Indonesia
South America
Africa
Brazil
Colombia
Peru
Venezuela
Ecuador
Indonesia
Papua New Guinea
Malaysia
Congo (Kinshasa)
Mozambique
Tanzania
Central African Republic
Congo (Brazzaville)
Gabon
Cameroon
Nigeria
Europe
North and Central America
Annual Change Rate(%:2010-2015)
PALSAR/PALSAR-2
(2007-2015)
FRA(2005-2015)
PALSAR/PALSAR2(2010-2015)
FRA(2010-2015)
-0.49
-0.28
-0.69
-0.07
-0.49
-0.24
-0.78
-0.51
-0.49
-0.02
-0.89
-0.10
-1.07
-0.90
0.26
-0.16
0.00
0.06
-4.25
-3.12
-1.49
-0.91
-0.60
-1.32
-0.93
-0.53
0.87
-0.27
1.64
-0.91
1.53
0.74
-0.25
-0.69
2.77
-0.33
-0.08
0.57
-1.38
-5.66
0.18
0.76
-1.63
-0.52
-1.69
-0.02
-1.19
-0.42
-1.43
-0.78
-1.63
0.50
0.62
-0.31
-1.95
-1.05
-0.50
-0.09
0.00
-0.31
-6.91
-4.69
-1.85
-0.70
-0.23
-0.41
-0.19
-0.04
-0.24
-0.34
-0.73
-0.70
-0.01
0.07
-0.20
-0.51
-1.05
-0.07
-0.07
0.91
-1.05
-3.69
0.04
0.01
Forest Change in Borneo
2010
ALOS
Forest change
2010-2015
Forest
Deforestation
Non-forest
2015
ALOS-2
2010: 34929.8[1000ha]
2015: 32010.4[1000ha]
‐8.36%/5 years
‐1.67%/year
サマリー
• 森林の後方散乱係数から森林・非森林の抽出が可能。
• PALSAR‐2 全球モザイクと森林・非森林(FNF)
（2014/2015）の完成
• PALSAR‐2 FNF (2015) とFRA2015は良く一致
• PALSAR/PALSAR‐2 のFNF(2007‐2015)は熱帯域の森林減少
を確認
• 今後、FNFの精度向上のために詳細な空間〜時間特性
を把握
• L‐band SAR global data (2007‐2015) は利用可能
• FNFは年１回のペースで作成、公開
•
Masanobu Shimada, Takuya Itoh, Takeshi Motooka, Manabu Watanabe, Shiraishi Tomohiro, Rajesh Thapa, and Richard Lucas, “New Global Forest/Non‐forest Maps from ALOS PALSAR Data (2007‐2010),” Remote Sensing of Environment, DOI=10.1016/j.rse.2014.04.014.
即時森林監視システムの構築
• JICA-JAXA-TDU-RESTEC
• ScanSAR時系列データによる森林監視
（ HV使用）
• 情報公開による森林減少の抑制
Quick Deforestation Detection using ALOS-2
JICA-JAXA-電大-RESTEC
Deforestation Detection System
ALOS-2
ScanSAR
Time series SAR
Process
-Imaging(ScanSARHH/HV, Specan)
-Ortho rectification
-Slope correction
-Mosaicking
Field survey and validation
Deforestation
detection
-Segmentation
-Time series Analysis
-Forest Non Forest
-Automatic process
-Threshold analysis
Detect
deforestation
area(polygon)
Data distribution site
FNF‐Time Data(downloadable)
Feedback: in‐situ data
End user
(Government Agency)
Data distribution site(Tentative)
①
2015
9
8 ～
2015
10
23
②
③
Sep.11/2015
Oct.10/2015
① Select date
Browsed image
Polygon download
> Display forest change area as red dot
② Select area(dot)
> Display extended images
③Browse before and after of deforestation and download polygon data
高頻度観測：伐採検出例（HV）
場所：コロンビア森林違法伐採ホットスポット
Apr. 10, 2013
（Google Earth）
Jul. 23, 2015
Jan. 7, 2016
Feb. 18, 2016
Oct. 15, 2015
42 days
84
days
42
days
Nov. 26, 2015
Mar. 31, 2016
42
days
42 days
May 12, 2016
42 days
高頻度観測：伐採域検出例（HV）
場所：ブラジル（マナウス近郊）
Apr. 10, 2013
（Google Earth）
May 11, 2015
Mar. 30, 2015
Jul. 20, 2015
Oct. 12, 2015
Aug. 31, 2015
42
days
42 days
42
days
42
days
Jun. 22, 2015
42
days
28 days
Nov. 23, 2015
42 days
高頻度観測：伐採域検出例(HV)
場所：ブラジル（マナウス近郊）
Apr. 10, 2013
（Google Earth）
May 11, 2015
Mar. 30, 2015
Jul. 20, 2015
Oct. 12, 2015
Aug. 31, 2015
42
days
42 days
42
days
42
days
Jun. 22, 2015
42
days
28 days
Nov. 23, 2015
42 days
サマリー
• Raw data → GFOIに提供
• 森林減少情報→ウェブ公開（対象国数多数）
• 状況：
– 機関間の締結が進行中
– 一部：２０１７年から試行
3. インターフェロメトリー
• 熊本地震
• ATI
熊本地震（２０１６）
• 前震（２０１６年４月１４日：M6.4）、本震（２０１６
年４月１６日:M7.3）
• 九州、熊本〜大分で発生
• 直後からALOS-2で観測
– UB/Scan
• DinSARによる地殻変動抽出
– 現地調査
– 地滑り
UBによる観測事例（１年６ヶ月間隔）
20160415
20141114
UBによる観測事例（４２日間隔）
ScanSARによる観測事例（３ヶ月間隔）
生
阿蘇における断層沿いに発
した陥没とそれによる被害
田
調査：平成28年5月8日東京電機大学安
②
③
④
⑤
⑥
①
進・石川敬祐
電大観測班の現地調査：大規模な地盤変化箇所の調査
地点1（２）
32.978210°
131.050773°
地点2（３）
32.969612°
131.045734°
地点3（４）
32.956332°
131.036932°
地点4（６）
32.929120°
131.002145°
電大観測班の現地調査：大規模な地盤変化箇所の調査
2
3
4
5
6
電大観測班の現地調査：大規模な地盤変化箇所の調査
2
3
4
5
6
○内の位
相は大き
く変動
現地調査
でもいず
れも大き
く地盤が
変動。
②
②
写真：東京電機大：安田進先生、石田敬祐先生
②
②
③
③
写真：東京電機大：安田進先生、石田敬祐先生
③
③
③
⑤
写真：東京電機大：安田進先生、石田敬祐先生
④
⑤
⑤
⑤
⑤
⑤
写真：東京電機大：安田進先生、石田敬祐先生
⑤
⑥
写真：東京電機大：安田進先生、石田敬祐先生
⑥
⑥
⑥
写真：東京電機大：安田進先生、石田敬祐先生
⑥
阿蘇大橋近辺の地滑り（オルソ投影図）
阿蘇大橋近辺の変化（スラントレンジ）
東
阿蘇大橋付近の２時期画像（前（赤）、後（シアン））
東
地滑り面の発現
橋が消失
サマリー
• 地盤の変化
– 干渉性良好で、地層の変化、断層面を捉える。
– ScanSARは良好に干渉し、大局的な干渉を把
握。
– 大きすぎる変動に対しては分解能が不十分で、
変化を追いきれない。
• 地滑りの抽出：
– 干渉SARは全体に干渉性が低く使用困難。
– 振幅画像が有効、HVがなく、検出が困難。
– オルソ画像はレイオーバーのため判読が困難
3. Along Track Interferometry (ATI)による
移動体検出について
Along Track Interferometry (ATI) and Moving
Target Identification
• 移動体検出
• 実験モード（事例は少ない）
PALSAR-2 mode and specifications
（モードと仕様値）
Mode
Bandwidth
Resolution
Swath
Polarization
NESZ
Rg
S/A
Az
REC
DC
High
Fine
Spotlight Ultra Fine
Sensitive
(FB)
(SB)
(UB)
(HB)
84MHz
84MHz
42MHz
28MHz
Rg×Az：
3m
6m
10m
3×1m
Rg×Az：
50km
50km
70km
25×25km
SP
SP/DP
SP/DP/FP/CP
-24dB
-24dB
-28dB
-26dB
25dB
25dB
23dB
25dB
20dB
25dB
20dB
23dB
D
D
D
S
B4
DB4||DB2 B4||DB4
B4||DB4
ScanSAR
ScanSAR
Nominal
Wide
(WB)
(VB)
14MHz 28MHz
14MHz
100m(3 looks)
60m(1.5 looks)
350km
5scan
SP/DP
-26dB -23dB
25dB
20dB
D
B4
490km
7scan
-23dB
20dB
20dB
D
B4
SP : HH or VV or HV , DP : HH+HV or VV+VH , FP : HH+HV+VH+VV , CP : Compact pol (Experimental mode)
REC: Number of receivers（受信機数：Dual, S: Single), DC: Data Compression, DB4:DS-BAQ4,B4:BAQ4
Spotlight (S):
Ultra Fine(U):
High sensitive(H):
Fine(F):
ScanSAR nominal(W):
ScanSAR wide(V):
Detail observation of damaged area
High Resolution (Japan area baseline)
Flood / Coast monitoring
Global observation (deformation/forest)
ScanSAR InSAR (28MHz)
Ice monitoring, Ship detection
SAR 観測と移動体
Non-Zero velocity
T: Slow time
k ⎞⎫
⎧
⎛
exp ⎨2π j ⎜ f0 t + t 2 ⎟ ⎬
⎝
2 ⎠⎭
⎩
V: Satellite speed
Antenna Length L
R0
V 2T 2
R(T ) = R0 +
2R0
ドップラー周波数が変移
位置の変化
ドップラー周波数変化率の変化
C
2BW
焦点ボケ＋位置の変化
2
Δfd = − VT sin θ
λ
Δfd
ΔD = Vg
fdd
x
L
2
アジマスシフトΔD
Cell
ATI 3方式
Standard
PALSAR-2
Ping-pong
Doubel baseline
Along Track Interferometryによる速度計測と分解能
ATI coherence
Uo =
λ
B
ΔU =
Unambiguous velocity
Vg
λ
12 ⋅ B
Vg
Resolution of the velocity
PALSAR-2 移動速度検出の感度比較（Classical modeとATI）
• 映像化と位置移動
– fdd=-600hz/s,アジマス検出位置精度：１(10)m
– Dfd=0.089(0.89)Hz,du=0.1(1)m/s
– 非常に高い速度検出精度（ただし、本来の位置がわ
かっている場合）
• ATIと移動速度検出
–
–
–
–
B=5m, l=24cm, Vg=6700m
U0=321m/s(340m/s:音速）
Du0=26.8m(時速９６km：車程度）
低速移動体に対する感度は高くない。
ATI処理一覧
No.
観測日
address
場所
対象物
効果
１
20141221
40000(U)
キーウェスト＋フロリダ
州
高速道路＋船舶
X
２
20140704
10000(U)
カリフォルニア州
航空機＋穀物地帯
O
３
20140718
70000(U175)
Ocean
X
４
20151024
1000
Lopango湖
５
20151024
1000
Chaophraya川
沿岸
△
６
20151019
1000
イグアズの滝
滝の位相
X
７
20151013
1000
米国
空港（３３／−８４）
X
X
California, Sacrament,aircraft(?)
amp
25km
corr
California, Sacrament,aircraft(?)
-2P
2P
California, Sacrament,aircraft(?)
-2P
2P
U=0.24/5*6700*(194-128)/255
= 83m/s
U/sin35=144m/s=520km/hr
Dfd=691Hz
D=691/600*6700=7700m(shift)
時速５２０kmの航空機か→東に飛行中
Keywest, Florida
Amp
Keywest, Florida
corr
phase
amp
Keywest, Florida
corr
Keywest, Florida
SAR 画像
ATI船舶（拡大図：位相差）
サマリー
• PALSAR-2のATI観測データを処理し、移
動体の検出について評価を行った。
• PALSAR-2では、移動体速度の検出精度が
あまり高くないが、一例として大型航空
機と思われる対象物を検出できた。
• 海洋を移動する船舶の速度は遅く、検出
は困難であった。船舶のWakeとの移動距
離から、抽出する速度の方が精度が高い。
4. 結論
• L-band SARは、植生に対する信号投下能
力が優れており、植生の大場所の干渉能
力が優れる。
• また、森林減少を検出する感度が高い。
• そのために、地球環境監視のツールとし
ての活用が望まれる。
• 環境監視能力の向上としては、観測幅の
拡大や衛星数の増加（頻度の向上）が望
まれる。

Download Report