| Titre | Integrating intensity and context for improved supervised river ice classification from dual-pol Sentinel-1 SAR data |
| |
| Auteur | de Roda Husman, S ; van der Sanden, J; Lehrmitte, S; Eleveld, M |
| Source | International Journal of Applied Earth Observation and Geoinformation vol. 101, 102359, 2021 p. 1-10, https://doi.org/10.1016/j.jag.2021.102359
 Accès ouvert |
| Image |  |
| Année | 2021 |
| Séries alt. | Ressources naturelles Canada, Contribution externe 20210598 |
| Éditeur | Elsevier |
| Document | publication en série |
| Lang. | anglais |
| DOI | https://doi.org/10.1016/j.jag.2021.102359 |
| Media | papier; en ligne; numérique |
| Formats | pdf |
| Province | Alberta |
| SNRC | 74D/04; 74D/05; 74D/12; 74D/13; 84A/01; 84A/02; 84A/07; 84A/08; 84A/09; 84A/10; 84A/15; 84A/16 |
| Lat/Long OENS | -113.0000 -111.5000 57.0000 56.0000 |
| Sujets | rivières; glace; SARS; concentration de glace; Forêt; géologie de l'environnement; Nature et environnement |
| Illustrations | cartes de localisation; tableaux; organigrammes; représentations graphiques combinées; graphiques; photographies; figures |
| Diffusé | 2021 05 12 |
| Résumé | (disponible en anglais seulement)
River ice is a major contributor to flood risk in cold regions due to the physical impediment of flow caused by ice jamming. Although a variety of classifiers
have been developed to distinguish ice types using HH or VV intensity of SAR data, mostly based on data from RADARSAT-1 and -2, these classifiers still experience problems with breakup classification, because meltwater development causes overlap in
co-polarization backscatter intensities of open water and sheet ice pixels. In this study, we develop a Random Forest classifier based on multiple features of Sentinel-1 data for three main classes generally present during breakup: rubble ice, sheet
ice and open water, in a case study over the Athabasca River in Canada. For each ice stage, intensity of the VV and VH backscatter, pseudo-polarimetric decomposition parameters and Grey Level Co-occurrence Matrix texture features were computed for 70
verified sample areas. Several classifiers were developed, based on i) solely intensity features or on ii) a combination of intensity, pseudo-polarimetric and texture features and each classifier was evaluated based on Recursive Feature Elimination
with Cross-Validation and pair-wise correlation of the studied features. Results show improved classifier performance when including GLCM mean of VV intensity, and VH intensity features instead of the conventional classifier based solely on
intensity. This highlights the complementary nature of texture and intensity for the classification of breaking river ice. GLCM mean incorporates spatial patterns of the co-polarized intensity and sensitivity to context, while VH intensity introduces
cross-polarized surface and volume scattering signals and is less sensitive to wind than the commonly used co-polarized intensity. We conclude that the proposed method based on the combination of texture and intensity features is suitable for and
performs well in physically complex situations such as breakup, which are hard to classify otherwise. This method has a high potential for classifying river ice operationally, also for data from other SAR missions. Since it is a generic approach, it
also has potential to classify river ice along other rivers globally. |
| Sommaire | (Résumé en langage clair et simple, non publié)
Le tiers des inondations au Canada est causé par la création d'embâcles dans des rivières cassantes. L'accès à de meilleures données sur
l'évolution des processus de débâcle peut aider à protéger les Canadiens contre les inondations causées par des embâcles. Les systèmes de satellite radar constituent d'excellents outils pour caractériser l'état des glaces fluviales en fonction du
temps aux fins de gestion des urgences. Au Canada, notamment à Ressources naturelles Canada (RNCan), l'utilisation opérationnelle de la télédétection radar pour appuyer la surveillance des processus de débâcle de la glace fluviale est en croissance.
Une imagerie plus fréquente favorise une surveillance plus détaillée. Le présent article rend compte d'une étude qui visait à évaluer et à accroître l'utilité de la mission européenne Sentinel-1, qui complète la mission de la Constellation RADARSAT
du Canada. Ensemble, ces deux missions offrent davantage de possibilités d'imagerie. Un candidat à la maîtrise ès sciences de l'Université de technologie de Delft a réalisé l'étude sous la direction de M. van der Sanden, Ph. D., du Centre canadien de
télédétection (CCT) du Centre canadien de cartographie et d'observation de la Terre (CCCOT) de RNCan. La rivière Athabasca à Fort McMurray a été choisie comme région d'étude, et une technique d'apprentissage machine a permis d'élaborer un algorithme
pour classer les images des zones fluviales obtenues par Sentinel-1 selon qu'elles représentent de l'eau, de la glace feuilletée ou de la blocaille - le type de glace constituant les embâcles. L'algorithme exploite l'information contenue dans la
texture et l'intensité de rétrodiffusion, c'est-à-dire la variabilité locale des niveaux de gris de l'image. |
| GEOSCAN ID | 329524 |
|
|