Skip main navigation

‮رادار روزنه مصنوعی (RAS) ‭

‮مقدمه‌ای بر رادار روزنه مصنوعی – معمول‌ترین راه ایجاد تصاویر ماهواره‌ای با امواج رادیویی. ‭

رادار روزنه مصنوعی (یا SAR) معمول‌ترین نوع سیستم راداری است که در دورسنجی استفاده می‌شود و می‌تواند تصاویر شبیه به تصاویر چندطیفی‌ای خلق کند که در هفته سوم آنها را پوشش دادیم. اگر چه SAR یک سوژه بسیار جذاب است، اما به شدت فنی است. برای همین ما تنها قادر هستیم که به طور خلاصه در این دوره درباره آن صحبت کنیم!

ماهواره‌های SAR همین‌طور که به دور زمین می‌چرخند، از یک زاویه مشخص، پرتوهای گسترده‌ای از امواج رادیویی را به کره زمین می‌فرستند. این کار باعث می‌شود تا هر بخشی از سطح کره زمین در یک گستره زمانی طولانی قابل مشاهده باشد. این کار به شکلی هوشمندانه یک آنتن بسیار بلند را شبیه‌سازی می‌کند که سیگنالی را که از سطح زمین منعکس می‌شود، اندازه‌گیری می‌کند. رسم هندسی آن برای این که ذهن‌تان با قضیه آشنا شود، سخت است. برای همین، زیاد نگران این موضوع نباشید. بیشتر مثل کوبیدن یک توپ به یک دیوار از یک زاویه مخشص می‌ماند و بعد یک قدم دور شدن از دیوار برای گرفتن توپ اما خب مقدار زیادی توپ هم‌زمان و با هم پرتاب می‌شوند!


در حالی که ماهواره در مدار خود می‌چرخد، دریاچه کوچک آبی برای مدتی تحت تشعشعات رادیویی می‌ماند. ماهواره این سیگنال را که دوباره به ماهواره باز می‌گردد، به طور یکنواخت دریافت و پردازش می‌کند. این «روزنه مصنوعی» به آنتنی می‌ماند که چند هزار متر طول داشته باشد! عکس متعلق به ویلیام دِدمن.

انواع مختلفی از طول موج‌های رادیویی برای ماهواره‌های SAR متفاوت استفاده می‌شوند. طول موج‌های کوتاه‌تر تصاویری با وضوح بیشتر تولید می‌کنند، اما طول موج‌های بلندتر می‌توانند از پوشش گیاهی، یخ و حتی خاک عبور کنند. تمام رادارها می‌توانند از ابر عبور کنند و در نتیجه به رغم این که شرایط آب و هوایی چگونه باشد، همیشه می‌توان تصاویری شفاف ثبت کرد. از آنجایی که ماهواره‌های SAR به تشعشعات خورشیدی متکی نیستند، آنها می‌توانند بی‌وقفه و حتی در شب، به تصویربرداری ادامه دهند.


انواع مختلف SAR از طول موج‌های مختلف استفاده می‌کنند – طول موج‌های کوتاه‌تر داده‌هایی با وضوح بالاتر ثبت می‌کنند، اما نمی‌توانند از بسیاری از مواد عبور کنند. بر مبنای عکسی متعلق به ناسا.

از آنجایی که سیگنالی که پرتاب و در سطح زمین منعکس می‌شود، یک تشعشع رادیویی/مایکروویوی است، دورسنجی SAR تصاویر قابل شناسایی رنگی تولید نمی‌کند. به جای آن، ترکیبات متفاوت سیگنالی که به ماهواره برمی‌گردند و پردازش می‌شوند، می‌تواند در عکس‌های RGB به صورت باندها نشان داده شوند. درست مثل تصاویر چندطیفی که هفته پیش به آنها پرداختیم.



تصویر SAR (بالا) و تصویر رنگ طبیعی (پایین) از ناحیه‌ای که «شهر گمشده ارم» را احاطه کرده است. مسیرهای صورتی را می‌توان در تصویر رادار دید که به سکونت‌گاهی صحرایی منتهی می‌شوند. بر اساس افسانه‌ها، اینجا کاشانه ملکه سبا بوده است. عکس متعلق به ناسا.

برای این که تصاویر SAR را بهتر بشناسیم، به سنتینل-۱، یک برنامه ویژه SAR، نگاهی می‌اندازیم.

سنتینل-۱

سنتینل-۱ برنامه SAR آژانس فضایی اروپا (ESA)‌ است. شامل دو ماهواره می‌شود. سنتینل-۱A و سنتینل-۱B. این ماهواره‌ها در سال ۲۰۱۴ و ۲۰۱۶ پرتاب شدند. هر دو می‌توانند ظرف شش روز از کل کره زمین نقشه‌برداری کنند، و بدون در نظر گرفتن زمان روز یا شرایط آب و هوایی می‌توانند به کار خود ادامه دهند. مثل سایر داده‌های دورسنجی ESA، داده‌های سنتینل-۱ را می‌توان از وب‌سایت کانون علمی کوپرنیکوس (Copernicus Science Hub) دانلود کرد. (در هفته دوم از این وب‌سایت برای دانلود تصاویر سنتینل-۲ استفاده کردیم.)


یکی از ماهواره‌های سنتینل-۱. عکس متعلق به ESA.

ماهواره‌های سنتینل-۱ نحوه‌های مختلفی برای گردآوردی داده‌ها دارند. اما معمول‌ترین آنها وضوحی در حدود ده متر دارد. مانندِ بیشتر سیستم‌های SAR، سیگنال‌های رادیویی سنتینل-۱ در یک جهت مشخص در ارتباط با ماهواره مخابره می‌شوند – به این می‌گویند «قطبش (Polarisation)» – و قطبش می‌تواند عمودی یا افقی باشد. یک موج سیگنال بازگشتی یا با سیگنال خروجی قطبشی یکسان دارد یا جریان آن به سمت قطبش مخالف تغییر می‌کند. این اغلب با دو حرف نشان داده می‌شود (V برای عمودی (Vertical) یا H برای افقی (Horizontal) ) به این شکل که قطبش خروجی ابتدا نوشته می‌شود و سیگنال قطبشی که دریافت می‌شود، در جایگاه دوم قرار می‌گیرد. (VV یا VH)

مخابره/دریافت قطبش در ماهواره سنتینل-۱

  دریافت V دریافت H
انتقال V VV VH
انتقال H HV HH

سطوح مختلف با هم فرق دارند و سیگنال‌های SAR را به شکل‌های مختلف منعکس می‌کنند. تصاویر SAR با بررسی همین نحوه انعکاس تفسیر می‌شوند. ساده‌ترین راه برای نشان دادن آن چند مثال است!



سنتینل-۱ باند VV (بالا) و سنتینل-۲ ترکیب رنگ طبیعی (پایین) مربوط به سال ۲۰۲۲. متعلق به ESA.

در این جا دو ترکیب تصویربرداری از بیروت دیده می‌شوند – تصویر رنگ طبیعی سنتینل-۲ را در پایین می‌بینید، و یک طرح سیگنال VV سنتینل-۱ را در بالا. وقتی دو تصویر را با یکدیگر مقایسه می‌کنید، می‌توانید سطوح مختلف را ببینید که بسیار متفاوت به سیگنال رادار ماهواره سنتینل-۱ واکنش نشان داده‌اند. سطوح صاف مثل دریا و آسفالت (برای مثال باندهای فرودگاه بیروت در سمت چپ پایین عکس) تقریبا هیچ بخش از سیگنال را به ماهواره برنمی‌گردانند و برای همین تیره به نظر می‌رسند، در حالی که ساختمان‌ها سیگنال را خیلی شدید منعکس می‌کنند و در نتیجه روشن به نظر می‌رسند. زمین ناصاف و مناطقی که پوشش گیاهی دارند، انعکاس ضعیفی نشان می‌دهند. (به پارک‌ها و زمین خالی اطراف باندهای فرودگاه نگاه کنید). انعکاس در کوهستان‌های صخره‌ای کمی بیشتر است اما بسته به شیب دامنه و جهتی که دامنه رو به آن است، فرق می‌کند.


طرح باند VH سنتینل-۱ مربوط به سال ۲۰۲۲. متعلق به ESA.

این تصاویر قدرت سیگنال VH را نشان می‌دهد – این تشعشعاتی است که قطبش خود را از عمودی به افقی تغییر داده است. به زبان خیلی ساده، سطوح ناهموارتر و ناصاف‌تر تمایل دارند که قطبش سیگنال‌ها را بیشتر تغییر می‌دهند. می‌توانید در تصویر ببینید که بافت‌ کلی یکسان است، اما انعکاسی که از ساختمان‌ها می‌آید، قدری ضعیف‌تر است، چون آنها بیشتر بدون تغییر دادن قطبش، سیگنال را منعکس می‌کنند. زمین‌های خالی و مناطقی که پوشش گیاهی دارند، قدری قوی‌تر هستند، چون احتمال بیشتری وجود دارد که آنها جهت سیگنال را تغییر دهند.


طرح سنتینل-۱ VV/VH مربوط به سال ۲۰۲۲. متعلق به ESA

یک راه برای درک این موضوع به شکل واضح‌تر تقسیم مقدارهای VV بر مقدارهای VH و رسم یک طرح بر اساس نتایج به دست آمده است. از آنجایی که سیگنال‌های VV از سیگنال‌های VH که از ساختمان‌ها منعکس می‌شوند، قوی‌تر هستند، این سیگنال‌ها به رنگ سفید به چشم می‌آیند. از آنجایی که خلاف آن برای زمین‌های لخت و مناطقی که پوشش گیاهی دارند، صادق است، این مناطق تیره‌تر به نظر می‌رسند. نگاه کنید که در مقایسه با عکس رنگ طبیعی S2 چقدر ساده‌تر می‌شود سکونت‌گاه‌های انسانی را از صخره‌های لختی تشخیص داد که در کوه‌های پشت شهر در طرح S1 دیده می‌شوند.



طرح RGB از سه رنگ بالا تشکیل شده است (بالا) و ترکیب رنگ طبیعی سنتینل-۲ (پایین) که در سال ۲۰۲۲ ایجاد شده است. متعلق به ESA.

می‌توانیم از این سه طرح به عنوان باند در یک ترکیب RGB استفاده کنیم، همان‌طور که می‌توانستیم در تصویربرداری چندطیفی این کار را بکنیم. خیلی راحت می‌توانید ببینید که چطور می‌توانیم از این داده‌ها برای ترسیم نقشه یک منظر استفاده کنیم، یا حتی محوطه‌های باستان‌شناسی را پیدا کنیم!


یک ترکیب RGB سنتینل-۱ از بخش‌هایی از شمال عراق که تغییرات فصلی را نشان می‌دهد – قرمز زمستان است، سبز بهار و آبی تابستان. متعلق به ESA.

راه‌های زیادی برای تصویرسازی S1 و سایر داده‌های SAR وجود دارد. این مثال از شمال عراق یک طرح با سینگال VV را نشان می‌دهد که در زمان‌های مختلف سال گرفته شده است. داده‌های ماه‌های زمستان باند قرمز را تشکیل می‌دهند، بهار باند سبز و تابستان باند آبی! بیشترین محصول مزارع در ماه زمستان وجود داشته است که سیگنال را بهتر از زمین لخت منعکس می‌کنند، در نتیجه مزارع به رنگ قرمز درآمده‌اند. مناطق باتلاقی به نظر می‌رسد که سیگنال را در بهار و تابستان بهتر منعکس می‌کنند، شاید چون پوشش گیاهی بیشتری در این فصول سال در آب رشد می‌کند، در نتیجه به رنگ سبز مایل به آبی درآمده‌اند.

آیا متوجه شکل‌های سیاه غیرمعمول در مزارع شدید؟ اینها سکونت‌گاه‌های تپه‌ای باستانی هستند! می‌توانید ببینید که روی کدام یک خانه‌های مدرن ساخته شده‌اند؟‌ ساختمان‌ها سیگنال رادار را خیلی بهتر از تپه‌ها منعکس می‌کنند در نتیجه مثل نقطه‌های درخشان به نظر می‌رسند.

ما تنها به رادار روزنه مصنوعی نگاهی سطحی انداختیم. و حالا باید پیش برویم و ببینیم که داده‌های ارتفاع که با استفاده از رادار گردآوری می‌شوند چطور به کار ما در باستان‌شناسی می‌آیند.

This article is from the free online

‮دوره پیشرفته سنجش از راه دور باستان‌شناسی: باستان‌سنجی، باستان‌شناسی منظر و حفاظت از میراث در خاورمیانه و شمال آفریقا ‭

Created by
FutureLearn - Learning For Life

Reach your personal and professional goals

Unlock access to hundreds of expert online courses and degrees from top universities and educators to gain accredited qualifications and professional CV-building certificates.

Join over 18 million learners to launch, switch or build upon your career, all at your own pace, across a wide range of topic areas.

Start Learning now