Uusi menetelmä tunnistaa jäävuoria satelliittikuvista

Jäävuoret ovat vaarallisia merenkulkijoille, joten tieto jäävuorien sijainnista parantaa merenkulun turvallisuutta. Ilmatieteen laitos kehitti uudenlaisen automaattisen menetelmän tunnistamaan jäävuoria Euroopan avaruusjärjestön (ESA) Sentinel-1 SAR-satelliittikuvista. SAR, eli synteettisen apertuurin tutka, on laite joka lähettää satelliitista radiosignaalin kohti maata ja muodostaa maan pinnasta sironneesta signaalista kuvan. Tutkimusalue oli Grönlannin ja sen eteläpuoleisilla vesillä. Alueella on runsaasti Grönlannin mannerjäätiköstä irronneita etelään ajelehtivia jäävuoria.

Vaikka jäävuoret erottuvat yleensä SAR-satelliittikuvissa kirkkaina kohteina, niiden automaattinen tunnistus on vaikeaa. Perinteisissä CFAR-algoritmeissa oletetaan tutkasironnan voimakkuudelle tietty jakaumatyyppi. Uudessa menetelmässä jakauma ei perustu oletukseen, vaan se lasketaan käytettävästä satelliittikuvasta.

Toinen kehitetty parannus liittyy SAR-kuvan segmentointiin, eli jakamiseen osiin, jotka koostuvat samankaltaisista kuvapisteistä. Segmentointi erottaa potentiaaliset jäävuoret, eli ympäristöään kirkkaammat alueet, minkä jälkeen kehitetty menetelmä analysoi ja päättää, onko alue jäävuori vai ei. Tämä eroaa perinteisistä jäävuoria tunnistavista algoritmeista, joissa määritellään kohdealue, suoja-alue ja tausta-alue ennalta määrätyn mallin mukaan. Uusi menetelmä poistaa tarpeen määritellä nämä alueet ja lisäksi estää muiden kirkkaiden kohteiden, kuten jäävuorien tai laivojen, esiintymisen tausta-alueessa. Taustaksi tulkittu kirkas kohde huonontaa tunnistuksen tarkkuutta.

Vasemmalla Sentinel-1-satelliitin SAR-kuva (HH-kanava) ja oikealla siitä tunnistetut jäävuoret. TP=true positive eli oikein tunnistettu jäävuori, FP=false positive eli virheellisesti tunnistettu jäävuori ja FN=false negative eli tunnistamatta jäänyt jäävuori. Kuva: Karvonen et al. 2021.

Menetelmän soveltaminen kahdesta SAR-kanavasta yhdistettyyn dataan vähentää myös vääriä hälytyksiä

Menetelmää testattiin vertaamalla jäävuoritunnistusta Ilmatieteen laitoksen jääpalvelun visuaalisesti tunnistamiin jäävuoriin 14 SAR-satelliittikuvasta. Uusi menetelmä tunnisti ihmisen jäävuoriksi tunnistamat kohteet noin 80 prosentin tarkkuudella. Se oli myös hieman tarkempi kuin Tanskan ilmatieteenlaitoksen (DMI) nykyään käyttämä jäävuorien tunnistusmenetelmä.

Tutkimuksessa testattiin myös uuden algoritmin (SnP-CFAR) soveltamista Sentinel-1-satelliittikuvien kahden kanavan (HH- ja HV-polarisaatioiden yhdistelmäkuvat) ristikorrelaatioon. Tämä lähestymistapa tuotti selkeästi vähemmän vääriä hälytyksiä verrattuna siihen, että SnP-CFAR-algoritmia sovellettiin suoraan SAR-satelliittidataan, joskin se myös tunnisti vähemmän oikeita jäävuoria. Ristikorrelaation ja SnP-CFAR-algorimin yhdistelmää voidaan tämän tutkimuksen perusteella käyttää automaattisten jäävuorihavaintojen varmistuksessa rinnakkain SnP-CFAR:in kanssa tai pelkästään, jos tavoitteena on havaita mahdollisimman tehokkaasti jäävuoria samalla välttäen vääriä hälytyksiä.

Lisätietoja:

Erikoistutkija Juha Karvonen, Ilmatieteen laitos, puh. 050 364 3888, juha.karvonen@fmi.fi

Ryhmäpäällikkö Eero Rinne, Polaarioseanografia ja merijää, Ilmatieteen laitos, puh. 050 4487681, eero.rinne@fmi.fi

Juha Karvonen, Alexandru Gegiuc, Tuomas Niskanen, Anni Montonen, Jørgen Buus-Hinkler (DMI), Eero Rinne. Iceberg Detection in Dual-Polarized C-Band SAR Imagery by Segmentation and non-Parametric CFAR (SnP-CFAR), IEEE Trans. On Geoscience and Remote Sensing, 2021. https://doi.org/10.1109/TGRS.2021.3070312