Hvordan radarsatellitter kan overvåke jordens bevegelser og deformasjoner: Utvikling og anvendelser av InSAR-teknologi

Interferometrisk syntetisk aperturradar (InSAR) er en kraftfull metode for å overvåke jordens overflatebevegelser, inkludert både naturlige og menneskeskapte deformasjoner. Teknikken benytter satellittbilder tatt fra radarsensorer for å måle endringer i høyde og deformasjon av terreng over tid. Gjennom å sammenligne radarbilder som er tatt på forskjellige tidspunkter, kan man lage detaljerte 3D-modeller av overflaten og overvåke bevegelser som kan skyldes jordskjelv, vulkanutbrudd, synkehull eller andre geologiske hendelser.

Den største fordelen med InSAR er evnen til å registrere små, men signifikante endringer i terrenget med høy presisjon, noe som gjør det mulig å følge med på geodynamiske prosesser på en kontinuerlig og detaljert måte. Den teknologien har utviklet seg raskt over de siste tiårene, og forbedringer i databehandling har gjort det mulig å bruke InSAR i stor skala for miljøovervåking og katastrofeberedskap.

I de tidlige stadiene av InSAR-utviklingen ble teknologi som radarinterferometri brukt til å kartlegge endringer i høydenivå, spesielt etter jordskjelv og andre seismiske hendelser. Eksempler på slike hendelser kan sees i det historiske arbeidet med å analysere deformasjonene forårsaket av Bam-jordskjelvet i Iran i 2003, som benyttet InSAR for å forstå hva som skjedde med jordskorpen etter den katastrofale hendelsen. Samtidig var man tidlig ute med å bruke denne teknologien til å overvåke langsiktige prosesser som jordens synkehull, som har blitt et viktig verktøy for å forutsi områder med høy risiko for urban subsidens.

Gjennom årene har utviklingen av spesifikke algoritmer som f.eks. «squeeSAR»-metoden, som ble introdusert i 2011, forbedret kvaliteten på tidsserier av InSAR-data. Denne algoritmen gjorde det mulig å bedre skille mellom permanente scatterere, som gir stabilt radarrefleksjon, og de som kan være mer midlertidige i naturen. Dette har vært viktig for å kunne lage mer presise målinger av langsiktige deformasjoner som kan indikere stress i jordskorpen, eller for å overvåke områder med menneskeskapte påvirkninger som gruvedrift eller bygging.

En annen viktig teknikk som har utviklet seg gjennom årene er den såkalte «persistent scatterer» metoden, som er svært nyttig i områder hvor det finnes små, stabile objekter som kontinuerlig reflekterer radarens signaler, for eksempel bygninger eller fjell. Ved å fokusere på disse objektete kan man få veldig presise målinger av subsidence, og dermed overvåke langsiktige bevegelser uten å være avhengig av store synlige endringer i landskapet.

I tillegg til å forbedre presisjonen i målingene, har utviklingen av metoder for atmosfærisk korreksjon vært essensiell. For eksempel kan værforhold som fuktighet og temperatur føre til forvrengninger i radarbildene, og det er derfor viktig å korrigere for disse feilene for å oppnå nøyaktige resultater. Metoder som f.eks. bruk av globale meteorologiske data for å estimere troposfærisk faseforsinkelse har gjort det mulig å forbedre nøyaktigheten til InSAR-målinger.

En av de nyeste utviklingene på området har vært bruken av data fra Sentinel-1-satellittene, som gir høyfrekvente og høyoppløselige bilder. Dette åpner opp nye muligheter for å overvåke raskt skiftende hendelser, som vulkanutbrudd eller jordskjelv, med en detaljeringsgrad som tidligere var umulig. Gjennom å bruke tidsserier med disse dataene kan forskere lage sanntidskart over terrengbevegelser, som igjen kan hjelpe i både forskning og katastrofeberedskap.

Hva er viktig å forstå ved bruk av InSAR-teknologi? For det første er det nødvendig å ha en god forståelse av både metodikk og feilkilder som kan oppstå under datainnsamlingen. InSAR er avhengig av presisjon i satellittposisjonering og nøyaktigheten til de algoritmer som brukes til å behandle bildene. Feil som kan oppstå på grunn av atmosfærisk forvrengning eller feil i geometrisk kalibrering kan føre til feilaktige målinger, så det er avgjørende å bruke korreksjonsteknikker som kan justere for disse faktorene.

I tillegg er det viktig å merke seg at InSAR, selv om det er ekstremt nyttig, ikke kan erstatte andre geodetiske metoder som GPS eller seismisk overvåking, men heller fungere som et supplement. Det gir muligheten til å dekke store områder raskt og effektivt, men for å få en helhetlig forståelse av geodynamiske prosesser er det ofte nødvendig å bruke flere datakilder sammen.

Med utviklingen av nye satellitter og mer avanserte beregningsmodeller er det klart at InSAR-teknologi har et enormt potensial for fremtidige anvendelser, både innen geofagene og miljøovervåking. Det er viktig å holde tritt med de teknologiske fremskrittene for å dra nytte av de stadig mer detaljerte og nøyaktige målingene som tilbys.

Hvordan beregne jorddeformasjoner ved hjelp av bildekorrelasjon og 3D-modellering?

Jorddeformasjoner som følge av tektoniske prosesser eller jordskjelv er ofte komplekse og kan ikke alltid beskrives ved hjelp av en enkel 2D-translasjon. En av de mest brukte metodene for å analysere slike deformasjoner er bildekorrelasjon, som kan utføres med en rekke algoritmer som utnytter informasjon fra optiske bilder. En av de mest kjente tilnærmingene for å estimere jorddeformasjoner er bruken av "Mattes Mutual Information" algoritmen, som kan beregne forskyvningen mellom to registrerte bilder.

Mens vi vanligvis er interessert i translasjonsverdier som beskriver 2D jordforskyvninger, kan det også være mulig å løse for fullstendig likhetstransformasjon, som inkluderer oversettelse, rotasjon og skalering. Rotasjonskomponenten er vanligvis ikke av interesse i jordskjelvstudier, da forskyvningene primært er translaterende. Dette betyr imidlertid at målinger av rotasjon og skalering kan ha høyere relative feilmarginer. For eksempel, i tilfelle av jordskjelvet i Baluchistan i 2013, er rotasjonskomponentene små og svært lokalisert langs bruddsonekanten, og de representerer ikke nødvendigvis de langsiktige tektoniske forskyvningene.

Skalering er også et aspekt som vanligvis ikke løses for, da volumetriske deformasjoner ofte antas å representere en liten del av den totale deformasjonen. Selv om det er økende interesse for skaleringsendringer i nærheten av bruddsoner, kan disse endringene gi innsikt i den mekaniske atferden til jordskorpen og dynamikken i bruddprosesser. I noen tilfeller kan jordbevegelse mot satellitten føre til ikke-tektoniske skaleringsendringer i bildene, men slike vertikale bevegelser må være urealistisk store for å produsere målbare skaleringsendringer.

Andre metoder som kan benyttes for å måle jorddeformasjoner fra optiske bilder inkluderer "Scale-Invariant Feature Transform" (SIFT) og optisk flyt. SIFT benytter seg av identifikasjonen av gjenkjennbare objekter i bildene og sammenligner disse objektene mellom forskjellige bilder, uavhengig av belysning, orientering og skalaforhold. Ved å matche disse egenskapene, kan transformasjoner beregnes for å registrere bildene og dermed estimere forskyvningen. Optisk flyt, derimot, benyttes til å beregne bevegelsen av objekter mellom konsekutive bilde-rammer, og kan dermed være et verdifullt verktøy for å bestemme bevegelse i tidsserier av bilder. Optisk flyt er spesielt nytt i situasjoner med flere bilder tatt over tid, noe som gjør det mulig å bygge opp detaljerte tidserieanalyser av forskyvninger.

Når det gjelder mer komplekse 3D-deformasjoner, åpner tilgjengeligheten av stereobilder muligheten for å hente ut både horisontale og vertikale forskyvninger fra jordens overflate. Ved å bruke stereoskopiske bilder kan topografiske komponenter separeres fra horisontale forskyvninger. Vertikal deformasjon kan da estimeres ved å analysere topografisk informasjon. To hovedtilnærminger brukes for å beregne 3D forskyvninger fra stereoskopiske optiske bilder: den ene innebærer justering av referansestereobilder og differensiering av digitale høyde-modeller (DEM), mens den andre metoden benytter registreringsverktøy for punkt-skyer (som iterativ nærmeste punkt, ICP), og utfører ortorektifisering av bildene. Ved å differensiere de tilpassede DEM-ene kan man hente ut vertikal forskyvning, mens den horisontale forskyvningen kan estimeres ved korrelasjon av ortobildene.

I sammenheng med jordskjelv og andre tektoniske hendelser er det viktig å forstå at metodene som benyttes til bildekorrelasjon og 3D-modellering ikke bare gir nøyaktige forskyvningsverdier, men også gir viktig informasjon om de dynamiske prosessene i jordskorpen. For eksempel, rotasjonskomponentene og skaleringene kan gi innsikt i hvordan bruddsonen utvikler seg, og hvilke mekanismer som er involvert i forvrengningen av den øverste delen av jordskorpen. Når slike analyser kombineres med data fra flere tidspunkter, kan de danne et mer helhetlig bilde av hvordan jorden deformeres over tid, og hvilken rolle forskjellige geofysiske prosesser spiller.

Videre bør leseren være oppmerksom på at enkelte metoder, som optisk flyt, kan ha utfordringer med bildeintensitetsforskjeller mellom bilder tatt på ulike tidspunkter. Dette kan påvirke nøyaktigheten til forskyvningene som beregnes, spesielt i tilfelle av multi-temporale satellittbilder. Til tross for disse utfordringene, viser ny forskning at disse teknikkene kan være svært nyttige, særlig når man er ute etter høy spatial oppløsning i forskyvningene, og kan bidra til en mer detaljert forståelse av jordens dynamiske prosesser.

Hvordan optisk deformasjon kan benyttes for å analysere jordbevegelser gjennom tid

Satellitter som Landsat-8 (16 dager), Sentinel-2 (5 dager) og Planet (daglig) gir stadig flere muligheter for å generere tette optiske tidserier av forskyvninger (Bontemps et al. 2018; Altena et al. 2019; Lacroix et al. 2019). Disse tidseriene kan brukes til å analysere endringer på jordens overflate, ved hjelp av metoder som gir høy presisjon, takket være redundansen i forskyvningsmålingene, som er mulig ved korrelasjon mellom ulike bilder. Denne redundansen tillater en robust inversjon av tidseriene ved hjelp av metoder som minst kvadraters metoden (Doin et al. 2011).

For hvert piksel kan forskyvningene defineres som en matrise, hvor hvert element i matrisen representerer forskyvningene på et gitt punkt i tid. Denne matrisebehandlingen gjør det mulig å vurdere de fysiske endringene i landskapet med høy nøyaktighet over tid. Det er imidlertid viktig å merke seg at bildene fra ulike tidspunkter kan ha forskjellige belysningsforhold, noe som kan introdusere skyggeeffekter som korrelerer med topografien. For eksempel, på grunn av solens bane, vil skygger variere gjennom året, noe som gir et sesongmessig signal i målingene.

Den største utfordringen ved å analysere optiske tidserier er å fjerne denne belysningsbiasen, som kan føre til feilaktige konklusjoner om de faktiske forskyvningene. De metodene som benyttes for å isolere og fjerne komponentene knyttet til belysning kan omfatte kildeseparasjon eller dekomponering ved bruk av spesifikke basisfunksjoner. I tilfeller der skygger har en sterkere årlig variasjon i den nord-sør-retningen, kan belysningsbiasen fjernes mer pålitelig ved å analysere denne komponenten separat.

Et annet viktig aspekt er at når det benyttes flere bilder for å danne tidserier, kan fysiske endringer i landskapet, som følge av naturlige hendelser som jordskjelv, skilles fra de forstyrrende effektene av belysning. Et eksempel på dette er analysen av forskyvningen etter jordskjelvet i Baluchistan i 2013. I denne analysen ble det vist hvordan optiske tidserier kan benyttes for å beregne nøyaktige forskyvninger, samtidig som effektene av belysningsforskjeller ble fjernet. Ved å bruke metoder for å fjerne støy, som fjerning av sesongbaserte komponenter, kan forskyvningene i jordskorpen beregnes med høy presisjon. Resultatet er en betydelig reduksjon i støy, fra 1/10 til 1/40 av en piksel, etter at grunnleggende post-behandling har blitt anvendt.

Et viktig poeng som må tas i betraktning, er at jordskjelv og andre seismiske hendelser kan introdusere feilaktige målinger på grunn av belysningsartefakter, spesielt når dataene er hentet fra bilder tatt på forskjellige tider av året. For eksempel, når bilder er tatt om sommeren, vil solens posisjon kunne endre seg i løpet av dagen og dermed skape feilaktige skyggeeffekter. Når det er mulig, bør man derfor bruke bilder som er tatt under identiske belysningsforhold, for eksempel fra samme årstid, for å minimere disse effektene.

Den teknologiske utviklingen innen optisk geodesi vil fortsette å være drevet av både fremskritt innen databehandling og nye behov som oppstår fra fremtidige satellittdata. Spesielt er det ventet at store datasett vil spille en stadig større rolle i framtidige analyser, ettersom mengden og oppløsningen på optiske bilder øker. Kombinasjonen av data fra ulike sensorer vil muliggjøre målinger av stadig mindre forskyvninger med høyere tidsmessig presisjon. En utvikling av verktøy som Google Earth Engine, som gir muligheten til å behandle store volumer av satellittbilder i skyen, gir allerede et glimt av hvordan slike data kan brukes i praksis.

I denne sammenhengen er det viktig å merke seg at selv om automatisering og skybaserte systemer kan gjøre prosesseringen mer effektiv, vil det fortsatt være nødvendig å håndtere utfordringene knyttet til de ulike typer støy som kan påvirke kvaliteten på forskyvningsmålingene. For å oppnå best mulig nøyaktighet i analysene må man være bevisst på disse utfordringene og anvende passende metoder for å minimere deres innvirkning på de endelige resultatene.

Endtext

Hvordan kan fjernmåling identifisere lavtemperatur-geotermiske ressurser og vannfordampning?

Objekter med høyere temperaturer avgir mer energi enn objekter med lavere temperaturer, og når temperaturen øker, forskyves strålingens toppunkt mot kortere bølgelengder. Dette er i tråd med Wiens forskyvningslov og illustreres tydelig gjennom Plancks kurver for svart stråling. For termisk kartlegging av naturressurser, der temperaturene som oftest er nær jordens omgivelsestemperatur (~290 K), er det termiske infrarøde (TIR) området (~8–12 μm) mest hensiktsmessig. Her fanges subtile temperaturvariasjoner effektivt opp, noe som gjør det til en uvurderlig metode innen lavtemperatur-geotermisk utforskning og overvåking av evapotranspirasjon.

Lavtemperatur-geotermiske ressurser manifesterer seg ofte i form av oppvarmet jordoverflate, varme vannmasser, geysirer og varme kilder. Med utvikling i sensor- og satellitteknologi er det i dag mulig å identifisere slike ressurser, selv når temperaturdifferansen bare utgjør noen titalls grader i forhold til omgivelsene. Spesielt i høye breddegrader kan fjernmåling benyttes med høy presisjon, ettersom kontrasten mellom varm jord og kaldt vintermiljø er lett å oppdage. I slike tilfeller blir vinteren faktisk den mest optimale sesongen for påvisning av geotermiske anomalier.

Et eksempel er Pilgrim Geothermal System i Alaska, der sesongmessige ASTER-bilder avslørte hvordan snøfrie områder og våtere snødekke oppstår som følge av underjordisk varme. På vinterbilder fra mars ses tydelige termiske anomalier (i rødt) som indikerer varme kilder. Etter hvert som årstidene skrider frem, viskes temperaturkontrastene ut av vegetasjonsdekke og soloppvarming, og anomaliene blir vanskeligere å skille i sommermånedene. Dette illustrerer hvor viktig timing og kontekst er ved bruk av fjernmåling for geotermisk kartlegging.

Innen vannressursforvaltning har TIR-fjernmåling også fått økende betydning, særlig gjennom kartlegging av evapotranspirasjon (ET) – fordampningen fra jordoverflaten kombinert med transpirering fra planter. Tradisjonelle målemetoder, som feltarbeid og tårnnetverk som FLUXNET, er kostbare og gir ikke alltid tilstrekkelig romlig dekning. Ved hjelp av satellittdata og energibalansesystemer som baserer seg på overflatetemperaturer, kan man i dag hente ut ET-verdier daglig og i stor geografisk skala.

Et konkret tilfelle er anvendelsen av Landsat-8-data i Baja California i Mexico. Ved hjelp av en modell utviklet av Semmens et al. (2016) ble det mulig å hente ut daglige ET-verdier fra multisensor-fusjon, hvor aktiv vegetasjon fremstår med lavere temperaturer og høyere evapotranspirasjon, mens bar jord er varmere og har lav ET. Slike data kan direkte bidra til forbedret vanningsplanlegging, redusert vannsvinn og økt jordbruksproduktivitet.

Det er også viktig å merke seg hvordan frekvensen på datainnhenting må tilpasses anvendelsesområdet. For eksempel må ET måles daglig for effektiv vannstyring i jordbruket, mens geotermisk utforskning kan klare seg med betydelig lavere revisit-frekvens etter at en ressurs er identifisert. Det understreker behovet for fleksibel og kontekstsensitiv metodikk ved bruk av fjernmåling i naturressursforvaltning.

Effektiv bruk av TIR-data krever også nøyaktig korreksjon av reflektert energi, spesielt i SWIR-området, der refleksjonskomponenten må separeres fra den emisjonsbaserte signalet. Dette er avgjørende for temperaturberegninger ved høyere temperaturhendelser som vulkanutbrudd og skogbranner, men også for mer subtile prosesser som lavtemperatur-geotermikk.

For leseren er det avgjørende å forstå at termisk fjernmåling ikke bare handler om teknologi, men også om sesongmessig strategi, sensorvalg, dataintegrasjon og kontinuerlig tolkning av dynamiske prosesser. I møte med klimav

Hvordan kan GNSS og InSAR forbedre overvåkingen av vulkanaske og vulkansk deformasjon?

Lukkingen av luftrom på grunn av vulkanutbrudd kan føre til tap av milliarder av dollar, og i verste fall menneskeliv, da vulkansk aske utgjør en betydelig fare ved å kunne ødelegge flymotorer i luften. Overvåking av askeutslipp er derfor avgjørende, og fjernmåling av askeplumer i sanntid er et kritisk verktøy i dette arbeidet. Selv om multispektrale satellittdata lenge har vært den primære metoden for askeidentifisering, er det viktig å forstå at aske også kan oppdages gjennom GNSS (Global Navigation Satellite System) og InSAR (Interferometric Synthetic Aperture Radar).

InSAR registrerer aske gjennom faseanomalier som ligner på atmosfærisk støy, men på grunn av lang behandlingstid for SAR-data er denne metoden lite egnet for operativ overvåking. GNSS har derimot et stort potensial som et tidlig varslingssystem, da GNSS-signaler kan påvirkes av aske i atmosfæren. Dette gir mulighet for nær sanntidsdeteksjon via endringer i GNSS-signalets fase og signal-til-støy-forhold. Mens satellittbilder kan være vanskelige å tolke i dårlig vær eller ved tilstedeværelse av meteorologiske skyer, gir GNSS en pålitelig og væruavhengig overvåking, både dag og natt, for vulkaner som har operative GNSS-nettverk.

I tillegg til askedeteksjon spiller fjernmålingsteknologier som GNSS og SAR en essensiell rolle i å kartlegge og forstå vulkansk deformasjon og andre overflateendringer rundt vulkaner. Kombinert med optisk bildedata og lidar, gir disse metodene innsikt i magmatiske og hydrotermale prosesser under bakken, samt overflateforandringer forårsaket av vulkanske avsetninger. Slike data er avgjørende for risikoanalyse og for beredskapsplanlegging.

Feltet er i rask utvikling, med stadig flere satellitter og bakkeinstrumenter som leverer et økende volum av data. Utfordringen ligger i å håndtere denne datamengden effektivt, spesielt når man skal overvåke og vurdere risiko knyttet til vulkanske utbrudd. Manuell gjennomgang av interferogrammer og GNSS-tidsserier blir stadig mindre praktisk, men automatiserte metoder basert på kunstig intelligens tilbyr en løsning. Maskinlæring har vist seg effektiv til å identifisere tegn på vulkansk deformasjon i InSAR-data, og fremtidens vulkanovervåking kan i stor grad bli automatisert, noe som frigjør forskere til å utvikle mer presise modeller for utbrudd og vulkanske prosesser.

Det er viktig å forstå at GNSS og InSAR ikke bare bidrar til overvåking av synlige vulkanske hendelser, men også gir verdifull informasjon om dynamikken under overflaten. Dette muliggjør tidlig varsling og bedre risikoledelse. Integrering av ulike fjernmålingsdata, kombinert med utvikling av autonome systemer, vil øke presisjonen og hastigheten i tolkningen av vulkanske prosesser, og dermed forbedre samfunnets beredskap mot vulkanutbrudd.