Bruken av satellittmålinger for å overvåke jordens vannlagring har gitt ny innsikt i globale vannressurser. Ett av de mest brukte verktøyene er GRACE (Gravity Recovery and Climate Experiment), et program som har revolusjonert vår forståelse av endringer i vannlagring, særlig i grunnvann. Den globale tilnærmingen til vannressurser, gjennom måling av jordens gravitasjonsvariasjoner, gir presis informasjon om både sesongmessige og langsiktige endringer i vannlagrene som er avgjørende for både forskning og forvaltning.

GRACE, som ble lansert i 2002, benytter seg av gravitasjonsmålinger for å overvåke endringer i jordens massefordeling, inkludert vannlagring i grunnvann, innsjøer og elver. Denne teknologien gjør det mulig å observere endringer på global skala, noe som tidligere var umulig med mer tradisjonelle metoder som kun var basert på lokale målinger. En av de største fordelene med GRACE-satellittene er at de kan oppdage vannfluktuasjoner på regionalt og globalt nivå, inkludert områder der grunnvannsnivåene ikke lett kan måles.

Studier har vist at GRACE-data kan brukes til å evaluere langtidstrender i grunnvannsdepletion på steder som USA, India og andre tørre regioner. For eksempel viste undersøkelser av grunnvannsressursene i det amerikanske høysletta (High Plains Aquifer) at vannlagringene har vært i konstant tilbakegang i løpet av de siste tiårene. Dette fenomenet kan kobles direkte til økende vannuttak for irrigasjon, særlig i områder som er avhengige av vann fra dype grunnvannsreservoarer.

I tillegg til grunnvannsmonitorering, har GRACE også vist seg å være nyttig i å forstå effektene av klimaforandringer på vannressurser. Den kontinuerlige nedgangen i grunnvannsnivåene som observeres globalt, kan i stor grad tilskrives økende temperaturer og endringer i nedbørsmønstre. Forskning har vist at endringer i nedbørsmengde og fordampning kan føre til store sesongmessige og årlige variasjoner i vannlagring, som er direkte synlige i GRACE-dataene.

Et annet viktig aspekt er at GRACE gir et verktøy for å evaluere bærekraften i landbruk og vannforvaltning. Ved å kombinere GRACE-data med hydrologiske modeller kan man lage prediksjoner om fremtidige trender i vannlagring, noe som er essensielt for å planlegge for vannmangel og tørke i sårbare regioner. For eksempel har GRACE brukt data i samarbeid med modeller for å overvåke tørkeeffektene i områder som den australske Murray-Darling-bassenget, og på den måten forbedre tørkeforetellingene.

En viktig bruksområde for GRACE er å vurdere vannbalansen i store, transnasjonale vannsystemer. For eksempel i Mellomøsten, der vannressursene er sterkt tynnet ut som følge av både overforbruk og politisk usikkerhet, har GRACE-data vært avgjørende for å forstå og forvalte vannressursene i områder som Tigris-Eufrat-bassenget. Denne informasjonen er også viktig for internasjonale avtaler om vannforvaltning, der presise målinger kan bidra til å unngå konflikter.

Hva er det vi kan lære av GRACE-data for fremtidig vannforvaltning? En sentral innsikt er at vannlagring er en dynamisk prosess som påvirkes av flere faktorer som klima, landbruk, og menneskelig aktivitet. GRACE gir en kontinuerlig overvåking som kan gi tidlig varsling om kritiske endringer i vannressursene. Dette er spesielt viktig i områder som er svært avhengige av grunnvann til landbruk, der rask endring kan føre til alvorlige konsekvenser for matproduksjon og økosystemer.

I tillegg bør leseren forstå at GRACE ikke alene kan gi alle svarene på de komplekse vannressursproblemene vi står overfor. Det er nødvendig å kombinere GRACE-data med andre overvåkingsmetoder, som bakkenivåmålinger, værdata og hydrologiske modeller, for å få et helhetlig bilde av vannbalansen. Videre bør den økte bruken av satellittteknologi følges opp med politisk vilje til å bruke denne informasjonen til å forbedre vannforvaltningen globalt.

Hvordan fjernmåling kan bidra til forståelsen av geohazarder og naturressurser

Jorden er menneskehetens eneste hjem og miljø, og for å leve på og med vår planet, er det nødvendig med stadig mer presis kunnskap om de mange farene vi står overfor, samt de begrensede naturressursene vi er avhengige av for å trives. En riktig forvaltning av jorden begynner med forståelsen av de ulike komponentene i jordens system, inkludert atmosfæren, hydrosfæren og den solide jorden, samt deres ofte komplekse interaksjoner. Med en global befolkning som har omtrent doblet seg de siste 50 årene og som forventes å vokse med nesten to milliarder personer de neste 30 årene (FN 2023), er flere mennesker utsatt for en rekke geohazarder og er avhengige av naturressurser som stadig blir vanskeligere å få tilgang til.

For å forstå geohazardene og ressursene på jorden, er det nødvendig med kunnskap om materialene og prosessene både på jordens overflate og i de grunne undergrunnsområdene. Å holde tritt med behovet for å gjenkjenne, karakterisere og kvantifisere disse farene og ressursene krever omfattende og nøyaktige data. Fjernmåling fra satellitter, luftbårne plattformer og fartøyer har blitt et uunnværlig verktøy for å overvåke jorden på en helhetlig måte. Denne boken, Remote Sensing for Characterization of Geohazards and Natural Resources, redigert av Estelle Chaussard, Cathleen Jones, Jingyi Ann Chen og Andrea Donnellan, fokuserer på en rekke fjernmålingsteknikker og deres ofte integrerte og tverrfaglige bruk for å studere geohazarder og naturressurser på jordens overflate og grunne undergrunn.

Geohazarder er et resultat av aktive geologiske prosesser som vulkaner, jordskjelv, skred og landheving, som er fremhevet i denne boken. Ingen av disse prosessene virker isolert, og det er en økende erkjennelse av at vi må vurdere kaskader av flere geohazarder som involverer to eller flere av disse, eller andre farer (f.eks. snøras, tsunamier, meteorittnedslag, skog- og kullbranner, havnivåstigning, flom og tørke), samt menneskeskapte farer som indusert seismisitet, utarming av akviferer og skråningsfeil. Geohazarder er stadig mer kostbare og dødelige, og de globale økonomiske tapene de siste tiårene har blitt vurdert til omtrent 300 milliarder dollar årlig (Ward et al. 2020). Korrekt risikovurdering, som også tar hensyn til eksponering og sårbarhet, starter med nøyaktig karakterisering av de underliggende farene.

Å karakterisere og redusere risikoen fra disse forskjellige farene krever et bredt spekter av observasjoner og analyser. Studier av geohazarder trenger derfor å ha et tverrfaglig perspektiv som tar hensyn til flere farer samtidig. Heldigvis har den globale flåten av fjernmålingssatellitter, forbedrede beregningskapasiteter og moderne dataanalysemetoder gjort det mulig å overvåke mange farer på verdensbasis. Dette gir oss muligheten til å forbedre risikovurderinger og raskere reagere på naturkatastrofer.

Fjernmåling spiller også en uvurderlig rolle i å finne, inventere, overvåke og beskytte naturressursene på jorden. Dette gjelder spesielt når det gjelder ferskvannsressurser, som er en grunnleggende nødvendighet for menneskers overlevelse. Globalt har det blitt et økende behov for nøyaktig kartlegging og overvåking av vannressurser, ettersom endringer i klimaet og økt menneskelig aktivitet legger press på disse ressursene. Ved hjelp av fjernmålingsteknikker som gravitasjonsmålinger og GNSS (Global Navigation Satellite System) kan man overvåke store endringer i vannlagre, som er avgjørende for å forstå både tilgjengelighet og forvaltning av disse viktige ressursene.

Den integrerte bruken av fjernmålingsteknikker, som InSAR (Interferometric Synthetic Aperture Radar), LiDAR, og termisk fjernmåling, gir et detaljert bilde av de geologiske prosessene som finner sted på og under jordens overflate. InSAR for eksempel, brukes til å studere jordens deformasjon, som kan indikere alt fra jordskjelv til landheving, mens LiDAR kan hjelpe til med å kartlegge områder utsatt for skred og vulkansk aktivitet.

Når det gjelder landheving og skred, er det viktig å forstå hvordan disse farene er knyttet til menneskelig aktivitet. Urbanisering og landbruk kan forsterke naturlige prosesser, og i noen tilfeller kan de til og med forårsake farer som tidligere ikke var til stede. Gjennom avanserte fjernmålingsteknikker kan vi raskt oppdage forandringer i landskapet som kan være forløpere til katastrofer, noe som gir oss tid til å reagere.

Bokas fokus på fjernmålingens rolle i karakterisering av geohazarder og naturressurser er derfor både relevant og tidsriktig. Teknologiske fremskritt har åpnet nye muligheter for å forstå jorden på en mer presis og omfattende måte, og dette er avgjørende for å håndtere de stadig mer komplekse problemene vi står overfor. Dette gjelder ikke bare for å beskytte mennesker mot katastrofer, men også for å sikre bærekraftig utnyttelse av de ressursene vi er avhengige av.

For leseren er det viktig å forstå at fjernmåling ikke bare handler om å innhente data. Den virkelige utfordringen ligger i hvordan disse dataene tolkes og brukes til å informere beslutninger som kan forhindre katastrofer eller sikre ressursforvaltning på en bærekraftig måte. Kombinasjonen av fjernmåling, geovitenskap og datamodellering gir oss et kraftig verktøy for å forstå både geohazarder og naturressurser i dybden.

Hvordan SAR-bilder og interferometri fungerer: Prinsipper og anvendelser

SAR (syntetisk aperturradar) er en kraftig teknologi som benytter satellitter for å fange høyoppløselige bilder av jordens overflate. Denne teknologien har revolusjonert måten vi samler inn geospatiale data på, og gir oss muligheten til å observere endringer på jorden med stor presisjon. Ved å bruke radarstråler, samler SAR sensorer inn data i form av elektromagnetiske bølger som deretter analyseres for å lage detaljerte bilder av landskap og objekter på bakken.

SAR-sensorer fungerer på prinsippet om bevegelse. Satellitten som bærer sensoren beveger seg gjennom rommet, og radarbølgene som sendes ut, blir reflektert tilbake fra jordens overflate. Denne bevegelsen tillater sensorene å syntetisere en stor antenne, noe som gir høy oppløsning. Ved å sende ut elektromagnetiske bølger på bestemte frekvenser (som X-bånd, C-bånd og L-bånd), kan SAR-sensorer gi presise data på forskjellige skalaer, som er viktige for en rekke applikasjoner, fra naturkatastrofer til byplanlegging og landbruk.

SAR-teknologi er kjent for sin evne til å operere under nesten alle værforhold og på alle tider av døgnet, da den ikke er avhengig av sollys. Dette gir en stor fordel i forhold til tradisjonell optisk bildebehandling. En annen viktig egenskap er at SAR-sensorer har evnen til å fange opp små, men viktige endringer på overflaten, som kan brukes til å overvåke jordskjelv, vulkanutbrudd, og til og med snø- og isforhold.

SAR-sensorene fungerer ved å benytte seg av en koherent teknologi, der signalene som sendes ut og mottas har en bestemt faseforhold. Dette er det grunnleggende prinsippet som gjør at SAR kan brukes til å måle avstander ved hjelp av faseforskjellen i signalene. Når satellitten beveger seg, registrerer sensoren små forskjeller i tid og rom, som blir omdannet til bilder som representerer topografi, overflatebevegelser eller atmosfæriske forhold. Den største utfordringen ved bruk av SAR er å forstå og korrigere for faseambiguitet og atmosfæriske forstyrrelser, som kan skape støy i bildene.

SAR-teknologiens utvikling har vært rask, og på 2000-tallet har vi sett et stort antall satellitter med interferometriske evner bli lansert. Blant de mest kjente er satellittene fra NASA, ESA, og private aktører som ICEYE og Capella Space. Disse systemene har gjort det mulig å oppnå mer pålitelige og nøyaktige data på tvers av ulike frekvenser og tidsperioder. En viktig trend er utviklingen av nye satellittkonstellasjoner og avanserte sensorer som kan fange høyoppløselige bilder med bredere dekning og kortere revisittider. Dette er mulig på grunn av den økende påliteligheten i satellittteknologien og betydelige investeringer fra både private og offentlige romfartsorganisasjoner.

InSAR (Interferometrisk SAR) er en spesialisert teknikk som utnytter to eller flere SAR-bilder for å analysere overflatebevegelser eller topografi. Ved å sammenligne faseforskjellen mellom bildene, kan man avdekke presise endringer i overflaten, som er nyttige for å overvåke jordskjelv, bygningens stabilitet eller til og med miljøforandringer som følge av klimaendringer. En stor utfordring ved InSAR er å korrekt estimere atmosfæriske påvirkninger, som kan føre til feil i tolkningen av faseforskjellene. Likevel har metodene blitt stadig mer presise gjennom årene, takket være forbedringer i sensorene og avanserte algoritmer for databehandling.

Differensiell InSAR (DInSAR) gir enda mer presise målinger ved å bruke tidsepoker for å overvåke endringer over tid, som for eksempel skader på infrastruktur etter et jordskjelv eller skred. Dette kan gi centimeterpresisjon, noe som gjør det mulig å oppdage subtile, men viktige bevegelser på jordens overflate. Denne teknikken har blitt et essensielt verktøy for geovitenskap, forvaltning av naturressurser, og katastrofehåndtering.

I tillegg til de tekniske utfordringene som fasekorrelasjon og atmosfæriske forstyrrelser, krever SAR-bilder stor mengde databehandling for å gi nøyaktige resultater. De tidlige utfordringene ved SAR-bilder som lav oppløsning og høy støy er nå i stor grad blitt overvunnet, men det er fortsatt mye rom for forbedringer i både presisjon og dekning. Fremtidige SAR-satellitter vil kombinere flere frekvenser og sensorer i en enkelt misjon, noe som gir muligheter for enda mer detaljerte og presise analyser.

En av de mest spennende utviklingene i SAR-teknologi er muligheten for å operere med flere satellitter i konstellasjoner, noe som gir kontinuerlige oppdateringer og raskere revisittider. Dette åpner for nye applikasjoner, som sanntidsovervåkning av kritisk infrastruktur, katastrofeberedskap og mer presise kartleggingstjenester.

Teknologiske fremskritt vil muligens tillate SAR-systemer å bryte tradisjonelle begrensninger og tilby både høy oppløsning og bred dekning samtidig, takket være innovasjoner som digitale stråleformingsmetoder og MIMO (Multiple-Input Multiple-Output). Disse fremskrittene kan føre til en «gyllen tidsalder» for radaravbildning, der satellitter ikke bare overvåker jorden mer effektivt, men også med høyere presisjon, noe som vil ha en stor innvirkning på vitenskap, industri og miljøforvaltning.

InSAR og DInSAR-teknikker har allerede vist sitt enorme potensial, og det er liten tvil om at SAR-teknologiens utvikling vil fortsette å ha en betydelig innvirkning på vårt evne til å forstå og forvalte vår planet. Med fortsatt innovasjon og økt tilgjengelighet vil fremtidige SAR-misjoner tilby enda mer detaljert, pålitelig og rask informasjon om jordens overflate og dens dynamikk.

Hvordan forbedre presisjonen i bildekorrelasjon for å oppnå sub-pikselsforskyvninger

For å oppnå presisjoner på sub-piksel nivå i bildekorrelasjon er det viktig å bruke teknikker som muliggjør nøyaktig identifikasjon av små forskyvninger mellom bilder. En vanlig metode for dette er å bruke fasekorrelasjon i frekvensdomenet, som kan tilby mer nøyaktige resultater enn tradisjonelle romdomene-metoder. Denne teknikken fungerer ved å analysere Fourier-transformerte bilder, der beregningene i frekvensdomenet er betydelig mer effektive sammenlignet med romdomene, spesielt når man håndterer store datamengder.

For å øke presisjonen, kan man begynne med å oppskalere bildene slik at hver piksel representerer en brøkdel av opprinnelig bildeoppløsning. Dette kan gjøres ved å utføre en høyoppløselig interpolasjon på det normaliserte krysskraftspektrumet heller enn på de opprinnelige bildene. Dette spektrumet kan deretter brukes til å finne forskyvningen ved å utføre en invers Fourier-transformasjon og identifisere toppen av spektrumet som representerer forskyvningen. En enda mer effektiv metode er å fokusere på et lite område rundt et estimat for toppen fra et tidligere kjørsel, og utføre iterasjoner med høyere oppskaleringsfaktorer for å finjustere forskyvningen til sub-piksel nivå. Dette tillater en mer presis måling av forskyvning på nivåer av omtrent 1/10-piksel, noe som er vanlig i satellittbilder tatt på forskjellige tidspunkter.

Ved å bruke optiske tidsserier for videre behandling, kan man redusere støy ytterligere og oppnå presisjoner på rundt 1/50-piksel. Dette er spesielt viktig når man jobber med bilder som har høy grad av støy, for eksempel i områder med tett vegetasjon eller på bilder med stor temporal avstand. På den annen side er metoder som beregnes direkte i romdomenet, som ZNCC, vanligvis mer effektive, men de er ikke like robuste som frekvensbaserte metoder.

En annen viktig teknikk er den gradientnedstigningsmetoden som benyttes i COSI-Corr, som er basert på å minimere residualene mellom det beregnede spektrumet og et teoretisk spektrum. Dette gir muligheten til å justere forskyvningene mer nøyaktig, spesielt når man anvender sinc-interpolasjon for å resamplere bildene ved hver iterasjon. Dette øker robustheten i målingene. Men, et viktig aspekt å merke seg er at selv om høy signal-til-støy-forhold (SNR) er et mål for kvaliteten på korrelasjonen, gir det ikke nødvendigvis informasjon om usikkerheten i målingene. Derfor er det viktig å bruke store nok korrelasjonsvinduer for å fange lavfrekvente signaler og minimere diskontinuitet som kan forårsake høyfrekvente artefakter i FFT.

For nøyaktige resultater med COSI-Corr, bør man unngå å bruke korrelasjonsvinduer mindre enn 32x32 piksler, da dette kan føre til tap av signalenergi og forvrengning av resultatene. Det er også viktig å bruke en passende vindusfunksjon for å redusere effektene av spektrallekkasje, som oppstår på grunn av skarpe kantlinjer i de korrelerte bildeutsnittene.

Fasekorrelasjon er relativt følsom for støy, spesielt sammenlignet med romdomene-korrelasjonsmetoder. Metoden som er utviklet av Leprince et al. (2007) og brukt i COSI-Corr, har ingen romlig regularisering, noe som kan føre til ikke-fysiske løsninger hvis man ikke er forsiktig. Dette er et viktig aspekt ved fasekorrelasjon, ettersom den kan gi unøyaktige resultater hvis den ikke kombineres med riktig støyfiltrering og maskering av korrelerte frekvenser.

En annen tilnærming er Semi-Global Matching (SGM), som er et romdomene-algoritme som er i stand til å raskt hente forskyvninger mellom bilder, spesielt når man har store forskyvninger i små områder. SGM er effektiv for å beregne diskrete forskyvninger, men den er ikke optimal for sub-pikselspresisjon. Den kan imidlertid brukes i kombinasjon med mer robuste metoder for sub-pikselsfinjustering, som de som brukes i MicMac og ASP.

Til slutt kan andre korrelasjonsmetoder, som de som benyttes i ASP-programvaren, bruke en Bayesiansk tilnærming for å beregne sub-piksel forskyvninger. Dette kan være spesielt nyttig under stereo-matching-fasen av prosessene, hvor det kreves høy presisjon for å oppnå nøyaktige resultater. Disse metodene kan håndtere mer komplekse forskyvninger enn standard blokkmatching-algoritmer og gir muligheten for høy presisjon.

I de kommende årene, når bildeoppløsningene for satellittbilder øker, vil behovet for sub-piksel korrelatorer muligens reduseres, spesielt for hendelser som jordskjelv, der forskyvningen kan falle innenfor pikselområdet. Effektive fasekorrelasjonsalgoritmer vil derfor fortsatt spille en viktig rolle i behandlingen av store datamengder, spesielt i situasjoner hvor målet er å fange store forskyvninger eller når det er behov for parallelle beregninger for raskere prosessering.

Hvordan ble landproblemet løst for IUCAA-senteret i Pune?
Hvordan CD Projekt Red har utviklet seg: Fra Geralt til Ciri og fremtiden for Witcher-universet
Hvordan oppnå konsensus i trådløse nettverk: Utfordringer og løsninger
Hvordan algoritmene påvirker nyhetsformidlingen og gatekeeping i sosiale medier
Hvordan Polens lovgivning om Holocaust påvirker forholdet til Israel og USA