Estimering av egenskaper til naturlige klasser i radarbilder med en blandingsmodell

Abstract

I løpet av de siste årene har isdekket i polhavet gått fra å være flerårsis til å bli en sesongbasert istype. Hvordan isen utvikler seg på sommeren vil avhenge av smeltevannandelen, blant annet på grunn av at smeltevannet har mindre albedo enn isen. For å estimere andelen smeltevann er det i denne oppgaven utviklet flere metoder som kan brukes på satellittbilder. Disse metodene bruker en statistisk blandingsmodell og momentmetoden. Momentene som er brukt er lineære- og logaritmiske momenter opp til tredje orden. Totalt er det utviklet fire metoder som ser på intensitetsdata og to som bruker kovariansmatrisa. De statistiske egenskapene varians og forventingsskjevhet er undersøkt gjennom flere simuleringsstudier. Metodene så ut til å fungere så lenge utvalget hadde av en viss størrelse, at ingen av klassene var for små og dersom forventingene til de to fordelingene ikke var for lik. Under sammenligningene så det ut til at estimatorene var konsistente.

Metodene er også blitt testet på et reellt datasett fra satellitten TerraSAR-X, men her så det ikke ut til at metodene fungerte. Estimatene for smeltevannandelen så ut til å generelt ligge for høyt og metodene som brukte kovariansmatrisa så ut til å ha problemer med å skille dataen i to klasser. For et område der bakkesannheten hadde ca. 24 % smeltevannandel estimerte metodene andelen til å være over 67 %. Feilene kan skyldes en kombinasjon av at datasettet lå nær støygulvet og at bildene består av mange blanda piksler og eventuelt flere klasser. Spesielt satellittbildet som lå delvis under støygolvet ga problemer.