Identyfikacja obszarów miejskich na zobrazowaniach SAR i w bazie danych Urban Atlas

Joanna Pluto-Kossakowska
Politechnika Warszawska

Sandhi Wangiyana
Politechnika Warszawska

Streszczenie

Celem niniejszego badania była ocena przydatności satelitarnych danych SAR (Synthetic Aperture Radar) w pasmach X i C do klasyfikacji terenów zabudowanych w oparciu o klasyfikację Urban Atlas. Skoncentrowano się na możliwości rozróżnienia klas o różnej gęstości zabudowy oraz funkcji terenu z wykorzystaniem zarówno intensywności wstecznego rozproszenia, jak i cech teksturowych generowanych metodą GLCM. Do analiz wykorzystano zobrazowania satelitarne Sentinel-1 i ICEYE dla dwóch aglomeracji miejskich: Warszawy i Londynu, a referencyjną warstwą tematyczną była baza Urban Atlas po tematycznej agregacji do siedmiu klas. Wyniki wskazują, że obrazy SAR pozwalają na identyfikację głównych klas pokrycia terenu, w szczególności gęstej
zabudowy miejskiej, roślinności i wody. Wysoka rozdzielczość obrazów w paśmie X umożliwia lepsze odwzorowanie struktury urbanistycznej, natomiast obrazy teksturowe zwiększają zdolność różnicowania klas o zbliżonej intensywności odbicia. Wykazano także, że polaryzacje VV i VH różnicują klasy o odmiennym układzie (gęstości) i funkcji rbanistycznej. Badanie potwierdza potencjał wykorzystania danych SAR jako źródła wspomagającego aktualizację baz danych referencyjnych oraz do automatycznej klasyfikacji obszarów zurbanizowanych.

Słowa kluczowe:

Urban Atlas; SAR; gęstość zabudowy; tekstura; obszar zurbanizowany

Pełny tekst:

PDF

Bibliografia

Amarsaikhan, D., 2020: Advanced Classification of Optical and SAR Images for Urban Land Cover Mapping. The International Archives of the Photogrammetry, Remote Sensing and Spatial

Information Sciences XLIII-B3-2020 (August):1417–21, DOI: https://doi.org/10.5194/isprsarchives-

XLIII-B3-2020-1417-2020.

Brown, C.F., Brumby, S.P., Guzder-Williams, B., Birch, T., Brooks Hyde, S., Mazzariello, J.,

Czerwinski, W., Pasquarella, V.J., Haertel, R., Ilyushchenko, S., Schwehr, K., Weisse, M.,

Stolle, F., Hanson, C., Guinan, O., Moore R., Tait, A.M., 2022: Dynamic World, Near real-time

global 10 m land use land cover mapping. Sci Data 9, 251, DOI: https://doi.org/10.1038/s41597-

-01307-4.

Dynamic World: https://dynamicworld.app/ (dostęp: 25.11.2025).

ESA World Cover: https://esa-worldcover.org/en (dostęp: 25.11.2025).

HRL Copernicus, 2024: High Resolution Layer Imperviousness.

https://land.copernicus.eu/en/products/high-resolution-layer-imperviousness.

Lefebvre, A., Sannier, Ch., Corpetti, T., 2016: Monitoring Urban Areas with Sentinel-2A Data:

Application to the Update of the Copernicus High Resolution Layer Imperviousness Degree.

Remote Sensing 8 (7): 606, DOI: https://doi.org/10.3390/rs8070606.

Meyer, F., 2025: The SAR Handbook. Chapter 2. Chrome

extension://efaidnbmnnnibpcajpcglclefindmkaj/https://gis1.servirglobal.net/TrainingMaterials/

SAR/Chp2Content.pdf.

NASA, 2019: The SAR Handbook. https://www.earthdata.nasa.gov/learn/earth-observation-databasics/

sar-handbook. (dostęp: 20.05.2025).

Pluto-Kossakowska, J., Cuprjak, M., 2023: Indicators Method of Aesthetics Analysis Using Spatial

Datasets. Space&FORM 2023 (55): 179–204, DOI: https://doi.org/10.21005/pif.2023.55.C-03.

Pluto-Kossakowska, J., Giczan, J., 2023: Analysis of Built-up Classes in Urbanised Zones Using

Radar Images. Quaestiones Geographicae 42 (3): 195–211,

DOI: https://doi.org/10.14746/quageo-2023-0032.

Pluto-Kossakowska, J., Wangiyana, S., 2025: Supervised semantic segmentation of urban area

using SAR, Remote Sensing, DOI: https://doi.org/10.3390/rs17091606.

Projekt SAR2Earth: A SAR-to-EO Translation Dataset for Remote Sensing Applications.

https://sar2earth.github.io (dostęp: 30.07.2024).

Urban Atlas, Guide, 2021: Urban Atlas — Copernicus Land Monitoring Service. 2 March 2021.

https://land.copernicus.eu/en/products/urban-atlas.

Zhao, J., Zhang, Z., Yao, W., Datcu, M., Xiong, H., Yu., W., 2020: OpenSARUrban: A Sentinel-1

SAR Image Dataset for Urban Interpretation. IEEE Journal of Selected Topics in Applied Earth

Observations and Remote Sensing 13:187–203, DOI:

https://doi.org/10.1109/JSTARS.2019.2954850.