SAR数据处理
SAR数据处理
分类：ENVI / SAR
最后修改时间：2026-02-24 16:17:52.069
数据导入
参数预设
在每使用一套不一样的数据之前，都要更改参数预设
sentinel-1
zip数据解压后，导入safe文件
研究区
精密轨道
参数
输出文件
有影像存放的文件夹，slc索引文件、强度索引文件、slc/强度的shp文件，还有slc/强度的sml文件
DEM
dem作用：
- 地理编码，也就相当于光学遥感里面的几何校正，正射校正，
- 在insar里面生成合成相位，去除地形干涉组分，dem可以生成合成相位
- 作为地理参考，投影
导入外部DEM(TIF)
单景SAR数据处理
RAW聚焦
一般直接用SLC数据，不用做RAW
可以对 RAW 数据中每个点的反射率利用经过优化的调焦算法实现数据快速聚焦处理，直接输出 SLC 数据，并支持聚焦前对 RAW 数据的镶嵌
GF-3处理流程
导入数据
多视
单视复数（SLC）SAR 图像产品包含很多的斑点噪声，为了得到最高空间分辨率的 SAR 图像，SAR 信号处理器使用完整的合成孔径和所有的信号数据。多视处理是在图像的距离向和方位向上的分辨率做了平均，目的是为了抑制 SAR 图像的斑点噪声。多视的图像提高了辐射分辨率，降低了空间分辨率。
制图分辨率选择：浏览 .sml 文件，如获取数据入射角<IncidenceAngle>：20.8 度，距离向采样间隔<PixelSpacingRg>：4.73 米，最大制图分辨率为 4.73/sin（20.84）=13.3，因此设置制图分辨率为 15 米。
结果是强度图像（pwr）
距离向视数（Range Looks）：2，方位向视数（Azimuth Looks）：1
滤波
从连贯 SAR 传感器中获取的图像都有斑点噪声，SARscape 提供两大类滤波，用于单波段雷达图像的滤波和多时相雷达图像滤波。
地理编码&辐射定标
图像分类
计算 HH/VV 比值图像
水稻信息提取
接下来就是光学遥感方法
比如简单的密度分割（误差大）
还有非监督、监督、决策树等
非监督分类
遥感影像的非监督分类一般包括以下 6 个步骤
生成多波段数据
打开 ENVI Meta File Builder 面板，添加比值数据和 4 个极化的后向散射系数数据，形成一个具有 5 个波段的 ENVI Meta文件。顺序为 HH/VV 比值波段、HH、VV、HV、VH
多时相
数据导入
同上 哨兵数据不需要做多视
图像配准
覆盖同一地区的多幅雷达影像（可能会发生位偏移），如要进行时间序列分析、动态监测、多时相滤波处理等，需要进行图像间的配准处理 配准处理要求是斜距几何，并且各个图像采用相同的接收几何。配准不同于地理编码，地理编码是将每个像素从斜距几何转化为地图投影
输入影像
输入DEM
参数
生成一个后缀为_meta 的索引文件，每一景数据的配准结果作为一个波段在该文件中，类似于一个多波段数据，以及一个.series 时间序列文件。
滤波处理斑点噪声
多时相滤波
参数
地理编码和辐射定标
生成一个后缀为_meta 的索引文件，以及一个.series 时间序列文件
水稻种植区域提取
分析后向散射系数
- 打开*Db__meta 文件，可结合水稻物候和散射特征选择 3 月、5 月、6 月作为 RGB 合成波段
- 绘制水稻种植区的 ROI，可结合Google Earth 识别水稻区域。
- 可在多个地块上绘制水稻 ROI，得到多个区域的水稻后项散射系数曲线
- 选择一个类别 ROI，在 TS Raster Analyzer 面板中，单击 PlotselectedROI 按钮绘制感兴趣区内平均后项散射系数曲线
- 选择另外一个类别 ROI，重复第四步，绘制所有水稻感兴趣区的平均后项散射系数曲线
数据裁剪与图像分类
裁剪
勾选样本
分类
监督分类-最大似然
去斑点
平滑、聚合
值越大，去除斑点就越多
图像平滑程度就高
但是就更不精确
输出
可以选择输出矢量和栅格
