envi-sarscape实操

工具：ENVI5.6 ; SarScape5.6 ；

数据详情：

哨兵一号数据:

1. 参数设置

导入哨兵固定参数：

2. 数据导入

（1）safe文件：

（2）矢量文件：

在QGIS中打开矢量文件，主图层为光学卫星影像esri satellite，研究区域如下：

（3）参数

由于slc数据的极化方式是VV，选择copolarzation ，若是VH或HV极化，则选crosspolarzation

（4）设置输出路径、运行

（5）结果

得到_pwr强度图tif文件:

得到的SAR影像和光学卫星影像左右颠倒，这是因为轨道方向为 降轨。（升轨为上下颠倒）

（注：本次未采用精轨文件，精轨文件可在欧空局官网：ESA 进行下载）

3. 基线估计

基线估算的结果显示，这两景数据的空间基线为50.069米，远小于临界基线6368.418米，时间基线12天，做DInSAR一个相位变化周期代表的地形变化为0.028米。

4. DInSAR形变工作流

（1）输入数据

制图分辨率选择了25m（哨兵1数据制图分辨率默认为15米），在形变导致失相干较为严重、植被覆盖区域相干性低等情况，低的制图分辨率，有利于得到较好的形变条纹。

（2）导入基本SAR数据

第二部分已导入过数据，这一步直接默认，next

（3）生成干涉图

运行结束后，自动加载了去已知地形的差分干涉图 _dint ：

然后，在默认输出路径的文件夹下：

找出 去已知地形的差分干涉图 _dint_ql.tif （预览图）：

（注：关于Quick Look图，又称快视图、预览图，在文件中有_ql后缀，个人将理解其为干涉图和_pwr多视强度图的叠加影像图，其配色和干涉图有所不同）

（4）自适应滤波和相干性生成

对上一步生成的差分干涉图进行滤波，对干涉图的噪声进行一定程度的抑制，计算干涉像对的相干系数。干涉图滤波有4种方法（Adaptive、Boxcar、Goldstein、Adaptive Non Local InSAR）可选，本次使用了Goldstein滤波方法，这种滤波方法的滤波器是可变的，提高了干涉条纹的清晰度、减少了由空间基线或时间基线引起的失相干的噪声，这种方法是最常用的方法。

由于地震区域相干性比较低，默认滤波参数得到的干涉条纹还是存在较多噪声，本次处理增加了滤波窗口和Alpha最大最小值，效果是增强了滤波强度。

得到结果：

自适应滤波后的差分干涉图_ql.tif（预览图）

相干系数图_ql.tif（预览图）

相干系数图是一副0-1的灰度图（图中 小图为相干系数分布直方图，其横坐标是相干系数，纵坐标是像素点个数），值越大颜色越白，表示相干性越高，地表发生变化的区域相干性低。

将相干系数分布直方图进行拉伸，只显示相干性低于0.3的像素点，可明显看到如下地震区域相干系数较低，表明其地表了发生了变化。

（5）相位解缠

干涉图中的相位，从-π到π呈周期性变化，当真实相位值大于π时，相位会重新从-π开始，以2π为周期循环。相位解缠是将相位由差分相位恢复为真实值的过程。

默认参数，点击next，得到相位解缠结果：

相位解缠结果（预览图：INTERF_out_upha_ql.tif）

（注：每次要生成图片时，在Global设置中将Generate Quick Look设为True，以此来生成TIF）

（6）轨道精炼和重去平

使用一组代表稳定位置的GPC点，进行多项式拟合，对轨道误差进行去除，优化相位解缠的结果。

在远离形变条纹、相干性高、解缠结果平滑的位置，选择若干控制点：

cc

单击finish，下一步

使用多项式模型，结合GCP点的相位，解算多项式系数，拟合多项式，对干涉图和解缠后的相位进行轨道精炼和重去平：

运行得到轨道精炼后的干涉图_reflat_fint和解缠相位图_reflat_upha：

_reflat_fint

_reflat_upha

轨道精炼报告如下：

ESTIMATE A RESIDUAL RAMP

Points selected by the user = 11

Valid points found = 11

Extra constrains = 2

Polynomial Degree choose = 3

Polynomial Type : = k0 + k1*rg + k2*az

Polynomial Coefficients (radians) :

k0 = -1.2727723347

k1 = -0.0018806371

k2 = 0.0004458157

Root Mean Square error (m)= 148.8535827091

Mean difference after Remove Residual refinement (rad) = -1.5275151390

Standard Deviation after Remove Residual refinement (rad) = 3.2334229996

可以看出，本次使用了11个GCP点，全部位于有效像元，使用这11个GCP点，拟合的轨道精炼的多项式为：-1.2727723347 - 0.0018806371 * rg + 0.0004458157 * az ，均方根误差RMSE为148.85米，去除残差后的平均差值为-1.5275弧度，去除残差后的标准差为3.233弧度。

（7）相位转形变与地理编码

将经过轨道精炼和重去平的解缠相位，转换为形变，并地理编码到地理坐标系。

得到结果如下：

（8）输出结果

得到形变结果如下,是一个单波段的灰度图像，像元值就是形变量，单位为米，正值代表朝传感器方向运动（抬升），负值代表远离传感器方向移动（沉降）

如下所示，东北侧像元值为0.0615，表明本次地震引起地表形变量级约为6cm，地震发生的位置，存在两个方向相反的形变区，西南侧沉降，东北侧抬升

东北侧

5. 结果渲染与表达

（1）颜色分级显示

使用ENVI的密度分割功能实现，在形变结果图上点击右键，点击New Raster Color Size，在密度分割面板，可根据制图需要设置各级DN值范围与颜色

（2）叠加底图

利用山体阴影生成工具，可叠加雷达数据强度图或光学影像作为底图，形变图设置一定透明度显示。

使用DEM数据生成山体阴影：打开ENVI工具箱/Terrain/Create Hill Shade Image，选择下图中的文件，其为Dinsar工作流生成的DEM模型：_cut_dispwf_disp_dem （该DEM经过工作流处理，与原DEM相比，已被裁剪）。

点击Compute Elevation and Azimuth，输入该地区的经纬度（ENVI界面左下角自动显示鼠标所在位置的经纬度），输入时间（GMT时间）。

通过调节透明度开关，调节形变图或山体阴影的透明度，得到最终结果如下！

形变图叠加

也可与颜色分级图叠加：

颜色分级形变图叠加

ps:中间步骤太多过不了审，私信可答疑、提供数据，欢迎交流哦😋