目录
1.2 红外热噪声去除(Thermal Noise Removal)
1.5 地形校正(Range Doppler Terrain Correction)
1.6 背向散射系数分贝化(LInearTo/FromdB)
1. 概述
相比与光学影像,SAR数据以其较强的穿透性,能够更有效地提取南方多云雨地区的水稻区域。本篇博客对Sentinel-1 SAR GRD数据进行快速处理,获取SAR影像的散射系数影像,最后粗略地使用阈值法提取水稻种植区域。如果有不了解Sentinel-1 SAR GRD数据如何下载的同学,请点击下方链接自行学习。
这一部分主要介绍快速预处理过程,包括热红外噪声去除、执行轨道校正、辐射定标、地形校正、裁剪、分贝化等部分,总体流程如下图所示。有些步骤可以改变顺序,如Subset可以先执行,以便节省内存开销。
1.1 影像裁剪(Subset )
由于SAR数据量较大,一景Sentinel-1 GRD数据约为1G,SLC数据约为4G。对于配置不高的电脑,在操作前进行研究区的裁剪能减少电脑内存的消耗,增加处理速度。
1.2 红外热噪声去除(Thermal Noise Removal)
热噪声校正可应用于Sentinel-1 1级SLC产品以及尚未校正的1级GRD产品。该功能根据产品提供的噪声查找表(noise LUT)进行校正。
1.3 轨道校正(Apply Orbit File)
由于SAR产品元数据中提供的轨道状态向量通常不准确,需要使用精确的轨道文件进行细化,这些文件在产品生成后的几天到几周内可用。也可以通过https://qc.sentinel1.eo.esa.int/获取精确的轨道信息。
1.4 辐射定标(calibration)
Sentinel-1所有的一级产品都未经过辐射校正,因此需要将辐射信号转化为有物理意义的散射系数(类似于光学影像中将DN值转化为辐射强度)。对于Sentinel-1 GRD数据而言,需要将DN值转化为背向散射吸收sigma nought。
1.5 地形校正(Range Doppler Terrain Correction)
由于地形的变化和雷达发射接收器的倾斜,SAR图像中的影像距离可能发生变形,距离星下点越远,距离越大。因此,进行距离多普勒校正有助于校正这些变形。
1.6 背向散射系数分贝化(LInearTo/FromdB)
分贝化是一个对数单位,表示一个物理量与同类型的参考量的比例。听着可能比较难理解,举个例子就清楚了。雷达的发射器功率可以达到数千千瓦(因为要长距离传输到地面),而接收器却是毫瓦级别,通过分贝化,就能缩小二者之间的动态范围(如:发射1000kW=10lg(1000*1000=60dB), 接收1mk=10log(0.001)=-30dB,可脑补下对数图像的形状)。当然分贝化还有其他优势,大家可以阅读下面博客:Sentinel-1 GRD数据处理及其在水体信息提取中的应用_爱吃寿司的猫-CSDN博客_哨兵1水体提取https://blog.csdn.net/weixin_45552658/article/details/107925288?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.pc_relevant_paycolumn_v2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.pc_relevant_paycolumn_v2&utm_relevant_index=5
2. 具体步骤
2.1 打开影像
File>Open Product
或者点击工具栏图标打开。
打开文件可以发现一个Sentinel-1影像文件包含了Metadata、Vector Data、Tie-Point Grids、Quicklooks、Bands四个文件,其中,Bands中提供了实际可用的波段信息。Amplitude为雷达数据的反射振幅,Intensity为雷达数据的强度,二者都可以表示地物对雷达波束的反射强度(Itensity = Amplitude*Amplitude)。Itensity波段前面图标有“V”的代表virtual,虚拟波段,类似ENVI计算产生的memory波段,只是临时加载。其可以通过Amplitude计算出。
2.2 裁剪影像
Raster>Subset
移动视图中的方框,确定合适的裁剪范围,其他默认。
2.3 轨道校正
Radar>Apply Orbit File
2.4 热红外噪声去除
Radiometric>S-1Thermal Noise Removal
在Processing Parameters勾选Remove Thermal Noise,其他默认。
注意,热红外噪声去除后,原文件中的虚拟雷达强度波段被去除(图标中"V"的波段,内存临时产生的波段)。
2.5 辐射定标
Radiometric>Calibrate
Output sigma() band,转化为背向散射系数
2.6 斑点去除
Raster> Speckle Filtering>Single Product Speckle Filter
小区域对比过滤前后
2.7 地形校正
Geometric>Terrain Correction>Range-Doppler Terrain Correction
去除Mask out areas without elevation选项,否则将会掩膜掉海拔不存在的像元。
2.8 分贝化
Raster>Data Conversion>Linear to/from dB
影像分贝化后的像元分布
2.9 RBG波段合成可视化
3. 水稻提取
做完上述步骤,我们已经得到了一个标准质量的SAR 影像了,可以进行一系列的科研分析工作了
对比分析RGB合成影像与VH、VV波段差异
如下图水稻种植区域
3.1 阈值法提取水稻像元
>Raster>Band Math
根据色带量级确定水稻的像元散射系数范围,如本例为(-18.3~-13.93)
3.2 初步提取结果
导出至google earth
上述步骤描述了Sentinel-1 SAR GRD数据的快速处理步骤,同时基于预处理影像对某南方地区的水稻进行了阈值法粗提取。从提取的结果来看,提取区域与水稻种植区域大致符合。后期有时间再和大家分享一下利用机器学习法、水稻物候期等方法进行提取。