Sentinel-1 SAR快速处理与水稻提取

目录

1. 概述

1.1 影像裁剪(Subset )

1.2 红外热噪声去除(Thermal Noise Removal)

1.3 轨道校正(Apply Orbit File)

1.4 辐射定标(calibration)

1.5 地形校正(Range Doppler Terrain Correction)

1.6 背向散射系数分贝化(LInearTo/FromdB)

2. 具体步骤

2.1 打开影像

2.2 裁剪影像

2.3 轨道校正

2.4 热红外噪声去除

2.5 辐射定标

2.6 斑点去除

2.7 地形校正

2.8 分贝化

 2.9 RBG波段合成可视化

3. 水稻提取

3.1 阈值法提取水稻像元

 3.2 初步提取结果


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。

Sentinel-1 SAR数据下载与处理(1)_giser2016的博客-CSDN博客最近由于项目的需要,学习了一下Sentinel-1 SAR数据的下载与使用。1. 下载官网Open Access Hub打开官网,并选择Open Hub进入下载面页。API Hub是通过命令行下载,有兴趣的可以自行了解。https://blog.csdn.net/giser2016/article/details/122254151?spm=1001.2014.3001.5501

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。

  • 28
    点赞
  • 144
    收藏
    觉得还不错? 一键收藏
  • 20
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 20
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值