SAR遥感应用
基于SAR遥感技术的地表形变监测与分析
基于SAR遥感技术的地表形变监测与分析地表形变监测与分析是现代地质学研究中的一个重要组成部分。
随着遥感技术的发展，特别是合成孔径雷达（SAR）遥感技术的广泛应用，地表形变监测和探测已经成为可能。
在本文中，我们将介绍基于SAR遥感技术的地表形变监测与分析。
一、SAR遥感技术的基本原理SAR遥感技术是指利用合成孔径雷达进行地表反射特性的探测和测量。
SAR遥感技术具有高分辨率、强穿透能力、天气、时间和空间的自由组合、能够获取图像底层图像信息等优点，已成为测量地表形变的重要实践手段之一。
二、地表形变的监测方法基于SAR遥感技术的地表形变监测方法主要包括多时相干变化监测、差分干涉合成孔径雷达干涉（D-InSAR）技术、差分图像杂讯(DIFF)技术、非干涉SAR技术等。
1.多时相干变化监测多时相干图像变化监测方法是指通过多次拍摄同一地区的SAR图像，比较不同时间的相干图像调查地表地貌变化。
该方法不需要排除干涉误差，但是需要进行图像配准和过滤噪声等后处理。
2.D-InSAR技术差分干涉合成孔径雷达干涉技术(D-InSAR)是利用合成孔径雷达(SAR)的干涉相位速率信息来获得地表形变的一种方法。
该方法可以实现亚毫米级的形变测量，并且对长周期或高振幅地表形变有较好的解析度。
3.DIFF技术差分图像噪声技术(DIFF)是利用SAR图像序列相互差分的一种方法来实现地表形变测量，该技术可以在二者之间产生比干涉法更弱的相位异常，但是需要以图像对的方式来进行时间-空间匹配。
对于单个图像不同的区域，该方法的精度较低。
三、地表形变的分析方法当地表形变的监测数据已经得到，我们需要进行进一步的分析。
常用的分析方法主要包括时间序列分析、模型拟合、多元回归分析、作用学模型和灰色模型分析等。
1.时间序列分析时间序列分析是指对于不同时间的地表形变数据进行综合分析。
首先需要对形变时间序列进行整理和统计，然后绘制出时间相位曲线，找到对应的干扰源并估计形变干扰的影响。
常见遥感卫星及传感器介绍
常见遥感卫星及传感器介绍在现代遥感技术中，有许多不同类型的卫星和传感器，用于收集地球表面的图像和数据。
以下是一些常见的遥感卫星和传感器的介绍。
1. Landsat系列卫星：Landsat系列卫星是最早实现陆地遥感的系列卫星，由美国国家航空航天局（NASA）和美国地质调查局（USGS）合作运作。
Landsat卫星使用多光谱传感器，可以提供高分辨率的图像，用于监测陆地覆盖变化和环境监测等应用。
2.NOAA系列卫星：美国国家海洋和大气管理局（NOAA）运营的卫星系统，主要用于气象预报和海洋监测。
NOAA卫星携带多种传感器，包括红外线和微波辐射计，用于监测大气温度、云层、气溶胶、海洋温度等气象和海洋参数。
3. Sentinel系列卫星：欧洲空间局（ESA）运营的Sentinel系列卫星是欧洲自主研发的卫星系统，用于实现全球环境和气候监测。
Sentinel卫星搭载了多种传感器，包括雷达和多光谱仪等，可以提供高分辨率和全球覆盖的地表图像。
4. MODIS传感器：MODIS（Moderate Resolution Imaging Spectroradiometer）传感器是NASA的一个重要遥感工具，搭载在Terra和Aqua卫星上。
该传感器可以提供多光谱图像，用于监测全球气候变化、植被生长和陆地表面特征等。
5. AVHRR传感器：AVHRR（Advanced Very High Resolution Radiometer）传感器是美国国家气象局（NWS）和NOAA联合研发的传感器，主要用于气候和海洋监测。
AVHRR传感器可以提供地表温度、云层、海洋色彩等信息。
6. Hyperion传感器：Hyperion是美国地质调查局（USGS）运作的一种高光谱传感器，搭载在Landsat卫星上。
该传感器可以提供高光谱图像，用于监测地表物质的组成和特征。
7. SAR传感器：SAR（Synthetic Aperture Radar）传感器可以通过雷达波束发射和接收来获取地表反射率数据。
sar使用技巧
sar使用技巧SAR (Synthetic Aperture Radar) 是一种利用卫星或航空平台上的雷达系统获取地表信息的遥感技术。
它通过发射雷达波束并接收反射回来的信号，可以产生一种高分辨率、高精度的图像，具有跨季节、全天候的优势。
以下是一些 SAR 使用技巧：1. 图像解译：SAR图像通常呈现出灰度图像，对初学者来说理解起来可能有一定难度。
在图像解译过程中，可以根据地物的形状、纹理和阴影等特征作为识别的主要依据。
2. 去除斑点噪声：SAR图像常常会受到斑点噪声的影响，使得图像质量下降。
为了改善图像的可视性和准确性，可以使用滤波技术来去除斑点噪声，如中值滤波器或Lee滤波器。
3. 图像配准：SAR图像获取的时间和空间信息可能会有一定差异，因此当需要将多幅SAR图像进行对比分析时，需要进行图像配准。
常用的方法包括基于特征点的配准（如SIFT、SURF算法）和基于控制点的配准。
4. 清晰度增强：SAR图像的清晰度较低，某些细节可能无法清晰地展现出来。
对于SAR图像的清晰度增强，可以尝试使用直方图均衡化、维纳滤波器或Retinex算法等方法。
5. 地物提取：SAR图像中的地物通常与光学图像中的地物有所不同，这是因为SAR对地物的敏感性不同。
进行地物提取时，可以结合其他数据或者采用合适的特征提取算法（如极化特征提取）来提高准确性。
6. 高程信息提取：SAR图像能够获取到地物的高程信息，这对于地形分析和地物研究非常重要。
高程信息通常通过干涉SAR或雷达高程信息解算方法来提取。
7. 辅助影像处理：SAR图像可以与其他遥感数据（如光学图像、DEM数据等）进行融合处理，以得到更全面、准确的地表信息。
融合方法包括像元层面融合、特征层面融合和决策层面融合。
8. 目标检测：SAR图像的特点使得其在目标检测方面具有一定的优势。
常用的目标检测方法包括阈值分割、基于形态学的方法和基于特征的方法。
9. 变化检测：利用多时相的SAR图像进行变化检测，可以有效监测土地利用/覆盖变化、水体演化和灾害监测等。
基于SAR遥感技术的海浪参数反演研究
基于SAR遥感技术的海浪参数反演研究海浪是指由风力或其他自然力量在海表面产生的涌动。
海浪的形成和发展、传播和消失是由复杂的物理机制支配的，在海洋科学研究中具有重要的意义。
对海浪的认识和研究是深化对自然规律的认识和开发利用海洋资源的重要前提。
然而，海浪的观测是一项复杂而艰巨的任务，在条件恶劣的海域，常常受到测量设备的限制。
因此，基于SAR遥感技术的海浪参数反演成为了现代海洋科学研究的热点之一。
SAR遥感技术由于其天气、时间和空间无限制等特点，最近逐渐应用到了海洋波浪的研究中。
SAR（Synthetic Aperture Radar）合成孔径雷达是一种主动遥感技术，可以获取目标区域的微波信号，并利用回波信号计算反演参数。
SAR遥感技术可以实现对海洋表面的高分辨率遥感观测，从而提供了无法用传统手段获得的关键海浪参数。
因此，利用SAR遥感技术进行海浪参数反演，具有重要的意义。
SAR遥感技术的海浪参数反演研究主要包括两个方面：一是基于SAR影像获取海浪的空间和时序特性；二是基于海浪的表征参数进行模型模拟和反演研究。
针对这两个方面进行具体的阐述。
一、基于SAR影像获取海浪的空间和时序特性在SAR影像处理中，海浪在图像上的表现为背向散射成分，其大小与海浪形变和颗粒涡旋的个数有关。
通过对SAR影像的处理，可以获取到海浪在时域和空间上的特征参数。
其中，时域上的海浪参数如海浪高度、周期、方向等，可以通过对SAR图像的分析而得到。
空间上的海浪参数主要包括海浪波谱和海浪方向谱。
海浪波谱描述了海浪在频率域内的能量分布情况。
它是研究海浪的基本参数之一，在海洋工程和气象学中有着重要的应用。
SAR影像中的海浪波谱可以通过对图像强度场的分析获得。
经过对反射场的处理和滤波，可以得到波高和方向等参数进一步分析获得波谱。
海浪方向谱反映了海浪的能量在不同方向的分布情况。
它是表征海浪特性的重要参数之一，在气象学、海洋工程和海洋资源开发中均有着广泛的应用。
SAR遥感数据产品分级规范应用案例
附录A（资料性附录）SAR遥感数据产品分级规范应用案例A.1TerraSAR-X数据产品分级案例TerraSAR-X卫星为德国研制的一颗高分辨率雷达卫星，携带一颗高频率X波段合成孔径雷达传感器，可以聚束式、条带式和推扫式3种模式成像，并拥有多种极化方式。
其数据产品分级案例见表A.1。
表A.1TerraSAR-X数据产品分级方案与本规范分级对照表SAR遥感数据产品分级规范解释TerraSAR-X数据产品分级解释0级L0原始标准景产品————1级L1A单视复数据产品SSC单视斜距复影像数据产品L1B多视功率产品MGD多视地距探测产品：经过噪声抑制和投影到地距的产品L1C多视功率增强产品————2级L2几何校正产品GEC 地理编码椭球校正产品：用WGS84椭球对影像进行了通用横轴墨卡托投影（UTM）或通用极球面投影（UPS）后的产品3级L3几何精校正产品————4级L4正射校正产品EEC进行地理编码且使用SRTM DEM进行地形起伏纠正的产品ORI SAR高精度正射影像：使用高精度DEM进行地形纠正的产品5级L5FUS区域融合产品MC SAR镶嵌产品OI SAR定位影像：镶嵌产品的子集或者一景影像的一个区域ADM SAR升降轨融合产品L5DTP_DEM数字地形产品数字高程模型产品————L5DTP_DSM数字地表模型产品L5DTP_DLG数字线划图产品L5DTP_DEF地表形变产品L5SCP_POL地表覆盖产品极化特征产品表A.1(续)SAR遥感数据产品分级规范解释TerraSAR-X数据产品分级解释5级L5SCP_CLA 地表覆盖产品地物分类产品————6级L6专题产品OM SAR正射图：具有地图结构和图例的正射制图产品CDM SAR变化监测图SUB SAR地表沉陷图A.2COSMO-SkyMed数据产品分级案例COSMO-SkyMed系统是一个由意大利航天局和意大利国防部共同研发的4颗雷达卫星组成的星座，工作于X波段，提供了具有全球覆盖能力、适应各种气候的日夜获取能力及高分辨率、高精度、高干涉极化测量能力的高效便利的产品服务。
sar在道路监测中的应用
SAR在道路监测中的应用一、引言随着交通运输业的快速发展，道路安全问题日益突出。
道路监测作为保障道路安全的重要手段，对于及时发现和解决道路安全隐患具有重要意义。
传统的道路监测方法主要依赖于人工巡查和光学遥感技术，但这些方法受到天气、光照等条件的限制，难以实现全天时、全天候的监测。
而合成孔径雷达（SAR）技术以其独特的成像原理，不受光照和时间限制，因此在道路监测领域具有广阔的应用前景。
二、SAR技术基本原理及特点SAR是一种主动式微波遥感技术，通过发射微波信号并接收地面反射回来的信号来获取地面信息。
SAR系统通常搭载在飞机或卫星上，以一定的速度和角度沿飞行轨迹移动，同时发射和接收微波信号。
由于SAR系统采用合成孔径的原理，可以获得高分辨率的地面图像。
SAR技术的主要特点包括：1. 穿透性强：微波信号能够穿透云层和天气条件，不受光照和时间限制，因此SAR图像具有全天时、全天候的成像能力。
2. 高分辨率：通过合成孔径的原理，SAR系统可以获得高分辨率的地面图像，能够捕捉到更多的细节和信息。
3. 安全性高：SAR系统可以在远离地面的高空进行监测，避免了人工巡查可能面临的安全风险。
4. 可靠性高：SAR系统不易受到地面反光、阴影等因素的影响，因此能够提供更可靠的目标识别和场景感知。
三、SAR在道路监测中的具体应用（一）道路形变监测道路形变是道路安全的重要隐患之一。
SAR技术可以通过对同一区域不同时间的SAR图像进行比较和分析，精确地捕捉到道路的微小形变。
这种形变监测对于及时发现和解决道路沉降、滑坡等安全隐患具有重要意义。
在实际应用中，可以利用差分干涉SAR（D-InSAR）技术来提取道路的形变信息。
D-InSAR技术通过比较两个或多个不同时间的SAR图像相位信息，可以获取到地面高程的微小变化，从而精确监测道路的形变情况。
（二）道路病害检测道路病害如裂缝、坑槽等是影响道路使用寿命和安全性的重要因素。
SAR技术可以通过其高分辨率的成像能力，清晰地捕捉到道路表面的细微变化，从而实现对道路病害的准确检测。
sar的等值线和等多普勒线
sar的等值线和等多普勒线SAR的等值线和等多普勒线是两种不同的雷达反射率分析方法，分别通过不同的分析手段来表征雷达反射率分布的空间变化特征。
下面将分别介绍这两种分析方法的原理、应用场景和特点。
1. SAR的等值线SAR（Synthetic Aperture Radar）是一种通过合成孔径技术（SAR）合成高质量雷达图像的卫星遥感技术。
SAR的等值线是一种基于SAR反射率数据生成的空间等值线，用来表示雷达反射率的空间分布特征。
等值线是一种从二维数据中提取出特征值的方法，即将具有相同数值的一组数据用线连接起来，形成一组等值线；等值线包含的信息可以用来表征空间的变化特征。
应用场景：SAR等值线主要应用于以下领域：（1）海洋环境监测，如海洋风暴、海洋潮汐等。
（2）气象预报，如预测台风、暴雨等常见天气。
（3）军事情报领域，如目标特征提取、地形分类等。
特点：SAR等值线的特点如下：（1）具有较好的空间分辨率和反射率分辨率。
（2）能够表征空间变化的特征。
（3）适用范围广泛，可应用于海洋、气象、军事等领域。
2. 等多普勒线等多普勒线是一种利用雷达多普勒效应来反演目标速度的方法，可用于测量目标的速度、方向和距离等多个参数。
在雷达回波信号中，多普勒频率是目标速度与雷达频率之差的函数，因此可以通过测量多普勒频率来反演目标的速度。
应用场景：等多普勒线主要应用于以下领域：（1）空气动力学实验，如测量飞机的速度和方向等参数。
（2）卫星遥感，如测量地表的运动速度和方向。
（3）物体检测领域，如测量汽车、火车、船只等物体的速度和方向。
特点：等多普勒线的特点如下：（1）具有高精度和高分辨率。
（2）能够同时测量目标的速度、方向和距离等多个参数。
（3）可应用于多个领域，如空气动力学实验、卫星遥感等。
SAR遥感图像在汶川地震灾害识别中的应用
地震学报３２卷的效果．汶川地震后，科学家们运用各种手段对此次地震的成因进行了研究，各个研究组的研究成果相继在学术期刊和Ｉｎｔｅｒｎｅｔ上公布（张培震等，２００８；王卫民等，２００８；滕吉文等，２００８；何宏林等，２００８）．但利用遥感技术进行震害评估的并不多，这是因为此次地震破坏面积广，且大部分在山区，震后出现了多天的阴雨天气，给高分辨率光学影像的解译带来了很大困难．基于ＳＡＲ图像具有全天时、全天候的特性，本文拟利用地震前后ＳＡＲ幅度图像变化检测、干涉相干图像的相于系数相结合，对地震灾害地区进行快速识别与评估。
１研究区域及实验数据选取汶川县位于阿坝州境东南部的岷江两岸，县城威州镇位于县北部杂谷脑河与岷江交汇地，映秀镇地处阿坝州南大门，距成都８８ｋｍ，是进出九寨沟、卧龙、四姑娘山的必经之地，是重要的交通要道．２００８年５月１２日下午２时２８分，汶川发生Ｍｓ８．０强烈地震，汶川全县遭受严重损失，主要表现为：①受灾面积大，全县１３个乡镇全面受灾．截至６月２７日全县死亡１５９４１人，受伤３４５８４人；②受灾程度深．全县耕地面积７１００公顷（１０６５００亩），受灾６０００公顷（９００００亩），房屋倒塌２１万间，损毁房屋３０．３５万间；③基础设施毁损严重．道路垮塌，水、电、气、通讯全部中断，工矿商贸企业８０％被损毁；④地震次生灾害威胁特别严重．汶川县原有地质灾害点１６０处，地震后新增３５９０处，县城周边新增的７９处地质灾害点随时威胁县城的安全，已形成“晴天沙尘暴，雨天泥石流”的现实状况，县城已被地震次生灾害威胁所包围．随后几天多次发生强烈余震，映秀镇是震中和重灾区，全镇大部分房屋倒塌，到处山体滑坡，造成停水、停电，通讯、交通中断．本文以映秀镇及周边地区为研究范围，图１为研究区ＥＴＭ合成图．图１（ａ）研究区震前（２００７年９月１８日）ＥＴＭ７，４，２波段合成图；（ｂ）交通位置图Ｆｉｇ．１（ａ）Ｌａｎｄｓａｔ７ｐｒｅ－ｅｖｅｎｔｉｍａｇｅ（ＥＴＭｂａｎｄ７，４，２）ｏｆｔｈｅｔｅｓｔａｒｅａ（ｂ）ｌｏｃａｔｉｏｎｏｆＹｉｎｇｘｉｕ地震发生后第二天早晨起，灾区大部分地区出现了１０ｍｍ以上的中雨，在震后的半个多月中，天气也一直以阴雨为主，这就给光学成像带来了很大的困难，合成孔径雷达（ＳＡＲ）成为这次抗震救灾前期遥感信息保障的十分重要的数据源．震后欧空局提供了大量的ＳＡＲ数据，若要将覆盖灾区的影像全部都进行处理，数据量是相当庞大的，故只挑选覆盖映秀和都江堰地区的ＡＳＡＲ数据进行计算，使用到的数据如表１所示．实验用到的数据中Ｂ１和Ｂ２幅为震前获取的，Ａ１幅为震后获取的，数据格式均为单２期刘云华等：ＳＡＲ遥感图像在汶川地震灾害识别中的应用２１７视复数据（ＳＩ，Ｃ），结合ＥＮＶＩＳＡＴ的精密轨道数据将其处理为多视幅度图像，并采用经典的Ｌｅｅ算法进行滤波处理．一般而言，较大的估算窗口具有较高的估算性能，但会降低空间分辨率，考虑两者问的平衡，本文估算窗口的大小为２ｌ×２１．最后将所有图像都与２００７年８月６日的震前图像进行配准．震前图像Ｂ１如图２ａ所示，震后图像Ａ１如图２ｂ所示．图中白色方框为研究区范围；图２ｃ，ｄ分别为从图２ａ，ｂ中裁剪的研究区图像．表１震前／震后的ＡＳＡＲ数据Ｔａｂｌｅ１ＡＳＡＲｄａｔａａｎｄｂａｓｅｌｉｎｅｄｉｓｔａｎｃｅｓｉｎｔｈｅｔｅｓｔａｒｅａ图２幅度图像．（ａ）震前；（ｂ）震后；（ｃ）映秀地区震前；（ｄ）映秀地区震后Ｆｉｇ．２Ａｍｐｌｉｔｕｄｅｉｍａｇｅｓｂｅｆｏｒｅ（ａ）ａｎｄａｆｔｅｒ（ｂ）ｔｈｅｅａｒｔｈｑｕａｋｅ．（ｃ）ａｎｄ（ｄ）ａｒｅａｍｐｌｉｆｉｅｄｉｍａｇｅｓｆｏｒｔｈｅｂｏｘｒｅｇｉｏｎｉｎ（ａ）ａｎｄ（ｂ），ｒｅｓｐｅｃｔｉｖｅｌｙ直接对比震前震后的ＳＡＲ图像，我们很难得到一些变化信息，这是因为当我们面对ＳＡＲ图像时，我们看到的是完全不同于人们肉眼所见的特征．人的肉眼是一种被动式“传感器”，接收的是地物反射太阳光的能量．而雷达则是一种工作在微波波段的主动式传感器，它发射某一特定波长的微波波段的电磁波，接收来自地面的后向散射电磁波能量，两者相干而成像．上面所看到的幅度图像是一种灰度图像，图像上色调的变化取决于目标物地震学报２１８的后向散射截面．每一个接收到的回波被转换成电信号以某一具有特定值的、用于表示亮度的数字化象元．尽管坡度的变化、含水量和表面粗糙程度是影响雷达图像色调的３个主要作用，但是表面粗糙度在决定雷达图像的灰度方面起着决定性的作用．而地震带来的巨大破坏则会造成震前震后同一物体的粗糙程度发生很大的变化，从而使其回波强度发生变化，Ｍａｔｓｕｏｋａ和Ｙａｍａｚａｋｉ（２０００ａ）曾用一幅房屋倒塌后的废墟造成漫反射这一生动形象的图画来反映该现象．Ａｏｋｉ等在研究１９９５年神户地震中发现，人工建筑由于在结构体与地面之间形成一种“角反射”效应而具有较高的反射强度，并且反射具有较好的方向性；而开阔的场地或者受损的建筑物由于其表面发生漫反射而回波强度相对较低（Ａｏｋｉｅｔａｌ，１９９８；Ｍａｔｓｕｏｋａ，Ｙａｍａｚａｋｉ，２０００ｂ）．因此，与震前的图像相比较，由于建筑物的倒塌或者废墟被清理而露出地表，都会造成震后的后向散射系数变小．从图２幅度｝冬ｊ像上可以看出地震前后一些地区的灰度强度发生了变化，这其中有些是由于两幅图像接收季节不同，时间间隔较长一些地物发生的自然变化，然而相当一部分应该是由地震带来的破坏而造成的．尽管如此，仅凭肉眼我们还是很难看出这螳发生变化的地区的分布情况，也就是地震影响较大地区的分布．下面通过进一步的数据处理来进行分析．２利用ＳＡＲ幅度图像做比值变化检测要想对两幅图像进行变化检测，必须要对不同期次的图像进行精确配准．航空图像由于不同成像期次成像轨道的差异给像素级匹配造成困难，而对于ＳＡＲ图像来说，因为采用同一卫星系统，这并不造成太大的困难．利用ＳＡＲ图像做变化检测有两种情况（Ｒｉｇｎｏｔ，ｖａｎＺｙｌ，１９９３）．其中一种情况是检测目标形态的变化，这种变化检测要求不同时相的图像要精确配准，但并不需要绝对定标数据．对于精确配准的两个时相图像来检测变化，最常规的方法是图像相减或比值处理．其它的处理方法，如多时相数据分类及主成分变化等，已被光学遥感数据处理的经验证明效果不如图像相减或比值方法．而比值的分布只依赖于相对变化，因此从统计模型来看，比值方法比图像相减方法更适用于变化检测（郭华东，２０００）．选用比值方法还有一个理由就是比值方法对辐射误差有更强的适应性，因为很多辐射误差是乘性的．图３ａ为２００７年８月６日与２００８年３月３日幅度图像做比值检测的结图３震前及同震比值图像．（ａ）Ｂ１与Ｂ２的比值图像；（ｂ）１３２与Ａ１的比值图像Ｆｉｇ．３Ｒａｔｉｏｏｆｐｒｅ－ｅａｒｔｈｑｕａｋｅａｎｄｅｏｓｅｉｓｍｉｅａｍｐｌｉｔｕｄｅｉｍａｇｅｓ．（ａ）ＲａｔｉｏｏｆＢ１ｏｖｅｒＢ２；（ｂ）１３２ｏｖｅｒＡ１２期刘云华等：ＳＡＲ遥感图像在汶川地震灾害识别中的应用２１９果，两幅均为震前图像．从图３ａ可以看出，图右下角都江堰市及周边乡镇颜色比其它山区的颜色深一些，出现一条明显的山区与平原地区的分界线．这是由于平原地区人工建筑多于山区，从而地物特征随季节变化而出现这样的差异；平原地区修建的永久性建筑较多，随时间推移变化不大；而其它山区植被覆盖广泛，由于做比值检测的两幅图像一幅在夏季８月，一幅在春季３月，植被差异较大，造成颜色较浅．为观察细节变化，从整幅图像中截取出研究区域．图４ａ，ｂ是分别从图３ａ，ｂ中截取的映秀镇地区的图像，图中白色椭圆处为映秀镇所在地．由于地形影响，处于山体阴影中的象元同样具有极低的反射系数值，与水体一样呈现暗色调，因此在图２的ＳＡＲ图像中并不能辨别出紫坪铺水库的轮廓．经过对幅度图像进行比值处理，在图４中紫坪铺水库已经清晰可见，并且在震前两景幅度图像问的比值图像与同震的比值图像中表现出一定的差异，这种差异可能是由于水质的变化造成后向反射系数变化造成的．在图４ａ的两幅震前ＳＡＲ比值图像中，映秀镇的整体色调呈灰色，表明在接收这两幅图像的期间没有发生什么变化；在图４ｂ中，图像中映秀镇及周边的色调已经不再是单一的灰色调，出现了从黑到白的变化．黑色区域分布在沿江的建筑区，表明建筑物在地震中受到了巨大破坏，与３个月前的图像相比发生了巨大变化；白色区域分布在山坡上，显然是由于滑坡所致．图中方框圈住的区域距离映秀镇大约３ｋｍ，在图４ａ中岷江河道清晰可见，而在图４ｂ中已模糊不清，这段正是在地震中严重破坏的都江堰至汶川公路的一段．当时进入映秀救援的冲锋舟也只能到达这里，然后徒步翻越这几公里的山体滑坡路段进入映秀．其实这段已不能称之为“路段”，因为整片的山坡因地震而坍塌下来，几米高、甚至十几米高的巨大岩石从山顶遍布到山脚下的岷江中，将原来的公路全部掩埋．图４映秀、漩口地区ＳＡＲ比值图像（ａ）震前Ｂ１与Ｂ２的比值图像；（ｂ）同震Ｂ２与Ａ１的比值图像Ｆｉｇ．４ＳＡＲｒａｔｉｏｉｍａｇｅｉｎＹｉｎｇｘｉｕａｎｄＸｕａｎｋｏｕＡ１（ａ）Ｐｒｅ－ｅａｒｔｈｑｕａｋｅ，Ｂ１ｏｖｅｒＢ２；（ｂ）ｃｏｓｅｉｓｍｉｃ，１３２ｏｖｅｒ３利用ＩｎＳＡＲ相干系数变化检测震害地区干涉产品中的相干系数通常用于评价干涉相位的质量．以前对相干系数的应用研究比较少，相干系数对ＳＡＲ图像散射体特性的变化十分敏感，因此它能用于地表变化的探测、土地利用的分类和绘制地震破坏程度评估等．重复观测获得的雷达图像的失相干可能由以２期刘云华等：ＳＡＲ遥感图像在汶川地震灾害识别中的应用２２１图６为计算结果．其中图６ａ为用Ｂ１和Ｂ２两幅图像干涉处理得到的相干图像，将其称之为ｒｂｂ；图６ｂ为用Ｂ１和Ａ１干涉处理得到的相干图像，将其称之为ｒａｂ；图６ｃ为用“ｂ和ｒ。
SAR成像算法及其应用研究
SAR成像算法及其应用研究合成孔径雷达(SAR)通过合成大孔径天线或雷达模拟大孔径天线等技术获得极高的分辨率和距离测量精度，成为遥感、军事、海洋、气象、地球物理和石油勘探等领域不可或缺的高精度雷达。
SAR的成像算法是SAR成像的核心，它直接影响SAR成像系统的分辨率和图像质量。
本文将对SAR成像算法进行探究，并简单介绍其应用研究。
一、SAR成像算法SAR成像算法包括多普勒校正、相位解调、像元赋权等一系列的信息处理过程。
其中，多普勒校正的目的是对地物进行正确的距离测量；相位解调则是生成复合数据，提取目标的信息；像元赋权则决定了目标在合成孔径雷达观测中的光滑性质。
SAR成像算法可以分为傅里叶变换和波束形成两类。
傅里叶变换方法主要用于解决点目标的成像问题，如快速傅里叶变换(FFT)算法、极化编码算法等；波束形成方法则主要用于解决区域目标的成像问题，如扫描成像算法、斜视SAR成像算法等。
1. 快速傅里叶变换(FFT)算法快速傅里叶变换算法是目前SAR成像中最为常用的算法之一。
该算法主要用于处理单个点目标，其基本思想是对雷达信号进行傅里叶变换，将时域数据转换为频域数据，并利用频域信号的峰值位置计算目标的距离。
然后再反变换回时域，从而得到目标图像。
FFT算法具有高效、简单、精度高等优点，在实际应用中得到了广泛的应用。
2. 极化编码算法极化编码算法是一种非常适合处理点状目标的快速SAR成像算法。
在该算法中，先将多次停波的SAR信号进行脉冲压缩，对合成孔径的平面分别进行FFT，然后进行极化编码，以提高信号噪声比。
最后进行逆傅里叶变换，得到点目标的图像。
实际应用中，极化编码算法可以用于飞机、卫星、地球观测卫星等的SAR成像。
3. 扫描成像算法扫描成像算法是一种非常适合处理区域目标的SAR成像算法。
扫描成像算法主要通过扫描合成孔径雷达的波束，将二维信息变为一维信息，然后进行数据处理和图像重建。
扫描成像算法可以分为空时扫描和频移扫描两种形式。
SAR遥感图像解析与地物提取技术
SAR遥感图像解析与地物提取技术SAR (Synthetic Aperture Radar) 是一种通过雷达信号获取地面反射回波数据的遥感技术。
与光学遥感相比，SAR具有天气无关性、全天候性和云覆盖下的观测能力。
由于这些优势，SAR遥感图像在地物提取、土地利用监测、环境变化研究等领域具有广泛应用。
本文将介绍SAR遥感图像解析与地物提取技术的基本原理和主要方法。
一、SAR遥感图像解析基本原理SAR遥感图像解析是指通过对SAR图像中的数据进行处理和分析，揭示出隐藏在图像中的地物信息的过程。
SAR图像的基本原理是利用雷达脉冲信号与地面目标发生相互反射形成回波信号，通过处理回波信号的幅度、相位和极化等信息，获取地物的特征和位置。
SAR遥感图像的解析过程涉及信号去噪、几何校正、辐射校正、数据配准和特征提取等多个步骤。
首先，对原始SAR图像进行预处理，去除噪声和伪迹，以提高图像质量。
然后，进行几何校正和辐射校正，确保图像具有准确的位置和亮度信息。
接下来，对图像进行配准，将SAR图像与其他遥感数据或地理信息系统(GIS) 数据进行对比和分析。
最后，通过特征提取算法，将图像中的地物信息提取出来。
二、SAR地物提取技术SAR地物提取技术是指利用SAR图像的特征信息，将地物从图像中分割或分类出来。
常用的SAR地物提取方法包括基于像素的技术和基于目标的技术。
1. 基于像素的地物提取技术基于像素的地物提取技术是指利用SAR图像中每个像素点的信息进行分类。
常见的方法包括阈值分割、聚类分析和机器学习。
阈值分割是根据图像灰度值与预先设定的阈值进行分类。
聚类分析是将图像中的像素点划分为不同的类别，使得同一类别内的像素点具有相似的特征。
机器学习方法是通过训练样本，建立分类模型，对SAR图像进行分类。
2. 基于目标的地物提取技术基于目标的地物提取技术是指将SAR图像中的地物进行分割，形成具有独立目标特征的图像，以方便后续分析和应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SAR遥感应用
2014.9.27日本中部御岳火山爆发现场
回顾-雷达成像原理及特点
✓主动、穿透性
全天时/全天候成像
✓侧视成像及几何特征
距离压缩/阴影/透视收缩/叠掩
✓相干成像及斑点噪声
由原理与特点，SAR能解决哪些行业的什么问题？
RADARSAT-2 Application Potential Strong Moderate Limited Minimal Use of a single scenes is assumed.For some applications, multiple scenes provide better information.Adapted from van der Sanden, CJRS, June 2004
农业作物类型作物状况作物产量测图InSAR 雷达测量DEM 极化特征制图灾害管理洪水溢油地质灾害林业林种轮廓生物量地质地形测图构造岩性水文土壤水分湿地积雪填图海洋风波船只探测海洋地形海岸带冰冰型冰缘线4导入
SAR
行业应用
ALOS-1/-2, TerraSAR-X Application
重点：应用SAR原理及SAR图像特点等相关知识
解决实际问题的方法与思路
5
导入
SAR应用
本章介绍SAR 遥感在测图、灾害管理、农业、林业、地质、水文、海洋等领域的应用。
重点学习如何应用SAR 原理及SAR 图像特点等相关知识去解决各行业的实际应用问题。
本章要点
6SAR 应用
内容提纲
灾害管理方面应用
1
2国土资源方面应用
3农业林业方面应用
4海洋海岸方面应用
灾害管理方面应用
洪水灾害监测
溢油污染监测
地质灾害监测
滑坡、泥石流、地震、火山等 ……
暴雨洪水灾害监测
11灾害管理方面应用
SAR应用
98特大洪水
只有后向散
射系数小的
区域为洪水？
rough
low reflectivity
penetration穿透性smooth
high reflectivity no penetration
洪水灾害监测
SAR洪水灾害监测
✓SAR全天时、全天候观测能力，实时获取态势、灾情✓灾害前后地表散射特性的变化
思考：同样的原理，可推广至哪些类似应用？
气象灾害受天气影响
台风、积雪等滑坡(降雨)、堰塞湖、地震(降雨)等城市内涝？
溢油污染监测HJ-1C
Radarsat-1 image of an oil spill off Japanese coast
由于海面油污形成外膜，难以形成波浪，在SAR图像呈不规则形态分布的暗斑
油膜阻尼了海水的短表面波，减小了海水表面张力，降低了海面粗糙度，因此溢油区的雷达后向散射强度减弱
滑坡地质灾害监测
思考：类似的原理，可推广至哪些应用？
地震灾害监测
28灾害管理方面应用
SAR应用
2010.4.14，青海玉树地震建筑物受损情况监测，TerraSAR-X
内容提纲
灾害管理方面应用
1
2国土资源方面应用
3农业林业方面应用
4海洋海岸方面应用
Amazon rainforest, Brazil 30
国土资源方面应用SAR应用
土地利用/覆盖分类
自动分类方法：最大似然监督分类
SIR-A, 1981.11.12-1981.11.14
最著名的是发现了撒哈拉沙漠的地下古河道，展示了SAR 穿透地表的能力，引起国际科技界的震动
L C X
地质构造解译
非洲埃塞俄比亚西部地区
区域地质背景图
37
国土资源方面应用
SAR应用
地质构造解译
38国土资源方面应用
SAR
应用
内容提纲
灾害管理方面应用
1
2国土资源方面应用
3农业林业方面应用
4海洋海岸方面应用
40农业林业方面应用SAR 应用农作物监测，粮食安全水稻播种前
播种后
逐渐生长通过雷达后向散射系数的变化确定水稻分布范围
Upland forest,
flooded forest,
macrophytes,
open water
& river
JERS-1 SAR data & Derived inundation map
SAR应用
45
森林树种分类
内容提纲
灾害管理方面应用
1
2国土资源方面应用
3农业林业方面应用
4海洋海岸方面应用
海底地形探测
英吉利海峡海底地形探测，SEASAT
海浪监测
ESR-1 image of St. Lawrence River, Canada
海浪特征参数反演HJ-1C
近海养殖与渔船监测HJ-1C。