当前位置: 首页 > news >正文

基于Sentinel-1遥感数据的水体提取

本文利用SAR遥感图像进行水体信息的提取,相比光学影像,SAR图像不受天气影响,在应急情况下应用最多,针对水体,在发生洪涝时一般天气都是阴雨天,云较多,光学影像质量较差,基本上都是利用SAR影像对受灾范围进行评估,故此本文重点描述SAR影像中的水体提取问题,目前应用较多的是Sentinel-1数据。
本文结构:

  1. Sentinel-1数据的介绍
  2. Sentinel-1数据的预处理
  3. 水体信息提取
  4. 总结

1 Sentinel-1数据介绍

哨兵(Sentinel)系列卫星为欧空局“哥白尼计划”的地球观测卫星系列之一,由两颗卫星组成, 分别为Sentinel-1A和Sentinel-1B, 载有C波段合成孔径雷达, Sentinel-1 成像模式为:

Sentinel-1 成像模式和参数

成像模式主要包括条带绘图模式(Strip Map Mode, SM)、干涉宽视场模式 (Interferometric Wide Swath, IW)、超宽视场(Extra-Wide Swath Mode, EW)和波 模式(Wave Mode, WM)四个成像模式。
VV和 HH为单偏振模式,即雷达只能发 射和接收垂直或水平方向的信号;而 VV+VH 和 HH+HV 为双极化模式,即雷达能同时发射和接收垂直和水平方向信号,其中只有 WV 模式是单极化成像模式。
Sentinel-1数据产品分为Level-0、Level-1、Level-2,其中,Level-1数据包含单视复数影像SLC(Single look complex)和地距影像GRD(Ground range detected)。GRD产品包含经过多视处理、采用WGS84椭球投影至地距的聚焦数据。
SLC(Single Look Complex):一级产品,包含相位和振幅信息,可用于测距和形变观测。
GRD(Ground Range Detected):一级产品,包含多视强度数据。
一般应用较多的是利用GRD数据进行相应的研究。
目前Sentinel-1数据可通过欧空局的数据共享网站(https://scihub.copernicus.eu/dhus/) ,但需要科学上网,国内用户可通过中科星图旗下今日影像平台下载数据,简单方便。

2 Sentinel-1 GRD产品的预处理

关于sentinel系列数据的预处理,官方提供了相应的预处理工具SNAP+ 众多插件,目前大多是利用这些工具进行处理。软件下载及sentinel-1处理插件:
关于GRD数据的预处理流程一般为:
轨道校正
热噪声去除
辐射定标
相干滤波
地理编码
分贝化处理
下面对每个步骤进行描述,考虑到文章的简洁性,以高效的方式说明其主要逻辑,故此不涉及具体软件操作,有需要可私信咨询。
2.1 轨道校正
由于 Sentinel-1原始影像默认的元数据文件中的轨道状态数据精度不高,该步骤需要精确的轨道文件。因此在 SNAP 中联网下载精确轨道文件,将 Sentinel-1 卫 星轨道状态信息进行实时更新。
Sentinel-1 卫星的轨道数据主要有三种类型:bulid-in orbits、POD Restituted Orbit、POD Precise Orbit Ephemerides。其中 buile-in orbits 是数据本身自带的轨道信息,精度最差;PODRestituted Orbit(POD 回归轨道数据),是比较精确的轨道数据,文件在接收到 GNSS 数据的 3 小时内产生,该文件覆盖一个卫星的轨道,从升序节点 ANX 加 593 OSV 重叠于卫星轨道的时间跨度之前,定位精度优于 10 厘米;POD Precise Orbit Ephemerides(POD 精密定轨星历数据),是最精确的轨道数据,但该数据需要在 GNSS 下行 21 天之后才可以使用,每个文件覆盖 26 个小时(一整天 24小时加上一天开始前 1 小时和一天结束后的 1 小时),定位精度优于 5 厘米.
2.2 热噪声去除
热噪声是 SAR 卫星系统自身携带的噪声。SAR 天线从发出电磁波到接收电磁 波所经历的距离大概达到 1400 km,由于存在波的球面扩散效应,能量呈距离平 方反比衰减,发射机需要巨大功率并发出超强的能量,因此 SAR 卫星装置内 部的热损耗是不可忽视的。在 SNAP 软件中选择 S-1 Thermal Noise 模块对 Sentinel-1 原始影像的热噪声进行去除。
2.3 辐射定标
辐射定标是指将接收的后向散射信号转化为有单位的物理量,这里有单位的物理量指的是后向散射系数。它们之间的关系如下所示:

式中, 为每个像元的后向散射系数,单位为 db;A 为原始影像上的 DN 值;K 为该产品的绝对定标因子;θ为入射角。 对于 SAR 数据而言,微波信号可以穿透云层,不受云层烟雾的干扰,不需要 光学影像的大气校正操作,具有一定的优越性。

2.4 多视处理(可选操作)
将整个有效合成孔径长度分成5段,分别对同一场景进行成像,然后将所得的图像求和叠加得到一幅SAR图像,提高SAR图像的信噪比,抑制斑点噪声,提高图像可解释性。GRD数据已经过多视处理,其像素代表正方形的地面区域。尽管还可以进一步做多视,因为多视可以消除或者减弱相干斑的影响,但是,多视会降低影像的分辨率。
2.5 相干性滤波
目前常用的相干斑滤波器为Refined Lee 滤波器(改进的 Lee 滤波器)。它是一种自适应滤波器,滤波窗口可以根据区域进行调整(一般为7 * 7,11 * 11 等),处理效果较为出色。 改进型的 Lee 滤波方法可以保留更多的边缘信息,会略微降低相干斑噪声的去除 效果,更符合水体提取对边缘细节保持的需求。
2.6 地理编码
SAR 图像存在 3 种固有的几何失真,这种失真是由斜距和水平距离(地距) 之间的差异导致,其中两类 SAR 特有现象为“透视缩短”和“顶底倒置”,它们 是导致几何失真的主要原因。这两种现象在山区尤为明显,进行地形校正可 适当消除这些现象。
2.7 分贝化处理
上述处理后得到的是线性比例单位的后向散射系数,其值通常是比较小的正值,由于接收器传输距离较远,导致接收器接收的雷达后向散射或是功率很小。 将后向散射系数进行对数变化,即是分贝化处理,公式如下:

式中, 表示雷达后向散射系数, (dB) 表示分贝化处理后的后向散射系数。
分贝化处理有以下三点优势:
一是得到的数值呈现常见的高斯分布形势;
二 是数据的存储位数可以根据个人设置进行调整使其变小,如由双精度的 double 型 数据转存为 float 浮点型数据,节省存储空间;
三是更便于做可视化及数据分析, 分贝化后的水体部分得到显著增强。
3 水体信息提取
上述简要介绍了sentinel-1数据及其预处理,若非从业专业SAR理论研究,基于现成工具完成预处理步骤即可,不必深入内部具体理论(具有一定的数学,物理门槛,对于做应用层研究而言,性价比不高,要追求知识效益的最大化即可)。
在经过相应的预处理之后,即可进入后续的水体目标的信息提取研究。
使用雷达影像水体提取方法最常用的主要有阈值法、监督分类法,其中监督分类中又可分为基于机器学习和深度学习方法,目前研究热点较多转向于利用深度学习卷积神经网络对地物进行语义分割研究。
但目前使用广泛的仍然是简单的阈值法,一般是在原始波段或相应的水体指数上进行相应处理。关于光学影像利用水体指数进行水体提取的文章,可参考:
在Sentinel-1雷达影像中,也有针对性的水体指数,其中较为常用的是SDWI指数,其公式为:

Sentinel-1 Dual-Polarized Water Index (SDWI)水体信息提取方法对 Sentinel-1 双极化数据(VV 和 VH)之间水体信息提取的关系进行深入研究,达到增强水体特征的效果,水体区分较明显,同时消除土壤和植被对水体提取中造成的干扰。公式的指导思想是将 VV 和 VH 极化影像相乘,并且乘以 10,以此 扩大水体与其他地物之间的差异,再以自然对数作为函数式。
另外较为常用的是直接对VH极化方式的后向散射系数进行阈值分割。
另外一种水体指数:EXP(VV * VH /1000)

不同波段的直方图
由上图可知,SDWI指数直方图的双峰特征最为明显(其次是VH,VV),利于后续的图像分割提取水体。
在计算SDWI指数后,依旧利用Otsu大津法进行阈值分割,以及进行后续的分类精度的评估(参考基于sentinel-2 遥感数据的水体提取(水体指数法) - 知乎 (zhihu.com))。
注:对于山区而言,山体阴影容易和水体混淆,在进一步的利用dem数据。
如,考虑到洪水滞留区的坡度特征以及研究区域 Sentinel-1影像入射 角范围 29-46°所能形成山体阴影区的坡度条件,可确定坡度的阈值条件来排除非水体区域(如一般而言坡度阈值为 10°,大于10去除,需要根据研究区具体设置)。 该阈值既可以有效掩膜去除 SAR 侧视成像造成的山体阴影,同时又能够保留洪水滞留区的水体信息。
4 总结
此文简要介绍sentinel-1数据及其相应的预处理流程,在其基础上介绍几种水体提取方法,如SDWI水体指数以及如何去除山体阴影的影像等。
【参考】:

  1. 朱璨阳. 基于Sentinel-1数据的2020年合肥市洪涝监测与分析[D].合肥工业大学,2023.DOI:10.27101/d.cnki.ghfgu.2022.001435.
  2. 冯崎, 王琦, 黄海兰, 王征强.基于Sentinel-1双极化数据改进水体提取的Otsu算法[J]. 遥感技术与应用, 2022,37 (04): 003-1011.
    后续会出一篇文章针对性地整理常用的阈值分割的方法,原理等。
    欢迎关注,收藏,咨询和私信讨论,一起来打造一个好的遥感知识分享专栏。遥感专栏

相关文章:

基于Sentinel-1遥感数据的水体提取

本文利用SAR遥感图像进行水体信息的提取,相比光学影像,SAR图像不受天气影响,在应急情况下应用最多,针对水体,在发生洪涝时一般天气都是阴雨天,云较多,光学影像质量较差,基本上都是利…...

C++自定义头文件使用(函数和类)

简单案例需求: 1,计算正方形和三角形的周长——函数 2,模拟不同类型的动物叫声——类 一、创建项目 C空项目 Class_Study 二、创建主函数 在源文件下添加新建项,main.cpp 三、自定义头文件——函数 需求:1&a…...

消息队列选型

一、要解决的问题 1.1 异步 分析: 需要根据场景来判断。若整体链路的逻辑中,某些逻辑是不需要强实时的,滞后一段时间是允许的,同时又不会对用户带来不好的体验,那么可以使用MQ完成异步操作。 例如:秒杀场…...

ubuntu在conda环境中使用 pip install -r requirements.txt但是没有安装在虚拟环境中

whereis pip pip listubuntu在conda环境中使用pip install lpips0.1.3 但是安装在了这里 Requirement already satisfied: lpips0.1.3 in /home/uriky/anaconda3/lib/python3.11/site-packages (0.1.3) 就会出现黄色波浪,未在虚拟环境中安装包 解决办法1&#xff1…...

力扣127.单词接龙讲解

距离上一次刷题已经过去了.........嗯............我数一一下............整整十天,今天再来解一道算法题 由于这段时间准备简历,没咋写博客。。今天回来了!!!!!!!&…...

latex笔记

双列排版,右端margin不对齐怎么解决 如下图这种情况, 解决方法: 在文档开头引入ragged2e包 \usepackage{ragged2e}然后在子章节的开头添加 \justifying\subsection{camouflaged object detection based on coarse-to-fine strategy} \just…...

秋招算法——AcWing101——拦截导弹

文章目录 题目描述思路分析实现源码分析总结 题目描述 思路分析 目前是有一个笨办法,就是创建链表记录每一个最长下降子序列所对应的节点的链接,然后逐个记录所有结点的访问情况,直接所有节点都被访问过。这个方法不是很好,因为需…...

IDEA不能创建新项目和新模块

问题: IDEA不管是创建新项目还是新模块都创建不成功,会报如下图错误 解决方案: 在电脑设置里搜索 “防火墙和网络保护” ,打开如下图所示 找到你所安装的IDEA,更改设置,选中IDEA 最后,确定&am…...

WebRTC 的核心:RTCPeerConnection

WebRTC 的核心:RTCPeerConnection WebRTC 的核心:RTCPeerConnection创建 RTCPeerConnection 对象RTCPeerConnection 与本地音视频数据绑定媒体协商ICE什么是 Candidate?收集 Candidate交换 Candidate尝试连接 SDP 与 Candidate 消息的互换远端…...

LeetCode hot100-39-N

101. 对称二叉树给你一个二叉树的根节点 root , 检查它是否轴对称。做不出来哇,递归一生之敌 普通的对一棵树的递归遍历根本没办法只接比较左子树的左和右子树的右这样来比较,所以这题比较巧妙的是把这棵树当做两棵树一样去遍历比较。 官方…...

NumPy常用操作

目录 一:简介 二:NumPy 常用操作 三:总结 一:简介 是一个开源的Python库,它为Python提供了强大的多维数组对象和用于处理这些数组的函数。NumPy的核心是ndarray,它是一个高效的多维数组容器,用于存储和处理大规模的数据。NumPy还提供了许多数学函数,用于数组之间的操…...

学习笔记——字符串(单模+多模+练习题)

单模匹配 Brute Force算法(暴力) 算法思想 母串和模式串字符依次配对,如果配对成功则继续比较后面位置是否相同,如果出现匹配不成功的位置,则j(模式串当前的位置)从头开始,i&…...

DOT + graphviz 轻松画图

GraphViz:2 DOT语法和相关应用_graphviz dot-CSDN博客 图可视化之Graphviz - 知乎 Graphviz 是由AT&T Research、Lucent Bell实验室开源的可视化图形工具,可以很方便的用来绘制结构化的图形网络。具体地,其使用一种名为dot语言的DSL来编…...

使用Vue调用ColaAI Plus大模型,实现聊天(简陋版)

首先去百度文心注册申请自己的api 官网地址&#xff1a;LuckyCola 注册点开个人中心 查看这个文档自己申请一个ColaAI Plus定制增强大模型API | LuckyColahttps://luckycola.com.cn/public/docs/shares/api/colaAi.html来到vue的页面 写个样式 <template><Header …...

Unity使用sherpa-onnx实现离线语音合成

sherpa-onnx https://github.com/k2-fsa/sherpa-onnx 相关dll和lib库拷进Unity&#xff0c;官方示例代码稍作修改 using SherpaOnnx; using System; using System.IO; using System.Runtime.InteropServices; using UnityEngine;public class TTS : MonoBehaviour {public st…...

Elasticsearch入门基础和集群部署

Elasticsearch入门基础和集群部署 简介基础概念索引&#xff08;Index&#xff09;类型&#xff08;Type&#xff09;&#xff08;逐步弃用&#xff09;文档&#xff08;Document&#xff09;字段&#xff08;Field&#xff09;映射&#xff08;Mapping&#xff09;分片&#x…...

12、24年--信息系统治理——IT治理

主要考选择题,2分左右,案例、论文涉及概率不大,需要认证读课本原文。 1、IT治理基础 IT治理是描述组织采用有效的机制对信息技术和数据资源开发利用,平衡信息化发展和数字化转型过程中的风险,确保实现组织的战略目标的过程。 1.1 IT治理的驱动因素 1)存在很多问题: 信…...

Electron学习笔记(三)

文章目录 相关笔记笔记说明 五、界面1、获取 webContents 实例&#xff08;1&#xff09;通过窗口对象的 webContent 属性获取 webContent 实例&#xff1a;&#xff08;2&#xff09;获取当前激活窗口的 webContents 实例&#xff1a;&#xff08;3&#xff09;在渲染进程中获…...

【Redis】Redis键值存储

大家好&#xff0c;我是白晨&#xff0c;一个不是很能熬夜&#xff0c;但是也想日更的人。如果喜欢这篇文章&#xff0c;点个赞&#x1f44d;&#xff0c;关注一下&#x1f440;白晨吧&#xff01;你的支持就是我最大的动力&#xff01;&#x1f4aa;&#x1f4aa;&#x1f4aa…...

C++系统编程篇——Linux初识(系统安装、权限管理,权限设置)

(1)linux系统的安装 双系统---不推荐虚拟机centos镜像&#xff08;可以使用&#xff09;云服务器/轻量级云服务器&#xff08;强烈推荐&#xff09; ①云服务器&#xff08;用xshell连接&#xff09; ssh root公网IP 然后输入password ①添加用户&#xff1a; addus…...

No Cortex-M SW Device Found

将DIO和CLK管脚调换一下...

提升写作效率的秘密武器:一个资深编辑的AI写作体验

有句话说:“写作是一项你坐在打字机前流血的工作。”而如今,各类生成式软件的涌现似乎打破了写作这一古老的艺术形式壁垒。过去,作家们独自在书桌前冥思苦想,如今,一款名为“玲珑AI工具”的ai写作助手正悄然改变着文案写作行业的创作生态,成为提升写作效率的秘密武器。 在传统…...

Python sort() 和 sorted() 的区别应用实例详解

大家好&#xff0c;今天针对 Python 中 sort() 和 sorted() 之间的区别&#xff0c;来一个实例详细解读。sort — 顾名思义就是排序的意思&#xff0c;它可以接收的对象为可迭代的数据类型。今天以列表为例子演示两者的不同点、相同点&#xff0c;以及其中一些常用的高级参数使…...

七、Redis三种高级数据结构-HyperLogLog

Redis HyperLogLog是用来做基数统计的算法&#xff0c;HyperLogLog在优点是&#xff0c;在输入的元素的数量或者体积非常大时&#xff0c;计算基数占用的空间总是固定的、并且非常小。在Redis里每个HyperLogLog键只需花费12KB内存&#xff0c;就可以计算接近 264 个元素的基数。…...

2024年【金属非金属矿山(露天矿山)安全管理人员】模拟考试题库及金属非金属矿山(露天矿山)安全管理人员作业模拟考试

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 金属非金属矿山&#xff08;露天矿山&#xff09;安全管理人员模拟考试题库参考答案及金属非金属矿山&#xff08;露天矿山&#xff09;安全管理人员考试试题解析是安全生产模拟考试一点通题库老师及金属非金属矿山&a…...

网站DDoS攻击应对策略:全面防护与恢复指南

随着互联网的发展&#xff0c;网络安全问题日益凸显&#xff0c;其中DDoS&#xff08;分布式拒绝服务&#xff09;攻击成为了网站安全的主要威胁之一。当网站遭受DDoS攻击时&#xff0c;可能会面临服务中断、性能下降、数据泄露等严重后果。因此&#xff0c;了解并掌握DDoS攻击…...

线性/非线性最小二乘 与 牛顿/高斯牛顿/LM 原理及算法

最小二乘分为线性最小二乘和非线性最小二乘 最小二乘目标函数都是min ||f(x)||2 若f(x) ax b&#xff0c;就是线性最小二乘&#xff1b;若f(x) ax2 b / ax2 bx 之类的&#xff0c;就是非线性最小二乘&#xff1b; 1. 求解线性最小二乘 【参考】 2. 求解非线性最小二乘…...

mysqldump: Error 2013 导致mysql停止运行

https://www.cnblogs.com/DataArt/p/10173957.html 1 查询表大小 SELECT table_name AS "表名", round(((data_length index_length) / 1024 / 1024), 2) AS "大小(MB)" FROM information_schema.tables WHERE table_schema your_database_name AND …...

2023年数维杯国际大学生数学建模挑战赛D题洗衣房清洁计算解题全过程论文及程序

2023年数维杯国际大学生数学建模挑战赛 D题 洗衣房清洁计算 原题再现&#xff1a; 洗衣房清洁是人们每天都要做的事情。洗衣粉的去污作用来源于一些表面活性剂。它们可以增加水的渗透性&#xff0c;并利用分子间静电排斥机制去除污垢颗粒。由于表面活性剂分子的存在&#xff…...

python 两种colorbar 最大最小和分类的绘制

1 colorbar 按照自定义的最值绘制 归一化方法使用Normalize(vmin0, vmax40.0) import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import matplotlib.cm as cm import matplotlib.colors as mcolors from matplotlib import rcParams from matplot…...