sar数据集_[ENVISARscape]基于⾼分三号SAR数据提取⽔体 信息
重要提醒
本⽂为简要介绍，详细⽂档见⽂章末尾分享链接。
星载合成孔径雷达(SAR)不受天⽓影响，获取的SAR图像中⽔体后向散射系数相对较低(图像上表现为⿊⾊)，星载雷达遥感是⽬前洪涝灾害、⽔情监测的重要技术⼿段之⼀。常⽤的数据源包括⾼分三号、Sentinel-1等。
⽬前SAR数据格式主要有两种：单视复数(SLC)和强度数据(Pwr)。SLC数据通过多视处理可以得到雷达强度数据。技术流程如下图：
注：当输⼊的为强度数据时候，如L2级的⾼分三号数据，不需要做多视处理；滤波是为了抑制斑点噪声，也是看图像质量选择处理。
本⽂以⾼分三号L1A级别数据为例(数据来源于：⾼分江西中⼼)，介绍SAR数据预处理、⽔体提取的⽅法，Sentinel-1 数据处理基本类似。
获取的数据是2020年7⽉8⽇⾼分三号FSII(精细条带2)模式的L1A数据，SLC，极化⽅式为HH和HV，覆盖鄱阳湖区域。 使⽤软件：SARscape5.5.3版本。申请试⽤请访问：viidl/eval_license
数据预处理
经过数据导⼊、多视处理、滤波处理、地理编码与辐射定标，得到HH和HV极化的地理坐标系的后向散射系数图。
图：HV极化(左)HH极化(右)
对⽐HH极化和HV极化的数据，⽔体区域的后向散射系数⼩，都呈暗⾊，局部地区，同区域HH极化的后向散射要⽐HV极化的强⼀些，颜⾊稍亮。
SAR图像的预处理之后，得到了地理坐标系的后向散射系数图，使⽤ENVI的信息提取⼯具提取⽔体信息。
⽔体信息提取
阈值法提取⽔体
使⽤阈值法提取⽔体主要是利⽤⽔体在SAR图像上后向散射系数⼩的原理，对SAR图像进⾏密度分割，经过⽬视对⽐得到合适的分割阈值，再将分割结果保存为分类结果⽂件，对分类结果进⾏后处理，⼈机交互删除误提图斑，最终得到⽔体信息的过程。
图：密度分割提取⽔体
阈值分割法提取⽔体，在平原区域效果良好，⼏乎不需要⼈⼯编辑，但是在⼭区，阴影都被提取出来了。需要使⽤分类后处理的⼯具进⾏⼈机交互处理。蛋清粉
决策树法提取⽔体
单使⽤SAR数据提取⽔体⽆法避免⼭区⼭体阴影的⼲扰，可加⼊DEM数据，使⽤坡度数据，构建决策树，对⽔体指数图像运⽤阈值之后，再⽤坡度条件，把坡度⼤的区域剔除，可⼀定程度避免⼭体阴影的⼲扰。 cri图：决策树提取⽔体
决策树的⽅法可有效避免⼭区阴影的混淆，对于坡度⼤的区域效果显著。后期仍然需要⼀定量的⼈⼯编辑，⼯作量较⼩。
深度学习⽅法提取⽔体
使⽤深度学习的⽅法，选择⽔体样本，进⾏模型训练，提取⽔体信息。其中，要点是⽔体样本的选择和模型训练的参数。
代数学为了区分⼭体阴影和⽔体，结合深度学习的优点，构建了多源数据集进⾏label raster的构建和模型训练，分别使⽤了HV极化、HH极化、水务局电大
⽔体指数、DEM、坡度、坡向，合成了6波段数据。
qltv图：深度学习提取的⽔体结果
图：提取的局部结果
⾯向对象⽅法提取⽔体
使⽤基于规则的⾯向对象的⽅法，对单极化SAR数据(也可⽤⽔体指数图像)进⾏对象分割、设置规则提取⽔体，本例使⽤HH极化数据，设置了平均灰度值、⾯积两个规则，该⽅法可直接得到⽔域边界shapefile。局部效果如下图：
>科学情人
