基于 PIE-SAR软件 的陆探-1 SAR卫星数据水体提取全流程实操

基于 PIE-SAR 的陆探 - 1 卫星数据水体提取全流程实操

引言

陆探-1卫星与SAR水体提取的价值

在水资源监测、洪涝灾害应急响应、湿地生态保护等领域，快速、精准获取水体分布信息至关重要。与光学卫星相比，合成孔径雷达（SAR）具备全天时、全天候工作能力，不受云层、光照条件限制，即使在暴雨、大雾等恶劣天气下，也能清晰捕捉地表水体信息，尤其适合洪涝灾害等紧急场景的动态监测。

陆探-1（LT-1）卫星是我国自主研发的高分辨率SAR卫星，搭载L波段SAR传感器，具备单极化、高空间分辨率特性，其数据具有国产化、易获取、适配国内研究场景的优势，已广泛应用于国土、水利、环保、减灾等领域。本文将聚焦陆探-1单景SAR数据，详细讲解基于PIE-SAR软件的水体提取完整实操流程，从数据导入到最终成果输出，一步步拆解操作细节，帮助新手快速上手，实现高精度水体提取。

核心流程概览

本次陆探-1 SAR水体提取采用“陆探-1数据导入 → 多视处理 → 转Db → 地理编码 → 水体提取”的递进式流程，核心步骤清晰，各环节环环相扣，确保提取结果的精度与可用性。完整流程如下：

各环节核心作用拆解：

• 陆探-1数据导入：将原始分发的数据，转换为PIE-SAR兼容格式，同时完成辐射校正，实现数据标准化，为后续处理奠定基础；
• 多视处理：除了抑制SAR数据固有的相干斑噪声，平滑影像纹理，提升地物轮廓清晰度，减少噪声对水体提取的干扰外，还可通过合理设置方位向与距离向多视数，使两者分辨率趋于一致，优化影像空间分辨率配比，为后续转Db、水体提取等环节提供更均衡的影像数据支撑；
• 转Db：将线性后向散射系数转换为分贝（dB）格式，适配SAR数据定量分析，便于后续阈值筛选和地物区分；
• 地理编码：将雷达斜距坐标系下的影像，转换为标准地理坐标系（如WGS84、CGCS2000），使成果可直接在GIS软件中叠加分析、可视化；
• 水体提取：通过PIE-SAR内置算法，结合SAR水体的后向散射特性，精准分离水体与非水体地物，输出最终水体成果。

数据情况

基本情况

文件名：LT1A_MONO_KSC_STRIP1_013476_E116.6_N35.3_20240719_SLC_HH_S2A_0000458445。

成像时间为2024年07月19日，成像区域中心经纬度为东经116.6°、北纬35.3°（山东济宁地区），极化方式为HH单极化，影像条带编号为STRIP1，标称分辨率3米，成像模式为单基（MONO）、单视斜距复数据（SLC），具备高空间分辨率特性，符合国土、水利领域常规监测需求。

数据文件组成完整，核心包含两类文件：一是后缀为“.meta.xml”的元数据参数文件，内含卫星成像时间、极化方式、轨道参数、辐射定标系数等关键信息，是数据导入PIE-SAR软件并完成辐射校正的核心依据；二是后缀为“.tiff”的HH极化通道影像文件，文件命名与文件夹命名一致，可直接作为PIE-SAR数据导入环节的极化通道输入文件。

卫星工作模式

此次试验数据为条带模式1，标称分辨率为3m，测绘带宽50km。

数据缩略图如下：

全流程实操详解

陆探-1数据导入

数据导入是整个流程的起点，核心目的是将陆探-1原始的“.meta.xml”和“.tiff”文件，转换为PIE-SAR可直接处理的ENVI IMG + xml（软件内部格式）格式，并完成辐射校正，将原始DN值转换为标准化的后向散射系数（此处暂未转Db，需后续进一步处理），为后续处理提供可靠数据。

关键参数设置

• 输入文件设置：
  • 参数文件：点击“浏览”，选择陆探-1原始数据中的“.meta.xml”文件；
  • 极化通道选择：本次实操的陆探-1 SAR数据为单极化HH通道，选择参数文件后，会自动加载【HH通道】数据；
  • 精轨文件：因没拿到精轨文件，此处可不勾选，精轨文件主要用于高精度形变监测，本次水体提取为常规应用，无需高精度轨道数据。
• 指定输出文件名前缀：
  • 选择【原始影像名】（默认推荐），软件会自动沿用原始影像的文件名作为输出前缀，最大程度保留原始数据标识，便于后续追溯数据来源；
• 可选项设置：
  • 辐射校正：必须勾选（默认已勾选），该功能会利用.meta.xml文件中的辐射定标系数，将原始影像的DN值（灰度值）转换为后向散射系数（σ⁰），消除传感器增益、距离衰减等影响，确保数据的定量可比性；若取消勾选，输出数据仍为原始DN值，无法直接用于水体提取等定量分析；
  • 数据类型：选择【ENVI IMG(*.img)】（默认推荐），输出为ENVI标准的“.img”数据文件和“.hdr”头文件，可直接在PIE-SAR、ENVI等SAR处理软件中加载，兼容性强。
• 输出目录设置：
  • 点击“浏览”，选择提前建立的“输出”文件夹，最为后续数据处理的目录；

结果验证

参数设置完成后，点击面板右下角的【确定】，启动数据导入，处理时间根据影像大小而定，通常3-5分钟即可完成（影像越大，耗时越长）。处理完成后，需通过3种方式验证数据有效性：

• 文件验证：打开输出目录，检查是否生成“.img”数据文件和对应的“.hdr”头文件，文件名与原始影像一致，说明文件生成完整；
• 视觉验证：加载影像后，查看地物分布，正常情况下，水体区域呈现暗色调（后向散射弱），建筑、植被、裸地等非水体区域呈现亮色调，影像无全黑、全白或明显畸变，说明数据导入成功；
• 直接打开生成的缩略图，查看导出结果是否正确。

多视处理

原始SAR数据存在固有的相干斑噪声，表现为影像上的颗粒状纹理，会干扰水体与非水体的区分，导致后续提取出现漏提、错提。多视处理的核心作用是通过方位向和距离向的多视平均，抑制相干斑噪声，平滑影像纹理，同时平衡影像分辨率与噪声水平，为后续转Db和水体提取奠定良好基础。

核心原理

多视处理本质上是对SAR影像进行分块平均，将相邻的多个像素合并为一个像素，通过平均运算抵消部分随机噪声。其中，方位向多视数决定影像的方位向分辨率，距离向多视数决定距离向分辨率；多视数越大，噪声抑制效果越好，但影像分辨率越低，因此需根据研究需求选择合适的多视数。

关键参数设置

1. 输入影像设置

   • 点击「输入影像」，选择【数据导入后的复数据】(FCOMPLEX 类型），添加到「待处理影像列表」。

2. 多视定义方式

   • 选择「栅格格网大小」，输入值为5（与后续地理编码输出分辨率 5m 保持一致），软件会自动计算对应的距离向 / 方位向视数；

   • 也可选择「自定义视数」，手动设置距离向视数和方位向视数（如 2×3），适用于对分辨率有特殊要求的场景。

3. 多视类型选择

   • 选择「多视幅度」（Multi‑look Amplitude），生成幅度影像；

4. 输出参数设置

   • 输出文件后缀：默认_MultiAmp，可根据需求修改（如_ML2x3）；

   • 输出文件类型：选择「ENVI IMG (*.img)」，也可选择其他支持类型；

   • 输出目录：建议与【数据导入】 数据输出目录保持一致，便于管理。

5. 执行多视处理

   • 点击「确定」，软件开始对LT-1 影像进行多视处理；

   • 处理完成后，生成多视后的幅度影像，可在 PIE‑SAR 中加载查看，验证分辨率和噪声抑制效果。

6. 多视处理的作用

   • 提升相干性：通过空间平均降低噪声，减少失相干，尤其适用于植被覆盖区、水体等易失相干区域；

   • 降低数据量：多视后影像像素数减少，大幅提升后续干涉图生成、相位解缠等步骤的处理效率；

结果验证

点击【确定】启动多视处理，处理时间约20秒，完成后通过以下方式验证：

• 文件验证：输出目录中生成多视处理后的“.img”和“.hdr”文件，检查文件完整性；
• 视觉验证：同时加载多视处理前后的影像，对比查看——多视处理后的影像颗粒状噪声明显减少，纹理更平滑，地物轮廓（如水体边界、道路、建筑）更清晰，无明显模糊或畸变，方位向距离向分辨率基本一致；
• 直接打开生成的缩略图，查看导出结果是否正确。

多视结果缩略图如下：

转Db

经过多视处理后的影像，后向散射系数为线性格式，不便于直观区分水体与非水体，也不利于后续阈值设置。转Db（线性转分贝）的核心作用是将线性后向散射系数转换为分贝格式，压缩数值范围，使数据更适合定量分析和阈值筛选，同时符合SAR数据的常规分析习惯。

核心原理

转Db的计算公式为：
$$dB=10\times {\log }_{10}({\sigma }^0)$$

$$其中{\sigma }^0为线性后向散射系数。转换后，数据范围被压缩至-30-0dB，水体与非水体的数值差异更明显，便于后续通过阈值法提取水体。$$

关键参数设置

• 输入数据：点击“浏览”，选择第二步多视处理后生成的影像文件；
• 数据类型校验：确认输入数据是复数据，强度还是幅度，程序内部会根据输入数据类型进行转Db操作；
• 输出文件设置：
  • 输出目录：与上述多视处理输出目录相同，便于管理；
  • 文件名：软件自动生成，通常在原始文件名后添加“_dB”后缀，便于识别。

结果验证

点击【确定】启动转Db处理，处理速度较快，通常几秒钟即可完成，验证方法如下：

• 文件验证：输出目录中生成转Db后的“.img”和“.hdr”文件，检查文件完整性；
• 数值范围验证：加载转Db后的影像，查看数值范围，确保在-30~0 dB之间，其中水体区域数值集中在-20~-15 dB，非水体区域（如建筑、植被）集中在-10~0 dB，符合SAR水体的后向散射特征；
• 视觉验证：转Db后的影像，水体与非水体的对比度进一步提升，暗色调的水体区域更突出，便于后续阈值筛选。

地理编码

经过前三步处理的影像，仍处于雷达斜距坐标系下，该坐标系与常规GIS软件（如ArcGIS、QGIS）使用的地理坐标系（经纬度/投影坐标）不兼容，无法直接叠加行政区划、DEM等矢量/栅格数据，也无法进行空间量测。地理编码的核心作用是通过Range-Doppler模型生成查找表（LookUpTable），将雷达斜距坐标转换为标准地理坐标，实现成果的标准化和可复用性。

核心原理

地理编码的核心是通过Range-Doppler模型生成查找表（LookUpTable，简称LUT），该表记录了雷达坐标系（距离向-方位向）与地理坐标系（经纬度）的一一映射关系。软件通过查找表，将雷达坐标下的每个像素，通过双线性插值算法，映射到对应的地理坐标格网位置，同时消除雷达斜距成像导致的叠掩、阴影等畸变，使影像更接近真实地表分布。

详细参数设置

待处理影像输入

1. 点击右侧【输入影像】按钮，选择需要进行地理编码的 SAR 数据。
   • 实操场景：选择【转Db】生成的Db影像。
2. 影像成功加载后，会显示在「待处理影像列表」中，格式通常为ENVI IMG。

DEM 文件与边界设置

DEM 是地理编码的核心参考，直接决定正射校正精度。

1. DEM 文件：点击路径选择框，导入 全国30m DEM。

2. 采用优化系数：默认不勾选此选项。

   • 作用：使用控制点，对RD模型进行单片平差后，会生成优化的仿射变换系数，可提升定位精度。

3. DEM 外扩边界范围：保持默认0.10 度。

   作用：避免影像四角坐标计算不准确，提示DEM范围覆盖不全，若输入的是全国DEM，可通过调整此参数。

地理编码类型选择

• 选择【地形校正】（推荐）。
  • 原理：结合DEM 的高程信息，消除地形起伏引起的像点位移，生成正射影像。
  • 对比：“椭球校正” 仅基于地球椭球模型，适用于地形极度平坦的区域。

核心参数设置

1. 平均高程（米）：100.0

   • 说明：选择【椭球校正】时，需设置研究区的平均海拔高度，用于辅助投影计算。

2. 坐标系：CGCS2000

   • 说明：选择国家 2000 大地坐标系，这是国内科研与工程的标准坐标系。也可根据需要选择WGS84。

3. 重采样方法：最近邻

   • 说明：重采样方法决定了如何将雷达斜距像素插值到规则地理格网，直接影响最终影像的清晰度、保真度和计算效率。

   重采样方法	推荐场景	核心取舍点
   最邻近	幅度图、相干性图、掩膜图（叠掩 / 阴影）	保真原值最快，视觉略粗糙
   二次样条	干涉图、一般相位图	平滑 + 效率平衡，适合日常处理
   二次样条对数	高精度形变图、论文 / 汇报用最终成果图	视觉最优，最慢，细节可能被模糊
   线性内插法	DEM、形变图、相位图（通用折中）	效率与平滑度的 “万金油” 选择
   线性内插对数	SAR 幅度 / 强度图（dB 显示）	最适合回波强度类数据，保留弱信号细节

4. 采样间隔（像素）：默认10像素

   • 说明：采用椭球校正时，在生成查找表时，间隔指定像素值进行计算，后续直接插值，提升处理效率。。

5. 分辨率设置：

   • X/Y 方向分辨率（度）：0.0005000000
   • 换算关系：截图中标注 “0.0001 度≈1 米”，此设置确保输出影像的空间分辨率约为 5m。

其他产品与输出设置

1. 其他产品：

• 勾选【模拟幅度图】：若轨道精度有效，后续可通过幅度配准优化查找表，提升定位精度。

• 勾选【叠掩与阴影】：生成掩膜文件，标记出 SAR 成像中的叠掩（Layover）和阴影（Shadow）区域，这些区域无有效数据。

• 【投影角】、【局部入射角】、【参考入射角】可根据需要勾选。

  2. 输出文件后缀：默认_GTC_Geocode，无需修改，便于识别。

  3. 输出文件类型：ENVI IMG(*.img)，兼容性最强。

  4. 输出目录：选择输出路径，建议与中间结果放在同一文件夹。

执行与结果验证

1. 执行处理：确认所有参数无误后，点击【确定】开始地理编码。处理时间取决于计算配置，数据大小，输出分辨率等，通常需要 3-4分钟。
2. 结果查看：
   • 处理完成后，在 PIE-SAR 中加载生成的*_GTC_Geocode.img文件。
   • 精度验证：加载天地图在线底图，卷帘查看定位精度。
   • 成果应用：此时的影像已具备地理坐标信息，可直接导出至 ArcGIS、Google Earth 等软件，进行专题图制作或多源数据叠加分析。

结果验证

• 文件验证：输出目录中生成地理编码后的“.img”和“.hdr”文件，检查文件完整性；
• 坐标验证：查看影像头文件（.hdr），确认坐标系为标准地理坐标系（如WGS84或CGCS2000），同时查看影像的经纬度范围，确保与研究区地理范围一致；
• 空间叠加验证：加载【天地图在线影像地图】，若影像范围与矢量边界完全匹配，无明显错位，说明地理编码成功；若出现错位，需排查查找表是否正确生成、转换格式是否正确。

水体提取

基于地理编码后的Db值影像，利用PIE-SAR内置算法，结合SAR水体的后向散射特性（低后向散射，暗色调），精准分离水体与非水体地物，输出可直接用于成果交付的水体数据（栅格或矢量格式）。本次实操采用最常用、最易上手的阈值法，适合新手入门。

算法选择

本次采用【阈值法】，核心逻辑是：根据SAR水体与非水体的后向散射系数差异（水体Db值较低，通常<-18 dB），设置合理的阈值，将低于阈值的像素判定为水体，高于阈值的像素判定为非水体，再通过后处理（小斑块去除、空洞填充）优化提取结果。

关键参数设置

• 输入数据：点击“浏览”，选择第四步地理编码后生成的Db值影像；
• 阈值设置（核心参数）：
  • 【自动计算阈值】，通过统计直方图方法，程序自动计算分割阈值，输出水体提取结果，日志也会同步输出阈值大小，若提取结果不尽人意，可根据研究区实际情况手动调整；
  • 【人工调整】：加载输入影像，查看水体区域的Db值范围，若漏提较多水体，可适当提高阈值，若错提较多非水体（如阴影、裸地），可适当降低阈值；
• 后处理设置（提升提取精度）：
  • 小斑块去除：勾选“形态学处理”，设置最小斑块面积（经验值：9像素），去除提取结果中面积过小的噪声斑块（如单个像素的误判区域）；
  • 连通方式：选“4领域”，填充水体区域内的小型空洞（如水体中的微小裸地、噪声导致的空洞），使水体轮廓更完整；
  • 说明：后处理参数可根据提取结果微调，若研究区存在小型水体，可减小最小斑块面积（如5像素），避免漏提。
• 输出文件设置：
  • 输出目录：选择“最终成果”文件夹，与上述步骤输出一致，便于成果管理和交付；
  • 输出格式：同时输出两种格式，兼顾不同应用需求：
    • 栅格格式（.img）：保留水体与非水体的像素级信息，便于后续定量分析（如水体面积统计）；
    • 矢量格式（.shp）：可直接导入GIS软件，用于叠加分析、地图绘制，适合成果交付；

结果可视化

• 加载地理编码后的Db值影像和水体提取结果，将水体提取结果设置为红色（或其他醒目颜色），与原始影像叠加显示，清晰呈现水体分布与周边地物的关系；

总结与拓展

流程总结

本文基于PIE-SAR软件，完成了陆探-1单景数据水体提取的全流程实操，从数据导入到最终成果输出，核心流程“陆探-1数据导入→多视处理→转Db→地理编码→水体提取”逻辑清晰、可操作性强，适合新手入门。

本次流程的核心优势的在于：

• 国产化适配：全程使用国产PIE-SAR软件，适配陆探-1国产SAR数据，无需依赖国外软件，符合国内科研、工程应用需求；
• 操作简洁：纯可视化操作，无需编写代码，新手可快速上手，每一步参数均提供经验值，降低操作难度；
• 精度可靠：通过多视降噪、转Db定量、后处理优化等步骤，确保水体提取精度，可满足常规水资源监测、洪涝应急等场景需求。

各环节核心要点回顾：

• 数据导入：重点勾选辐射校正，确保数据标准化；
• 多视处理：平衡多视数与分辨率，优先抑制噪声；
• 转Db：确保数据为浮点型，转换后数值范围符合要求；
• 地理编码：正确选择转换格式和重采样方法，避免坐标错位；
• 水体提取：合理设置阈值，结合后处理优化结果，做好精度验证。

拓展应用

本次实操为单景陆探-1数据的水体提取，基于该流程，可进一步拓展以下应用场景，提升成果价值：

• 时序陆探-1数据水体动态监测：获取研究区不同时相的陆探-1数据，重复本次流程，提取各时相水体分布，分析水体面积、位置的动态变化，用于洪涝灾害演进、湿地生态变化监测；
• 多极化联合提取：若获取的陆探-1数据包含HH、HV等多极化通道，可联合多通道数据，利用不同极化通道对水体的响应差异，提升复杂场景（如浅滩、湿地）的提取精度；
• 光学与SAR数据融合：结合高分光学影像（如高分二号、高分四号），利用光学影像的地物纹理清晰、SAR影像的全天候优势，融合两者数据，进一步优化水体提取精度，解决阴影、地物混杂导致的提取误差；

未来展望

随着国产SAR卫星技术的不断发展，陆探-1、高分三号等卫星的数据分辨率、覆盖范围不断提升，为水体监测提供了更丰富的数据来源。同时，PIE-SAR软件的功能也在不断迭代，后续将支持更先进的水体提取算法（如深度学习算法），进一步降低操作难度、提升提取精度。

进、湿地生态变化监测；

• 多极化联合提取：若获取的陆探-1数据包含HH、HV等多极化通道，可联合多通道数据，利用不同极化通道对水体的响应差异，提升复杂场景（如浅滩、湿地）的提取精度；
• 光学与SAR数据融合：结合高分光学影像（如高分二号、高分四号），利用光学影像的地物纹理清晰、SAR影像的全天候优势，融合两者数据，进一步优化水体提取精度，解决阴影、地物混杂导致的提取误差；