基于SAR数据提取水体信息
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：
图：SAR处理与分析流程图
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：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。
1、数据预处理
第一步：数据导入
打开工具/SARscape/Import Data/SAR Spaceborne/Single Sensor/GAOFEN-3，设置输入输出界面，如下图所示：
图： 高分三号L1A级别数据导入
导入为SARscape标准格式的数据，输出结果包含三个文件：数据文件、.hdr文件、.sml文件。用写字板打开.sml文件，查询、、三个字段，得到该数据的入射角为：34.64°，距离向采样间隔是2.24米，方位向采样间隔是4.76米。根据斜地距转换公式：地面分辨率= 距离向采样间隔/sin入射角，可知该数据可达到5米的地面分辨率。
注：如果是处理其他类型的数据，选择相应的传感器类型导入即可。
图：SARscape支持的雷达传感器类型
第二步：设置SARscape系统参数。
打开/SARscape/Preferences/Preferences specific，点击Load Preferences，选择VHR(better than 10m)参数，General parameters面板的Cartographic grid Size参数设置为8米（最小设置为5米）。点击OK。
图： SARcsape系统参数设置
第三步：多视处理
打开工具/SARscape/Basic/Intensity Processing/Multilooking，输入上一步导入之后的数据，后缀为_slc，工具会根据事先设置好的制图分辨率，自动计算视数，按照默认，输出结果为强度数据，后缀为_pwr。
图： 多视处理
第四步，滤波处理
滤波可以抑制SAR图像上的噪声，使用滤波工具对SAR强度数据进行滤波。/SARscape/Basic/Intensity Processing/Filtering/Single Image Filtering，输入上一步得到的强度数据，滤波方法选择Frost，窗口默认5*5（窗口设置越大，滤波效果越平滑，需要的时间越长），输出滤波结果。
图： 滤波处理
图：滤波前（左）后（右）
第五步，地理编码和辐射定标
对滤波之后的强度数据进行地理编码和辐射定标，地理编码时需要事先准备好处理区域的DEM。
打开工具/SARscape/Basic/Intensity Processing/Geocoding/Geocoding and Radiometric Calibration，参数设置如下：
图： 地理编码和辐射定标
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。
图： HV极化（左）和HH极化图像（右）
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。
2、水体提取
基于SAR数据提取水体，有如下几种方法：
注：在灾害应急的场景中，一般使用目视解译->裁剪重点关注区域->阈值自动提取->人机交互的方法，时效性最佳。
2.1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。
根据数据获取的情况，可以对单极化灰度图直接进行密度分割，本例中如HH或HV，如果有多种极化方式的数据，也可以先计算出水体指数，再对水体指数图进行分割。本文用到了水体指数，计算方法如下：
基于HV和HH后向散射系数，计算用于提取水体的指数，模型为：ln（10*HV*HH），bandmath公式为：alog(10*b1*b2)。b1和b2分别是HV和HH后向散射系数。得到的结果：水体和非水体区分明显，直方图呈现双峰。
【参考文献：《基于Sentinel_1数据的水体信息提取方法研究》，人民长江。】
图： 水体指数直方图
使用多极化计算水体指数的优点是：直方图呈现双峰且阈值分割时DN值的区分度更明显，如下是水体指数直方图和HV、HH极化直方图对比：
图： 直方图对比
对水体指数图像进行密度分割，提取水体，效果如下：
图： 密度分割提取水体
图：山体阴影区域无法避免地一起提出来了
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。
2.2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。
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。
2.3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。
由于水体在不同的区域颜色有差异，又加之需要和山体阴影区分，故选择样本时要覆盖这些区域，本文最终选择了6个子区域，选择水体样本，6个子区域包括：既有山区又有平地区域、只有山区、只有平地、平地区域包含不同颜色的水体，这几种类型，最终选择的子区域如下图所示：
图： 深度学习选择子区域作为样本训练
对子区域的数据分别进行水体提取，本文采用阈值法，之后手动编辑，提取了每个子区域的水体，保存为分类结果文件，构建label raster。
注：密度分割结果另存为分类结果文件，数据类型是UInt，深度学习通过分类文件构建label raster时要求分类结果数据类型是byte，使用/Raster Management/Stretch Data工具对分类结果进行类型转换即可。
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、水体指数、DEM、坡度、坡向，合成了6波段数据。
构建了6个子区域的Lable raster之后，采用随机参数法，进行模型训练，在得到的若干结果中，选择水体提取效果最好的模型对应的结果：
图： 深度学习提取的水体结果（注：边缘区域不计）
图： 随机参数法训练模型
图：提取的局部结果
2.4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：
图： 面向对象方法提取水体
2.4水体提取总结
|
方法 |
说明 |
|
阈值分割法 |
在平原区域效果良好，几乎不需要人工编辑，但是在山区，阴影同时都被提取出来了。需要使用分类后处理的工具进行人机交互处理。 |
|
决策树分类方法 |
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，但工作量较阈值法小。 |
|
深度学习方法 |
效果良好，需要前期进行充分的影像中水体特征分析，表现为选择若干有代表性的子区域，可有效区分山体阴影和水体，前期工作量较大，优势是训练好的水体提取模型可以用于同类型多幅影像，多个地区的水体提取，适用于批量处理。 |
|
面向对象方法 |
可直接获取水域边界，若加入DEM作为辅助数据，对山体阴影的抑制也有作用。 |
本文以高分三号L1A级别数据为例，如果使用高分三号L2级别数据，已经具有几何坐标，tiff格式，可直接在ENVI中打开进行解译，不需要做预处理。
如果采用哨兵1数据，下载SLC产品、GRDH产品均可。若是使用SLC产品，数据导入时生成的_slc_list_pwr数据，可对该数据直接进行滤波和地理编码、辐射定标处理，无需做多视处理；GRDH产品数据导入之后，是地距产品_gr，直接进行滤波和地理编码、辐射定标处理，方法与本文相同。
3、分类后处理
水体分类后处理主要使用两个工具：
- 分类结果编辑：/Classification/Post Classification/Edit Classification Image，可手动修改分类结果；
- 分类结果转矢量：/Classification/Post Classification/Classification to Vector，得到水域边界。也可对矢量文件进行编辑，如删除图斑、修改图斑等操作。
4、结果制图
可以直接在ENVI中进行制图，包括静态图，也可以制作多时相动态地图或者动图。
附：SAR数据和DEM数据的配准
本文中提取水体的方法有些用到了DEM和相应的地形模型作为多源数据，若采用此方法，需要DEM数据和SAR数据互相之间精确配准，可使用ENVI的自动配准工具/Geometric Correction/Registration/Image Registration Workflow进行自动配准。
图： 整景影像选择了7个同名点
