Sentinel-1 — космическая миссия, финансируемая Европейским Союзом и осуществляемая Европейским космическим агентством (ЕКА) в рамках программы «Коперник». Sentinel-1 собирает изображения радара с синтезированной апертурой (SAR) C-диапазона с различными поляризациями и разрешениями. Поскольку радиолокационные данные требуют нескольких специализированных алгоритмов для получения калиброванных ортотрансформированных изображений, в этом документе описывается предварительная обработка данных Sentinel-1 в Earth Engine.
Данные Sentinel-1 собираются с помощью нескольких различных конфигураций приборов, разрешений и комбинаций диапазонов как на восходящей, так и на нисходящей орбите. Из-за этой неоднородности перед началом обработки обычно необходимо отфильтровать данные до однородного подмножества. Этот процесс описан ниже в разделе «Метаданные и фильтрация» .
Метаданные и фильтрация
Чтобы создать однородное подмножество данных Sentinel-1, обычно необходимо отфильтровать коллекцию с использованием свойств метаданных. Общие поля метаданных, используемые для фильтрации, включают следующие свойства:
-
transmitterReceiverPolarisation: ['VV'], ['HH'], ['VV', 'VH'] или ['HH', 'HV'] -
instrumentMode: «IW» (интерферометрическая широкая полоса обзора), «EW» (сверхширокая полоса обзора) или «SM» (полосовая карта). Подробнее см. в этой ссылке . -
orbitProperties_pass: «ВОСХОДЯЩИЙ» или «ВНИЗУЮЩИЙ» -
resolution_meters: 10, 25 или 40 -
resolution: «M» (среднее) или «H» (высокое). Подробнее см. в этой ссылке .
Следующий код фильтрует коллекцию Sentinel-1 по свойствам transmitterReceiverPolarisation , instrumentMode и orbitProperties_pass , а затем вычисляет составные значения для нескольких комбинаций наблюдений, которые отображаются на карте, чтобы продемонстрировать, как эти характеристики влияют на данные.
Редактор кода (JavaScript)
// Load the Sentinel-1 ImageCollection, filter to Jun-Sep 2020 observations. var sentinel1 = ee.ImageCollection('COPERNICUS/S1_GRD') .filterDate('2020-06-01', '2020-10-01'); // Filter the Sentinel-1 collection by metadata properties. var vvVhIw = sentinel1 // Filter to get images with VV and VH dual polarization. .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV')) .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VH')) // Filter to get images collected in interferometric wide swath mode. .filter(ee.Filter.eq('instrumentMode', 'IW')); // Separate ascending and descending orbit images into distinct collections. var vvVhIwAsc = vvVhIw.filter( ee.Filter.eq('orbitProperties_pass', 'ASCENDING')); var vvVhIwDesc = vvVhIw.filter( ee.Filter.eq('orbitProperties_pass', 'DESCENDING')); // Calculate temporal means for various observations to use for visualization. // Mean VH ascending. var vhIwAscMean = vvVhIwAsc.select('VH').mean(); // Mean VH descending. var vhIwDescMean = vvVhIwDesc.select('VH').mean(); // Mean VV for combined ascending and descending image collections. var vvIwAscDescMean = vvVhIwAsc.merge(vvVhIwDesc).select('VV').mean(); // Mean VH for combined ascending and descending image collections. var vhIwAscDescMean = vvVhIwAsc.merge(vvVhIwDesc).select('VH').mean(); // Display the temporal means for various observations, compare them. Map.addLayer(vvIwAscDescMean, {min: -12, max: -4}, 'vvIwAscDescMean'); Map.addLayer(vhIwAscDescMean, {min: -18, max: -10}, 'vhIwAscDescMean'); Map.addLayer(vhIwAscMean, {min: -18, max: -10}, 'vhIwAscMean'); Map.addLayer(vhIwDescMean, {min: -18, max: -10}, 'vhIwDescMean'); Map.setCenter(-73.8719, 4.512, 9); // Bogota, Colombia
import ee import geemap.core as geemap
Колаб (Питон)
# Load the Sentinel-1 ImageCollection, filter to Jun-Sep 2020 observations. sentinel_1 = ee.ImageCollection('COPERNICUS/S1_GRD').filterDate( '2020-06-01', '2020-10-01' ) # Filter the Sentinel-1 collection by metadata properties. vv_vh_iw = ( sentinel_1.filter( # Filter to get images with VV and VH dual polarization. ee.Filter.listContains('transmitterReceiverPolarisation', 'VV') ) .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VH')) .filter( # Filter to get images collected in interferometric wide swath mode. ee.Filter.eq('instrumentMode', 'IW') ) ) # Separate ascending and descending orbit images into distinct collections. vv_vh_iw_asc = vv_vh_iw.filter( ee.Filter.eq('orbitProperties_pass', 'ASCENDING') ) vv_vh_iw_desc = vv_vh_iw.filter( ee.Filter.eq('orbitProperties_pass', 'DESCENDING') ) # Calculate temporal means for various observations to use for visualization. # Mean VH ascending. vh_iw_asc_mean = vv_vh_iw_asc.select('VH').mean() # Mean VH descending. vh_iw_desc_mean = vv_vh_iw_desc.select('VH').mean() # Mean VV for combined ascending and descending image collections. vv_iw_asc_desc_mean = vv_vh_iw_asc.merge(vv_vh_iw_desc).select('VV').mean() # Mean VH for combined ascending and descending image collections. vh_iw_asc_desc_mean = vv_vh_iw_asc.merge(vv_vh_iw_desc).select('VH').mean() # Display the temporal means for various observations, compare them. m = geemap.Map() m.add_layer(vv_iw_asc_desc_mean, {'min': -12, 'max': -4}, 'vv_iw_asc_desc_mean') m.add_layer( vh_iw_asc_desc_mean, {'min': -18, 'max': -10}, 'vh_iw_asc_desc_mean' ) m.add_layer(vh_iw_asc_mean, {'min': -18, 'max': -10}, 'vh_iw_asc_mean') m.add_layer(vh_iw_desc_mean, {'min': -18, 'max': -10}, 'vh_iw_desc_mean') m.set_center(-73.8719, 4.512, 9) # Bogota, Colombia m
Предварительная обработка Sentinel-1
Изображения в Earth Engine 'COPERNICUS/S1_GRD' ImageCollection Sentinel-1 состоит из сцен уровня 1 с обнаружением расстояния до земли (GRD), обработанных с учетом коэффициента обратного рассеяния (σ°) в децибелах (дБ). Коэффициент обратного рассеяния представляет собой целевую площадь обратного рассеяния (поперечное сечение радара) на единицу площади земли. Поскольку оно может изменяться на несколько порядков, оно преобразуется в дБ как 10*log 10 σ°. Он измеряет, рассеивает ли излучаемая местность падающее микроволновое излучение преимущественно в сторону от датчика SAR (дБ < 0) или в сторону датчика SAR (дБ > 0). Такое поведение рассеяния зависит от физических характеристик местности, прежде всего от геометрии элементов местности и их электромагнитных характеристик.
Earth Engine использует следующие шаги предварительной обработки (реализованные Sentinel-1 Toolbox ) для получения коэффициента обратного рассеяния в каждом пикселе:
- Применить файл орбиты
- Обновляет метаданные орбиты с помощью восстановленного файла орбиты (или файла точной орбиты, если восстановленный файл недоступен).
- Удаление шума границ GRD
- Удаляет шум низкой интенсивности и неверные данные по краям сцены. (По состоянию на 12 января 2018 г.)
- Удаление теплового шума
- Удаляет аддитивный шум в дополнительных полосах, чтобы помочь уменьшить разрывы между дополнительными полосами для сцен в режимах съемки с несколькими полосами. (Эту операцию нельзя применить к изображениям, созданным до июля 2015 г.)
- Применение значений радиометрической калибровки
- Вычисляет интенсивность обратного рассеяния, используя параметры калибровки датчика в метаданных GRD.
- Коррекция рельефа (орторектификация)
- Преобразует данные из геометрии наземного диапазона, которая не учитывает рельеф местности, в σ° с использованием SRTM 30-метровой матрицы высот или ASTER DEM для высоких широт (больше 60° или меньше -60°).
Примечания к набору данных
- Радиометрическое выравнивание ландшафта не применяется из-за артефактов на горных склонах.
- Безразмерный коэффициент обратного рассеяния преобразуется в дБ, как описано выше.
- Данные SLC Sentinel-1 в настоящее время не могут быть приняты, поскольку Earth Engine не поддерживает изображения со сложными значениями из-за невозможности усреднить их во время построения пирамид без потери информации о фазе.
- Ресурсы GRD SM не принимаются, поскольку функция
computeNoiseScalingFactor()в операции удаления граничного шума в наборе инструментов S1 не поддерживает режим SM.