二、基于Sentinel-1雷达数据反演矿区地表形变

1.1 InSAR提取形变的基本原理

1.2 实验过程

1.2.1数据来源

采用Sentinel-1雷达数据获取的影像，以2018年3月31日影像为主影像，2018年4月12日、4月24日、5月6日为辅影像分别进行影像配准进行形变监测。

1.2.2 矿区概述

神东矿区是神府东胜矿区的简称。现为我国最大的井工煤矿开采地，其中神东煤炭集团布尔台，是世界第一大井工煤矿。神华神东煤炭集团2009年5月20日在神东矿区四公司的基础上整合成立。地跨陕、蒙、晋三省区，有17个煤矿，今年计划生产原煤1.7亿吨，约占全国总产量的6%、全国重点煤矿产量的12%。

1.2.3数据处理

Graph Builder工具允许用户从可用操作符列表中组合图形，并将操作符节点连接到它们的源。因此，我们将遵循的处理链将由图表表示并保存为XML文件。建议在连接最终图形后在每个操作符中设置参数。

第一个处理步骤是在Sentinel-1产品中应用轨道文件，以便提供准确的卫星位置和速度信息。要添加Apply-Orbit-File操作符，点击Add - >Radar - >Apply-Orbit-File。图表中会出现一个新的矩形操作符，下方会显示一个新选项卡现在通过单击Read运算符的右侧并将红色箭头拖向Apply-Orbit-File操作符，将Apply-Orbit-File操作符与Read操作符连接起来Orbit State Vectors: Sentinel Precise (Auto Download) Check “Do not fail if new orbit file is not found”重复以上的步骤对第二幅影像进行操作：Read(2) 读取
配准两幅Sentinel-1影像，将第二幅影像配准到第一幅影像（主影像）上。 Sentinel-1的 Back Geocoding操作符使用两个产品的轨道和数字高程模型（DEM）对同一子扫描带的两幅S-1拆分影像（主和从）进行配准。在Back-Geocoding列表中，DEM选择外部DEM（External DEM），同时选中”Output Deramp and Demod Phase”
增强光谱多样性，在此步骤中，提高光谱多样性（ESD）操作符在Back-geocoding操作之后。 ESD方法利用相邻条带的重叠区域处的数据，对每个条带执行距离和方位向校正。点击Add - > Radar - > Coregistration - > S-1 TOPS Coregistration - > Enhanced-Spectral-Diversity，然后连接ESD和Back-Geocoding操作符。在Enhanced-Spectral-Diversity列表中使用默认的参数。
干涉处理，在这个阶段，将在干涉像对（主和从）之间产生干涉图，同时估计干涉影像的相干性。要添加干涉操作，点击Add - >Radar- >interferometric - >Products- >interferogram，然后将干涉操作符连接到增强光谱多样性操作符之后。在干涉列表中设置下列参数：

Coherence Range Window Size（距离向相干窗口大小）: 20

Coherence Azimuth Window Size（方位向相干窗口大小）: 5

TOPSAR Deburst，使用Sentinel-1 TOPSAR Deburst处理步骤，在TOPSAR-Deburst列表中Polarizations(极化方式)选择：VV然后把Write操作与TOPSAR-Deburst操作相连接，在Write列表中确定输出路径为: F/lab.ym3 / SNAP_Processing设置产品的输出名称：此时，通过单击窗口底部的save(保存)，将图形保存为F/lab.ym3 / SNAP_Processing 中的Graph_process_1.xml。然后单击运行，新产品将显示在Product Explorer中。

滤波处理

打开一个新的Graph Builder窗口，为下一个处理步骤创建一个新图形。在Read列表中，输入影像为上一步生成的干涉图。
接下来是从上一步生成的干涉图中去除地形相位。为此，必须添加TopoPhase Removal（地形相位移除）运算符。点击Add - > Radar - > Interferometric - > Products - > TopoPhase Removal。
DEM选择External DEM，并选择“Output topographic phase band”（输出地形相位带）选项。
由于原始SAR图像包含固有的斑点噪声，此时应用多视点处理以减少斑点噪声并提高图像可解释性。添加Multilook(多视)操作符，点击Add - > Radar - > Multilook。在Multilook列表中设置下列参数：Number of Range Looks（距离向数量）：8Number of Azimuth Looks（方位向数量）：2
接下来将对干涉图进行相位滤波，以便减少相位噪声，例如，可将其用于可视化或帮助相位解缠。本操作采取的滤波方法是Goldstein方法。要添加Goldstein相位滤波操作符，点击Add - >Radar - >interferometric - >Filtering- > GoldsteinPhaseFiltering。
在GoldsteinPhaseFiltering列表中设置下列参数：Adaptive Filter Exponent（自适应滤波器指数）in (0,1]: 1.0 FFT Size: 128

滤波后，需要保存输出结果，即多视和滤波后的差分干涉图。最后是导出要进行snaphu处理的数据，以便应用相位解缠。要导出与snaphu处理相兼容的数据，点击Add- >Radar- >Interferometric - >Unwrapping- > SnaphuExport。在SnaphuExport选项卡中，指定“Target folder”（目标文件夹）的完整路径并保存中。另外，设置如下参数。

Statistical-cost mode: DEFO

Initial method（初始方法）: MCF

Number of Tile Rows: 1

Number of Tile Columns: 1

设置完毕后，通过单击窗口底部的“save”，将图形保存为/F/ lab.ym3 / SNAP_Processing中的myGraph2.xml。然后单击Run运行。运行完毕后，关闭GraphBuilder窗口。在Product Explorer中添加了新的输出产品。此时可以点击 Bands查看“Phase_ifg_VV_06Jun2016_10Sept2016”。在视图窗口中，我们可以看到输出的差分干涉图，其中相位以条纹（-pi，pi）的形式表示。

相位解缠

通过snaphu进行相位解缠。在虚拟机上新建一个文件夹，存放SNAP软件导出的数据，用于相位解缠。如图，单击右键，选择Create Folder。命名文件名为SNAPHU，并将第上一步中SnaphuExport导出的复制到这个文件夹中
在虚拟机中的SNAPHU文件夹下，点击鼠标右键，选择Open Terminal Here选项，如图所示。这个在linux系统上经常用到，叫Terminal（终端）。打开snaphu.conf文本文件，把文件中的如图所示的那一行文本（即运行snaphu软件进行解缠的命令），拷贝、粘贴到终端命令行中。粘贴好之后，点回车键，即运行该解缠命令，调用snaphu软件进行解缠。解缠的结果为两个文件，如图。将这两个文件拷贝出虚拟机，粘贴回上述数据处理文件夹中。
将解缠结果重新导入SNAP软件中。如图，选择Radar->Interferometric->Unwrapping->Snaphu Import。在弹出的窗口中，1-Read-Phase选择缠绕（未解缠）的数据，在2-Read-Unwrapped-Phase选择解缠的数据，如图所示，选择解缠后的数据头文件（.hdr）。在3-SnaphuImport中选择勾选Do NOT save Wrapped Interferogram in the target product。在4-Write把输出文件名加入_Unw，以表示该结果为解缠结果（如图所示）。点击Run运行，得到解缠结果如图所示。

相位转形变

此时，将干涉相位转换为形变图。点击Radar - >Interferometric - >Products- >Phase to Displacement。设置如下参数。然后点击Run运行。在Product Explorer中点击生成的形变图，点击displacement在视图窗口打开形变产品。

地理编码

把雷达坐标系下的形变量转化为地理坐标系，选择Radar->Geometric->Terrain Correction->Range Doppler Terrain Correction。在Range Doppler Terrain Correction列表中，输入参数选择经过相位转为形变的数据，DEM选取准备好的External DEM（外部DEM）。参照图中所示。

输出KMZ格式(Google Earth)

把形变结果导出到GoogleEarth。如图，在打开经过地理编码后的形变结果窗口中，选择Export View as Google Earth KMZ。生成的KMZ文件即可在Google Earth中打开。打开Google Earth,点击File->Open，打开保存的KMZ文件，即可查看。

2.3实验结果及分析

通过实验进行对比可知，时间间隔越长形变量越大，在图中显示的结果越明显，图中框中的区域为该矿区的范围，清晰的展示出该矿区的形变量。第一个形变量没有形成干涉条纹，第二幅影像产生一条条纹，第三幅为三个条纹，哨兵一号采用C波段电磁波进行探测，根据条纹数与半波长的关系可以大致计算出左上矿区的形变量分别为<2.8cm,≈2.8cm,≈8.4cm,因此可以对该地区的地形变化进行监测分析研究，对可能发生的灾害进行推测，便于相关单位采取相应的治理措施。

微波遥感SNAP（二）——基于Sentinel-1雷达数据反演矿区地表形变相关推荐

使用PointNets在雷达数据中进行二维汽车检测
摘要对于许多自动驾驶功能而言,对车辆环境的高度准确感知是至关重要的前提.现代高分辨率雷达传感器每个物体会产生多个雷达目标,这使得这些传感器特别适合2D物体检测任务.这项工作提出了一种仅使用Point ...
决策树详解python基于Kaggle的Titanic数据实现决策树分类
决策树详解&&python基于Kaggle的Titanic数据实现决策树分类一决策树算法详解 1.前期准备实验目的准备 2.决策树概述 2.1 决策树 2.2 ID3算法原理 2 ...
基于sentinel湿地_基于Sentinel数据的滇池湖滨湿地地上生物量反演
湿地植被是以湿生和水生植物为主的植被群类型,是湿地生态系统的重要组成部分,在维持生态系统结构和功能方面有十分重要的作用[.传统的生物量(AGB)测算方法主要通过样方调查.采集.称重等手段进行,不但费时 ...
基于深度法向约束的稀疏雷达数据深度补全（商汤科技和香港大学联合提出）
作者:Tom Hardy Date:2020-02-09 来源:基于深度法向约束的稀疏雷达数据深度补全(商汤科技和香港大学联合提出)
练习题︱基于今日头条开源数据（二）——两款Apriori算法实践
Apriori算法是通过限制候选产生发现频繁项集.总的来说,Apriori算法其实效率并不高,大规模数据计算的时候,需要考虑性能问题. code + data可见:mattzheng/AprioriD ...
python读二进制格点雷达基数据_radar: 基于python pycinrad 以及多种类库编写基于java 的雷达基数据统一格式读取...
radar-core 介绍基于python pycinrad 以及多种类库编写基于java 的雷达基数据统一格式读取包括读取分层ppi.插值到等经纬度的网格化ppi以及 cappi.vcs等基本 ...
java雷达数据解析_radar: 基于python pycinrad 以及多种类库编写基于java 的雷达基数据统一格式读取...
radar-core 介绍基于python pycinrad 以及多种类库编写基于java 的雷达基数据统一格式读取包括读取分层ppi.插值到等经纬度的网格化ppi以及 cappi.vcs等基本 ...
“安居客“住房系统-基于Python-Django前后端分离开发（二）——基于RESTful架构的数据接口配置以及Redis高速缓存
"安居客"住房系统-基于Python-Django前后端分离开发(二) 基于Django-Rest-Framework创建接口数据(二) 文章目录 "安居客"住 ...
基于iOS的网络音视频实时传输系统（二）- 捕获音视频数据
下载 GitHub: client 端:https://github.com/AmoAmoAmo/Smart_Device_Client server端:https://github.com/AmoA ...
【机器学习】基于PCA/LDA的数据降维和可视化（二维+三维）
基于PCA/LDA的数据降维和可视化 Introduction Project Intro File Intro Tools Intro Code&Dataset Link Process P ...

微波遥感SNAP（二）——基于Sentinel-1雷达数据反演矿区地表形变