双极化Sentinel-1数据在城市沉降监测中的对比研究

目的 针对地面沉降监测仅考虑VV极化Sentinel-1数据而忽略VH极化数据的问题,方法采用PS-InSAR和SBAS-InSAR技术处理延安新区2018年8月—2021年5月的84景双极化Sentinel-1数据,获取地面沉降信息,对比两种极化的沉降监测结果,探讨VH极化在不同实验方法中的意义,并提出一种双极化时序InSAR融合监测新方法。结果 结果表明,新区大部分区域为较稳定区域,形变速率为-8~8 mm/a,此外,还探测到3个较大的沉降区,分别位于桥儿沟流域、高家沟流域和新区东北部填方区域;Sentinel-1不同极化数据的监测结果相关性较高,形变趋势一致;VV极化数据整体优于VH极化,但部分区域VH极化数据得到的地表形变信息更详细;VV-VH极化PS-InSAR形变监测中,VH极化数据能够有效补充VV极化数据监测结果的不足,使结果更加密集,因此,与单一极化监测结果相比,VV-VH极化PS-InSAR形变监测更加详细地反演了地表变形情况;VV-VH极化SBAS-InSAR形变速率结果比单一极化数据相干性和稳定性更高。结论 基于双极化Sentinel-1数据的时序InSAR融合监测技术可以获得比单一极化数据更好的城市地表形变监测结果。

基于Sentinel-1和Sentinel-2数据融合的森林林龄反演和动态监测

【目的】在Google Earth Engine(GEE)云平台上借助其强大的计算和数据存储能力,融合多源遥感数据对森林林龄进行遥感反演和动态监测。【方法】融合2017—2023年间Sentinel-1、Sentinel-2及高程数据,通过随机森林(Random forest,RF)分类获取土地覆盖信息,并进一步提取森林的分布和面积,同时构建时间序列植被指数来准确提取森林变化区域。基于森林资源清查数据和融合的多源遥感数据,在GEE上构建RF回归、分类回归树(Cart)以及梯度提升回归树(Gradient tree boost,GTB)3种回归模型,用于杉木组、马尾松组、毛竹林、硬阔叶树组以及其他类树种组的2018年林龄遥感反演,并估算出2017年和2023年的林龄信息,以揭示林龄和龄组在2017—2023年的动态变化情况。【结果】1)2017—2023年,研究区森林面积的整体变化总计113.93 km^(2),此间森林的减少和更新并存,其空间分布特征呈现出明显的区域差异。具体而言,森林面积变化多发生于靠近城区和低海拔地区,且靠近城区的森林面积减少往往不再恢复至森林;2)在5种不同树种组构建的3种模型中,RF回归模型的林龄反演结果最佳,平均R^(2)为0.845,平均RMSE为5.32 a,其中毛竹林反演精度最高,R^(2)为0.863,RMSE为2.411 a;3)2017—2023年,研究区林龄在40 a以下的森林由54.59%减少至51.06%,其中龄组变化最显著为杉木组成熟林,面积增加了38.88%。【结论】在GEE上融合多源遥感数据进行林龄反演和动态监测具有重要的应用潜力,本研究结果可为使用云平台及哨兵系列卫星数据对森林资源长时间序列的林龄反演和动态监测的应用提供参考和借鉴。

基于Sentinel-1的门源Ms 6.9三维同震形变提取与分析

基于Sentinel-1升、降轨合成孔径雷达(SAR)数据,利用SAR差分干涉测量(D-InSAR)、像素偏移量追踪(POT)技术,获取了2022-01-08青海门源Ms 6.9地震多角度地表形变,并采用三维形变估算模型提取了三维同震形变场。结果表明:(1)升、降轨D-InSAR最大形变分别为0.56 m和0.6 m,POT最大形变分别为0.65 m和0.72 m;(2)地震导致的地表破裂带长度超过20 km,整体呈NWW方向分布,同震形变场呈蝴蝶状,形变按幅度大小相近,方向相反的规律沿对称轴分布;(3)此次地震以东西向位移为主,水平最大位移超过1.1 m,垂直最大位移幅度约为0.5 m,符合走滑地震的特征。本文结果与实地踏勘结果较为吻合,丰富了该地震同震形变观测结果,并补充查明了地表破碎带的特征。

基于Sentinel-1卫星SAR数据的2020年巢湖洪涝监测及灾情分析

受持续降雨的影响,2020年6-8月巢湖流域水位超洪水设防的百年一遇标准,对巢湖流域的经济和生态环境造成严重危害。文章采用具有全天时、全天候、全覆盖优势的Sentinel-1卫星合成孔径雷达(synthetic aperture radar,SAR)影像数据,对比单阈值法、哨兵-1双极化水体指数(Sentinel-1 dual-polarized water index,SDWI)阈值法和支持向量机(support vector machine,SVM)分类算法3种方法的精度,选择最优方法来提取巢湖水体,实现对淹没区域面积的动态监测;同时利用Landsat 8、Sentinel-2卫星中、高空间分辨率光学影像对灾前研究区进行地物分类,分析灾情期间各类地物的受灾程度。结果显示:采用单阈值法可有效提取洪水淹没范围,总体精度达到98.43%以上,淹没面积为424.10 km^(2);淹没土地类型包括农用地、建成区和裸地等,其中淹没情况最严重的是农用地,淹没面积达到278.95 km^(2)。

升降轨Sentinel-1数据在滑坡形变识别中的适用性研究

针对采用合成孔径雷达干涉测量(InSAR)技术开展滑坡灾害大区域调查和普查时,Sentinel-1雷达数据源升降轨模式难以恰当选用,或应用场景不适宜,从而否定InSAR技术在滑坡形变识别及监测的优势等问题,本文采用时序InSAR技术,结合升降轨的Sentinel-1雷达数据源,开展不同坡向滑坡形变的识别,研究Sentinel-1雷达数据源升降轨道模式在不同坡向滑坡灾害形变识别与监测中的适用性情况,分析Sentinel-1雷达数据源不同轨道模式对不同坡向滑坡识别与监测的优势。研究结果表明,Sentinel-1雷达数据源对大型及以上的滑坡灾害进行InSAR滑坡表面形变识别及监测结果较佳;Sentinel-1降轨数据源更适用于识别和监测西坡向、南坡向的滑坡,Sentinel-1升轨数据源更适用于识别和监测东坡向的滑坡;采用Sentinel-1升降轨数据联合的方式,更有利于东、西、南坡向滑坡识别和监测,可以更全面识别潜在滑坡灾害。

耦合IceSat-2和Sentinel-2卫星数据与BRT回归模型的河流水深反演

研究以新安江断面水域为例,首先对ICESat-2 ATL03地理坐标光子点云进行滤波处理,以确定沿地面轨迹的水深信息,然后将ICESat-2数据与Sentinel-2遥感指数相结合,建立基于BRT的回归模型,进而对新安江断面水深进行反演。结果显示,ICESat-2 ATL03数据测量到断面水深范围介于0.26~0.61m;来自Sentinel-2卫星的水体光谱指数与水深之间具有一定线性关系,是预测水深的有效变量;经BRT模型拟合得到断面水深情况,反映了区域复杂水下地形,验证精度R^(2)为0.98,RMSE为0.58m。研究表明,ICESat-2雷达观测数据与Sentinel-2光学图像合并策略,在大面积水域水深测量中具有良好应用潜力。

基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法研究

Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息,为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明,该方法的提取结果总体精度为92.50%,Kappa系数为0.85。与现有方法"KTH-Pavia城市提取器"相比,Kappa系数提高了37.10%,总体精度提高了11.50%。因此,该方法具有良好的应用潜力。

Sentinel-1A时序数据结合多源信息的早稻种植面积监测研究

以高安市为研究区,选取不同生长期早稻的时序双极化Sentinel-1A雷达数据,通过实地和高分辨率影像提取401个早稻、旋耕田、非粮农作物、建筑物、林地、水面及其他地类等7种典型地物作为样本数据。对VH和VV极化条件下不同典型样本的后向散射系数特征进行分析,采用最小距离、最大似然和SVM等方法对影像数据进行分类,引入土地利用图斑、植被指数以及坡度等多因素进行决策分析,并对植被指数的提取方式进行了优化,提出了基于不同相邻生长期的NDVI差值灰度图分类方法获取了早稻种植图斑。精度验证结果表明,SVM分类法的效果最优(总体精度87.43%,Kappa系数0.824)。在验证预留样本后发现,较单一雷达后向散射系数的提取结果,多因素分析的分类精度具有较大提升,最终评定的分类精度为92.22%,分类赋权精度为94.76%。利用时序雷达数据的后向散射系数、SVM分类法及多源信息,可以提升对早稻种植面积的监测效率且精度较好,研究结果可为早稻种植面积的快速、准确监测提供参考。

基于Sentinel-1A数据的2017年伊拉克哈莱卜杰M_W7.3地震同震形变场分析及断层滑动分布反演

本文首先利用二轨法对欧洲空间局Sentinel-1A雷达卫星影像进行差分干涉处理,获取了覆盖2017年伊拉克哈莱卜杰(Halabjah)MW7.3地震震区的同震形变场,结果表明:哈莱卜杰地震造成的地表形变影响范围约为60 km×70 km,形变场基本沿扎格罗斯主前缘断层展布;形变场的西南盘呈现隆升趋势,最大视线向形变值为88 cm,东北盘呈现下降趋势,最大视线向形变值为37 cm;隆升形变值远大于沉降值,反映出发震断层以逆冲运动为主的特征。然后基于弹性半平面空间矩形位错模型,分别采用多峰值粒子群算法和最速下降法确定了发震断层的几何参数和滑动分布结果。反演结果显示发震断层以逆冲运动为主,兼少量右旋走滑运动,最大滑动量为3.34 m,释放的地震矩为1.68×1020 N·m (MW7.4),与地震学的研究结果一致。

基于Sentinel-1数据时序特征的热带地区水稻种植结构提取方法

由于热带地区的雨季时间较长,云覆盖严重,基于光学影像难以准确提取区域内的水稻种植模式。该文以泰国湄南河流域中部平原水稻种植区为例,基于Sentinel-1SAR时间序列数据,提出一种融合时序统计参数与时序曲线相似性特征的热带地区水稻种植结构提取方法。首先利用年内所有可获取的Sentinel-1SAR数据,分别基于像元和基于对象构建后向散射系数时间序列曲线,提取时序特征参数;利用动态时间规整(Dynamic Time Warping,DTW)算法,计算后向散射系数时序曲线与地物标准曲线间的隶属度;将时序特征参数、时序曲线隶属度相结合,利用随机森林模型进行机器学习监督分类,提取研究区的水稻种植信息并评价分类精度。结果表明,基于Sentinel-1SAR时序特征融合的算法可以较好地提高水稻种植结构分类精度。其中,基于对象的分类算法的单季稻提取用户精度为81.46%,生产者精度为82.00%;双季稻用户精度为88.0%,生产者精度为84.08%,均优于基于像元的分类算法。研究结果可为多云多雨的热带地区水稻种植信息提取提供一种新的思路。

利用Sentinel-1 SAR数据及SBAS技术的大区域地表形变监测

雷达干涉测量技术为地面沉降高精度快速准确监测提供了新的手段。对于数万平方千米的大范围地面沉降,要求测量手段不仅具备高精度,还要具备大范围同步测量的能力。为解决这一问题,本文提出了利用Sentinel-1数据结合SBAS技术的监测方法,首先对黄河三角洲区域进行形变监测,然后利用CORS数据进行验证,最后对地面沉降的时空分布情况进行分析。该研究证明了采用该方法对大区域形变监测的适用性,为该区域沉降预防和治理提供了重要依据。

Sentinel-1卫星数据产品应用探讨

以Sentinel-1卫星的特点、传感器的特点、数据产品以及潜在应用为逻辑主线,介绍了Sentinel-1卫星的基本参数、C波段传感器的参数特性以及Sentinel-1的数据产品,为Sentinel-1的进一步应用提供参考。

多时相Sentinel-1影像反演玉溪典型烟区烤烟种植分布的方法

为准确识别烤烟种植分布特征,基于2020年玉溪烤烟大田生长期不同时相的11景Sentinel-1卫星影像,结合野外实地调研,分析不同土地利用类型合成孔径雷达(SAR)极化信息的可区分度,并结合70%样地训练随机森林分类方法提取不同土地利用的分布范围,最后用30%调研样地验证烤烟种植的提取精度。结果表明,垂直发射垂直接收(VV)相较于垂直发射水平接收(VH)更能区分不同土地利用类型,VH、VV、VV+VH和VV+VH+VV/VH四种极化信息组合方式中,地物分类精度最高的为VV+VH组合,总体分类精度为87.6%,Kappa系数为0.847,其中,烤烟种植识别的制图精度为96.3%,用户精度为89.4%。在玉溪典型烟区采用多时相SAR识别烤烟种植分布,识别准确率基本能满足区域烤烟种植识别的精度要求。

哨兵卫星Sentinel-1A数据特性及应用潜力分析

Sentinel-1A是欧空局"哥白尼计划"发射的首颗对地观测卫星,其搭载的C波段SAR传感器有效地延续了ERS-1/2和ENVISAT ASAR对地观测任务。简要介绍了Sentinel-1A卫星的特点和轨道参数,并与ERS-1/2和ENVISAT ASAR进行了对比。详细介绍了Sentinel-1A的成像模式(SM,IW,EW,WV)以及每种模式下数据产品(Level-0,Level-1,Level-2)的特征。最后分析了Sentinel-1A数据在不同领域的实际应用,为其在对地观测中的广泛应用提供了参考。

基于Sentinel-1A雷达影像的崇明东滩芦苇盐沼植被识别提取

为研究芦苇盐沼植物在一个生长周期不同生长季节的雷达后向散射系数变化特征,对芦苇分布信息进行提取,探究Sentinel-1A卫星数据在长江口湿地植被监测中的应用前景。以对长江河口崇明东滩南部为研究区域,利用2016年11个时相的Sentinel-1A雷达卫星影像VV(vertical transmit/vertical receive)+VH(vertical transmit/horizontal receive)双极化数据,分析潮滩地带芦苇、白茅、海三棱藨草、水体和光滩在植被生长周期内的雷达后向散射强度变化特征,对芦苇盐沼植被进行识别提取。结果表明:相较于VH极化方式,VV极化方式下不同地物的后向散射强度差异更为明显,芦苇的后向散射强度在枯叶期下显著高于其他地物;进行芦苇植被提取时,需要对植被枯萎期不同潮位状况下的雷达影像进行组合运算,芦苇提取精度可达到88.7%;对芦苇植被雷达后向散射强度和临近时相的光学遥感归一化植被指数(normalized difference vegetation index,INDV)进行相关性分析,发现两者呈良好的正相关关系,相关系数为0.78。

Sentinel-1A数据矿区地表形变监测适用性分析

针对合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)技术监测矿区地表形变中形变位置确定、形变梯度估计和相干性之间的关系,利用Sentinel-1A数据开展InSAR技术矿区地表形变监测适用性研究,分析干涉图相干性、形变位置识别和形变梯度之间的响应关系。以河南省焦作市某矿区为研究区,实验结果表明,在暖温带半湿润季风气候条件下,裸地和村落地表类型全年保持较高相干性,目视识别可以有效确定矿区的形变位置,受村落周边农田的影响,部分形变范围无法准确确定,通过形变梯度函数模型验证形变梯度也在可检测的范围;农田覆盖类型夏季在卫星最短重访周期内,目视识别可以有效确定矿区的形变区域和范围,但受噪声影响条纹模糊,通过形变梯度函数模型验证形变梯度位于可检测最小形变梯度上;采用真实水准数据验证了村落地物类别模型的适用性。

基于Sentinel-1/2遥感数据的冬小麦覆盖地表土壤水分协同反演

冬小麦是我国重要粮食作物之一,对冬小麦覆盖地表土壤水分进行监测有助于解决因土壤供水导致的冬小麦歉收和农业用水浪费等问题。为了降低冬小麦覆盖地表土壤水分微波遥感反演过程中冬小麦对雷达后向散射系数的影响,该文基于Sentinel-1携带的合成孔径雷达(SAR)数据和Sentinel-2携带的多光谱成像仪(MSI)数据,结合水云模型,开展冬小麦覆盖地表土壤水分协同反演研究。首先,基于MSI数据,该文定义了一种新的植被指数,即融合植被指数(FVI),用于冬小麦含水量反演;然后,该文发展了一种基于主被动遥感数据的冬小麦覆盖地表土壤水分反演半经验模型,校正冬小麦在土壤水分反演过程中对雷达后向散射系数的影响;最后,以河南省某地冬小麦农田为研究区域,开展归一化水体指数(NDWI)和FVI两种指数与VV,VH,VV/VH 3种极化组合而成的6种反演方式下的土壤水分反演对比实验。结果表明:以FVI为植被指数,能够更好地去除冬小麦在土壤水分反演过程中对雷达后向散射系数的影响;6种反演方式中,FVI与VV/VH组合下的反演效果最优,其决定系数为0.7642,均方根误差为0.0209 cm^(3)/cm^(3),平均绝对误差为0.0174 cm^(3)/cm^(3),展示了该文所提土壤水分反演模型的研究价值和应用潜力。

基于Worldview-3与Sentinel-1 SAR数据的草原矿区复垦植被生物量反演方法研究

利用多源遥感数据定量反演矿区复垦植被生物量是高效、动态、大面积监测土地复垦和生态恢复效果的必要手段之一。本文以内蒙古草原露天煤矿为研究区,联合遥感光学与雷达数据各自的优势,探索基于Worldview-3(WV-3)与Sentinel-1 SAR数据的矿区复垦植被生物量反演方法,选择主成分小波变换(W-PCA)算法对WV-3与Sentinel-1 SAR数据进行融合,揭示波段反射率、植被指数、后向散射系数及纹理特征等参数与生物量之间的相关关系,建立多变量的生物量反演模型,并分析不同生物量模型的空间不确定性。结果表明:(1)通过W-PCA算法得到融合后的图像,信息熵的提高反映了融合图像与光学WV-3图像相比具有更多的细节信息,平均梯度的提高反映了融合图像与Sentinel-1 SAR图像相比具有更高的清晰度和更丰富的纹理信息。融合后的第8波段相关系数最高、光谱扭曲度最低、光谱保真度最高。(2)通过相关性分析,发现增强型植被指数(EVI)、归一化植被指数(NDVI)、VH极化、VH均值纹理以及融合后第8波段与生物量显著正相关。WV-3的NDVI与Sentinel-1的VH ME建模精度(R 2=0.8340,RMSE=16.4646 g/m^(2),Ac=81.52%)最高,融合后的第8波段验证精度(R 2=0.7983,RMSE=22.8283 g/m^(2),Ac=74.64%)最高。(3)基于不同模型的残差不确定性分析,Sentinel-1 SAR数据变量建立的模型估测结果更容易出现高估及饱和现象,两者联合变量建立的模型可实现优势互补,利用融合数据建立的模型明显改善生物量小于40 g/m^(2)时的高估计现象以及生物量大于100 g/m^(2)时的两者饱和现象,其不确定性降低2.42~9.68 g/m^(2)。因此,利用光学和雷达遥感融合能够有效提高复垦植被生物量的估算精度,为草原矿区复垦植被精细监测提供有效的数据支持。

基于Sentinel-1A雷达影像的DEM提取方法

合成孔径雷达干涉测量是一种提取数字高程模型、探测地表形变的新技术,近年来已成为快速获取精确DEM的重要手段.以Sentinel-1A雷达影像为数据源,基于InSAR技术提取日本四国岛地区的DEM.结果表明,利用InSAR生成的DEM总体上符合该地区实际地形.基于InSAR技术的Sentinel-1A雷达影像反演DEM在日本四国岛地区是行之有效的.

基于Sentinel-1雷达影像的成都市地面沉降InSAR监测分析

利用2017-03~2018-03共30景Sentinel-1A SAR数据,分别采用PSI和SBAS技术获取成都市主城区地面形变分布信息,结合地面水准资料对InSAR结果进行精度评估,并初步分析地面沉降的原因。结果表明,成都市大部分区域稳定,平均形变速率主要集中在-5~5 mm/a;地面沉降主要位于一环线以外地区,地铁5、6号线主要站点及周边不均匀沉降明显,最大沉降速率达到20 mm/a;在成华区和锦江区等部分新建城区有不同程度的地面沉降,速率为5~15 mm/a,PSI和SBAS结果相关性较高。