哨兵1号SLC与GRD数据在ENVI/SNAP预处理中的关键区别说白了就是带不带相位、在什么坐标系里这两件事。我见过太多人拿到一景数据就往流程里丢跑完一圈图也出来了结果一做时间序列对比发现数值对不上或者叠到矢量边界上偏出去好几百米回头查半天才发现是数据源选错、参数没对齐。这篇就把我这些年踩过的坑摊开讲SLC和GRD到底在成像链路的哪个环节分了岔ENVI准确说是它挂的SARscape模块和SNAP两套工具在处理节点上怎么一一对应多视因子怎么算才不白丢分辨率辐射定标和地形校正的顺序为什么不能乱以及一堆图看着没问题、数据其实已经废了的隐蔽错误。不管你是刚接触雷达遥感、还在纠结下载哪种产品的新手还是已经能跑通流程但结果总差一点的老手下面这些内容应该都能直接拿去对照。1. 两种数据在成像链路里的分岔点1.1 SLC保留了相位GRD只留下幅度先把最基本的事说清楚。哨兵1号是合成孔径雷达回波信号本身是复数有实部有虚部记录的是幅度加相位。SLCSingle Look Complex单视复数就是把这个复数信息原封不动留下来的产品所以它文件大、一个像素占8字节两个float32但相位还在。GRDGround Range Detected地距检测是在地面段就做完了检测——把复数取模、平方只留强度相位直接扔掉同时做了多视和地距投影。这个差别带来的后果是硬性的只要你的任务需要相位SLC就是唯一选项。干涉测量、形变监测、DEM生成、相干性分析全都建立在相位之上GRD在这些任务面前完全无能为力不是精度差一点的问题是根本没有这个信息维度。反过来如果你的任务只关心这里有多亮比如水体提取、作物长势分级、城市建成区制图、洪涝范围快速圈定那GRD其实是更省事的选择——它已经帮你做完了多视和投影数据量小、处理链路短、结果直接就能用。很多人忽略的一点是GRD的检测不是简单取模。地面段处理时同时做了方位向和距离向的多视平均这个平均本身就是一种斑点噪声抑制等效视数提升了图的颗粒感明显比原始SLC弱。所以你拿SLC自己多视到跟GRD一样的像元大小出来的图理论上应该跟GRD很接近但实测往往不完全一致——因为两者的多视因子、加权方式、重采样核未必相同。这说明一个事不要把GRD当成SLC的降级版随便替换它们是两条独立的产品线各自有明确的适用边界。再补一个容易被忽视的细节。SLC是单视意味着它在距离向和方位向都没有做平均每个像素对应一个原始采样点但因为脉冲重复频率和采样率都高于信号带宽所要求的最低采样SLC在方位向和距离向都是过采样的。这个过采样是后面多视操作的物理基础也是为什么方位向像元间距约14米会明显小于方位向实际分辨率约20米量级的原因。理解这一点才不会在设置多视因子时做出看起来变成方形像元、实际上白扔分辨率的决定。1.2 坐标系的差异比你想的更致命第二个分流点在坐标系这个比相位的有无更容易埋雷。SLC的几何是斜距-方位向时间也就是零多普勒坐标系横轴是雷达天线到目标的斜距纵轴是方位向成像时间。这个坐标系跟地图没有任何关系同一景影像里近距端和远距端的入射角能差十几度地物在图上被严重压缩透视收缩山区还会有叠掩和阴影。GRD则已经投影到了地距-方位向横轴换成了沿地面椭球面量测的距离。听起来好像已经校正好了但这里有个巨大的误解GRD的地距投影是投到参考椭球面上的完全没有考虑地形起伏。也就是说它只是把斜距按入射角换算成了平地距离山还在那儿几何畸变一点没少。所以GRD照样需要做地形校正用DEM把每个像素重新投到真实地表位置。这个区别直接决定了后面流程的复杂度。SLC做地理编码时几何模型需要完整的轨道参数加DEM斜距到地距的转换是流程里必须的一步不能跳GRD已经把这一步做掉了你只需要做地形校正这一步。但反过来说SLC因为原始几何信息完整做正射校正时可以做到很高的定位精度配合精密轨道几个像素以内是常态而GRD如果你不仔细容易在投影参数上出岔子。还有一个现实差别SLC的体积。一景IW模式的双极化SLC大概8GB上下单极化4GB左右同范围的GRD高分辨率产品通常1GB以内。这直接影响你的磁盘规划、内存占用和处理时间。我自己的机器上跑一景SLC的TOPS干涉流程中间产品加起来轻松超过30GB如果一开始没规划好工作目录跑到一半磁盘满了那种感觉相当难受。GRD流程就轻松得多普通笔记本也能扛。1.3 一张表把关键差异钉死光靠文字描述容易记混下面这张表是我自己贴在工位旁边的版本参数以IW模式为例具体数值不同子条带略有差异用之前建议从元数据里核实一遍。对比项SLCGRD数据内容复数幅度相位强度幅度平方距离向像元间距约2.33米斜距10米高分辨率档/40米中分辨率档方位向像元间距约13.9-14.0米同距离向方形像元坐标系斜距-方位向零多普勒地距-方位向椭球面多视状态单视未平均已做距离向方位向多视是否需要地形校正是且必须是同样必须别被地距骗了典型体积4-8GB0.5-1GB能做干涉可以不可以处理链路长度长节点多短节点少主要风险点burst拼接、配准精度、相位质量分辨率档位选错、辐射归一化遗漏表格里GRD同样必须做地形校正这一条值得单独强调。我见过有人把GRD的Ground Range理解成已经贴到地面上了直接拿去做面积统计山区结果能差出百分之十几。地距投影的地面指的是椭球面不是真实地形表面这个区别在山地丘陵区会被放大得非常明显。2. 选型先问应用目标再问软件2.1 什么任务必须用SLC判断标准其实很简单只要你的结果依赖同一地点两次观测之间的相位差就必须SLC。差干涉DInSAR测形变、时序干涉永久散射体类方法、小基线集类方法测缓慢沉降、干涉相干性做变化检测、干涉测量生成DEM这些都属于这一类。它们的共同点是相位是信号本身强度只是辅助。SLC在干涉链路里还有几个不可替代的优势。第一方位向的过采样让亚像元级配准成为可能TOPS模式下的增强谱分集ESD能把方位向配准精度做到千分之一像元量级这是干涉相位不被配准误差污染的前提。第二原始复数数据保留了完整的系统相位历史做相位解缠和误差分离时才有余地。第三SLC的几何模型是完整的做高精度地理编码时不会因为中间环节的重采样而损失定位精度。代价是链路长、节点多、每一步都可能出错。从轨道应用到burst切分、从配准到干涉图生成、从去平地效应到滤波解缠任何一个环节参数不对最后出来的相位图就是一片噪声而且还很难定位是哪一步出的问题。这也是为什么我建议新手先拿GRD跑通强度链路建立手感再上SLC的原因——强度链路的结果地物纹理、亮暗关系肉眼可判断错了立刻能看出来相位链路错了图上往往只是看起来有点花不直观。还有一个常被忽略的事实SLC做纯强度应用其实也不亏只是浪费。你可以从SLC算出强度图再走滤波和地形校正结果跟GRD链路高度相似只是数据量大、处理慢。所以如果磁盘和算力都不紧张理论上只存SLC一种产品就够了。但实际工作中很少有人这么做因为GRD的体积优势在批量任务里太明显——几百景的时序统计GRD能省下几个TB。2.2 什么任务用GRD更划算单时相分类、变化检测、洪水范围提取、作物面积统计、城市扩张监测这些都是GRD的主场。理由很直接这些任务只用到强度的相对差异不需要相位而GRD已经把多视做完了斑点噪声水平更低直接进入滤波和地形校正就能出结果。但用GRD不等于随便挑一档。哨兵1号GRD有高分辨率和中分辨率两个档位像元间距分别是10米和40米背后的多视程度不同等效视数和斑点噪声水平也不同。高分辨率档保留了更多细节适合做小目标识别和精细边界提取中分辨率档噪声更平滑适合大范围统计和时间序列分析——同一块农田用40米产品做均值统计稳定性明显比10米产品好因为每个统计单元里包含的独立样本更多。极化通道的选择也是同理。哨兵1号IW模式常见的是VVVH双极化也有只提供单极化的产品。VV对表面粗糙度和水分敏感VH对植被体积散射更敏感做植被相关分析时VH往往比VV有更好的动态范围。不要混用不同极化通道做时间对比这是非常低级的错误但确实有人犯过——看图的时候没注意通道标签一个时间序列里前半段是VV、后半段是VH出来的变化趋势完全是假的。还有个实际考量是数据可得性。同一个轨道号的重复观测GRD和SLC都有但GRD的处理发布更快、下载更省流量。做应急响应类的快速评估等SLC下载完可能黄花菜都凉了这时候GRD的时效优势就是决定性的。所以选型不只是技术问题也是工程节奏问题。2.3 混合使用的边界在哪里有些项目会同时用两种数据比如用SLC做重点区的形变监测用GRD做大范围的背景制图。这种组合是合理的但必须明确一条线两者不能直接拼接或直接比较数值。原因是几何基准不同、多视程度不同、辐射定标的中间状态不同。如果确实需要放在一起看正确做法是把两者都做到地形校正后、辐射归一化后的同一投影网格再比较。具体来说SLC链路要走到地形校正输出地理编码的gamma0GRD链路也要走到地形校正并做辐射地形归一化两边都统一到同一个DEM、同一个投影、同一个像元大小。这时候虽然还没做到完全等价多视核不同导致的纹理差异依然存在但至少数值量级和空间位置是对得上的。我个人的经验是如果一个项目里SLC和GRD都要用就在项目开始阶段先把两条链路的终点规格定死——投影坐标系、像元大小、重采样方法、输出数据类型写成一张小卡片贴在流程文档最前面。后面所有参数都往这个规格上靠能省掉大量返工。3. SLC预处理的关键参数与实操顺序3.1 轨道文件与burst切分顺序错了后面全歪SLC处理的第一步不是滤波也不是定标是应用精密轨道文件。哨兵1号数据里自带的轨道信息是快速轨道restituted精度在分米到米量级精密轨道precise一般在观测后两周多才可用精度能到厘米量级。做强度应用快速轨道够用做干涉精密轨道基本是必需的尤其是长基线或长时序的场合。为什么这一步必须放在最前面因为后面的配准、干涉图生成全都依赖几何模型的准确性。如果先做了配准再换轨道前面算出来的偏移量就作废了得重来。SNAP里的顺序是Apply Orbit File打头SARscape里导入时就要指定轨道来源逻辑是一样的。第二步是burst切分。TOPS成像模式下的IW产品是由三个子条带组成的每个子条带里又是一串burstburst之间在方位向有重叠。做干涉时你不可能一次处理整景计算量和相位一致性都不允许标准做法是先切出一段连续的burst再做后续处理。切的范围要覆盖你的研究区同时两端各留一点余量防止地形校正后边缘被裁掉。切完之后有个必须做的动作配准后去burst重叠Deburst。强度链路里deburst放在配准之后干涉链路里deburst放在干涉图生成之后。这个顺序不能颠倒因为配准需要burst之间的重叠区来估计偏移先deburst就等于把重叠信息删了配准精度立刻下降一个档次。关于配准精度TOPS模式有个硬指标方位向配准误差必须压到千分之一像元以下否则干涉相位里会出现随方位向变化的系统性条纹这种条纹在图上表现为规则的斜纹一旦出现基本没法用后处理补救。达到这个精度的标准手段是增强谱分集ESD在SNAP里是配准流程的一个可选但强烈建议开启的环节在SARscape里对应TOPS专用的配准设置。我第一次做TOPS干涉时为了省时间跳过了ESD结果整幅干涉图都带着周期性条纹排查了一整天才定位到原因。3.2 多视因子怎么算别盲目追求方形像元多视是SLC处理里最容易做错的一步因为大部分人第一反应是把像元变成正方形。距离向2.33米、方位向13.97米比值大约1:6于是顺手就设成6×1多视。这样出来确实是14米见方但代价是距离向分辨率从3米多直接掉到14米损失超过四倍。这里必须把三个概念分开像元间距、空间分辨率、等效视数。像元间距是你采样网格的间隔可以任意设空间分辨率是系统能分辨的最小目标尺寸由带宽和天线长度决定改不了等效视数反映的是平均了多少个独立样本直接决定斑点噪声水平近似等于多视因子之积对强度图。正确做法是先明确你要什么。如果是做目标检测或者精细边界提取多视因子往小了取2×1甚至1×1都行宁可保留噪声也别丢分辨率噪声后面用滤波处理。如果是做可视化制图或者大范围分级可以放宽到4×1斑点噪声的标准差会降到原来的一半左右约1/√4。如果是纯粹为了出图好看6×1也行但心里要清楚这是在拿分辨率换平滑度。我一般按下面这个思路定应用目标建议多视距离×方位输出像元间距说明精细目标检测、小水体提取1×1 或 2×1约2.3×14 或 4.7×14米保分辨率靠滤波压噪声常规分类、变化检测4×1约9.3×14米噪声与分辨率的折中制图出图、大范围分级6×1约14×14米接受距离向分辨率损失干涉相干性估计在干涉图上做不在SLC上做—多视对象是复数干涉图不是原始数据最后一行要特别注意。干涉链路里的多视是对干涉图或者协方差矩阵做的目的是提高相干性估计的样本数不是对SLC原始数据做。这两件事经常被混淆做错了会同时损失分辨率和相干性质量。还有个反直觉的点地形校正时设置的输出像元大小不等于多视后的分辨率。你完全可以把9.3×14米的多视结果重采样到10米网格输出但空间分辨率并不会因此变好只会变成在10米网格上画着14米分辨率的图。这个区别在做面积统计和纹理分析时非常关键因为过采样会让边界看起来更精细但那是假的精细。3.3 定标与斑点滤波谁先谁后有讲究辐射定标这一步在SLC链路里经常被跳过尤其是在做只看相对变化的任务时。但跳过定标的后果是你手里的值是原始DN不同景之间因为增益设置、入射角、系统状态不同而不能直接比。做单景目视判读没问题做时间序列就完全站不住脚。定标要输出什么量取决于后续用途。beta0是系统定标后的原始后向散射不做入射角归一化sigma0是归一化到参考椭球面的后向散射gamma0是进一步用地形归一化到真实地表的结果。平坦地区sigma0就够用地形起伏区必须用gamma0否则同一个地物在阳坡和阴坡上的值能差好几dB你做出的变化其实是地形造成的。这里有个特别容易踩的坑在SNAP的Calibration算子选gamma0得到的其实是gamma0_ellipsoid仍然是对椭球面归一化的结果真正的gamma0_terrain要在地形校正那一步开启辐射归一化才能得到。很多人以为在定标环节选了gamma0就完事了实际拿到的还是没做地形归一化的版本。这个命名上的坑我至少见过三次有人中招。斑点滤波放在定标之后、地形校正之前理由是这样定标之后的数据才是物理量滤波的统计特性才有意义地形校正之前做滤波是在原始采样网格上操作不会因为重采样引入的相关性而降低滤波效果。滤波器的选择上Boxcar最简单但会把边缘糊掉Lee类自适应滤波在均匀区平滑、在边缘保留细节做分类前处理我是首选Refined Lee在多视后的数据上表现更稳。滤波窗口不要开太大5×5到7×7是常见范围开到9×9以上基本就是把小目标抹平了。提醒一句滤波是有代价的。任何斑点滤波都会改变像元的统计分布做定量反演时最好保留一份未滤波的数据作为对照别把滤波结果当成更准确的真值。如果链路里有热噪声去除这一步在SLC上通常安排在burst切分之后、定标之前。哨兵1号的噪声在子条带边缘和burst边缘最明显不去掉的话后续分类会沿着这些位置出现规则条带。SNAP的Thermal Noise Removal算子对SLC和GRD都支持但对SLC需要先切分才能正确处理。4. GRD预处理的关键参数与实操顺序4.1 分辨率档位和极化通道第一步就要定死GRD链路短但短不等于简单第一步选错了后面全白干。高分辨率档和中分辨率档的差别不只是像元大小背后的多视程度不同等效视数差好几倍。用高分辨率档做小范围精细提取是对的用中分辨率档做大范围时序统计也是对的反过来用前者噪声太大、后者细节不够都属于自己给自己找麻烦。极化通道同样要一开始就确认。同一景数据里VV和VH是两个独立的数据层处理时必须分开走完整链路滤波、定标、地形校正的参数虽然可以相同但统计分析和阈值确定绝不能混用。我见过有人的流程里两个通道都读进来了想着反正一起处理更省事结果滤波窗口套用同一个、阈值也套用同一个最后分级结果里植被和水体完全错位——因为两个通道的数值分布范围差着十几dB。还有一个隐蔽的坑GRD的10米像元同样是过采样的。方位向的实际空间分辨率并没有到10米所以当你把10米GRD重采样到5米去做精细化时得到的只是插值出来的网格没有任何新增信息。真要提升小目标的可分辨性得从原始SLC重新走链路或者用更高分辨率的成像模式而不是在GRD上做数字游戏。关于多视GRD出厂就已经做完你在流程里再设多视因子是没有意义的——那只是降采样。如果确实需要更低分辨率来做统计正确说法是聚合或重采样到更粗网格效果上是平滑加降采样等效视数会提升但这跟SLC链路的物理多视不是一回事。写流程文档时把这个词用准能避免团队里其他人误解。4.2 热噪声去除和地形校正两个必做项热噪声去除在GRD链路上比SLC更常做因为GRD本身就是给强度应用准备的而强度应用对噪声条带特别敏感。哨兵1号的噪声主要表现在子条带交界和影像边缘表现为一条条低压暗带。不去掉的话你在做阈值分割时会发现边缘区域莫名其妙被分成低散射地物其实那是噪声。执行顺序上热噪声去除放在定标之前。因为噪声估算是基于原始的DN值分布做的先定标再除噪噪声模型就对不上了。SNAP里Thermal Noise Removal算子的输出仍然保持原始量纲后续定标照常进行。地形校正这一步是GRD链路里技术含量最高的环节。前面说过GRD的地距投影是投到椭球面的山区照样有透视收缩、叠掩和阴影。地形校正要做三件事用DEM重建几何关系、把像元重新投到地图坐标、根据局部入射角做辐射归一化。第三件事是很多人漏掉的只做了几何校正没做辐射校正结果阳坡阴坡的亮度差异依然存在。DEM的选择直接影响结果质量。常见的公开DEM有30米和90米量级两种30米的在中等起伏地形上够用90米的在山区会明显偏平滑导致校正后的位置偏移和阴影区扩大。如果研究区是高差很大的山地建议确认DEM是否覆盖完整、是否用了较新的版本宁可多花点时间准备数据也别拿一个空洞的DEM硬跑输出里出现大片零值的时候再回头查就晚了。地形校正的输出投影也要认真选。做面积统计和变化面积计算必须用等面积投影否则高纬度地区的面积会被系统性低估。做位置叠加和制图用局部横轴墨卡托类投影更符合直观。这两类需求不要用同一个投影硬凑该分两次输出就分两次。4.3 定标选项的取舍sigma0、gamma0还是beta0GRD的定标选项和SLC一样是三选一但决策逻辑稍有不同。因为GRD已经做过多视噪声水平低定标后的数值更稳定所以这里的取舍主要看地形。平坦地区比如大范围农田、湿地、水面周边sigma0完全够用它把入射角差异归一化到参考椭球面同种地物在不同位置的值比较一致。地形起伏区必须用gamma0并且要在这一步或地形校正环节开启地形归一化用局部入射角修正。beta0一般只在做系统级分析或者需要保留原始定标值时使用常规应用很少直接用它。判读定标结果是否正常有个简单的经验校验平静水面的sigma0通常在-20dB以下茂密植被在-10dB到-6dB之间城市建筑和高反射目标能到0dB以上甚至正几个dB。如果你算出来的水面是正的、城市是负的那八成是定标选项选错或者线性/分贝转换搞反了。这个校验花不了一分钟但能救回一整天的排查时间。还有一点定标后的数据类型要留意。线性功率值和分贝值在后续处理里的行为完全不同滤波必须在线性域做对功率值求平均才有物理意义显示和分析可以在分贝域做。如果在线性域之外做了滤波得到的结果既不是功率平均也不是幅度平均解释起来会非常别扭。5. ENVI与SNAP的操作映射与差异5.1 流程节点的对应关系两套工具做同一件事节点名称和参数组织方式完全不同但物理含义是一一对应的。把这张映射表记熟换工具时就不用重新学一遍原理。处理环节SNAP中的算子ENVI/SARscape中的对应工具关键注意点数据导入Read / Open ProductImport Sentinel-1SARscape需明确选SLC还是GRD类型轨道应用Apply Orbit File导入时指定轨道文件或自动下载精密轨道需等待可用burst切分TOPS SplitTOPS模式专用切分工具两端留余量配准TOPS Coregistration ESDCoregistrationTOPS设置方位向精度要求极高去重叠TOPS DeburstDeburst工具强度链路在配准后干涉链路在干涉图后辐射定标CalibrationRadiometric Calibration注意gamma0的椭球/地形之分斑点滤波Speckle FilteringMultilooking / Filtering线性域执行地形校正Range Doppler Terrain CorrectionGeocoding and Radiometric Calibration同时做几何与辐射归一化干涉图生成InterferogramInterferometry workflow仅SLC可用相位解缠Snaphu UnwrappingUnwrapping仅SLC可用不同版本的菜单名称可能有细微差异但节点的先后逻辑是稳定的。我建议的做法是先在一套工具里把流程跑通、把参数的含义搞明白再去另一套工具里找对应节点。反过来做——先学菜单再去理解原理——效率会低很多而且容易形成只会点按钮的状态。两套工具的气质差异也挺明显。SNAP是开源的、算子粒度细每个环节都能单独控制参数适合做方法研究和参数实验SARscape封装程度高一条龙流程跑下来很顺适合工程化批量处理但细节控制的颗粒度不如前者。我的习惯是做新方法验证用SNAP做批量生产用SARscape两边结果互相校验。5.2 参数命名不一致带来的坑同一个物理量两套工具的叫法经常不一样这是跨工具协作时最大的隐性风险。比如多视因子在一套里叫Range Looks / Azimuth Looks在另一套里可能叫Multilooking Factor并被拆成两个输入框像元大小在有的地方指输出网格间距在有的地方指重采样后的分辨率入射角有的指椭球面入射角有的指局部地形入射角。这些差异本身不是问题问题是参数传递时想当然。我遇到过的情况是在一套工具里算好多视因子4×1换到另一套工具里看到Number of Looks就直接填了4结果那是距离向和方位向都要填的两个参数填成一个4一个默认值1出来的像元比例完全不对。这种错误从图上很难看出来因为图像看着还是正常的只有当你去做像元面积统计时才会发现数值对不上。规避办法很土但很有效在流程文档里给每个参数标注单位、方向和物理含义而不是只写数值。比如不要写Looks 4要写距离向多视因子 4沿斜距方向方位向 1。这样换工具时即使菜单名字不一样你也能对着物理含义找到对应位置。另一个高频坑是坐标系定义。同一个投影在两套工具里可能用不同的EPSG代码或者不同的基准面表述导入导出时如果不显式指定很容易出现整体偏移。做法是所有输出都显式指定EPSG代码输出后立刻做一次与已知矢量边界的叠加检查偏差超过两个像元就要查原因。6. 常见问题排查速查表6.1 现象、原因、处理对照下面这些是我这些年攒下来的高频问题按现象归类方便对着症状查。现象最可能的原因处理方式图上出现规则斜条纹TOPS方位向配准精度不足未做ESD重跑配准并开启增强谱分集出现周期性亮带或重叠未做deburst或deburst顺序错误强度链路配准后deburst干涉链路干涉图后deburst整体位置偏移几十到上百米未应用精密轨道或投影定义错误应用精密轨道核对EPSG代码山区阳坡阴坡亮度差极大只做几何校正未做辐射地形归一化输出gamma0并开启地形归一化影像边缘出现暗带热噪声未去除在定标前执行热噪声去除输出出现大片零值或空洞DEM无覆盖或投影范围不足更换覆盖完整的DEM扩展输出范围时间序列趋势明显反常混用了不同极化通道或不同分辨率档检查每景的极化和产品类型标签分类结果沿条带边界错位burst边缘噪声未处理去除热噪声必要时裁掉边缘数公里面积统计系统性偏小使用了非等面积投影改用等面积投影重新计算水面定标值为正、城市为负定标选项错误或线性/分贝换算反了核对定标类型与单位转换表格里混用不同极化通道这条值得再多说两句。它在图上几乎看不出来因为单看每一景都是正常的雷达影像纹理、亮度分布都合理只有当你把多景放在一起做统计时才会发现某一景的整体均值突然跳变。如果你的时间序列里出现了无法解释的阶跃第一件事就是去查产品元数据里的极化标识和相对轨道号而不是怀疑算法。还有一条没进表格但同样常见跨子条带处理。IW模式三个子条带的入射角不同同一地物在不同子条带里的后向散射值本来就有系统性差异。如果你的研究区横跨两个子条带而你在拼接时没做辐射归一化接缝处会出现一条明显的亮度断层。稳妥做法是尽量让研究区落在单个子条带内部实在避不开就在地形校正和辐射归一化之后再拼接。6.2 结果自检的几个硬指标流程跑完不等于做对了。我一般在交付前做四类检查花不了多少时间但能拦住大部分低级错误。第一是几何自检。把结果叠加到已知的矢量边界上海岸线、道路、行政边界都可以看偏差是否在两个像元以内。这一步能同时发现投影错误、轨道问题和地形校正异常。如果整体偏移是均匀的多半是投影或基准面问题如果偏移随位置变化那就是几何模型或DEM的问题。第二是辐射自检。抽查几类典型地物的定标值平静水面应低于-20dB茂密植被在-10到-6dB城市建成区0dB上下甚至更高。数值量级明显不对说明定标环节有问题。这个检查不需要精确只需要判断量级。第三是噪声自检。在均匀区域大片农田、开阔水面取一块样本算标准差与均值的比值看是否符合你设定的多视因子所对应的理论水平。多视因子4倍时强度图的标准差大约是均值的50%1/√4。如果实测远高于理论值说明噪声没压住或者有系统性条纹混进来了。第四是一致性自检。如果同区域有SLC和GRD两套结果把它们都做到同一投影同一网格后对比。两者在均匀区域应该高度一致在细节区域会有纹理差异多视核不同但不应该有系统性偏移或量级差。这个对比是最有说服力的验证因为它用的是两条独立链路。我个人的习惯是每次改流程参数后先用一小块区域比如20公里见方跑全流程做验证确认自检四项都过了再放开到整景。整景跑一次SLC干涉动辄一两个小时用小区域试错能把迭代成本压到十分之一。最后分享一个我在实际项目里养成的小习惯。每次开始一个新任务我会在流程文档最前面写三行数据源是什么产品、最终要什么量强度还是相位、sigma0还是gamma0、输出网格规格是什么。这三行写清楚之后中间所有参数设置都有了依据也就不会出现跑到一半忘了当初为什么选这个多视因子的尴尬。踩过几次因为参数记混而整条链路重跑的坑之后这三行字帮我省下的时间比任何优化技巧都多。
