雷达遥感的地质学应用及其进展

合成孔径雷达(SAR)遥感以其独有的全天时、全天候观测能力和对地表的穿透性及形态探测能力,特别是现在新型成像雷达技术的发展,使之在地质学应用中具有独特的优势。结合SAR应用技术的发展阶段,即由单波段单极化到多波段多极化,再发展到现在极化测量和干涉测量阶段,综述了成像雷达遥感在地学中的应用,特别是对新型成像雷达技术(极化雷达、干涉雷达)的地学应用作了介绍。     

COSMO雷达数据在多云多雾地区土地变化监测研究

近年来新型成像雷达遥感(极化、干涉)及数据处理技术的发展,SAR遥感影像上获得的地表信息越来越多,如何利用雷达信息探测土地变化成为研究的新课题。但是雷达影像不同于光学影像,目前雷达数据解译仍存在着一些困难。本文主要针对多云多雾地区雷达数据土地变化监测,以四川成都地区COSMO数据为例,利用雷达相干影像,后向散射强度,强度比值影像,提出一种新的雷达处理手段,减少了雷达数据土地变化监测的工作量,提高工作效率。     

C波段星载SAR系统在减灾应用中的工作模式选取

雷达遥感工作在微波波段,它能够穿透雨雪云雾的影响,受大气的影响较小,具有全天候、全天时的工作能力,为自然灾害的监测评估提供了强有力的技术手段。本文针对C波段星载SAR系统在洪涝、干旱、滑坡泥石流灾害方面的应用,综合分析了成像雷达遥感在地质灾害调查识别、监测、评估中具有的独特优势。为使C波段SAR系统获得较为有效的灾害监测结果,分析了不同灾种监测需要选择的不同工作模式和相关系统参数,得到了洪涝、干旱、滑坡泥石流灾害监测评估时所需的系统观测模式,为我国减灾防灾平台建设提供技术支持。     

SAR浅海水下地形遥感研究进展

SAR已成为浅海水下地形探测的重要技术手段之一。通过回顾SAR浅海水下地形遥感研究进展,特别是国内外SAR浅海水下地形的成像机理、成像理论研究和遥感探测技术研究的发展,同时针对目前SAR浅海水下地形遥感研究存在的问题和今后有待研究的方向进行了探讨。     

"雷达图像分析及地质应用研究"通过鉴定

“七五”院重大课题“雷达图像分析及地质应用研究”经过三年的努力,于一九九一年十一月二十六日在北京通过专家鉴定。该项成果由中科院遥感所、电子所合作完成。微波雷达遥感有其全天候、全天时成像的特点及对一些地物穿透性能,在资源、环境、灾害等监测与调查中将日益显示出有效作用及应用潜力。中科院资环局考虑到九十年代遥感技术的发展趋势而设立该课题,其目的在于从雷达遥感的一个侧面开展系统研究,为九十年代雷达遥感高潮的到来作技术及理论储备。     

多时相ERS-2 SAR图像在作物分类中的预处理方法研究

雷达遥感具有全天候、全天时的工作能力,适合于农业遥感监测的时效要求,在农业应用上有很大的潜力。以多时相ERS-2 SAR图像在农作物分类中的应用为例,根据试验区主要农作物的后向散射特性、物候,选择SAR图像的时相。对不同时相的SAR图像的辐射标定、几何校正和噪声平滑等预处理方法进行了研究。     

雷达遥感考古机理、应用与展望

面对雷达遥感多模式、多极化和高分辨率等发展趋势,结合考古学对空间技术的迫切需求,从雷达遥感工作特性出发,阐述了雷达遥感考古的机理。在回顾雷达遥感考古取得成就的基础上,围绕考古目标探测与发现、监测与诊断等现实需求,提出了一种适应于考古研究的雷达遥感实施框架;并对当前所面临的科学问题及研究内容进行了深入探索与分析。应用实践认为以项目实施为牵引,建立典型示范案例地,开展雷达遥感机理、方法与模型等考古适应性研究刻不容缓,并可着实推进我国文明探源与遗产地可持续化发展。     

区域生态环境空间信息服务系统的设计与实现

针对传统生态环境监测方法难以满足宏观区域生态环境变化监测需要的问题。基于空间信息服务理念,面向区域生态环境监测与评价的具体需求,应用遥感反演和GIS空间分析技术,在Microsoft.NET平台上,利用ArcEngine中间件实现了遥感影像数据和矢量数据的浏览、空间分析、专题图制作以及海量空间数据组织和管理功能;利用IDL(Interactive Data Language)开发的遥感反演模块,实现了生态环境关键参数的遥感提取,构建了面向区域生态环境监测与评价需求的运行系统。系统实现了海量空间数据的存储和管理,比较方便和准确地通过遥感手段反演关键生态环境参数,并根据需要生成相应的生态环境监测空间信息产品,从而为区域内生态环境保护和监测提供了技术支撑。     

雷达遥感技术在水稻识别中的研究进展

合成孔径雷达技术拥有全天时、全天候、高分辨率和不受云层干扰的特点,利用SAR在我国水稻种植区进行水稻识别拥有无可比拟的优势。该文主要对雷达遥感技术在水稻识别和监测中的应用情况进行了综述。首先总结了合成孔径雷达的发展历史,介绍了目前用于水稻识别的SAR传感器的参数和特点;介绍了水稻的后向散射特性,根据水稻的后向散射模型分析了影响其后向散射系数的因素;综述了国内外利用SAR进行水稻识别的各种方法,并对未来利用SAR监测水稻进行了展望。     

海底油渗SAR探测综述

海底油渗来源于海底石油的自然渗漏，及时地获得海底油渗信息对探测、开发海底石油资源具有重大意义。目前，合成孔径雷达（Synthetic Aperture Radar, SAR）已经成为海底油渗探测的新型辅助手段。首先总结了海底油渗SAR探测机理，包括海底油渗形成机制、海底油渗SAR成像原理和海底油渗SAR图像特征;其次介绍了海底油渗SAR探测方法;然后给出了目前国际上海底油渗SAR探测的应用现状;最后提出了海底油渗SAR探测的现存问题和未来发展方向。     

SAR imaging by ω—κ migration

Abstract

A new method of processing synthetic aperture radar (SAR) data was originally developed by a group of geophysicists, who use seismic migration to generate seismic images of the Earth. Called here ω—κ migration, it has several advantages over more traditional methods of forming SAR images; they all arise because this method provides a mathematically exact solution to the imaging problem, in that the emitted waves are not being treated as plane waves. This paper discusses how migration processing can be applied to chirped radars; how it applies to spotlight data; and how to correct for non-uniform motions of the SAR platform.     

全极化SAR数据信息提取研究

全极化SAR(Synthetic Aperture Radar)测量的是每一像元的全散射矩阵,可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像。因此与常规的单极化和多极化SAR相比,在雷达目标探测、识别、纹理特征的提取等方面全极化SAR具有很多优点。基于新疆和田地区的SIR-C L波段全极化雷达数据,介绍了极化合成的基本原理和数据处理流程,分析了几种典型地物全极化信号的特点,并在此基础上用监督分类法进行了全极化SAR数据的信息提取。结果表明:全极化SAR数据比单极化和多极化SAR数据具有更高的分类精度,并有效地的提取出地表信息,为利用SAR数据反演地表参数打下了基础。     

Analysis of coastal ice cover using ERS-I SAR data

An applications demonstration of the use of Synthetic Aperture Radar (SAR) data in an operational selling is being conducted by the National Oceanic and Atmospheric Administration (NOAA) CoastWatch Program. In the development phase of this demonstration, case studies were conducted to assess the utility of SAR data for monitoring coastal ice in the Bering Sea, icebergs from calving glaciers in Prince William Sound, and lake ice in the Great Lakes. ERS-l SAR data was used in these studies. Results showed that depending on size and sea state icebergs could be detected from background and computer enhanced in the imagery, thaI SAR data can supplement and enhance the utility of satellite visible and infrared data sources for coastal ice monitoring, and that Greal Lakes ice cover can be classified by ice type and mapped in the SAR data using image processing techniques. Cloud cover was a common problem. Based on the further development of automated analysis algorithms and the increase in frequency of SAR coverage, the all-weather, day/night viewing capabilities of SAR make it a unique and valuable tool for operational ice detection and monitoring.     

新体制民用雷达与实时信息处理研究

随着天线制造技术、超宽带技术、合成孔径技术和信息处理技术的发展,雷达的体积不断减小,探测精度和成像分辨率大大提升,雷达开始在民用领域中活跃起来,尤其是应用于穿透成像、微波遥感成像、滑坡监测和机场异物检测等领域的民用雷达发展十分迅速。为了让民用雷达在复杂的自然环境中具有更高、更稳定的性能,雷达信息处理技术一直在不断创新。本文介绍了民用雷达的新趋势和新技术,以及探墙雷达、微型SAR、边坡雷达和异物检测（Foreign object debris,FOD)雷达实时信息处理的关键问题和解决方案。     

卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估

目的 海冰分类是海冰监测的主要任务之一。目前基于合成孔径雷达SAR影像的海冰分类方法分为两类：一类是基于海冰物理特性与SAR成像特征等进行分类,这需要一定的专业背景;另一类基于传统的图像特征分类,需要人为设计特征,受限于先验知识。近年来深度学习在图像分类和目标识别方面取得了巨大的成功,为了提高海冰分类精度及海冰分类速度,本文尝试将卷积神经网络（CNN）和深度置信网络（DBN）用于海冰的冰水分类,评估不同类型深度学习模型在SAR影像海冰分类方面的性能及其影响因素。方法 首先根据加拿大海冰服务局（CIS）的冰蛋图构建海冰的冰水数据集;然后设计卷积神经网络和深度置信网络的网络架构;最后评估两种模型在不同训练样本尺寸、不同数据集大小和网络层数、不同冰水比例的测试影像以及不同中值滤波窗口的分类性能。结果 两种模型的总体分类准确率达到93%以上,Kappa系数0.8以上,根据分类结果得到的海冰区域密集度与CIS的冰蛋图海冰密集度数据一致。海冰的训练样本尺寸对分类结果影响显著,而训练集大小以及网络层数的影响较小。在本文的实验条件下,CNN和DBN网络的最佳分类样本尺寸分别是16×16像素和32×32像素。结论 利用CNN和DBN模型对SAR影像海冰冰水分类,并进行性能分析。发现深度学习模型用于SAR影像海冰分类具有潜力,与现有的海冰解译图的制作流程和信息量相比,基于深度学习模型的SAR影像海冰分类可以提供更加详细的海冰地理分布信息,并且减小时间和资源成本。     

机载雷达单脉冲前视成像算法

单脉冲技术通过比较单个脉冲多路回波信号的信息实现对目标角度位置的精确测量,广泛运用于跟踪雷达中。将其运用于成像中可以实现合成孔径雷达（SAR）,多普勒波束锐化（DBS）等技术难以实现的前视成像,针对这一点,提出了一种单脉冲前视成像算法。实测数据处理结果表明,这种方法与实波束成像相比,可以显著改善图像质量,具有很高的实用价值。     

基于地形信息的Landsat与Radarsat-2遥感数据协同分类研究

针对不同成像机理的光学与雷达遥感数据协同应用于地表信息提取瓶颈问题,提出了一种基于地形信息的光学与雷达数据协同分类方法。首先利用InSAR测量技术从Radarsat-2数据中提取DEM地形信息,然后构建基于地形信息的Landsat光学数据和Radarsat-2雷达数据的不同特征集输入模型,最后通过随机样本选取构建随机森林（Random Forest,RF）、支持向量机（Support Vector Machine, SVM）和决策树（Decision Tree,DT）分类算法模型提取地表信息。结果表明：①针对不同特征协同策略,在随机选取10%训练样本时,Radarsat-2干涉提取DEM与Landsat数据集提取精度优于ASTER GDEM与光学影像协同策略;②针对不同地表信息提取算法模型,通过50次随机选取训练样本构建模型评价分类精度,验证RF算法的鲁棒性和提取精度都要优于DT算法和SVM算法。研究充分利用光学和雷达遥感的优势信息,为光学和雷达遥感协同地表信息提取提供新的思路。     

基于地形信息的Landsat与Radarsat-2遥感数据协同分类研究

针对不同成像机理的光学与雷达遥感数据协同应用于地表信息提取瓶颈问题，提出了一种基于地形信息的光学与雷达数据协同分类方法。首先利用InSAR测量技术从Radarsat-2数据中提取DEM地形信息，然后构建基于地形信息的Landsat光学数据和Radarsat-2雷达数据的不同特征集输入模型，最后通过随机样本选取构建随机森林（Random Forest,RF）、支持向量机（Support Vector Machine, SVM）和决策树（Decision Tree,DT）分类算法模型提取地表信息。结果表明：①针对不同特征协同策略，在随机选取10%训练样本时，Radarsat-2干涉提取DEM与Landsat数据集提取精度优于ASTER GDEM与光学影像协同策略；②针对不同地表信息提取算法模型，通过50次随机选取训练样本构建模型评价分类精度，验证RF算法的鲁棒性和提取精度都要优于DT算法和SVM算法。研究充分利用光学和雷达遥感的优势信息，为光学和雷达遥感协同地表信息提取提供新的思路。