高分3号介绍及PIE使用

edited by nrzheng，2022.2.12

参考链接：1，2，3，4，5，6

GF3介绍

高分三号卫星是我国首颗分辨率达到1米的雷达卫星，高分三号卫星数据是C频段多极化合成孔径雷达数据（SAR数据），发射于2016年8月，卫星具有多个拍摄模式。

1. 分辨率

高分三号卫星提供的SAR图像可以提供1米至500米分辨率、10公里至650公里幅宽的微波遥感数据，用于服务于海洋环境监测与权益维护、灾害监测与评估、水利设施监测与水资源评价管理、气象研究及其他多个领域。

2. C波段的好处

根据功能和使命的不同，地球微波遥感探测卫星可以划分为L、 S、C、X等频段，频率依次由低到高。频率越低，穿透力越强，越高则穿透力越差。打个比方，假如用这四种频段看一棵树，X频段只能看到树梢，L、 S频段只能看到树根，C频段则介于两者之间，既能看到地表，也能看到树干。因此，在对海洋、气象、减灾等环境和目标进行探测时，C频段的优势更为突出。

（补充）

在雷达行业，雷达工作频率划分成为若干波段，由低到高的顺序依次是高频（HF），甚高频（VHF）、超高频（UHF，也称作P）、L波段、S波段、C波段、X波段，Ku波段、K波段、Ka波段、U波段、V波段和W波段。

标志字符	全程/名称来源	频率范围	中心频率	中心频率对应波长
HF	高频：high frequency	3~30MHz	——	——
VHF	甚高频：very high frequency	30~300MHz	——	——
UHF/P	特高频：ultra high frequency	300~1000MHz	——	——
L	长波：long wave	1~2GHz	1.5GHz	20cm
S	短波：short wave	2~4GHz	3GHz	10cm
C	S和X的折中：compromise	4~8GHz	6GHz	5cm
X	用于火控雷达，X来自于瞄准镜的“准心”	8~12GHz	10GHz	3cm
Ku	kurz-under	12~18GHz	15GHz	2cm
K	kurz，德语“短”（容易被水蒸气吸收，不能再雨雾天气使用，所以有Ka、Ku）	18~27GHz	——	——
Ka	kurz-above	27~40GHz	35GHz	8mm
U		40~60GHz	50GHz	6mm
V		60~80GHz	70GHz	4mm
W		80~110GHz	100GHz	3mm

各波段雷达功能：

• 波长短，分辨率高，穿透性差，容易被吸收

• 波长长，分辨率低，穿透性强

• 搜索雷达，工作频段（VHF、UHF、L）

• 搜索跟踪雷达，工作波段（L、S、C）

• 火控、成像雷达，工作波段（C、X、Ku）

• 弹载雷达，工作频段（X、Ku、K、Ka、V、U、W）

3. 极化方式

高分三号多极化包含单极化、双极化及全极化

4. 成像模式

共包括6种条带成像模式、1种滑块聚束成像模式、3种扫描成像模式、1种波成像模式、2种扩展入射角成像模式。

高分三号卫星是迄今为止成像模式（12种）最多的SAR卫星，它不仅涵盖了传统的条带、扫描成像模式，而且可在聚束、条带、扫描、波浪、全球观测、高低入射角等多种成像模式下实现自由切换，既可以探地，又可以观海，达到“一星多用”的效果。

（我们数据的成像模式是UFS/SL/QPS1）

序号	成像模式			入射角 (°)	视数A*E	分辨率 (m)			成像带宽 (km)		极化方式
	中文名		英文名			标称	方位向	距离向	标称	范围
1	滑块聚束		Spotslight (SL)	20~50	1*1	1	1.0~1.5	0.9~2.5	10*10	10*10	可选单极化
2	超精细条带		Ultra-fine stripmap (UFS)	20~50	1*1	3	3	2.5~5	30	30	可选单极化
3	精细条带1		Fine stripmap (FSI)	19~50	1*1	5	5	4~6	50	50	可选双极化
4	精细条带2		Wide fine stripmap (FSII)	19~50	1*2	10	10	8~12	100	95~110	可选双极化
5	标准条带		Standard stripmap (SS)	17~50	3*2	25	25	15~30	130	95~150	可选双极化
6	窄幅扫描		Narrow ScanSAR (NSC)	17~50	1*6	50	50~60	30~60	300	300	可选双极化
7	宽幅扫描		Wide ScanSAR (WSC)	17~50	1*8	100	100	50~110	500	500	可选双极化
8	全球观测模式		Global observation (GLO)	17~53	2* (2~4)	500	500	350~700	650	650	可选双极化
9	全极化条带1		Quad-pol stripmap (QPSI)	20~41	1*1	8	8	6~9	30	20~35	全极化
10	全极化条带2		Wide quad-pol stripmap (QPSII)	20~38	3*2	25	25	15~30	40	35~50	全极化
11	波成像模式		Wave (WAV)	20~41	1*2	10	10	8~12	5*5	5*5	全极化
12	扩展入射角	低入射角	Extended incidence angle (EXT)	10~20	3*2	25	25	15~30	130	120~150	可选双极化
		高入射角		50~60				20~30	80	70~90	可选双极化

5. 产品分级

（不确定，我们的数据是L1A级）

产品级别	产品形式	定义
L1A	复数据产品（SLC）	根据卫星参数，进行成像处理、相对辐射校正后获得的斜距复数据产品，提供斜地转换系数；复数据产品保留幅度、相位、极化信息。
L1B	单视图像产品（SLP）	根据卫星参数，进行成像处理、相对辐射校正的图像数据斜距产品。
	多视图像产品（MLP）	根据卫星参数，进行成像处理、多视处理、相对辐射校正、拼接后获得的图像数据产品。
L2	系统几何校正产品（SGC）	根据卫星下传的姿轨数据，进行几何定位、地图投影、重采样后获得的系统级几何校正产品。

6. 单幅产品组成

序号	名称	文件格式	文件命名	简单介绍	说明
1	SAR1级影像数据	Tiff	sar.tif	位深度16，用gdal读没有地理信息	影像数据、RPC参数文件、影像元信息文件、浏览图、和拇指图以景号为唯一标识。详细介绍见下面的“各个文件介绍”
2	RPC参数文件	.RPB/.RPC	sar.rpc	保存的坐标信息，应该就是用来对图像进行地理编码的
3	影像元信息文件	XML	sar.meta.xml	存放平台、传感器、GPS、影像、采集过程等信息
4	入射角文件	XML	sar.incidence.xml	存放拍摄时的入射角
5	浏览图文件	JPEG	sar.jpg
6	入射角文件	JPEG	sar.shumb.jpg

各个文件介绍：

• rpc文件：用于几何校正的RPC模型。简单来说，RPC模型就是有理函数纠正函数，是将地面点大地坐标与其对应的像点坐标用比值多项式关联起来，这就像数字摄影测量学上在外场用单反相机拍张照片，并求出其内外方位元素、已知对应像点坐标的大地坐标值（一般三对以上）将相片的所有像点坐标转换为大地坐标的求解过程。举个简单例子，用ENVI打开无法支持对应影像RPC文件的数据（比如GF-2）就会显示无参考坐标系统，即没有对应的坐标信息，软件需要自动链接RPC文件才得以显示影像的坐标信息；或者进行RPC校正后的影像就带有坐标信息了，之后影像需要根据问题本身、精度要求、用途等考虑是否需要进行GCPs控制点校正以及是否需要生产数字正射影像产品（DOM）。

7. GF3数据应用

行业	应用领域	监测内容
海洋	海岛海岸带动态监测	海岸线变迁监测
		海岸带滨海湿地监测
		海岛监测
		围填海监测
		浮筏养殖区监测
	海洋环境灾害监测	海面风场
		海浪
		北极海冰分布
	海洋权益维护信息服务	船舶态势监测
		船舶识别
		海上油气平台监测
减灾	专题应用	水体提取
		建筑物群倒塌信息提取
		道路损毁提取
水利	专题应用	地表水体监测
		地表土壤含水量监测
		洪涝灾害监测
		干旱灾害监测
		水利工程监测
气象		降水量监测

GF3数据使用——PIE地理编码

PIE官网（软件下载，注册码都有）（下载的里面有用户手册，还是好用的）

1. 最原始数据展示

原始的sar.tiff（展示的是HH极化）

• 位深度为16（window显示）
• matlab读出来是（w, h, 2）的 int16的图像，无法show，单独一个通道show出来没东西。
• python不能用PIL读出来。
• python能用gdal读出来，但是 没有地理信息，可以show单独一个通道
• 二者读出来数值一样，都是有正有负有零的矩阵

2. 数据导入

导入成功：

这个时候输出路径底下的文件就会有：

• 用matlab读不出来
• 用python的PIL读不出来
• 只能用gdal读出来，但是 没有地理信息，没法show，因为是复数
• 是（h, w）的数据，数据类型是complex64

3. 复数数据转换

选择转换的数据，选上一步的输出


然后就会自己加载进来了，这时候：

输出文件夹变成：

• matlab读完是（h, w）的 single数据（数值都很小）
• python用PIL可以读
• python用gdal可以读， 没有地理信息。读出来是跟matlab一样的，python的show出来很黑，因为数值小
• matlab的show如下跟window的有些许不一样，因为是single，各自的处理不一样：
  

4. 地理编码

选择上一步输出的复数据影像，全极化就四张都选


地理编码结束后如下：
- 地理编码之后图片变大了？？h和w都变大了好多

• matlab读出来是（h*, w*）single 数据，show出来如下，数值很小
• python的PIL和gdal都可以读， 有地理信息
  

对应电子地图下载

使用bigemap