Sentinel-1 SAR GRD: C-band Synthetic Aperture Radar Ground Range Detected, log scaling

COPERNICUS/S1_GRD
数据集可用性
2014-10-03T00:00:00Z–2025-02-17T00:12:44Z
数据集提供程序
Earth Engine 代码段
ee.ImageCollection("COPERNICUS/S1_GRD")
重新访问间隔
6 天
标签
copernicus esa eu radar sar sentinel
回弹
极化

说明

哨兵-1 号任务提供 5.405 GHz (C 频段) 双极化 C 频段合成孔径雷达 (SAR) 仪器的数据。此集合包含 S1 地面范围检测 (GRD) 场景,这些场景使用 Sentinel-1 工具箱处理后生成了经过校准和正射校正的产品。该合集每天更新一次。系统会在新的资产可用后两天内提取这些资产。

此集合包含所有 GRD 场景。每个场景具有 3 种分辨率(10、25 或 40 米)、4 种波段组合(对应于场景极化)和 3 种仪器模式之一。在拼接图像上下文中使用该集合可能需要过滤到一系列同质的波段和参数。如需详细了解集合使用和预处理,请参阅这篇文章。每个场景包含 4 个可能的偏振带中的 1 个或 2 个,具体取决于仪器的偏振设置。可能的组合包括单频段 VV 或 HH,以及双频段 VV+VH 和 HH+HV:

  1. VV:单极化,垂直发射/垂直接收
  2. HH:单极化,水平发射/水平接收
  3. VV + VH:双频交叉极化,垂直发射/水平接收
  4. HH + HV:双频交叉极化,水平发射/垂直接收

每个场景还包含一个额外的“角度”波段,其中包含每个点处椭圆体的大致入射角(以度为单位)。此波段是通过插值每个素材资源随附的“geolocationGridPoint”网格字段的“incidenceAngle”属性生成的。

每个场景均使用 Sentinel-1 Toolbox 按照以下步骤进行了预处理:

  1. 热噪声去除
  2. 辐射校准
  3. 对于纬度高于 60 度的区域(SRTM 不可用),使用 SRTM 30 或 ASTER DEM 进行地形校正。最终经过地形校正的值会通过对数缩放 (10*log10(x)) 转换为分贝。

如需详细了解这些预处理步骤,请参阅 Sentinel-1 预处理一文。如需有关使用 Sentinel-1 图像的进一步建议,请参阅 Guido Lemoine 关于 SAR 基础知识的教程Mort Canty 关于 SAR 变化检测的教程

此集合是动态计算的。如果您想将底层集合与原始功率值(更新速度更快)搭配使用,请参阅 COPERNICUS/S1_GRD_FLOAT。

频段

乐队

名称 单位 最小值 最大值 像素尺寸 说明
HH 分贝 -50* 1* 10 米

单极化共用极化,水平发射/水平接收

HV 分贝 -50* 1* 10 米

双频交叉极化,水平发射/垂直接收

VV 分贝 -50* 1* 10 米

单极化,垂直发射/垂直接收

VH 分贝 -50* 1* 10 米

双频交叉极化,垂直发射/水平接收

angle deg 0* 90* 20000 米

椭圆体的近似入射角

* 估算的最小值或最大值

图片属性

图片属性

名称 类型 说明
GRD_Post_Processing_facility_country STRING

设施所在国家/地区的名称。此元素可在 IPF 中进行配置。

GRD_Post_Processing_facility_name STRING

执行相应处理步骤的设施的名称。此元素可在 IPF 中进行配置。

GRD_Post_Processing_facility_organisation STRING

负责相应设施的组织的名称。 此元素可在 IPF 中进行配置。

GRD_Post_Processing_facility_site STRING

设施的地理位置。此元素可在 IPF 中进行配置。

GRD_Post_Processing_software_name STRING

软件的名称。

GRD_Post_Processing_software_version STRING

软件版本识别。

GRD_Post_Processing_start 双精度

处理开始时间。

GRD_Post_Processing_stop 双精度

处理停止时间。

SLC_Processing_facility_country STRING

设施所在国家/地区的名称。 此元素可在 IPF 中进行配置。

SLC_Processing_facility_name STRING

执行相应处理步骤的设施的名称。此元素可在 IPF 中进行配置。

SLC_Processing_facility_organisation STRING

负责相应设施的组织的名称。 此元素可在 IPF 中进行配置。

SLC_Processing_facility_site STRING

设施的地理位置。此元素可在 IPF 中进行配置。

SLC_Processing_software_name STRING

软件的名称。

SLC_Processing_software_version STRING

软件版本识别。

SLC_Processing_start 双精度

处理开始时间。

SLC_Processing_stop 双精度

处理停止时间。

S1TBX_Calibration_Operator_version STRING

Sentinel-1 Toolbox 校准工具版本。

S1TBX_SAR_Processing_version STRING

Sentinel-1 Toolbox SAR 处理工具版本。

SNAP_Graph_Processing_Framework_GPF_version STRING

Sentinel 应用平台 (SNAP) 版本。

startTimeANX 双精度

相对于上昇节点交叉点的感知输入数据的开始时间。这是自轨道上昇节点经过以来经过的时间 [毫秒]。

stopTimeANX 双精度

感知输入数据相对于上昇节点交叉点的停止时间。这是自轨道上昇节点经过以来经过的时间 [毫秒]。

nssdcIdentifier STRING

根据世界卫星信息数据中心 (WDC-SI) 定义的标准(详见此处)唯一标识任务。

familyName STRING

任务的完整名称。例如“SENTINEL-1”

platform_number STRING

任务中平台的字母数字标识符。

platformHeading 双精度

相对于正北的平台航向(度数)

仪器 STRING

与获取数据的平台上的仪器相关的信息。

instrumentMode STRING

IW(干涉宽幅)、EW(超宽幅)或 SM(条状图

instrumentSwath STRING

产品中包含的条带列表。大多数产品只包含一个数据条带,但 TOPS SLC 产品包含 3 个或 5 个数据条带。

orbitNumber_start 双精度

图片数据中最早的线条的绝对轨道编号。

orbitNumber_stop 双精度

图片数据中最新行号的绝对轨道号。

relativeOrbitNumber_start 双精度

图片数据中最早的线条的相对轨道编号。

relativeOrbitNumber_stop 双精度

图片数据中最新行相对轨道编号。

cycleNumber 双精度

最早图片数据所适用的任务周期的绝对序列号。

phaseIdentifier 双精度

最早图像数据所适用的任务阶段的 ID。

orbitProperties_pass STRING

产品中较早图片数据(产品开始时间)的轨道方向(“ASCENDING”或“DESCENDING”)。

orbitProperties_ascendingNodeTime 双精度

轨道的升交点的世界协调时间 (UTC)。所有产品均包含此元素,但从 ASAR L1 输入生成的 ASAR L2 OCN 产品除外。

resolution STRING

H 表示高,M 表示中。

resolution_meters 双精度

分辨率(以米为单位)。

instrumentConfigurationID 双精度

此数据的仪表配置 ID(Radar 数据库 ID)。

missionDataTakeID 双精度

任务中数据集的唯一 ID。

transmitterReceiverPolarisation STRING_LIST

数据的传输/接收极化。每个 Tx/Rx 组合都有一个元素:['VV']、['HH']、['VV', 'VH'] 或 ['HH', 'HV']。

productClass STRING

输出产品类别“A”(注释)或“S”(标准)。

productClassDescription STRING

输出产品类的文本说明。

productComposition STRING

此商品的组合类型:“单件”“切片”或“组合”。

productType STRING

此商品的商品类型(校正级别)。

productTimelinessCategory STRING

说明处理所需的时间。 以下各项之一:NRT-10m、NRT-1h、NRT-3h、快速 24 小时、离线或重新处理

sliceProductFlag STRING

如果是较大商品的一部分,则为 true;如果是完整商品,则为 false。

segmentStartTime 双精度

感知此 slice 所属的细分片段的开始时间。只有当 sliceProductFlag 为 true 时,此字段才会显示

sliceNumber 双精度

此 slice 的绝对 slice 编号(从 1 开始)。 只有当 sliceProductFlag 为 true 时,此字段才会显示。

totalSlices 双精度

完整数据集中的 slice 总数。 只有当 sliceProductFlag 为 true 时,此字段才会显示。

使用条款

使用条款

使用 Sentinel 数据须遵守 哥白尼计划 Sentinel 数据条款及条件

使用 Earth Engine 进行探索

Code Editor (JavaScript)

var imgVV = ee.ImageCollection('COPERNICUS/S1_GRD')
        .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
        .filter(ee.Filter.eq('instrumentMode', 'IW'))
        .select('VV')
        .map(function(image) {
          var edge = image.lt(-30.0);
          var maskedImage = image.mask().and(edge.not());
          return image.updateMask(maskedImage);
        });

var desc = imgVV.filter(ee.Filter.eq('orbitProperties_pass', 'DESCENDING'));
var asc = imgVV.filter(ee.Filter.eq('orbitProperties_pass', 'ASCENDING'));

var spring = ee.Filter.date('2015-03-01', '2015-04-20');
var lateSpring = ee.Filter.date('2015-04-21', '2015-06-10');
var summer = ee.Filter.date('2015-06-11', '2015-08-31');

var descChange = ee.Image.cat(
        desc.filter(spring).mean(),
        desc.filter(lateSpring).mean(),
        desc.filter(summer).mean());

var ascChange = ee.Image.cat(
        asc.filter(spring).mean(),
        asc.filter(lateSpring).mean(),
        asc.filter(summer).mean());

Map.setCenter(5.2013, 47.3277, 12);
Map.addLayer(ascChange, {min: -25, max: 5}, 'Multi-T Mean ASC', true);
Map.addLayer(descChange, {min: -25, max: 5}, 'Multi-T Mean DESC', true);

Python 设置

如需了解 Python API 以及如何使用 geemap 进行交互式开发,请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

def mask_edge(image):
  edge = image.lt(-30.0)
  masked_image = image.mask().And(edge.Not())
  return image.updateMask(masked_image)


img_vv = (
    ee.ImageCollection('COPERNICUS/S1_GRD')
    .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
    .filter(ee.Filter.eq('instrumentMode', 'IW'))
    .select('VV')
    .map(mask_edge)
)

desc = img_vv.filter(ee.Filter.eq('orbitProperties_pass', 'DESCENDING'))
asc = img_vv.filter(ee.Filter.eq('orbitProperties_pass', 'ASCENDING'))

spring = ee.Filter.date('2015-03-01', '2015-04-20')
late_spring = ee.Filter.date('2015-04-21', '2015-06-10')
summer = ee.Filter.date('2015-06-11', '2015-08-31')

desc_change = ee.Image.cat(
    desc.filter(spring).mean(),
    desc.filter(late_spring).mean(),
    desc.filter(summer).mean(),
)

asc_change = ee.Image.cat(
    asc.filter(spring).mean(),
    asc.filter(late_spring).mean(),
    asc.filter(summer).mean(),
)

m = geemap.Map()
m.set_center(5.2013, 47.3277, 12)
m.add_layer(asc_change, {'min': -25, 'max': 5}, 'Multi-T Mean ASC', True)
m.add_layer(desc_change, {'min': -25, 'max': 5}, 'Multi-T Mean DESC', True)
m
在代码编辑器中打开