【RS】雷达（radar）、合成孔径雷达（SAR）、相干雷达（INSAR）、激光雷达（LIDAR）

【RS】雷达（radar）、合成孔径雷达（SAR）、相干雷达（INSAR）、激光雷达（LIDAR）

先回顾一下遥感的概念：

遥感：使用安放在承载工具（平台）的某种装置（传感器），在不直接接触被研究的目标情况下（“遥远的感知，remote sensing”），感测目标的特征信息（一般是电磁波的反射辐射或者发射辐射），经过传输、处理，从中提取人们感兴趣的信息的过程。
（武汉大学遥感信息工程学院大二下《遥感原理与应用》第1章）

现在介绍一种典型的遥感传感器及其成像原理——雷达（radar）。

（武汉大学遥感信息工程学院大二下《遥感原理与应用》第4章）

文章目录

• 【RS】雷达（radar）、合成孔径雷达（SAR）、相干雷达（INSAR）、激光雷达（LIDAR）
• • 1 雷达（radar）
  • • 1.1 概念与基本原理
    • 1.2 分辨率
  • 2 合成孔径雷达（SAR）
  • • 2.1 概念与基本原理
    • 2.2 合成孔径雷达的分辨率
  • 3 侧视雷达图像的几何特征
  • • 3.1 侧视雷达图像的几何特征
    • 3.2 侧视雷达图像的色调特征
    • 3.3 侧视雷达图像的其他特征
  • 4 相干雷达（INSAR）
  • 5 激光雷达（LIDAR）
  • • 5.1 概念与特点
    • 5.2 LiDAR 的应用

1 雷达（radar）

1.1 概念与基本原理

作为一种典型的遥感传感器，这里所说的指成像雷达，主要指工作在微波波段（0.8~100cm）有源主动、天线侧向扫描、能产生高分辨率影像的雷达 。

其原理主要是用雷达一点一点地测量来自地球的回波信号，并以模拟形式记录成图像或以数字形式记录在磁带上。
它必须相对于地面（探测目标）运动，即必须搭载在飞机、卫星或航天飞机上。

真实孔径侧视雷达（RA-SLR, Real Aperture Side-looking Radar）成像过程如下：

上图中，成像雷达的斜距（R）：天线至目标的径向距离；
地面距离（Rg）：从航迹(地面轨迹)到目标的水平距离。

后向散射回波：装在平台一侧或两侧的水平孔径天线，将发射机产生的高功率微波短脉冲（所以之前说是“一点一点地测”），侧向发射出去，以窄的扇形波束扫过地面一条窄带。微波遇目标后发生反射和散射，其中沿发射方向返回的部分称后向散射回波。（这里的“后向”的意思是沿着来时方向返回雷达的那一部分散射能量）

成像雷达每发射一个脉冲形成一条影像线，而与平台运行速度同步移动的胶片完成航向地面覆盖，形成连续条带状雷达影像。

1.2 分辨率

地面分辨率指的是在影像上两个能够区分的目标间的最小距离。
对于成像雷达来说，分为：

1. 距离向分辨率 (Rr，垂直航向方向)

成像雷达使用的是距离成像，因此其分辨率也是一种距离分辨率，即在脉冲发射的方向上，能分辨两个目标的最小距离。

如上图，设脉冲每次雷达脉冲的持续时间为τ ττ，光速为c cc，只有当两个地物的斜距达到( τ c ) / 2 (τc)/2(τc)/2的时候，这两个地物的两次后向散射回波的时间间隔才能大于τ ττ（如下图），也就是说雷达的斜距分辨率R d = ( τ c ) / 2 R_d=(τc)/2Rd​=(τc)/2：

同理，地距分辨率R r = ( τ c sec ⁡ φ ) / 2 Rr=(τc\secφ)/2Rr=(τcsecφ)/2。（P.S. 正割sec是余弦cos的倒数哦）
这意味着对于成像雷达，距离向上越远的地物越能分清。

• 当然，也得考虑信号衰减，距离增加后确定性（accuracy）上去了；但当距离增加超过一定范围的时候，随着信号强度衰减，信噪比（SNR）却下去了，即精度（precision）下去了。
• 类似的关系在大三下地理信息工程方向的《空间数据智能分析》的第11章中构造地理加权回归分析（GWR）中使用加权线性最小二乘的解算算子的时候使用的空间权重矩阵的核函数的带宽逐渐增加，其对二者的作用与上述相反：
  
• 如果忘了确定性（accuracy）和精度（precision）是啥，请回去复习大一上《普通测量学》第7章误差的基本知识，然后自己品一下：
  

由公式来看，设计雷达传感器时，缩短雷达脉冲的持续时间为τ ττ有助于提高其距离分辨率。

2. 方位向分辨率 (Ra，航向方向）

方位分辨率是在相邻的两束脉冲之间，能分辨两个目标的最小距离。对于成像雷达来说，与天线直径D有关：

成像雷达的方位分辨率：
R β = β R = λ R / D R_β=βR =λR/DRβ​=βR=λR/D
其中，波瓣角β与光学上的最小分辨角意义相近。

从公式来看，方位向上越近的地物越能分清；
设计雷达传感器时，增大雷达天线直径D有助于提高其方位分辨率。

2 合成孔径雷达（SAR）

2.1 概念与基本原理

本文第1章已经说明：
真实孔径雷达分辨率：

• 距离分辨率R r = ( τ c sec ⁡ φ ) / 2 R_r=(τc \secφ)/2Rr​=(τcsecφ)/2
• 方位分辨率R β = β R = λ R / D R_β=βR =λR/DRβ​=βR=λR/D

增大R后，φ减小，距离分辨率提高，因此将雷达传感器搭载到轨道卫星平台上，这样R就足够大了；
但是R大了之后，方位分辨率降低。为了增大雷达的天线直径D以提高其方位分辨率，可以设计合成孔径雷达（SAR，Synthetic Aperture Radar）：
模拟线性天线阵，应用多普勒效应和数据处理技术，用一个小天线的来回移动合成一个大天线，使方位分辨率提高几十至几百倍，从而实现在轨道高度获取距离向和方位向分辨率都很高的雷达图像：

其实现的基本原理是：用一个小天线作为辐射单元，将此单元沿一直线不断移动距离L S L_SLS​，其存贮的信号和实际天线阵列诸单元所接收的信号相似，从而实现增大等效的雷达天线直径D：

2.2 合成孔径雷达的分辨率

1. 方位向分辨率

∵R s = λ R / L s R_s=λR/ LsRs​=λR/Ls①
又L s = R β = λ R / D L_s= R_β =λR/DLs​=Rβ​=λR/D②
②代入①得R s = D R_s= DRs​=D
∴ 双程相移（往返导致相位差放大到单程的2倍）R s = D / 2 R_s=D/2Rs​=D/2，即方位分辨率为R s = D / 2 R_s=D/2Rs​=D/2
方位分辨率只与实际使用的天线孔径有关。

2. 距离向分辨率

距离向的比例尺由小变大，越远影像比例尺越大：

如上图，1 / m c > 1 / m b > 1 / m a 1/m_c>1/m_b>1/m_a1/mc​>1/mb​>1/ma​。

3 侧视雷达图像的几何特征

3.1 侧视雷达图像的几何特征

续 2.2 节距离向分辨率的规律，因此侧视雷达图像会有近距离压缩的现象：

对于DEM等反映地形起伏的数据，会有透视收缩和叠掩现象，因此需要进行几何纠正：

此外还会因为地形遮挡的斜距投影出现雷达影像阴影：

其影响：造成山体前倾。朝向传感器的山坡影像被压缩，而背向传感器的山坡被拉长，还会出现不同地物点重影现象。这也是因为雷达采用距离成像的原理导致的。高差产生的投影差与中心投影影像投影差位移的方向相反。

3.2 侧视雷达图像的色调特征

1. 与入射角有关

• 朝向飞机方向的坡面 → 反射强烈 → 很亮
• 朝天顶方向 → 弱些 → 较亮
• 背向飞机方向 → 反射很弱(没回波) → 很暗

2. 与地面粗糙程度有关

• 地面地物微小起伏小于雷达波波长 → 镜面漫反射 → 很暗
• 地面微小起伏大于或等于发射波长 → 漫反射 → 较亮
• “角隅反射” → 反射波强度更大 → 很亮

3. 与地物的电特性有关

• 物体复介电常数高 → 反射雷达波强 → 亮

复介电常数是描述材料在交流电场或电磁波中“储能”和“耗能”能力的复数形式介电常数，常写作ε ∗ = ε ′ − j ε ′ ′ \varepsilon^*=\varepsilon'-j\varepsilon''ε∗=ε′−jε′′，其相对形式为ε r ∗ = ε r ′ − j ε r ′ ′ \varepsilon_r^*=\varepsilon_r'-j\varepsilon_r''εr∗​=εr′​−jεr′′​
其中，实部ε ′ \varepsilon'ε′表示材料被电场极化、储存电能的能力。它越大，说明材料越容易极化，电容效应越强，虚部ε ′ ′ \varepsilon''ε′′表示介质损耗，也就是电磁能转化为热能等形式被消耗的能力。它越大，说明材料对电磁波吸收、衰减、发热越明显，导电性越好（当材料中有较多自由电荷或载流子时，在交变电场作用下这些电荷会移动形成电流，这个过程会消耗电磁能并转化为热能，所以表现为较大的介电损耗，也就是较大的ε ′ ′ \varepsilon''ε′′）。
常用损耗角正切表示损耗强弱：tan ⁡ δ = ε ′ ′ ε ′ \tan\delta=\frac{\varepsilon''}{\varepsilon'}tanδ=ε′ε′′​
（如果你忘了的话，请去复习大二上《遥感物理基础》）

雷达波从空气射到地物表面时，会遇到一个介质界面。空气的相对介电常数约接近 1，而地物的复介电常数为ε r ∗ = ε r ′ − j ε r ′ ′ \varepsilon_r^*=\varepsilon_r'-j\varepsilon_r''εr∗​=εr′​−jεr′′​
如果地物的 'KaTeX parse error: Double superscript at position 16: \varepsilon_r^*'̲较高，说明它和空气的电磁阻抗差异更大。阻抗差异越大，反射越强。
对于非磁性材料，介质波阻抗近似为：η = η 0 ε r ∗ \eta=\frac{\eta_0}{\sqrt{\varepsilon_r^*}}η=εr∗​​η0​​
界面反射系数可近似写成：Γ = ε r ∗ − 1 ε r ∗ + 1 \Gamma=\frac{\sqrt{\varepsilon_r^*}-1}{\sqrt{\varepsilon_r^*}+1}Γ=εr∗​​+1εr∗​​−1​
反射强度大致与∣ Γ ∣ 2 |\Gamma|^2∣Γ∣2有关。所以当复介电常数变大时，∣ Γ ∣ 2 |\Gamma|^2∣Γ∣2通常增大，反射回来的雷达波增强。
在雷达图像里，某个区域越亮，表示雷达接收到的后向散射能量越强。所以
ε r ∗ 高 ⇒ 反射系数大 ⇒ 回波强 ⇒ 雷达图像亮 \varepsilon_r^* 高 \Rightarrow 反射系数大 \Rightarrow 回波强 \Rightarrow 雷达图像亮εr∗​高⇒反射系数大⇒回波强⇒雷达图像亮
例如湿土壤通常比干土壤更亮，因为水分会显著提高土壤的介电常数；金属、潮湿地表、建筑物等也容易产生较强雷达回波。

3.3 侧视雷达图像的其他特征

侧视雷达图像有较强的穿透能力（因为用的是微波，波长长，衍射能力好）。它能穿透云层、树木和水，得到下面的地表信息。
另一方面微波在物体内会产生体散射，因此能将地下的一些状况反映出来。例如使用Cosmo-SkyMed高分辨率雷达图像进行地下管线检测：

4 相干雷达（INSAR）

利用SAR在平行轨道上对同一地区获取两幅（或以上）的单视复数影像来形成干涉，进而得到该地区的三维地表信息。
该方法充分利用了雷达回波信号所携带的相位信息，获得同一区域的重复观测数据（距离差），形成干涉，得到相应的相位差，结合观测平台的轨道参数等提取高程信息。
例如 ERS-1/2/ ENVISAT 组合。

5 激光雷达（LIDAR）

5.1 概念与特点

激光雷达（LIDAR），是激光探测及测距系统的简称。其基本工作原理是通过发射激光脉冲并测量反射信号的时间，来获取目标的距离、速度等信息。（对地表的扫描频率极高）

已知空间点Os的坐标（Xs，Ys，Zs)及该点到地面点P（X，Y，Z）的距离，则P点的坐标很容易得到。

由于激光雷达缺少光谱信息，所以一般在激光雷达旁加装一个数码相机或数码摄影机，以增加激光扫描数据的光谱信息。它们可以同步获得数据。

LiDAR 的基本特点：

• 全天时全天候获取地面三维数据
• 能部分穿透植被，同时测量地面和非地面层
• 很少需要进入测量现场，不需要大量地面控制点
• 快速获取数据，24小时内可提取测区的 DEM 数据
• 精度较高，均匀，稳定
• 能够接收无穷次回波

5.2 LiDAR 的应用

1. 森林监测与管理

LiDAR系统的最早商业应用领域之一是森林监测与管理，使用 LiDAR可以获得森林及树冠下面地形的准确数据 (树高、树冠覆盖、材质和生态环境等)，即数字表面模型(DSM)及数字高程模型(DEM)。（这两者的区别在大三上的《摄影测量学》和大三下的《空间数据智能分析》中都有讲到，忘了的话请回去复习）

森林测绘以前是借助空中摄影和地面测量进行的。这些方法不仅费时费力，而且只能分析样点，结果还是推断的。激光扫描法则能克服这些缺点，提供有关树高、木材体积和一片林区垂直结构的完整3D信息。通过激光扫描技术提取得完整的3D森林模型。在单个树木分析的基础上，可确定以下的参数：
• 单个树高
• 一片林区的平均树高
• 一片林区的木材体积
• 一片林区的平均密度
• 每片林区的平均生长体积
此外LiDAR得到的 DTM还可以来规划和改善森林运输道路，以及进行倾斜度分析，以便测定危险。

使用 LiDAR 进行森林监测与管理的一般方法：
1. 数据获取
利用机载 LiDAR、无人机 LiDAR 或地面 LiDAR 对森林区域进行扫描，发射激光脉冲并记录返回信号，获得高密度三维点云数据。激光可以部分穿透树冠，因此既能获取树冠表面信息，也能获取林下地形信息。
2. 点云预处理
对原始点云进行去噪、配准、坐标校正和分类处理，将点云分为地面点、植被点、建筑物或其他目标点。然后利用地面点生成数字高程模型DEM/DTM，利用树冠最高点生成数字表面模型DSM。
3. 建立树冠高度模型
用 DSM 减去 DTM，得到树冠高度模型CHM：CHM = DSM - DTM
通过 CHM 可以提取树高、林冠起伏、树冠覆盖度和林分垂直结构等信息。
4. 提取森林结构参数
根据 LiDAR 点云和树冠高度模型，可以计算：

• 树高、平均树高、最大树高；
• 树冠覆盖度、冠层密度；
• 单木位置、树冠直径、树冠面积；
• 林分密度、蓄积量、生物量；
• 林下地形、坡度、沟谷和道路条件；
• 冠层垂直结构和生态环境特征。

5. 单木识别与林分调查
通过点云分割或树冠分割算法识别单株树木，提取每棵树的位置、高度、冠幅等参数。再结合样地调查数据建立模型，估算胸径、材积、生物量和碳储量。
6. 动态监测与变化分析
多期 LiDAR 数据可以用于比较森林变化，例如：

• 树木生长量；
• 采伐或倒木区域；
• 病虫害、风倒、火灾后的损害范围；
• 林冠退化或恢复情况；
• 森林碳储量变化。

7. 森林经营与管理应用
LiDAR 数据可为森林管理提供决策依据，如：

• 制定采伐计划和抚育方案；
• 评估森林资源储量；
• 监测森林健康状况；
• 评估火灾风险和防火通道；
• 保护野生动物栖息地；
• 规划林区道路和生态保护区。

LiDAR 通过获取森林的三维结构信息，能够准确测量树高、树冠覆盖、林分密度、地形和生物量等参数，是森林资源调查、生态监测和精细化经营管理的重要技术手段。

2. 构建数字城市模型
在电信、无线通讯、法律实施和灾难管理等众多领域中都需要准确的数字城市模型（建筑物建模、城市规划、噪声模拟、无线网络规划）、DEM叠加DOM数据得到的假三维的电子沙盘（就像Cesium的Cesium.createWorldTerrain图层那样的）等等。

3. 地貌特征获取
湿地、限制进入地区、危险区域密集的植被覆盖和没有可通行的道路传统的地面摄像测量技术很难对沼泽、野生动物保护区及森林保护区进行勘测危险地带的地貌特征获取。

其余LiDAR的典型应用包括水深、海岸线、侵蚀状况监测、抗震救灾生成堰塞湖三维晕渲地形图等。