当前位置：首页 > news >正文

Python实战：GF-3 SAR数据预处理全流程解析（含RPC几何校正代码）

news 2026/3/26 23:09:46

Python实战：GF-3 SAR数据预处理全流程解析（含RPC几何校正代码）

合成孔径雷达（SAR）数据因其全天候、全天时的观测能力，在灾害监测、资源调查等领域具有独特优势。国产高分三号（GF-3）卫星作为我国首颗C波段多极化SAR卫星，其数据预处理流程对后续应用至关重要。本文将完整解析从原始数据到几何校正产品的全流程实现，重点分享Python环境下的代码级解决方案。

1. 数据准备与环境配置

1.1 核心工具链选择

处理GF-3 SAR数据需要以下Python生态工具组合：

GDAL：地理数据抽象层，支持多种遥感数据格式
Rasterio：基于GDAL的栅格数据处理库
NumPy：科学计算基础库
XML处理库：解析元数据文件

推荐使用conda创建独立环境：

conda create -n sar python=3.8 conda install -c conda-forge gdal rasterio numpy

1.2 数据目录结构规范

建议采用以下目录结构管理项目：

GF3_Processing/ ├── input/ # 原始数据 ├── output/ # 处理结果 ├── dem/ # 高程数据 └── scripts/ # 处理脚本

2. 元数据解析与数据读取

2.1 XML元数据提取

GF-3的.meta.xml文件包含关键定标参数，需特别关注以下节点：

def parse_metadata(xml_path): tree = ET.parse(xml_path) root = tree.getroot() # 获取定标参数 calibration = { 'HH': { 'QualifyValue': float(root[17][13][0].text), 'CalibrationConst': float(root[18][3][0].text) }, 'HV': { 'QualifyValue': float(root[17][13][1].text), 'CalibrationConst': float(root[18][3][1].text) } } return calibration

2.2 复数数据读取

GF-3 L1A级数据包含实部与虚部信息：

def read_complex_data(tiff_path): dataset = gdal.Open(tiff_path) band1 = dataset.GetRasterBand(1) complex_array = band1.ReadAsArray() # 分离实部虚部 real_part = np.array(complex_array[0, :, :], dtype='float32') imag_part = np.array(complex_array[1, :, :], dtype='float32') return real_part, imag_part

3. 辐射定标与数据转换

3.1 强度与幅度计算

SAR数据的基础物理量计算：

def calculate_intensity(real, imag): intensity = real**2 + imag**2 amplitude = np.sqrt(intensity) return intensity, amplitude

3.2 辐射定标流程

完整的1A到1B级数据转换：

def radiometric_calibration(amplitude, qualify_1A, qualify_1B): # 1A到1B转换 DN = amplitude / 32767 * qualify_1A / qualify_1B * 65535 # 辐射定标 sigma0 = (DN * (qualify_1B / 65535))**2 # 转dB sigma0_db = 10 * np.log10(sigma0) - calibration_const return sigma0_db

注意：QualifyValue_1B需要通过统计全图幅度值计算获得，建议使用np.nanmax避免无效值影响

4. 图像增强与几何校正

4.1 自适应对比度拉伸

2%线性截断拉伸实现：

def linear_stretch(data, percent=2): vmin = np.percentile(data, percent) vmax = np.percentile(data, 100-percent) stretched = (data - vmin) / (vmax - vmin) stretched[stretched < 0] = 0 stretched[stretched > 1] = 1 return stretched

4.2 RPC几何校正

基于有理多项式系数的几何校正实现：

def rpc_orthorectification(input_path, output_path, rpc_file): # 读取RPC参数 with open(rpc_file) as f: rpc_meta = parse_rpc_parameters(f.read()) # 设置GDAL RPC元数据 ds = gdal.Open(input_path) ds.SetMetadata(rpc_meta, 'RPC') # 执行校正 gdal.Warp(output_path, ds, dstSRS='EPSG:4326', rpc=True, resampleAlg='bilinear')

典型RPC参数文件(.rpc)包含以下关键参数：

参数组	描述
LINE_OFF	行偏移量
SAMP_OFF	列偏移量
LAT_OFF	纬度偏移
LINE_NUM_COEFF	行分子多项式系数
LINE_DEN_COEFF	行分母多项式系数

5. 完整处理流程集成

5.1 批处理框架设计

建议采用面向对象方式组织代码：

class GF3Processor: def __init__(self, input_dir): self.input_dir = input_dir self.metadata = self._load_metadata() def process_all(self): for pol in ['HH', 'HV', 'VV']: self.process_polarization(pol) def process_polarization(self, polarization): # 实现单极化通道完整流程 pass