（码字不易，转载请注明来源！谢谢！）

前言

网上有一些关于SNAP处理Sentinel-1 数据的例子，但是处理的数据基本是都是GRDH级的数据，很少处理SLC级的数据（有些是针对InSAR应用进行处理的）。现阶段多数人处理Sentinel系列数据大都是利用ENVI等软件进行的，然而ENVI等处理软件都是商业软件，尽管可以使用破解版或免费申请使用，但是总是有点限制，或是功能受限或是时长受限，总之，使用起来也是不便。本篇文章是为了填补这个空白而创作，一方面是为了促进SNAP软件和免费Sentinel系卫星的使用，另一面也是为了答复一些朋友的疑问。

这里的处理是针对PolSAR分类而进行，探讨的是利用SNAP对Sentinel-1 卫星数据双极化处理操作。

记得在去年GIS大会程晓教授说过1999年在北极（还是南极）科研考察时遇到海面结冰现象，需要寻找一条破冰道路（还是不结冰的路线），当时，加拿大航空局免费提供了几景Radarsat-1 SAR卫星影像（那时候，一景SAR影像比现在贵得多相对购买力而言），好事啊，但是，非常遗憾，当时居然没有人懂得处理与分析该SAR影像，相当于这几景SAR影像全废了（至少当时没有发挥其作用）。现在已经过去了20年，我国也有自己的SAR卫星（高分3号，GF-3），尽管还有不少问题。毫无疑问，SAR（星载也好，机载也好）是非常重要的，无论对于军用（许多隐形飞机携带的就是高精度机载SAR）还是民用，至少敌对势力在研究这个，你就不能不能不研究这个。虽然有些感概，但更希望这样的事情可以避免。搞SAR前景是美好的（至少国家是需要的），但现阶段是艰苦的，还在追逐西方的脚步。

希望本文能给各位带了一些收获！

基本认识

在博主第一篇博客中是利用PolSARpro进行处理的，本质上说，PolSARpro是通过调用SNAP（早期是通过ASF的MapReady）来对Sentinel-1卫星进行预处理的，当然，它们都是欧空局授权开发的软件，仅仅针对的重点不同，PolSAR封装了许多极化SAR相关函数（多于1500个），SNAP仅能实现一些比较基本的极化SAR处理，就是常见的几种极化分解，Freeman,H-A-
$alpha$

α等极化分解，没有办法深入进行PolInSAR/PolTomoSAR处理。

Sentinel-1数据产品模式简介

网上已有介绍，不再重复赘述，请看有道云笔记哨兵1号（Sentinel-1）数据的介绍，
欧空局官网也有对Sentinel-1数据产品模式介绍。

Sentinel-1数据文件名命名规则

网上也已有介绍，不再重复赘述，请看博客Sentinel 1文件名命名规则的讲解或者参考欧空局官网关于Sentinel-1数据命名规则的介绍。

Sentinel-1数据文件组织结构

下载并解压Sentinel-1 IW SLC（或GRD）级产品数据的压缩包，进入解压后的文件夹，可以看到如下的文件组织结构：
与下图是一一对应的：

它包括:

• 一个manifest.safe文件（元数据文件，本质上是一个.xml文件）；
• 测量数据的子文件夹measurement，存放的是真正影像数据（.tif格式的文件）；
• 一个包含KML和HTML预览文件的预览子文件夹preview（存放的是与预览图有关的文件）；
• 一个注释子文件夹annotation（存放是卫星拍摄以及定标时的相关数据说明等元数据）；
• 包含XML模式的支持子文件夹support（对.xml文件的扩展支持文件）
• 此外还有一个关于数据质量的说明文件。

或者参考欧空局官网SAFE(Standard Archive Format for Europe, 欧洲标准存档格式)的介绍。

快速预览数据

利用preview子文件夹下product-preview.html文件（可以用浏览器打开）， 可以快速看到该影像数据的预览图以及文件组织结构：

如果你点击某个图中蓝色标记链接，会自动跳转到该文件，很方便查看该文件内容。

数据源

本文用的数据是刚好覆盖上海市全境（指陆地区域）的两幅2019年8月22日Sentinel-1B（IW SLC,干涉宽幅模式斜距单视复数）卫星影像：
S1B_IW_SLC__1SDV_20190822T095402_20190822T095429_017697_0214B5_658C.SAFE
S1B_IW_SLC__1SDV_20190822T095426_20190822T095453_017697_0214B5_5B01.SAFE
如下图所示：

SNAP对Sentinel-1A或Sentinel-1B数据的预处理功能是比较成熟，这里选择的是Sentinel-1B, 因为有人反映处理Sentinel-1B有时会遇到问题。不过，我觉得这种可能性很低，如果你遵循较规范的处理流程的话。

预处理

(注，博主笔记本电脑windows10系统，i7, 运行内存16G,应该是足够处理两景数据集的)

导入影像

在SNAP导入Sentinel-1影像，有2种方式：

• 拖动方式：
  可以将Sentinel-1影像数据压缩包（.zip）直接拖入SNAP的左侧的Product Explorer窗口，稍后SNAP会自动导入该压缩包里面的数据。（可以按Ctrl键选择多个，并一次拖动多个）；
  
  可以将解压后Sentinel-1影像数据的.SAFE后缀文件夹直接拖入SNAP的Product Explorer窗口，稍后SNAP会自动导入该文件夹里面的数据（可以按Ctrl键选择多个，并一次拖动多个）；

• 利用SNAP的菜单栏功能：File—>Open Product
  在弹出窗口中选择Sentinel-1影像数据压缩包（可以按Ctrl键选择多个，并一次拖动多个）；
  
  在弹出窗口中选择Sentinel-1影像数据解压后.SAFE文件夹下的manifest.safe文件（一次只能选择一次）。

显然，拖动方式更方便一些。

SLC影像通道介绍

导入Sentinel-1B IW SLC影像后，展开其下方的文件（点击文件夹名前面的“+”号），再把Bands文件夹展开，如下图：

其中，文件夹Metadata存放是影像的元数据文件；文件夹Vector Data 存放的是矢量数据（如大头针pin标记点,控制点，还可以添加ROI等矢量数据）；文件夹Tie-Point Grid存放的是与地理编码有关的网格数据(如经纬度，入射角等信息);文件夹Quicklooks存放是Quicklook图（快视图）；Bands存放是SAR的极化通道（波段）数据。

IW模式SLC数据名及构成的解释

SLC(Single Look Complex，单视复数)，SAR影像是比较复杂的，SAR影像比光学影像有许多优点，其中，SAR影像可以携带相位和极化信息，这是SAR影像区别于光学影像的重要特性，使得SAR影像有许多有别于光学影像的应用。

Sentinel-1发射的电磁波属于微波的C波段频段范围。电磁波（可见光也是一种电磁波）是横波，极化信息只有横波才能携带。波的方程表示可以由频率，振幅，相位确定三角函数和复数表示，复数表示更加简洁一些。（这段话希望勾起你学过的数学复变函数学以及物理电磁学，深入理解建议看相应的参考书或者SAR或微波遥感的教材）。

Sentinel-1 SAR IW SLC数据包含3个子带（IW1,IW2, IW3），在一个IW产品中总共有三个(单极化)或六个(双极化)极化通道图像。每个子带又由9个burst带（脉冲带）构成。

IW 模式 TOPSAR（Terrain Observation with Progressive Scans SAR ）成像技术来拍摄3个子带，该技术可以获得和ScanSAR成像技术一样的分辨率和拍摄范围，但是获得影像质量更高，影像噪声更易处理。后面，我将SNAP对这种TOPSAR技术得到的IW影像的预处理称为TOPSAR预处理，TOPSAR预处理的操作都在SNAP的Radar—>Sentinel TOPS菜单栏下。

如果你对TOPSAR 技术感兴趣的话，可以找下这方面的论文。
详见欧空局Sentinel-1卫星IW拍摄模式介绍。

Bands波段说明：

i_IW1_VH：IW1子带VH极化通道实部，字母i表示in_phase(同相, 波的实部)，IW1表示第1个子带，VH表示VH通道，H极化通道发射，V极化通道接收；
q_IW1_VH：IW1子带VH极化通道虚部，字母q表示quadrature(正交分量， 博得虚部)，IW1表示第1个子带，VH表示VH通道，H极化通道发射，V极化通道接收；
Intensity_IW1_VH：IW1子带VH极化通道强度，Intensity表示强度，IW1表示第1个子带，VH表示VH通道，H极化通道发射，V极化通道接收（“Intensity_IW1_VH”最前面的V字母表明该波段是虚拟波段，也就是导入影像后临时计算存在运行内存的波段）。

大概一年前多，有人问我“i_IW1_VH”中的字母i表示什么意思，我当时在研究PolSARpro的结果图像，该软件用i表示复数虚部（imaginary的前缀），我错把这个移到SNAP软件上，实际上不是。这点可以通过将鼠标移动到高通道上提示的信息得到确认：

但是，你可以还是很好奇，为什么是这样表示？

卫星上的检波器一般都是平方律检波器，使用它可以得到与波的功率（瞬时能量）成正比。之所以称为平方律检波器，是因为波自身的瞬时电压本身是
$E(t)$

E(t)振幅， 但检波器的输出电压是
$E^2(t)$

E2(t)—-波的功率。

SAR测量系统是相干测量系统，既测量入射电磁波辐射振幅，又测量其相位。相干测量系统的戏法是进行两次功率测量：当信号与某种参考信号混合，进行一次测量，然后将同样的信号与同第一种信号之间存在
$pi/2(90^{degree})$

π/2(90°)相位差的另一种参考信号混合后，再进行测量。

将接受到的信号与两个相差为
$pi/2$

π/2的信号混合，转为同相（in_phase,I, 波的实部）和正交（quadrature,Q,波的虚部）分量（就像复平面上的虚轴可以由实轴旋转
$pi/2(90^{degree})$

π/2(90°)得到）。I和Q通道的信息组成了相干系统的原始数据（复数数据）。SNAP这样的表示遵循雷达信号处理的表达规范，从信号处理方面可以清楚地区分开。

说了那么多，下面，终于可以进入正题了。接下来，将对其中一个数据集的预处理操作进行较详细的分步骤介绍和分析，结合另一个数据使用TOPSAR操作和流程图功能处理。

轨道校正

（这步需要联网，因为需要下载精确轨道数据，否则可能报错）
这里以数据集S1B_IW_SLC__1SDV_20190822T095426_20190822T095453_017697_0214B5_5B01
为例来演示。可以关闭另一个数据集。分步处理，会产生许多临时的文件，所以最好选择一个容量更大的文件夹来保存数据。

(菜单栏Optical指的光学卫星影像的操作，Radar指的是雷达卫星影像的操作，Sentinel-1的处理基本上全在Radar菜单下面)

选择：Radar—>Apply Orbit File。Sentinel-1元数据也是有轨道相关参数的。这一步，背后是将元数据.xml的描述轨道的参数值（例如星历数据等）用更精确的轨道文件（精确的轨道文件通常需要影像产生两周后才能计算得到，可以在Sentinel-1质量控制报告网址下载，但是SNAP中是直接从欧空局Sentinel-1轨道文件服务器下载的）替换掉。如果你想手动下载，可以可以ENVI官方下载Sentinel-1卫星精密轨道数据的博客。
（I/O Parameters参数面板一般默认即可，当然，你可能需要修改输出的目录路径，默认得到的数据集名会添加上后缀“_Orb”,表示已做轨道校正）

对于InSAR或是多时相SAR应用等，轨道数据不准确，将会给后续数据处理带来不少误差。严格来说，对于一幅SAR影像用于SAR分类目的处理，这个步骤不是必须的，也就是这个轨道没有得到修改，分类不会有明显的影响，但是，如果可以做的更好，还是要做一下。

点击Run,大概需要几分钟的时间（取决于你的网速和电脑配置）。

这个步骤对原始的影像是没有任何影响的，修改的是元数据xml文件。

辐射定标

选择：Radar — > Radiometric —> Calibrate,打开辐射定标的参数面板：
（注意在I/O Parameters面板的源数据集选择上一步轨道校正的结果，当然你可以修改输出的目录，通常默认就可）

第二个参数面板比较重要，对于极化SAR处理而言，其辐射定标是复定标，分别对复数的实部和虚部进行定标。
（极化SAR处理必须选择复定标）

这里，不会探讨后向散射系数sigma0(
$sigma_0$

σ0​),gamma0(
$gamma_0$

γ0​)和beta0(
$beta_0$

β0​)的区别，后两者是在
$sigma_0$

σ0​上做了一点修正后得到，具体的修正可以参考微波或者雷达遥感的教材。这三者由对复数的振幅定标后得到。对于极化SAR的定标而言，这样会丢失相位信息，最终得不到散射矩阵S的元素。

确认无误，点击Run即可。因为通道多（双极化，实、虚部等），数据量大可能需要耗费一定时间（博主花了50多分钟）。需要耐心等候。完成后，可以看到Bands子文件夹下保留原来的复数数据组织形式（原始数据集1一样）。

这个步骤之后，最好关闭SNAP,重新导入复定标后的数据进行操作，因为前一步会耗费较大的内存，SNAP是Java代码写的，Java的垃圾回收机制，经常不会马上回收内存，会导致后面的速度变慢甚至失败。关闭重新导入是最有效最快的释放内存的方法。另外，前一个步骤的文件（包括后面分步骤的操作得到的结果），也可以删掉，避免占据大量的磁盘空间。

Deburst

这个操作去除的是Sentinel-1 IW SLC影像带有burst带（脉冲带）的暗带部分（黑色背景，无信号部分），效果就是合并所有burst带有效信号部分，也就是说包括IW1,IW2,IW3子带全都会被合并起来。

原始影像中，相邻的burst带会有一个细小的黑色暗带，对应的是连续发射脉冲信号的无信号部分（
$T-t_p$

T−tp​），脉冲信号示意图如下：

（由于数据量(14G左右，很恐怖)比较大，需要耗费较长的时间，博主耗费了近4小时）
操作如下：Radar—>Sentinel-1 TOPS —> S-1 TOPS Deburst:
(I/O参数面板确认源数据集，保持默认即可)

Processing Parameter参数面板保持默认就行，处理全部的极化通道：

点击Run即可，接着便是漫长的等待。完成后打开i_VH通道的效果。

可以看到影像主要呈现在中间位置，上下两边的背景很大，这主要是因为距离向（分辨率为2.3米）和方位向（分辨率约为14米），像素表示不是方形区域导致，很容易知道沿行方向为距离（斜距）向，沿列方向为方位向（因为swath子带IW1，IW2, IW3是沿行方向拼接起来的，当然也可以从这个方面看出（不计背景区域），沿行方向像素数较多，表明这个方向分辨率高，距离向分辨率高，因此这是斜距向，沿列方向，像素数较少表明这个方向分辨率高低，so,这是方位向）：

还有一个信息可以帮助我们检验这个判断，影像的大小（在多视的时候，我们对比一下他的影像大小变化），显然影像宽度像素数多（列数多）：

成极化矩阵C2
（由于上一步耗费较多的运行内存，建议关闭SNAP重新导入deburst后的数据集来进行后面的步骤）
由于Sentinel-1 卫星最多只有双极化通道，这里的只能生成C2协方差矩阵。

Processing Parameters参数面板选择C2:

确认无误，点击Run,接着便是漫长的等待，约耗费了5小时（数据量很大约14G）。由于C2是复共轭对称矩阵，只需记录C11（实数）, C12（复数，分实部和虚部存储）和C22（实数）元素即可。如下图左侧方框所示：
影像效果不明显，但是SAR的相干斑现象比较明显（许多地方表现出亮的斑点）。后面经过多视和极化滤波会还会许多。

多视

(注意多视一定要放在生成极化矩阵C2之后。先做多视再做生成极化矩阵C2，得到的结果是错误的)

多视的作用，在我的第一篇PolSARpro的博客有提到。除了消除或减弱相干斑噪声，多视，大大减少了后续数据量。

具体操作：Radar—>Multilooking:
(I/O参数面板保持默认即可，注意选择上一步生成的C2数据集)

Processing Parameters参数面板：
（SNAP自动计算多视的参数，无特殊需求，保持默认即可）。多视视数计算在我的PolSARpro第一篇博客中有详细介绍。
（默认，斜距向视数为4， 方位向视数为1，GR Square Pixel指像素地面正方形范围之意，更多参数说明查看Help帮助）

确认无误，点击Run即可，大概耗费约4小时，数据量约变为上一步数据量的总视数（n=4×1）倒数1/n（这里1/4）。打开RGB图看下效果（影像范围覆盖了全境，背景很少）：

检验之前的距离向和方位向的判断（其中，斜距向视数为4， 方位向视数为1）：

这证实，我们的判断是正确的。实际，多数SAR影像沿行方向（左右或者说东西向）是斜距向，列方向（上下或者说南北向）是方位向。

升降轨左右视判断

有经验的SAR专家，看着SAR影像就可以判断出SAR卫星在拍摄影像时的情况，究竟是升轨还是降轨？左视还是右视？
一般地可以通过SAR的几何畸变判断的，如透视收缩，叠掩等，但这是需要当地的地形地物有一定的认识以及对SAR成像以及几何畸变理论的理解。
这里，提供的一种较简单判断的方法。

记住，上北下南左西右东。

首先，我们知道，降轨指的是卫星从北（地球北极）往南（地球南极）运动，升轨指的是卫星从南（地球南极）往北（地球北极）运动；左视指的是卫星拍摄方向为左边（指的是卫星前进方向的左边），右视卫星拍摄方向为右边（卫星前进方向的右边）。下图是升轨左视的情况：

其次，我们需要知道，SAR影像，方位向（Azimuth）为飞行方向，斜距向(Slant range)为卫星的拍摄方向（垂直于飞行方向）。下图是降轨左视的情况：

升降轨判断：
考虑顺轨相邻两幅影像的情况（可以视为两行像素），升轨的时候，卫星先拍摄的是下面一幅影像（南边的），再到上面一幅影像（北边的），也就是下面的地物像素点先记录，最终效果是记录的影像与实际地物上下颠倒；降轨的情况正好相反，卫星先拍摄的是上面一幅影像（北边的），再到下面一幅影像（南边的），和地物正好对应。

其次，我们知道SAR影像记录的先记录的是（斜距上）距离卫星更近地物点成像的像素（距离短的先接收到）。若是卫星拍的是西边，东边（我们理解的右边）的先记录，西边（我们理解的右边）的后记录，与影像实际地物左右相反；若是卫星拍的是东边，西边（我们理解的左边）的先记录，东边（我们理解的右边）的后记录，与影像实际地物左右分布一致。

（左右视沿卫星前进方向来区分，而不是我们常认为左右方向）两者结合就可以得出结论：

示意图见下：
升轨左视

降轨左视

升轨右视
降轨右视的情况：
我们利用多视操作后的影像和导航图里面的实际地物来判断：

（影像崇明岛跑到了上方[原来在下面]，海还在右边[左右没有倒置]）
影像上下倒置，说明这是升轨右视拍摄的影像。我们可以通过查看影像的元数据，来确认我们的判断：

地形校正

有一些SAR软件（例如PolSARpro）将地形校正校正功能命名为地理编码，可以接受，但是更严格来说，这是不严谨的，地形校正除了地理编码（赋予影像实际坐标信息）外，还会做地形辐射校正。这是搞SAR需要区分的地方之一。

操作：Radar—>Geometric—>Terrain Correction—> Range-Doppler Terrain Correction(距离多普勒法地形校正):
(这一步需要联网，因为需要下载DEM数据，否则可能会报错（尽管允许使用外部的DEM,但是这很容易出错）)
I/O参数面板:

Processing Parameters参数面板：
（要注意去掉默认勾选的Mask out选项，否则会将无DEM的区域掩膜掉，更多的参数介绍请看Help）

确认无误后，点击Run，大概需要1个小时多，可得到结果（下图为C2矩阵的假彩色合成图，可以看到和左下方的导航图实际情况一致）：

由于影像是WGS84坐标系，我们可以加上欧空局自带的NASA world map底图（导航图的底图）看看，验证一下其地形校正的效果（也可以导出为kmz格式到Google Earth Pro中，这个耗时比较长，而且导出的数据比较大，很可能Google Earth Pro打不开，不建议做）。

观察图中岸边以及河道的三个红色圈，可以看到地形校正（尽管world map底图分辨率较）是以底图相吻合的，地形校正是成功的！

导出为PolSARpro格式

PolSARpro和SNAP同为欧空局组织开发的软件，同源同宗，关系密切，自然可以转换，PolSARprod的数据格式有些独特，将Sentinel-1 的极化矩阵数据导出，还需要做一些修改，PolSARpro才能识别。

（一定要做在SNAP中做地形校正之后才导出到PolSARpro，在之前的话，导出到PolSARpro，在PolSARpro中无法在做地理编码，因为一些元数据丢失了）

操作： File—>Export—>SAR Formats—>PolSARPro

使用默认的方式（按默认文件名）导出数据（这里保存在PolSArpro_test文件夹中）：

修改一

导出后的文件夹名，修改为C2

修改为C2（因为PolSARpro按极化矩阵识别数据）：

修改二

进入该重命名为C2的文件夹，把config.txt文件中的PolType的“dual”修改为“pp2”。pp2表示第二种部分（双极化）极化，即VH和VV。

打开PolSARpro V6.0或者PolSARpro V5.1.3，导入C2文件夹数据集：

确认后，点击Save&Exit。

PolSARpro自动识别C2数据集（数据量比较大，需要等待一下）：

读取成功后，PolSARpro会为之创建掩膜图像：

创建一个RGB图，显示一下：
结果（生成的RGB图有点不一样，因为RGB合成方式的差异以及没有分贝化，不过，不重要，这只是检查PolSARpro是否成功识别数据而已）：

如果想利用PolSARpro进行后续处理，请看我之前写的两篇PolSARpro处理的博客:
PolSARpro v5.1.3 处理Sentinel-1A SLC数据
PolSARpro v6.0之Sentinel-1A Wishart与SVM监督分类

回看PolSARpro的预处理

观测中间那个框，上面注有其操作流程：
S1 TOPS Split —>Apply Orbit File —> Complex Calibration—>Deburst
(这分别对应SNAP中的S1 TOPS Split ，Apply Orbit File, Calibration, S1 TOPS Deburst操作，)

Terrain observation by progressive scans( TOPS)是一种成像技术，TOPS和TOPSAR两个词在文献可以混用，一般都是指这种成像技术。

事实上，利用SNAP中的TOPS操作可以实现Sentinel影像的裁剪和镶嵌操作。而且这种效果比普通的栅格镶嵌和裁剪要更好，这种TOPS处理方式就像铺地砖一样。

TOPSAR Split操作

即S1 TOPS Split操作（Split, 分割之意），这个操作是用来选择一副Sentinel-1 SLC影像的子带（即9个burst）或者某几个burst带。实际上，可以认为这是一种裁剪操作
我们利用上面演示原始的一景做演示：S1B_IW_SLC__1SDV_20190822T095402_20190822T095429_017697_0214B5_658C.SAFE

这里把崇明岛区域分割出来。
具体操作：Radar—>Sentinel-1 TOPS—>S-1 TOPS Split:
（这里打开的是原始数据压缩包，没有经过任何预处理）

Processing Parameters参数面板：

点击一下放大到研究区全图的放大镜图标（在底图上按住鼠标滚动可以进一步控制底图的缩放），这里选择的是子条带IW2的编号为2-5burst带影像。

确认无误点击Run即可。结果如下：
我们发现子条带IW1也有覆盖了部分崇明岛区域，我们再利用S1 TOPS Split从数据集1（原始数据集）中将IW1的2-5burst带分离出来，为后面演示S1 TOPS Merge操作做准备（注意修改一下默认的数据集名，避免覆盖）。

TOPSAR merge操作

TOPSAR merge操作是一种合并操作，是S1 TOPS Split（分割）的反操作，可以将原先的TOPS Split提取的数据集S1 TOPS Deburst后合并起来（经过S1 TOPS split分割的数据集必须经过S1 TOPS Deburst才可以用这个操作）。可以认为这是一种拼接工具。合并的数据集需要有交集（或者相邻）。

S1 TOPS Split 数据集预处理

按照Apply Orbit File—>Calibration—>S1 TOPS Deburst的步骤处理。
这里是使用流程图工具进行预处理。流程图工具使用介绍，请看博客04-SNAP处理Sentinel-2 L2A级数据(二)波段叠加那步流程图创建过程。
创建的流程图(流程图的节点均在Radar菜单栏下找，位置是对应的)如下：
（因为用到轨道校正，所以需要联网）

需要注意的Calibration操作，需要选择复定标：

其它节点（Apply-Orbit-File,TOPSAR-Deburst）的参数保持默认即可。上述的两个子带IW2,IW1分割后的数据集均使用该流程图处理, 为后面的TOPSAR merge做准备。

TOPSAR Merge

具体操作：Radar—>Sentinel-1 TOPS—>S-1 TOPS Merge

ProductSet-Reader参数面板：
（注意选择的为上述deburst后的数据集，否则会报错）

TOPSAR-Merge面板参数保持默认：
确认无误后点击Run即可，大约需要1小时多，取决于你的数据量大小。

结果（可以看到IW1和IW2确认镶嵌起来，并且看不出拼接痕迹）：

镶嵌

上面讨论的是一景Sentinel-1 SLC影像，但实际有时我们的处理范围比这幅影像的范围大得多。之下来的这个操作，可以实现将两幅（或者多个）Sentinel-1 SLC影像预处理。

TOPSAR Assembly操作

TOPSAR Assembly操作(assembly,组装之意)是将同一天顺轨的两个（或者多个）Sentinel-1影像组装起来，这个组装可以认为是一种镶嵌，这个镶嵌比普通的栅格镶嵌和SNAP中的SAR Masaic效果要好， 组装起来的数据，拼接边界上看不出拼接线。但是这个操作在SNAP V6.0中一定要在地理编码前面（否则会出错，据说SNAP7.0已经修复这个bug，但我没有测试过）。如果要拼接（镶嵌），一般这个步骤放最开始的步骤。

流程图处理

这里使用流程读入上述两幅原始Sentinel-1 SLC影像，并实现极化SAR的预处理，最终得到覆盖上海市全境的地形校正后的C2矩阵数据集。

使用流程处理大大加快了处理时间，处理两幅Sentinel-1B 影像（压缩包，约7个G）,整个处理仅需70分钟左右，可见流程图处理的效率之高（其原因是避免了每步的生成的大影像数据的磁盘读写操作），并且还节省了大量的存储空间。如果你熟悉了每步操作的参数，中间过程的产生的文件（多是影像）不重要，强烈推荐你使用流程图工具或者SNAP命令行工具gpt处理。

当然，流程图的缺点也是明显的，主要是丢失中间过程的文件，而且一步出错，后面全错。SAR的新手还是建议分步跑过一遍处理流程，熟悉每步操作的参数，意义，结果，后面遇到问题才容易分析出来。

创建的流程图：

每个节点的参数设置（特别注意Calibration，Polarimetric-Matrices，Terrain- Correction两个节点的参数，其它的参数基本上保持默认即可）：(Read,Read2读入的是原始数据集，Write需要保存为自己的文件名)
Read

Read2

TOPS Assembly

Apply Orbit File

Calibration

TOPSAR Deburst

Polarimatric Matrices

Multilook

Terrain Correction

Write

确认各个操作参数无误后，点击Run，等待1个小时多即可，很快（尽管两景影像加起来有近14G的数据量）。我们利用镶嵌后并经过地形校正后的C2数据集，生成一个RGB看看效果（加上了底world map图）：

Perfect! 流程图高效地完成了预处理操作。

TOPSAR Assembly合并起来的数据集，可以继续使用 TOPS split, TOPS merge工具进行分割，合并操作。这意味着我们利用S1 TOPS Assembly, TOPS split, TOPS merge可以获取覆盖我们研究范围最小burst集数据。这样，可以减少我们数据量，并且可以避免一些常规栅格裁剪，镶嵌，掩膜处理时边界问题。

后语

这篇博客应该可以加深你对SAR图像以及SNAP中的SAR预处理操作的理解，我希望你知道每个预处理步骤的意义，为什么要做，如何做，结果是什么，有什么需要注意的地方，预处理的顺序为何是这样的，可以交换顺序否。你应该知道SNAP的设计应该根据SAR成像及其预处理理论设计，这是有别于别的遥感处理软件的特别之处。

虽然这篇博客仅仅讨论了极化SAR的预处理操作，后续的极化滤波，分类等没有提及到，但SNAP中是可以直接做的，当然SNAP的功能不止这些，SNAP有些功能缺少，但是目前的功能足够你做些东西。记住，SNAP可以原生态地支持Sentinel卫星数据的处理，欧空局后面还会对其功能进行完善。

下篇博客，介绍一下SNAP中Sentinel-1 GRD级数据的预处理。虽然前面介绍花了不少笔墨介绍Sentinel-2 光学影像在SNAP中的处理，但是实际SNAP对Sentinel-1的处理功能更齐全一些。博客早期是搞极化SAR,相对而言，对SAR遥感的熟悉程度优于光学遥感。

最后，如果你对欧空局开源软件处理软件SNAP及其snappy开发处理感兴趣，可以加入博主创建的欧空局SNAP处理交流群（QQ群：665903216）。

抱歉，又写的太多了。祝好！

参考文献

[1] 欧空局Sentinel-1 SAR User Guide网址：https://sentinel.esa.int/web/sentinel/user-guides/sentinel-1-sar
[2] 刘保坤,禹卫东.ScanSAR与TOPSAR的对比研究[J].中国科学院研究生院学报,2011,28(03):360-365.
[3] lain H. Woodhouse著；董晓龙，徐星欧，徐曦煜译. 微波遥感导论[M]. 北京：科学出版社, 2014, 3.
[4] 微波遥感-3.2侧视雷达图像的几何特征
[5] sentinel-1-slc-polarimetric-decomposition:https://forum.step.esa.int/t/sentinel-1-slc-polarimetric-decomposition/3071