[Python*GEE]第12期:Sentinel-1 RTC 产品,比 GRD 更适合下游应用——业务化全球资源获取指南(网页检索、GEE 调用与 批量下载)

这个问题的核心在于，SAR 是侧视成像系统。雷达不是从正上方看地表，而是以一定入射角从侧向照射地物。因此，同一种地物在不同坡度、坡向和局部入射角条件下，接收到的雷达能量和返回雷达的能量并不完全一致。例如同样一片森林，即使树种、林龄、郁闭度和含水量相近，后向散射强度也可能不同。这个差异不一定来自真实地表属性，而可能来自观测几何。如果不区分地表散射信息和地形观测几何的影响，后续的分类、变化检测、时间序列分析或跨区域建模都可能受到干扰。

S1 GRD 产品关注两个层面的处理：

1. 几何校正：SAR 原始影像是在雷达成像几何中形成的，通常处于斜距方向和方位向坐标系统中。这个坐标系统并不是常规地图坐标。为了和光学影像、DEM、土地覆盖图或矢量边界叠加，需要把 SAR 影像投影到地理坐标或投影坐标中。几何校正仅仅把 SAR 影像从雷达坐标系转换到地图坐标系，解决“像元位置是否正确”的问题。对于用户来说，GRD作为几何校正后的产品可以和其他数据在地表位置进行叠加。
2. 辐射校正：SAR 接收到的是雷达回波强度。为了让不同影像之间具有可比性，需要进行辐射定标，即将雷达回波强度转换为具有物理意义的后向散射系数。现在常见的后向散射系数类型包括三类：

• : radar brightness，更多对应影像几何参考面；
• : sigma-naught， 归一化到地面参考面积，单位地面面积反射了多少雷达能量；
• : gamma-naught，地形平场化 ，归一化到雷达视线相关的投影面积，在雷达实际观测几何下，单位有效投影面积反射了多少雷达能量；

其中，Sentinel-1 GRD 工作流会得到  后向散射。而 Sentinel-1 RTC 工作流则会得到; 本质区别在于：雷达散射截面被归一化到不同的参考面积上。

对于一个地表单元，其后向散射强度受到多种因素影响。在山地环境中，坡度、坡向、局部入射角和有效照射面积都会改变雷达观测到的回波强度。同一种地物，如果位于不同坡面上，可能因为地形几何差异而表现出不同的亮度。

• 成像条件：雷达波长、极化方式、轨道位置；
• 观测几何：入射角、坡度、坡向、局部地形遮蔽；
• 地表信息：地表介电特性、地表粗糙度、植被结构、土壤含水量。

坡面与雷达视线之间的相对关系会改变实际照射条件。当坡面朝向雷达时，有效照射面积可能被压缩，单位地图面积上的回波能量看起来更强。当坡面背向雷达时，有效照射面积可能被拉伸，回波能量看起来更弱。在极端情况下，还会出现 layover、foreshortening 和 shadow 等几何畸变。因此，山区 SAR 影像中的亮暗变化不一定全部表示地表类型变化，也可能是地形引起的辐射效应。

1. 地形辐射校正*：Radiometric Terrain Correction，即简称 RTC。它关心的不只是像元的位置，而是如何解决这种地形诱导的系统性辐射差异？

• 这个像元对应的真实地形如何？
• 雷达波以什么角度照射这个坡面？
• 该坡面相对于雷达的有效照射面积是多少？
• 后向散射应该归一化到哪个参考面积？

RTC 的目标就是尽可能削弱由地形和观测几何引起的调制项，使后向散射更接近地表本身的散射差异。当然，需要强调的是，RTC 并不意味着所有地形和观测几何影响都被完全消除。RTC 产品还是会受限于 DEM 精度有限、局部地形过于复杂、layover 和 shadow 无法通过简单辐射归一化恢复、雷达方位角效应仍可能存在、不同 RTC 产品的算法实现不同等原因。因此，RTC 显著降低了地形相关辐射效应，而不是完全消除所有几何影响。

总而言之，GRD 实现了几何可用性与后向散射量化，RTC 则进一步实现了复杂地形下的辐射可比性。

二、业务化全球 RTC 数据资源：RTC 是一类产品体系，而不是单一算法

理解 Sentinel-1 RTC 产品时，首先要避免一个常见误解：RTC 并不是某一个固定算法的名字，也不是某一个平台独有的数据集。更准确地说，RTC（Radiometric Terrain Correction）是一类面向 SAR 后向散射的辐射地形校正产品体系。它的目标是在几何地形校正之外，进一步削弱局部地形、坡向、入射角和有效照射面积差异对后向散射亮度的系统性影响，使 SAR 数据更适合复杂地形、跨区域比较。

不同机构在实际生产 RTC 数据时，会根据输入产品类型、DEM 数据源、投影网格、空间分辨率、面积归一化算法、输出格式和云端数据组织方式，形成不同的数据产品体系。因此，RTC 更像是一类产品范式，而不是一个完全统一的算法实现。

目前较常用、具备全球或近全球覆盖能力的 Sentinel-1 RTC 数据资源主要包括两类：① Microsoft Planetary Computer Sentinel-1 RTC；② NASA/JPL OPERA RTC-S1。可以将二者简要概括如下：

2.1. Microsoft Planetary Computer Sentinel-1 RTC

Microsoft Planetary Computer（MPC，微软行星计算机）提供的 Sentinel-1 RTC 是一个全球可访问的辐射地形校正 SAR 数据集。MPC 官方页面说明，该数据集是由 Sentinel-1 Level-1 Ground Range Detected（GRD）产品派生得到的 radiometrically terrain corrected 产品。换言之，MPC RTC 的输入数据基础是 Sentinel-1 GRD，而不是 SLC。

MPC RTC 的一个重要特点是空间分辨率较高，通常以 10 m 级别的数据资源形式提供和使用。这使其在地物边界、农田地块、城市目标和细粒度制图任务中具有较强吸引力。同时，MPC 采用 STAC 和 cloud-native 方式组织数据，适合通过planetary_computer 等 Python 工具进行云端检索与读取。

从应用角度看，MPC RTC 更适合希望快速使用 10 m  Sentinel-1 RTC 数据、并且已经习惯 Planetary Computer STAC 工作流的用户。其优势在于空间分辨率高、云原生访问友好、与微软生态和 STAC 工具链结合紧密。但需要注意，由于其输入基础是 GRD 产品，MPC RTC 的处理链、几何基础、辐射归一化方式和 OPERA RTC-S1 并不相同。

https://planetarycomputer.microsoft.com/dataset/sentinel-1-rtc

微软行星计算官网 S1 RTC产品介绍

2.2 NASA/JPL OPERA RTC-S1

OPERA RTC-S1 是 NASA/JPL OPERA 项目发布的 Sentinel-1 Level-2 Radiometric Terrain Corrected SAR Backscatter 产品。与 MPC RTC 不同，OPERA RTC-S1 的输入数据是 Copernicus Sentinel-1 Interferometric Wide（IW）Single Look Complex（SLC）数据，而不是 GRD。NASA Earthdata 和 GEE 数据集说明均明确指出，OPERA RTC-S1 由 Sentinel-1 IW SLC 数据派生，具有近全球覆盖范围，并且时间采样与 S1 SLC 数据可用性一致。

ASF Vertex（全球SAR数据检索网站）：感兴趣区域内的 Sentinel-1 Bursts

OPERA RTC-S1 的另一个关键特点是 burst-level 产品组织。每个 OPERA RTC-S1 产品对应一个 Sentinel-1 burst，并被投影到预定义的 UTM 或极区投影地图网格上。相同 burst ID 的产品共享一致的地理网格。OPERA RTC-S1 的标准产品像元间距为 30 m，输出为 gamma-naught ) power，并以 Cloud Optimized GeoTIFF（COG）形式提供。

Sentinel-1 burst（成像脉冲串） 对应的地理网格

OPERA RTC-S1 使用 Copernicus Global 30 m DEM（GLO-30）作为地形校正和地理编码的参考 DEM。其产品不仅提供 VV/VH 等极化后向散射层，还配套提供 RTC-S1-STATIC 静态几何层，包括 local incidence angle、incidence angle、mask、number of looks 以及 RTC Area Normalization Factor 等信息。另外还有进一步再分析数据（水体、地形变化等等）。

如果需要下载：

session = asf.ASFSession()session.auth_with_creds("EARTHDATA_USERNAME", "EARTHDATA_PASSWORD")results.download(    path="./opera_rtc_downloads",    session=session)

④ dist-s1-enumerator：面向下游多时相应用工作流的官方辅助工具

NASA/OPERA 相关生态中可参考 dist-s1-enumerator：

https://github.com/opera-adt/dist-s1-enumerator

四、开山之作——Small（2011）《Flettening Gamma》

文章速读——地形辐射校正从经验角度修正到地形平场化理论的跨越

This paper extends prevailing traditional concepts of backscatter normalization, introducing a new standard known as terrain-corrected gamma naught.

D. Small, "Flattening Gamma: Radiometric Terrain Correction for SAR Imagery," in IEEE Transactions on Geoscience and Remote Sensing, vol. 49, no. 8, pp. 3081-3093, Aug. 2011, doi: 10.1109/TGRS.2011.2120616. ( https://ieeexplore.ieee.org/document/5752845 )

在简化的平滑椭球地球模型下，若不显式考虑局部地形起伏，可以利用椭球入射角 ) 将 radar brightness ) 转换为相对于地面参考面积归一化的后向散射系数：

]

这里，) 表示相对于椭球面的入射角。该关系在平坦地形或弱起伏地形中具有一定合理性，因为地表参考面积和雷达斜距几何之间的关系可以由简单三角函数近似描述。

面对起伏地形，早期经验性地形校正方法试图将椭球入射角替换为局部入射角，例如使用 ) 描述雷达视线与局部坡面法向之间的夹角，从而对后向散射进行角度缩放。此类方法的直觉是：既然地形改变了入射角，那么用局部入射角替代椭球入射角即可校正地形亮度差异。

但是，这种处理存在明显局限。复杂地形中的辐射畸变并不是一个单点角度问题，而是局部坡面、雷达视线、真实照射面积、地形遮蔽和雷达成像网格之间共同作用的结果。尤其在迎坡区域，当雷达波束接近垂直照射局部坡面时，某些基于 ) 或其倒数的缩放形式会接近退化状态，造成数值不稳定或物理解释失效。这类问题常被概括为局部入射角修正中的数学奇异性或几何退化问题。

因此，传统角度修正的根本问题不是公式写法本身，而是其物理假设过于简单：它试图用一个局部角度变量概括复杂三维地形中的面积投影关系。

4.2. 问题本质：雷达几何与地图几何并不是简单的一一对应

复杂地形下，SAR 辐射地形校正的困难还来自雷达斜距几何（slant-range geometry）与地图几何（map geometry）之间的非同态关系。

SAR 是侧视成像系统。雷达按照斜距方向记录回波，同一斜距单元内可能包含来自不同地面位置的散射贡献。在山体迎坡面，多个地图位置的回波可能被压缩到相近的雷达距离单元中，形成透视收缩（foreshortening）或叠掩（layover）；而在背坡面，雷达照射可能被拉伸，甚至进入阴影区（shadow）。

这意味着，雷达图像中的一个像元与地图空间中的一个像元之间并不总是简单的一对一关系。局部地形会造成：

• 多个地图位置映射到同一个雷达像元；
• 一个雷达像元的能量对应多个地图位置；
• 某些区域因遮蔽无法被雷达照射；
• 某些坡面因迎向雷达而具有异常压缩的有效面积。

在这种情况下，单纯基于某个点的局部入射角进行修正，无法完整描述雷达几何与地形表面之间的面积分配关系。复杂地形中的后向散射归一化，本质上需要处理的是三维地形表面在雷达成像几何中的投影和面积累计问题。

4.3. terrain-flattened )：从角度修正转向参考面积归一化

Small（2011）的关键思想，是将 SAR 辐射地形校正从经验角度修正转向三维参考面积归一化。其目标不是简单改变影像亮度，而是为复杂地形中的后向散射定义一个更合理的参考面积，使同一种地物在不同坡度、坡向和观测几何条件下具有更好的辐射可比性。

SAR 后向散射系数可以理解为：

]

不同参考面积对应不同后向散射系数。对于复杂地形，terrain-flattened ) 的核心是：利用 DEM 和雷达成像几何，估计局部地形在雷达视线方向上的有效投影面积，并将回波强度归一化到该参考面积上。

如果将局部地形划分为微小三维刻面（facets），每个刻面的真实表面积为 (A_{\mathrm{facet}})，局部雷达视线与刻面法向之间的夹角为 (\theta')，则该刻面对雷达视线方向的有效投影面积可以表示为：

]

这里的 ) 不再是由一个简化入射角直接推导出的面积，而是与真实三维地形和雷达观测几何相关的局部投影面积。

在实际处理时，需要遍历 DEM 所表示的三维地形表面，并根据雷达斜距几何判断各个地形刻面与雷达网格之间的对应关系。对于某一雷达网格单元 ((r,a))，可以将所有在几何上贡献到该网格单元的地形刻面投影面积进行累计，得到模拟投影面积：

]

其中，) 表示与雷达网格单元 ) 相关联的地形刻面集合。

在该框架下，terrain-flattened ) 可以被理解为利用雷达亮度和模拟投影面积进行归一化后的结果。概念上可写为：

]

或在包含标定比例因子时表示为：

]

需要注意的是，不同文献和产品实现中，面积因子、标定常数和归一化形式可能采用不同记号。其本质并不是某一个固定公式，而是通过真实三维地形投影面积对 SAR 回波进行归一化，从而削弱地形导致的系统性辐射调制。

4.4. “Flattening” 的含义：不是几何抹平，而是辐射平场化

《Flattening Gamma》中的 “flattening” 容易被误解为将地形在几何上抹平。实际上，它指的是对地形引起的后向散射亮度调制进行平场化处理。

在未进行充分辐射地形校正的 SAR 图像中，迎坡可能显得异常明亮，背坡可能显得偏暗，阴影区甚至没有有效回波。这些亮暗变化部分来自真实地表差异，但也可能来自地形和雷达观测几何。terrain-flattened ) 试图通过面积归一化削弱这种由地形造成的系统性方差，使后向散射值更接近地表本身的散射特性。因此，更严谨的表述是：

terrain-flattened ) 用于降低地形诱导的辐射畸变，而不是完全消除所有地形和观测几何效应。

这一点非常重要。即使经过 RTC 处理，layover、shadow、DEM 误差、森林冠层高度、方位各向异性以及不同传感器处理链差异等因素仍可能影响后向散射。因此，RTC 产品应被理解为更具地形辐射一致性的后向散射表达，而不是绝对真实的地表散射值。

Small（2011）这篇文章对后续 Sentinel-1 RTC 产品影响很大，terrain-flattened ) 提供了重要的物理理论框架，使 SAR 辐射地形校正从经验性入射角修正转向基于参考面积归一化的三维几何表达。然而，要将这一思想转化为适合全球尺度生产的业务化产品，还需要解决一个关键工程问题：如何在保证面积归一化物理一致性的同时，避免对 DEM 进行高倍率过采样所带来的巨大计算开销。

早期 terrain-flattened ) 的工程实现通常依赖双线性分布（Bilinear Distribution, RTC-BI）等面积分配策略。该类方法通过对 DEM 进行高倍率过采样来缓解空间混叠、像元空洞和面积分配不连续等问题。虽然这种策略能够在一定程度上逼近真实地形投影面积，但其计算量会随着过采样倍率迅速增加，难以满足全球尺度、高分辨率、长期时间序列 SAR 产品的业务化生产需求。

在 NISAR 和OPERA 等现代 SAR 处理体系中，面积投影算法（Area Projection, AP）进一步发展了 terrain-flattened ) 的面积归一化思想，并在计算框架上实现了重要转变。AP 方法不再将 DEM 像元或地图网格简单视为单点，而是将其表示为具有实际边界和面积的多边形面元（polygon area elements）。通过显式计算这些面积元素在雷达网格或地图网格中的投影关系，AP 算法能够在不依赖高倍率 DEM 过采样的情况下实现更精确的面积分配。

5.1. RTC-AP：基于面积投影的辐射地形校正

Area Projection 在辐射地形校正中的核心作用，是精确估计每个雷达网格单元对应的有效投影参考面积。与传统基于点采样或简单角度修正的方法不同，RTC-AP 将地理面元投影到雷达成像几何中，并通过多边形栅格化（polygon rasterization）计算投影多边形与雷达网格之间的面积交集。

设地理面元 ) 的局部投影参考面积为 )，其投影后与雷达网格单元 ) 的面积交集权重为 )。则雷达网格单元 ) 的模拟投影面积可表示为：

]

其中，) 表示地理面元 ) 对雷达网格单元 ) 的面积贡献比例。通常有：

]

如果一个地理面元同时与多个雷达网格相交，则其面积贡献会按照相交面积比例分配到不同雷达单元中。理想情况下，权重满足面积守恒约束：

]

这种基于面积交集的分配方式具有两个重要优势。第一，它避免了单点采样在复杂地形中可能产生的遗漏和跳变问题；第二，它减少了对 DEM 高倍率过采样的依赖，使全分辨率 RTC 生产在计算上更加可行。

在该框架下，terrain-flattened ) 的估计可理解为使用雷达观测强度与模拟投影参考面积进行归一化：

]

其中，) 表示雷达网格单元 ) 的 radar brightness，) 表示由面积投影算法估计的有效投影参考面积，) 为与辐射定标和面积单位相关的比例因子。实际产品实现中，公式中的比例因子、面积定义和归一化方向可能采用不同记号，但其核心思想一致：通过显式建模局部地形与雷达成像几何之间的面积关系，削弱地形起伏对后向散射亮度的系统性影响。

传统 RTC-BI 等方法通常需要对 DEM 或地形面元进行过采样，以保证地形投影到雷达网格后不会出现空间混叠、空洞或面积分配不连续。过采样倍率越高，模拟面积越平滑，但计算成本也越高。对于全球 Sentinel-1 长期时间序列产品而言，这种策略会显著增加 I/O、内存和计算负担。

AP 算法的优势在于，它直接处理面积元素之间的几何相交关系，而不是依赖更密集的点采样来近似面积。因此，它能够在较低计算成本下实现更严格的面积守恒和更稳定的辐射归一化。这种转变使 RTC 从“通过高密度采样逼近面积”转向“直接计算面积之间的相交关系”。对于复杂地形、强地物对比和宽幅 SAR 数据，这种方法在物理一致性和业务化效率之间取得了更好的平衡。

5.2. GEO-AP：基于自适应多视的几何编码

Area Projection 的价值不仅体现在辐射地形校正中，也体现在 SAR 图像的几何编码（geocoding）过程中。传统 geocoding 常采用固定窗口多视（constant-window multilooking）来抑制斑点噪声，然后通过插值方法将雷达网格转换到地图网格。这类方法虽然实现简单，但在地形起伏强烈或后向散射对比度较高的区域，可能引入插值伪影或不均匀平滑。

OPERA RTC-S1 所采用的 GEO-AP 思路，是将目标地图像元视为具有面积的地理面元，并根据其与雷达网格单元之间的面积交集，直接计算地理像元的加权平均值。设目标地理像元为 )，雷达网格单元 ) 的观测值为 )，二者之间的面积交集权重为 )，则地理像元值可表示为：

]

其中，分母]

可以理解为该地理像元与雷达观测样本之间的有效重叠程度，也与产品中的有效视数（number of looks）概念相关。与固定窗口多视不同，这种方式会随局部地形、雷达成像几何和网格相交关系自适应调整参与加权的雷达样本，从而在一定程度上减少传统插值和固定窗口平滑带来的伪影。

因此，GEO-AP 并不是简单地将雷达图像插值到地图网格，而是基于面积相交关系进行几何编码。它更接近一种物理几何一致的面积加权投影过程。

5.3. 面向全球数据生产的工程意义

基于面积元素和相交权重的 AP 方法，在物理严谨性和计算效率之间提供了更好的折中。相比依赖高倍率 DEM 过采样的传统实现，AP 算法能够更直接地处理雷达网格与地图网格之间的面积关系，因此更适合高分辨率、宽幅覆盖和长期时间序列的业务化生产。

这一点对于 OPERA RTC-S1 尤其关键。OPERA RTC-S1 面向的是大规模 Sentinel-1 burst 级产品生产，需要在全球范围内稳定生成经辐射地形校正的 ) 后向散射产品。如果仍依赖高倍率过采样策略，全球业务化生产的计算成本将非常高。AP 算法则通过精确面积投影和自适应几何编码，使全分辨率 RTC 生产更加可行。

可以将现代 RTC 工程体系包括几个核心算法；在这一体系中，Small（2011）提供了 terrain-flattened ) 的物理基础；Area Projection 提供了更高效、更严格的面积分配算法；ISCE3 则提供了面向 NISAR/OPERA 等任务的工程实现框架。OPERA RTC-S1 正是在这些理论、算法和工程基础上形成的现代业务化 SAR 基础数据资源。

博主注：ISCE3 是 InSAR Scientific Computing Environment version 3，即第三代 InSAR/SAR 科学计算环境。它是 NASA/JPL 主导开发的开源 SAR/InSAR 处理软件库，用于星载和机载 SAR 数据处理，也是 NISAR 任务处理工作流的重要基础平台。官方文档将其定义为一个面向 spaceborne and airborne SAR data processing 的开源库，并说明其开发目标之一是支撑 NASA-ISRO SAR（NISAR）任务的数据处理流程。