geoskill-sar-urban-mapping

SAR 城市制图 | SAR Urban Mapping

Extracts urban / built-up areas from single-temporal SAR backscatter (σ⁰, linear power). Physical basis:

• High backscatter: buildings create numerous dihedral / trihedral corner reflectors, so σ⁰ in the C/X bands is significantly higher than over farmland and water.
• High texture: building layouts produce strong spatial heterogeneity and high GLCM contrast, whereas farmland / water surfaces are texturally uniform.

Method workflow:

1. Threshold segmentation: --threshold auto determines the σ⁰ threshold automatically via Otsu's maximum inter-class variance; a fixed linear σ⁰ threshold may also be passed.
2. Texture assistance (--texture true): applies an additional GLCM contrast threshold (Otsu) to suppress false positives from bare soil / calm water, which show high σ⁰ but uniform texture.
3. Morphological closing: fills holes within city blocks and connects urban patches, followed by light opening for denoising.

Dependencies / 依赖

pip install numpy rasterio scipy

Usage / 使用方法

基本用法（仅给 bbox，自动合成）

python geoskill-sar-urban-mapping.py --bbox 116.0 39.0 117.0 40.0 --output-dir ./out

Example 1: Synthetic Data (Offline)

python geoskill-sar-urban-mapping.py --bbox 116 39 117 40 --synthetic --output-dir ./syn

示例 2：真实 SAR σ⁰ 影像

python geoskill-sar-urban-mapping.py --input sigma0_linear.tif --output-dir ./real

Example 3: Fixed Threshold + Texture Disabled

python geoskill-sar-urban-mapping.py --input sigma0.tif --threshold 0.05 --texture false --output-dir ./fixed

Example 4: Another Region (Shanghai)

python geoskill-sar-urban-mapping.py --bbox 121.0 31.0 122.0 32.0 --output-dir ./shanghai --quiet

Output / 输出

Data Source / 数据源 / Source

• Real mode: a local SAR σ⁰ GeoTIFF (linear power, obtainable from Sentinel-1 GRD via radiometric calibration).
• Synthetic mode: locally generates a low-value farmland / water background plus high-value, high-texture urban patches, with no external data source.

Privacy / 隐私声明 / Privacy

• Runs fully offline by default; --synthetic involves no network at all.
• All processing is done locally; no user data is uploaded.

License / License

MIT

---

---

name: geoskill-sar-urban-mapping description: '基于SAR后向散射与GLCM纹理的城市建成区提取：Otsu/固定σ⁰阈值 + GLCM对比度纹理 + 形态学闭运算，输出城市范围二值GeoTIFF与面积统计JSON。SAR urban/built-up mapping via backscatter threshold, GLCM texture and morphology.'

SAR 城市制图 | SAR Urban Mapping

从单时相 SAR 后向散射（σ⁰，线性功率）中提取城市 / 建成区。物理依据：

• 高后向散射：城市建筑形成大量二面角 / 三面角反射器，在 C/X 波段 σ⁰ 显著高于农田与水体。
• 高纹理：建筑布局造成强空间异质性，GLCM 对比度高；农田 / 水面纹理均匀。

方法流程：

1. 阈值分割：--threshold auto 用 Otsu 最大类间方差自动确定 σ⁰ 门限， 也可传入固定线性 σ⁰ 门限。
2. 纹理辅助（--texture true）：叠加 GLCM 对比度门限（Otsu），抑制 高 σ⁰ 但纹理均匀的裸土 / 静水误检。
3. 形态学闭运算：填充街区空洞、连通城市斑块，并轻微开运算去噪。

依赖

pip install numpy rasterio scipy

使用方法

基本用法（仅给 bbox，自动合成）

python geoskill-sar-urban-mapping.py --bbox 116.0 39.0 117.0 40.0 --output-dir ./out

示例 1：合成数据（离线）

python geoskill-sar-urban-mapping.py --bbox 116 39 117 40 --synthetic --output-dir ./syn

示例 2：真实 SAR σ⁰ 影像

python geoskill-sar-urban-mapping.py --input sigma0_linear.tif --output-dir ./real

示例 3：固定阈值 + 关闭纹理

python geoskill-sar-urban-mapping.py --input sigma0.tif --threshold 0.05 --texture false --output-dir ./fixed

示例 4：另一区域（上海）

python geoskill-sar-urban-mapping.py --bbox 121.0 31.0 122.0 32.0 --output-dir ./shanghai --quiet

输出

数据源 / Source

• 真实模式：本地 SAR σ⁰ GeoTIFF（线性功率，可由 Sentinel-1 GRD 经辐射定标得到）。
• 合成模式：本地生成低值农田 / 水体背景 + 高值高纹理城市斑块，无外部数据源。

隐私声明 / Privacy

• 默认完全离线运行，--synthetic 无任何网络。
• 所有处理本地完成，不上传用户数据。

License

MIT