基于多时相 SAR 后向散射时序的农作物分类：逐像元时序/统计/物候特征 + 随机森林。SAR crop classification from multi-temporal backscatter time series using per-pixel phenological features and Random Forest. 合成模式生成水稻/小麦/玉米三类时序真值并评估精度，输出分类 GeoTIFF + 面积统计 + 混淆矩阵 JSON。
1 次安装
编程
geoskill-sar-backscatter-analysis
试用多时相 SAR 后向散射时序统计：逐像元均值/标准差/振幅/变异系数与极化比。Multi-temporal SAR backscatter time-series statistics (mean/std/amplitude/CV) and polarization ratio. 输入多时相 σ⁰ 立方体（或用 --synthetic 生成含植被物候正弦信号的时序），输出多波段统计 GeoTIFF + 时序曲线 JSON。
它能做什么
多时相 SAR 后向散射时序统计：逐像元均值/标准差/振幅/变异系数与极化比。Multi-temporal SAR backscatter time-series statistics (mean/std/amplitude/CV) and polarization ratio. 输入多时相 σ⁰ 立方体（或用 --synthetic 生成含植被物候正弦信号的时序），输出多波段统计 GeoTIFF + 时序曲线 JSON。
技能文档
SAR后向散射分析 | SAR Backscatter Analysis
(Fill in 2-3 paragraphs of Chinese introduction here: features, application scenarios, core algorithm.)
Dependencies / 依赖
pip install 'numpy' 'rasterio'
Usage / 使用方法
Basic Usage
python geoskill-sar-backscatter-analysis.py --bbox 116.0 39.0 117.0 40.0 [other options]
Example 1 (synthetic data, offline)
python geoskill-sar-backscatter-analysis.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out
Examples 2-5
(Add at least 4 real usage examples.)
Output / 输出
| File | Format | Description |
|---|---|---|
result.tif | GeoTIFF | Primary output |
output-manifest.json | JSON | Run manifest |
Data Source / 数据源 / Source
(Describe the data source: free satellite data / local input / synthetic.)
Privacy / 隐私声明 / Privacy
- Runs offline by default;
--syntheticmode is fully network-free. - All processing is done locally; no user data is uploaded.
License / License
MIT
name: geoskill-sar-backscatter-analysis description: '多时相 SAR 后向散射时序统计：逐像元均值/标准差/振幅/变异系数与极化比。Multi-temporal SAR backscatter time-series statistics (mean/std/amplitude/CV) and polarization ratio. 输入多时相 σ⁰ 立方体（或用 --synthetic 生成含植被物候正弦信号的时序），输出多波段统计 GeoTIFF + 时序曲线 JSON。'
SAR后向散射分析 | SAR Backscatter Analysis
（在此填写 2-3 段中文介绍：功能、应用场景、核心算法。）
依赖
pip install 'numpy' 'rasterio'
使用方法
基本用法
python geoskill-sar-backscatter-analysis.py --bbox 116.0 39.0 117.0 40.0 [其他参数]
示例 1（合成数据，离线）
python geoskill-sar-backscatter-analysis.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out
示例 2-5
（补充至少 4 个真实用法示例。）
输出
| 文件 | 格式 | 说明 |
|---|---|---|
result.tif | GeoTIFF | 主产物 |
output-manifest.json | JSON | 运行清单 |
数据源 / Source
（说明数据来源：免费卫星数据 / 本地输入 / 合成。）
隐私声明 / Privacy
- 默认离线运行，
--synthetic模式完全无网络。 - 所有处理在本地完成，不上传用户数据。
License
MIT
相关技能
SAR 森林生物量估算：由后向散射 σ⁰ 用线性/饱和经验模型反演森林地上生物量 AGB (t/ha)，支持 C/L 波段与地面样本标定
1 次安装
基于 SAR 低后向散射特性的洪水范围制图：Otsu 阈值分割低 σ⁰ 水体 + 形态学去噪 + 可选 DEM 坡度排除，并矢量化为 GeoJSON。SAR flood extent mapping via Otsu thresholding of low backscatter, morphological cleanup and vectorization. 输出洪水二值 GeoTIFF + 面积统计 JSON + 范围 GeoJSON。
1 次安装
SAR 土壤湿度反演：基于简化 Dubois/Oh 半经验模型，由后向散射系数 σ⁰、入射角与地表粗糙度解析反演裸土体积含水量 (m³/m³)
1 次安装
极化SAR分解：Cloude-Pottier H/A/α 特征分解与 Freeman 三分量分解，输出散射熵、各向异性、散射角与表面/二面角/体散射功率
1 次安装
融合InSAR形变速率、后向散射变化与DEM坡度综合加权评分，双门限提取疑似滑坡连通域并矢量化分级（high/medium/low），输出滑坡GeoJSON、形变速率/风险评分GeoTIFF与风险汇总JSON。SAR landslide detection fusing InSAR deformation, backscatter change and slope.
1 次安装