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
编程
geoskill-sar-wind-speed
试用SAR 海面风场反演：基于简化 CMOD5/CMOD7 经验地球物理模型，由后向散射系数 σ⁰ 与风向二分法数值反演海面风速场
它能做什么
SAR 海面风场反演：基于简化 CMOD5/CMOD7 经验地球物理模型，由后向散射系数 σ⁰ 与风向二分法数值反演海面风速场
技能文档
SAR海面风场反演 | SAR Sea Surface Wind Retrieval
Retrieves sea-surface wind speed at 10 m height from the SAR backscatter coefficient σ⁰, using a simplified CMOD (C-band Model) empirical geophysical model:
σ⁰_dB(U, φ, θ) = [a0 + a1·θ] + [s0 + s1·θ]·U·M(φ)
M(φ) = 1 + m1·cosφ + m2·cos2φ
where U is the wind speed (m/s), θ is the incidence angle, φ is the angle between the wind direction and the radar look direction, and M(φ) is the azimuthal modulation (upwind > crosswind > downwind). Since σ⁰_dB increases monotonically with U, the retrieval solves per-pixel roots using a vectorized bisection method and supports two sets of empirical coefficients: CMOD5 / CMOD7.
Application Scenarios / 应用场景
- Sea-surface wind field monitoring; wind field structure analysis of typhoons / cyclones
- Studies of ocean dynamics and air–sea interaction
- Offshore wind farm resource assessment
Dependencies / 依赖
pip install 'numpy' 'rasterio'
Usage / 使用方法
Example 1 (Synthetic Data, Offline)
python geoskill-sar-wind-speed.py --bbox 121.0 30.0 122.0 31.0 --wind-dir 45 --cmod cmod5 --synthetic --output-dir ./out
示例 2（CMOD7）
python geoskill-sar-wind-speed.py --bbox 121.0 30.0 122.0 31.0 --wind-dir 90 --cmod cmod7 --synthetic --output-dir ./out
Example 3 (Real σ⁰ Imagery)
python geoskill-sar-wind-speed.py --input sigma0_db.tif --wind-dir 225 --incidence-angle 35 --output-dir ./out
Example 4 (Specified Radar Azimuth)
python geoskill-sar-wind-speed.py --input sigma0_db.tif --wind-dir 180 --radar-azimuth 90 --output-dir ./out
Output / 输出
| File | Format | Description |
|---|---|---|
wind_speed.tif | GeoTIFF | Retrieved wind speed field (m/s) |
retrieval_params.json | JSON | Model coefficients, wind direction, incidence angle, and other parameters |
output-manifest.json | JSON | Run manifest (including RMSE/correlation-coefficient QA for synthetic mode) |
Data Source / 数据源 / Source
A local σ⁰ (dB) GeoTIFF, or a simulated scene generated by CMOD forward modeling of a --synthetic spatially varying wind field.
Privacy / 隐私声明 / Privacy
- Runs offline by default;
--syntheticmode requires no network at all. - All processing is done locally; no user data is uploaded.
License / License
MIT
name: geoskill-sar-wind-speed description: 'SAR 海面风场反演：基于简化 CMOD5/CMOD7 经验地球物理模型，由后向散射系数 σ⁰ 与风向二分法数值反演海面风速场'
SAR海面风场反演 | SAR Sea Surface Wind Retrieval
从 SAR 后向散射系数 σ⁰ 反演海面 10 m 高度风速。采用简化的 CMOD（C-band Model） 经验模型：
σ⁰_dB(U, φ, θ) = [a0 + a1·θ] + [s0 + s1·θ]·U·M(φ)
M(φ) = 1 + m1·cosφ + m2·cos2φ
其中 U 为风速 (m/s)，θ 为入射角，φ 为风向与雷达视线夹角，M(φ) 为方位向调制 （迎风 > 侧风 > 顺风）。σ⁰_dB 对 U 单调递增，反演时用向量化二分法逐像元求根， 支持 CMOD5 / CMOD7 两套经验系数。
应用场景
- 海面风场监测、台风/气旋风场结构分析
- 海洋动力学与海气相互作用研究
- 海上风电场资源评估
依赖
pip install 'numpy' 'rasterio'
使用方法
示例 1（合成数据，离线）
python geoskill-sar-wind-speed.py --bbox 121.0 30.0 122.0 31.0 --wind-dir 45 --cmod cmod5 --synthetic --output-dir ./out
示例 2（CMOD7）
python geoskill-sar-wind-speed.py --bbox 121.0 30.0 122.0 31.0 --wind-dir 90 --cmod cmod7 --synthetic --output-dir ./out
示例 3（真实 σ⁰ 影像）
python geoskill-sar-wind-speed.py --input sigma0_db.tif --wind-dir 225 --incidence-angle 35 --output-dir ./out
示例 4（指定雷达方位）
python geoskill-sar-wind-speed.py --input sigma0_db.tif --wind-dir 180 --radar-azimuth 90 --output-dir ./out
输出
| 文件 | 格式 | 说明 |
|---|---|---|
wind_speed.tif | GeoTIFF | 反演风速场 (m/s) |
retrieval_params.json | JSON | 模型系数、风向、入射角等参数 |
output-manifest.json | JSON | 运行清单（含合成模式 RMSE/相关系数 QA） |
数据源 / Source
本地 σ⁰ (dB) GeoTIFF，或 --synthetic 空间变化风场经 CMOD 正演的模拟场景。
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
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 船舶检测：CA/OS-CFAR 恒虚警检测 + 连通域聚类，从单极化 SAR 强度影像提取船舶目标并输出 GeoJSON 矢量与属性表
1 次安装
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。
1 次安装
基于风速时序的风能资源评估：逐像元 Weibull 分布拟合（矩估计/MLE）、风功率密度 WPD=0.5ρmean(v³)、幂律高度外推与年发电量估算。Wind resource assessment from wind-speed time series: per-pixel Weibull fitting, wind power density, power-law height extrapolation, and annual energy yield. 输出平均风速/功率密度/Weibull 参数 GeoTIFF + 参数 JSON + manifest。
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