企业官网建设流程全解析

1. 先搞清楚一件事：SLC和GRD根本不是"清晰度不同"那么简单

很多人第一次接触哨兵1号数据，看到SNAP里下载选项列着SLC、GRD、OCN、RAW一堆后缀，第一反应是"选个高级的"，于是无脑点SLC。等数据下下来，几十个G的解压包，打开一堆噪声，做完辐射定标发现影像还是花的，最后又回头下GRD，白白浪费半天时间。这个坑我踩过，也见过太多人在群里问同样的问题。

先把结论摆在前面：SLC和GRD的差别不是"原始"和"成品"的等级差，而是两种完全不同用途的数据形态。SLC（Single Look Complex）是保留相位信息的单视复数数据，每个像元存的是实部和虚部两个数值；GRD（Ground Range Detected）是已经做过多视处理、投影到地距、并且只保留幅度（强度）信息的实数数据。这句话里藏着三个关键差异：相位、多视、几何投影，而这三个恰好决定了你后面所有预处理参数该怎么设。

如果你要做的是变化检测、地物分类、水体提取、灾害范围评估这类"看图说话"的活，GRD基本是首选，因为它已经帮你把多视和投影做完了，你只需要做辐射定标、地形校正、滤波就能出图。但如果你要做的是InSAR形变监测、DEM生成、相干性分析、极化分解这类"用相位算东西"的活，SLC是唯一选择，因为GRD里的相位已经被处理掉了，你根本拿不到干涉信息。

我见过最典型的翻车场景是这样的：某同学要做矿区地表形变，教程里写"下载哨兵1号数据"，他就下了GRD，然后在SNAP里找"Interferogram Formation"算子，死活找不到，或者找到了也报错。原因很简单——GRD没有相位，干涉图根本无从生成。反过来，也有人拿SLC去做土地覆盖分类，做完一堆处理发现运算量巨大、结果还带斑点噪声，其实用GRD做同样的分类，时间能省一大半。

所以这一节的核心就一句话：选数据之前先问自己要什么产品。要幅度图、要分类、要快速出成果，走GRD；要相位、要形变、要高程，走SLC。这个判断在打开任何软件之前就必须完成，否则后面全是无用功。

再补充一个容易被忽略的点：同一个轨道号、同一景区域，SLC和GRD的覆盖范围和坐标系都不一样，SLC是斜距几何、零多视，GRD是地距几何、已有默认多视。这意味着你在做配准、叠加、裁剪的时候，两套数据的参数完全不能通用。有人把GRD的处理流程参数直接套到SLC上，结果配准对不上、裁剪裁偏，排查半天才发现是几何基准不同。记住，参数是跟着数据形态走的，不是跟着"哨兵1号"这个名字走的。

最后提一句数据量。一景SLC解压后动辄8到15个G，GRD一般1到2个G，同区域差了一个数量级。这不是小事，你的内存、临时盘空间、处理时间全都受影响。后面讲参数设置时会反复回到这个点，因为很多所谓的"参数坑"，本质上就是资源没算清楚。

2. 打开软件前的准备：坐标系、轨道文件和那个必须改的缓存路径

2.1 从元信息里读出的三个关键量

数据下下来别急着往软件里拖，先看元信息。哨兵1号的元数据里至少有三个量必须先确认：成像模式（IW、EW、SM、WV）、极化方式（VV、VH、HH、HV组合）、产品类型（SLC/GRD，GRD还分高分辨率和中分辨率）。成像模式决定了你的幅宽和分辨率，IW模式是陆地观测最常用的，幅宽250公里、分辨率5×20米（距离×方位），如果你下的是EW模式，幅宽400公里但分辨率更粗，做小区域精细分析就不合适。

极化方式这块有个实操细节：哨兵1号IW模式通常是双极化（VV+VH或HH+HV），少数情况是单极化。做水体提取，VV对水面特别敏感，因为平静水面后向散射极低，在VV图上呈现明显的暗区；做植被分析，VH对冠层结构更敏感，交叉极化能更好地反映体散射。如果你手头只有单极化数据，某些分析就要提前调整思路，别硬套双极化的教程流程。

产品类型里的GRD还分HR（高分辨率，10米像元）和MR（中分辨率，40米像元）。很多人不知道这个区别，随手下了MR，做完发现边界粗糙、小目标识别不了。做城市、农田这类中小尺度分析，务必选HR。

2.2 精密轨道文件：SLC必配，GRD可选但有讲究

这是个重灾区。哨兵1号的轨道文件分两种：Restituted Orbit（快速轨道，精度约10厘米，几小时内可用）和Precise Orbit（精密轨道，精度约5厘米，约21天后发布）。SNAP里可以自动下载，也可以手动下载后放到指定目录。

对SLC做InSAR来说，精密轨道是必须的，因为轨道误差会直接转化成相位误差，在干涉图上表现为明显的条纹状系统误差，做形变解算时这个误差会被放大。我的习惯是：只要做SLC干涉，一律等精密轨道发布后再处理，宁可晚两三周，也不要拿快速轨道凑合，否则后面去平、解缠环节会反复折磨你。

对GRD来说，轨道精度的要求没那么苛刻，因为GRD做的是幅度分析，轨道误差对后向散射值的影响相对小。但这不代表可以完全不管——地形校正环节要用到轨道和DEM，轨道太糙会导致几何校正的偏移，尤其在山区。所以GRD流程里，我一般也会应用轨道文件，成本很低，收益明确。

手动下载轨道文件时有两个坑要记住：一是轨道文件的命名里带日期区间，要匹配你的数据获取时间，下错了不会报错但结果会偏；二是文件要解压成.EOF格式放到SNAP的auxdata/Orbits/Sentinel-1目录下，很多人只解压了外层zip，里面还是zip，软件认不出，白等半天。

2.3 缓存路径：那个默认设在C盘、迟早撑爆的设置

SNAP默认的缓存目录在用户目录下，做SLC处理时动辄产生几十G的临时文件。我敢说每个长期用SNAP的人都至少被这个问题坑过一次——处理到一半报"磁盘空间不足"，然后整个流程中断，前面算的全白费。

处理方法很简单，打开SNAP，进Tools > Options > S1TBX，把Cache Size调大（建议4096MB以上，内存够的话给8192MB），然后把临时目录指向一个大容量盘。这个设置在SLC流程里几乎是强制的，因为SLC的每个处理步骤都产生中间产品，地形校正那一步尤其吃空间——一景SLC做地形校正，中间文件轻松超过20G。

顺手提一下ENVI这边的情况。ENVI处理SAR数据依赖SARscape扩展模块，它有自己的缓存和临时目录设置，在Preferences > SARscape > General里改。ENVI和SNAP混用时，两边的缓存最好都指向同一个大容量盘，避免出现"这边空间够那边不够"的混乱。另外ENVI读哨兵1号数据要注意，SLC是复数格式，ENVI需要专门的复数读取通道，直接当普通影像打开会丢相位信息。

2.4 一个容易被忽略的前置检查：数据完整性

下完数据先校验一下。哨兵1号的原始包是.zip，里面包着.SAFE目录。如果解压过程中断电或者空间不足，.SAFE里的measurement文件夹可能不完整，表现为tiff文件大小异常。这个时候软件仍能打开文件，但读出来的数据是残的，后面所有处理都建立在不完整数据上，结果不可信还查不出原因。

我的做法是看manifest.safe文件里的校验信息，或者简单对比一下measurement目录下tiff文件的实际大小和元数据里声明的尺寸。这一步花不了一分钟，能省掉后面几小时的困惑。

3. 辐射定标：为什么SLC要分两步、GRD只需要一步

3.1 定标到底在定什么

辐射定标的本质是把DN值（原始数字量化值）转成有物理意义的值。哨兵1号SLC和GRD在这件事上的处理路径不同，根源还是那个词——相位。

GRD是幅度数据，定标后得到的是后向散射系数，通常用σ⁰（sigma nought，地距后向散射系数）或γ⁰（gamma nought，归一化后向散射系数）表示。SNAP里Calibrate算子对GRD处理很直接：读入元数据里的定标查找表（LUT），逐像元乘上定标常数，输出一个浮点型强度图。整个步骤就一层。

SLC就麻烦了。SLC里每个像元是复数（实部+虚部），定标要做两次：先做复数定标得到定标后的复数数据，这一步保留了相位；然后在需要幅度图的时候，再做强度计算（把复数取模平方），得到强度图。如果你只做幅度分析却下了SLC，正确流程是Calibrate之后接一个Complex to Intensity，两步都不能省。有人跳过第二步直接看，看到的还是复数数据的可视化结果，数值没有物理意义。

这里的"为什么"值得说清楚。SLC的定标LUT是针对复数值设计的，它校正的是天线方向图、距离衰减、系统增益这些因素。只有把定标后的复数做取模平方，得到的才是真正的强度。顺序错了，或者漏了一步，你拿到的数值既不是DN也不是σ⁰，处在中间态，做任何定量分析都不可靠。

3.2 输出类型选sigma还是gamma，取决于后面做什么

Calibrate算子有个关键参数Output Image in sigma0，还有Source Band的选择。更实际的问题是：定标结果选σ⁰还是γ⁰？

简单说，σ⁰是地距平面上的后向散射系数，适合平坦地区分析；γ⁰是归一化到标准椭球面的值，去掉了入射角的影响，更适合跨不同入射角比较，或者在山区做对比分析。

判断逻辑很直白：如果你的研究区地形起伏明显，或者要比较不同轨道、不同入射角的数据，用γ⁰；如果研究区平坦、只做单景分析，σ⁰够用。做变化检测时，两次成像的入射角通常有差异，用γ⁰能减少这种差异带来的假变化。

在SNAP里，这个选择体现在Calibrate算子的参数面板上：勾选Output Image in sigma0输出σ⁰，不勾选输出β⁰（beta nought），然后再用Create Gamma0算子从β⁰转换到γ⁰。这里有个容易绕晕的地方：不同版本的SNAP参数名有变化，有的是直接选Complex输出还是Intensity，有的是在Calibration面板里选极化通道和输出类型。稳妥做法是先在小区域或小数据上试一遍，看清输出波段名再批量处理。

3.3 那个常被问起的问题：要不要提前转dB

后向散射系数的动态范围很大，线性值从零点几到几千都有，直接可视化效果很差，所以通常转成dB。但转dB的时机有讲究。

我的经验是：定标后先保留线性值，做完滤波或做完所有定量计算之后，在出图或对比阶段再转dB。原因有两个。一是滤波（比如Refined Lee）在线性域上的统计特性更合理，先转dB再滤波，效果往往不对；二是某些定量分析（比如计算均值、做比值）必须在线性域操作，转成dB后做算术平均是没有物理意义的。

SNAP里有Linear to/from dB算子，位置在Radar > Radiometric > Linear to/from dB。这一步不着急做，等流程走完再决定。

3.4 ENVI侧的定标路径差异

如果你习惯在ENVI里做，情况略有不同。ENVI的SARscape模块处理哨兵1号时，Import Sentinel-1这一步就会根据数据类型分流：读SLC会保留复数信息，读GRD则自动识别为幅度数据。定标环节，SARscape有Radiometric Calibration工具，参数设置里有针对哨兵1号的预设。

实测下来，ENVI的定标流程对GRD很友好，基本一键完成；对SLC则要求你先确认是否启用相干性处理，因为一旦选择生成干涉图，辐射定标和干涉处理是耦合在一起的，顺序不能随便调整。这一点和SNAP的模块化算子思路不同，SNAP里你可以自由排列算子，ENVI里更多是走向导流程。新人容易在这里迷失，因为向导流程不允许你跳过步骤，你没有"偷懒"的空间，但好处是流程更规范。

4. 多视处理：SLC必须做、GRD已经帮你做了的那个环节

4.1 多视在解决什么问题

多视（Multilooking）是SAR处理里最容易被轻视、但影响很大的一个环节。它的作用有两个：压制斑点噪声和调整像元为方形。

SAR的方位向和距离向分辨率天然不相等。哨兵1号IW模式，距离向分辨率约5米，方位向约20米，像元是长方形的。多视就是按一定比例在距离向和方位向平均若干像元，让输出的像元接近正方形，同时通过平均降低斑点噪声的随机性。

GRD数据在生成时已经完成了默认多视（HR模式一般是距离向1视、方位向5视，最终10米像元），所以你拿到GRD不需要再做多视。这一点很关键：很多人拿GRD还去做多视，这是多余操作，会把原本10米的像元进一步平均，损失空间分辨率。

SLC是零多视的，方位向和距离向都是原始采样，所以你需要自己做多视。Multilooking算子的参数是Number of Range Looks和Number of Azimuth Looks两个。

4.2 视数怎么定：一个能算出来的公式

视数不能拍脑袋。基本的约束是让输出像元接近方形：

距离向像元间距 × 距离向视数 ≈ 方位向像元间距 × 方位向视数

以哨兵1号IW SLC为例，距离向像元间距约2.33米（注意这是斜距采样间距，不是地距分辨率），方位向像元间距约13.9米。所以比例大约是1:6，常见设置是距离向1视、方位向5到6视。这个组合能把方位向的像元压到接近距离向，输出接近方形的像元。

但"方形"只是几何约束，真正决定视数的是你的分析需求。视数越大，斑点噪声压得越好，但空间细节损失越多。做区域尺度的土地覆盖分类，用1×5甚至1×6都行；做小目标检测（比如单个建筑、单条道路），视数就要往小里压，甚至可以用1×2，宁可噪声多也别把目标糊掉。

还有一个隐性约束是干涉处理。做InSAR时，多视不仅影响幅度，还影响相干性估计的窗口。多视太大，相干性图上细节丢失，小范围形变容易被平滑掉；多视太小，相干性噪声大，解缠容易出错。做形变监测，我一般用距离向1×方位向5，跟幅度处理保持一致，方便后续对齐。

4.3 ENVI/SARscape里的多视入口不一样

SNAP里多视是一个独立算子，位置在Radar > SAR Utilities > Multilooking，参数就两个数，很直接。

ENVI/SARscape里，多视不是独立菜单，而是嵌在流程里。对SLC，Interferometry > Multilooking或者在Basic流程的Coregistration之后设置；对GRD，压根没有多视这一步，因为不需要。这个差异导致不少人从SNAP转到ENVI时找不到多视入口，以为软件不支持，其实是位置和逻辑不同。

另外提一下SARscape的一个贴心设计：做干涉处理时，多视参数可以在Interferogram Generation那一步一并设置，距离向和方位向视数直接填。这样干涉图和多视结果是对齐的，省掉后面再配准的麻烦。SNAP里则是分开的，需要你自己保证前后参数一致。

4.4 多视顺序：放在定标前还是定标后

这个问题问的人不少。严格来说，多视放在辐射定标之后更稳妥，因为定标LUT是按原始像元网格设计的，先多视再定标会导致LUT和像元对不齐。SNAP的推荐流程也是先Calibrate再多视。

但有个例外：如果你只是做快速预览、想先看看数据长什么样，可以先多视把数据量压下来，再定标。这种"先看后算"的做法在数据量大时很实用，SLC动辄十几个G，先多视到1×5能把体积压下去一截，处理起来轻快很多。正式成果再按标准顺序走一遍。

5. 地形校正：两种数据在这儿分道扬镳

5.1 为什么地形校正对SAR特别重要

SAR是侧视成像，山区的几何畸变非常严重：迎坡面被压缩（叠掩和透视收缩），背坡面被拉伸（阴影）。如果不做地形校正，同一座山在影像上的位置和在实际地图上的位置对不上，做任何叠加分析都是错的。

地形校正（Terrain Correction）用外部DEM把斜距几何或地距几何的数据重投影到地图坐标系，同时校正辐射畸变。哨兵1号的数据处理里，这一步几乎是必做的，无论SLC还是GRD。

5.2 SLC和GRD的地形校正参数差异

SNAP里用Range-Doppler Terrain Correction算子。两者的核心差异在于输入数据的几何基准不同：

SLC是斜距几何，地形校正时需要先做距离-多普勒投影，Source Bands选的是定标后的复数或强度波段，Pixel Spacing一般设10米（和GRD HR对齐，方便后续融合），DEM选SRTM 1Sec或3Sec。这里有个参数叫Image Resampling Method，SLC做形变分析时建议用Bilinear interpolation或Cubic convolution，保相位的同时保精度。

GRD是地距几何，地形校正相对直接，但要注意Pixel Spacing别和GRD本身的像元打架。GRD HR是10米像元，地形校正时Pixel Spacing设10米是匹配的，设成20米等于变相降采样，设成5米是上采样，不会增加信息量。

一个高频错误：用GRD做地形校正时忘记选DEM，或者DEM的范围不覆盖研究区。SNAP会自动下载SRTM，但如果研究区在高纬度（超过60度），SRTM没有覆盖，就得手动准备DEM（比如ALOS World 3D）。这时候如果不换DEM，地形校正会报错或者输出空白区域。这个问题在西部高原和高纬度地区特别常见。

5.3 输出坐标系：别让默认值坑了你

Range-Doppler Terrain Correction的Map Projection参数默认是WGS84地理坐标（经纬度）。如果你的后续分析要用投影坐标（比如计算面积、做距离量算），必须手动改成对应的UTM带或Albers投影。

这个坑的隐蔽性在于：用经纬度坐标的影像也能正常显示、正常出图，但一算面积就错——经纬度下1度对应的实际距离随纬度变化，直接用像元数乘像元尺寸算面积会偏差百分之几十。做灾害评估、农田统计这类需要面积的活，坐标系必须先定对。

我的习惯是：地形校正这一步就把投影定死，后续所有处理都在同一个投影下进行，避免反复重投影带来的精度损失。

5.4 地形校正后的"黑边"和无效值处理

地形校正后的影像边缘会出现黑边（无效值），这是重投影的正常产物。SNAP默认用0填充，某些分析里0会被误当成有效值参与统计，导致结果偏低。

处理方法是在Range-Doppler Terrain Correction里勾选Mask out areas without elevation，或者后续用Band Maths做掩膜。ENVI里对应的是Valid Pixel Mask或Apply Mask选项。这一步在批量处理时尤其要记得，不然一批影像出来，边缘统计全是错的。

另外，SLC地形校正后的相位信息在重采样过程中会受影响，做形变解算时这一步的顺序要慎重——通常形变解算在斜距几何下就完成了，地形校正放在最后出图用，而不是在解算前做。这个顺序搞反，相位会被重采样破坏，形变结果直接失真。

6. 斑点滤波：参数怎么选，什么时候干脆别做

6.1 滤波不是必选项

新手最常见的动作是"定标-多视-滤波-地形校正"四连，仿佛滤波是规定动作。实际上滤波是可选的，而且做不做要看用途。

如果你的目标是提取后向散射值做定量分析（比如土壤湿度反演、作物生长监测），滤波会改变像元的统计分布，引入偏差，这时候要么不滤波，要么滤波后做校正。如果你的目标是目视解译、分类、变化检测的可视化，滤波能显著改善观感，值得做。

判断标准很简单：滤波是为了压制斑点噪声的随机性，如果你的分析对单个像元值敏感，就别做；如果对纹理和区域特征敏感，就做。

6.2 Refined Lee和其他滤波器的适用场景

SNAP里常用的滤波器：Lee、Refined Lee、Frost、Gamma Map、Median。Refined Lee是综合表现最好的，它基于局部统计特性自适应调整，能在压噪的同时保留边缘和纹理，是SAR幅度图滤波的默认选择。

参数主要是窗口大小，SNAP里Refined Lee的窗口是固定的7×7，Lee Sigma可以调。窗口越大压噪越强、细节丢得越多。做区域分析用7×7够用，做小目标保留细节可以试试5×5。

Gamma Map适合Gamma分布的SAR强度数据，在均匀区域表现好；Frost的衰减参数需要调，不太适合新手盲用；Median滤波简单粗暴，但对点目标和线状目标破坏明显。

表格对比一下常见的几个：

6.3 一个反直觉的建议：干涉流程里别急着滤波

做InSAR时，幅度图的滤波和干涉图的滤波是两回事。干涉图的滤波（Goldstein、Boxcar）是在干涉相位上做，目的是提高相干性、方便解缠；幅度图的滤波对干涉没有帮助，反而可能在配准环节引入偏差。

所以SLC的干涉流程里，我一般跳过幅度滤波，直接进配准和干涉图生成。要出幅度底图的时候再单独做一次滤波。这个顺序上的小调整，能省掉不少重复计算。

7. 配准与堆栈：多时相处理时SLC和GRD的路线不同

7.1 GRD的配准相对宽容

做多时相分析（变化检测、时间序列），需要把多景影像配准到同一网格。GRD因为是地距几何、已经做过投影，配准相对简单，SNAP里用Coregistration（有DEM Assisted Coregistration和Cross Correlation两种），或者直接在地形校正后用Stack工具按地理坐标堆叠。

GRD配准的容差大一些，因为像元是10米级的，小幅偏移对结果影响有限。但要注意时间基线——两景间隔太长，地表变化大会影响互相关配准的精度，这时候用DEM辅助配准更稳。

7.2 SLC配准是精度活

SLC的配准要求高得多，因为要做干涉，两景的配准误差必须控制在亚像元级（通常要求小于0.1个像元，方位向更严）。SNAP里用Back Geocoding（基于轨道和DEM的几何配准）或者DEM Assisted Coregistration with XCorr。

流程上，Back Geocoding是主流：先用轨道参数和DEM把主影像反算到地理坐标，再把从影像映射过来，然后用互相关精化。这个算子的输入是两景SLC和DEM，参数里Mask Out Areas Without Elevation要勾上。

这里的关键坑：主从影像的选择。时间序列里要选一景作为主影像（Super Stack或Star Stack），主影像的选择影响所有干涉对的质量。经验做法是选时间序列中间的一景，或者选相干性最好的一景，避免选到有严重失相干（比如雨季、植被变化大）的影像。

7.3 堆栈后的处理顺序

多景堆叠之后，处理顺序会影响效率和结果。GRD堆栈一般按"配准-定标-滤波-地形校正"走，或者先各自地形校正再按坐标堆叠。SLC堆栈则必须先配准（Back Geocoding）再生成干涉图，干涉图生成后才能做后续的相位处理。

一个实操建议：GRD堆栈可以并行处理，SLC堆栈尽量串行。SLC的中间文件太大，并行处理容易把内存和磁盘撑爆；GRD体积小，并行能明显提速。我自己做GRD时间序列时，一般开三到四个进程并行，SLC则老老实实一景一景来。

8. 踩坑实录：几个真实翻车现场和排查链路

8.1 干涉图一片噪声，查到最后是轨道文件没应用

有一次做形变分析，干涉图出来后满屏噪声，几乎看不到条纹。第一反应是多视参数不对，调了半天没改善。然后怀疑配准失败，检查Back Geocoding的输出，配准质量指标看起来正常。接着怀疑时间去相干，换了一对时间更近的影像，还是噪声。

最后翻到轨道文件那一步，发现SNAP自动下载轨道失败了，用的是默认轨道（精度差），而我没注意到日志里的警告。手动下载精密轨道、重新应用之后，干涉图立刻正常。

排查链路总结：干涉图全噪声时，先看轨道、再看配准、再看时间去相干、最后看多视。这个顺序是按影响权重排的，轨道问题最常见也最容易被忽略，因为软件不报错，只是静默降级。

8.2 GRD地形校正后面积算出来偏小

有人反馈地形校正后的影像用像元数算面积，比实际区域小了近三成。查了一圈，发现是坐标系问题——地形校正时用了默认的WGS84经纬度，然后按10米×10米算像元面积，但那个纬度下1度经度对应的实际距离远小于赤道，直接乘10米当然错。

修复很简单：地形校正时把Map Projection改成UTM对应带，输出后像元面积就是真实的10×10平方米（UTM在带内变形很小，可接受）。这个坑的教训是：凡是涉及面积、距离的定量分析，坐标系必须用投影坐标，经纬度只能用来出图。

8.3 SLC定标后数值异常，原因是漏了强度转换

有人拿SLC做后向散射统计，发现数值有正有负，量级也不对。原因是他只做了Calibrate，输出还是复数（实部虚部），直接可视化看到的是复数的某个分量，当然有正负。

正确流程是Calibrate之后接Complex to Intensity，得到非负的强度值，再做后续统计。这个错误在SNAP的界面上不容易察觉，因为复数数据也能显示、也能出图，只是数值没有物理意义。判断方法：看波段名，如果带complex或i_q字样，就是还没转强度。

8.4 ENVI导入SLC报"数据格式不支持"

ENVI的SARscape导入哨兵1号SLC时，要求数据是完整的.SAFE结构，且.zip已经正确解压。有人为了省空间，只解压了measurement目录，缺了annotation里的元数据，导入时报格式不支持。

修复：完整解压.SAFE目录，保留annotation、measurement、support所有子目录。元数据文件是定标和几何校正的依据，缺了任何一个都不行。

9. 参数速查与流程对照表

把前面散落的参数整理成两张表，方便对照。第一张是SLC和GRD的处理流程对比：

第二张是常见参数推荐值：

10. 我个人的几条实操体会

先说数据选择。我现在的习惯是，接到一个SAR任务先花十分钟确认三件事：要相位还是只要幅度、研究区多大、时间要求多紧。要相位就SLC没得选；只要幅度、区域不大、时间紧，GRD从下载到出图能比SLC快三四倍。这个判断做对了，后面的坑能少一大半。

再说轨道。SLC流程里我宁可多等两三天，也要用精密轨道。快速轨道的误差在干涉图上表现太明显，后面去平、滤波、解缠每一步都在跟这个误差较劲，得不偿失。

关于多视，我的建议是别迷信教程里的固定值。1×5是通用起点，但你的研究区如果是城市，1×3可能更合适，因为城市建筑密集、小目标多，多视太大会把街区糊成一片；如果是大范围农田或水体，1×5甚至1×6都行，压噪效果更好。

地形校正这一步，我强烈建议把投影在流程早期就定死，不要等到最后出图才想起来改。见过太多人做到最后发现面积算错、坐标对不上，回头重跑整个流程。

最后说软件选择。SNAP的算子自由度高，适合做实验和调参；ENVI/SARscape的向导流程规范，适合批量生产和标准化。我的用法是前期用SNAP调通参数、验证流程，后期用SARscape批量出图，两边缓存都指向同一个大容量盘。这个组合用下来，效率和可控性都能接受。

另外再分享一个小技巧：SNAP处理大景SLC时，如果内存吃紧，可以在Options > Performance里把Tile Size调小（比如512或256），让SNAP分块处理，避免一次性加载整景导致内存溢出。这个设置不改变结果，只影响处理速度和内存占用，在低配机器上很实用。