利用GLCM纹理分析的高分辨率SAR图像建筑区检测_赵凌君

国产高分辨率卫星影像自动化高精度处理

国产高分辨率卫星影像自动化高精度处理----------卫星影像基于已有DOM/DEM自动化处理测试报告1、测试情况 1.1.数据情况 影像类型景数单景全色大小单景多光谱大小 高分一号31624Ｍ156Ｍ 天绘一号15976Ｍ137Ｍ资源1号02Ｃ7300Ｍ*2103Ｍ资源三号6 1.12Ｇ606Ｍ 1.2参考数据 参考DOM：影像分辨率为2米； 参考DEM：1：1万分幅DEM，格网间距为5米。 1.3机器性能 电脑工作站一台，其主要性能配置如下： CPU：Intel Xeon E5-269016核 RAM：128G 磁盘驱动器：Samsung SSD850

2 、作业流程 3、效率统计 3.1预处理 已有DEM和DOM预处理可在任务开展前，电脑全自动化进行预 处理，本次任务预处理1：10000分幅参考DEM2871，参考DOM40.5G，利用晚上时间（18小时）完成。 3.2自动定向纠正与融合处理 备注：以下时间全为计算机自动计算的时间，不需额外人工处理 影像类型全色影像自动定向与纠正全色与多光谱影像配准纠正与融合 高分一号4.5分钟/景（总共20景，7核 并行，90分钟完成） 1.2分钟/景（总共31景，12核并行， 37分钟完成） 天绘一号9分钟/景（总共9景，5核并 行，85分钟完成） 6分钟/景（总共15景，15核并行， 106分钟完成） 资源三号25分钟/景（总共5景，单核 处理，128分钟完成） 45分钟/景（总共5景，单核处理， 220分钟完成）

4、成果展示 4.1控制点分布情况 备注：因计算机保密要求，以下所有图片均为彩色打印再扫描得到的，色彩有些偏色。 图1高分一号全色影像基于底图匹配控制点分布情况 图2天绘全色影像基于底图匹配控制点分布情况

8.1.2图像的分辨率,图像的颜色深度

池河中学2017-2018学年度第一学期教学设计 年级8年级 科 目信息 技术 任课教师李瑞峰授课时间 1 课题图像的分辨率，图像的颜色深度授课类型新授 课标依据学习应用技能 ,提高信息素养,培养创新能力 《图像的分辨率，图像的颜色深度》属于初中信息技术课程第1章图形图像初步知识中的重要内容，本节课选用的教材是人民教育出版社出版的：《信息技术》八年级上册中的二节。主要是帮助学生掌握一些基本的概念，教会学生理解图像参数的方法。 教学目标知识与 技能 理解和掌握图像的分辨率，图像的颜色深度概念，并能理解二者对图像的影响。 过程与 方法 通过自学和讲解二个参数的特点，理解它们之间的联系与区别。 情感态 度与价 值观 激发并保持利用信息技术不断学习和探索的热情，形成积极主动地学习和使用信息技术、参与信息技术的 活动。 教学重点难点教学 重点 全面掌握图像的分辨率，图像的颜色深度概念。 编号：8.1.2

教学 难点 掌握图像的颜色深度。 教学过程设计 师生活动设计意图回想上节课的内容，我们学习了位图和矢量图， 在学习过程中我们也提到了像素，分辨率等概念， 今天我们要加深这几个概念的了解。 在照像机的参数中。像素是描述的数码相机的 主要参数，引出分辨率的概念。 任务一，阅读自学课本第二课，初步了解像素 和深度概念。 布置探究任务二，按课本要求查看图像素材文 件像素、存储容量、颜色位数。查看过程中理解分 辨率和文件大小及像素等概念。 发放相关知识材料教师对照讲解让学生理解分 辨率和像素的关系。 阶段性小结。图像分辨率则是单位英寸中所包 含的像素点数，辨率是图片清晰程度的标志。 显示分辨率与图像分辨率两个方向来分类 利用电脑的显示属性设置来自主探究“位深度” 的概念。 任务三，动手调整计算机的显示参数 教师提示：右键，分辨率，高级设置 阶段性小结 复习巩固旧 知识，引出 新知识。 以任务为驱 动开展教学 激发学生兴 趣；引导学 生发现问 题，并学会 分析问题。 学生动手进行 操作，在操作 中体会理解概 念

高空间分辨率图像

高空间分辨率图像 卫星影像空间分辨率能够被传感器辨识的单一地物或2个相邻地物间的最小尺寸。空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。广西善图科技有限公司 高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。 目前，已经商业化运行的光学遥感卫星的空间分辨率已经达到“亚米级”，如2016年发射的美国WorldView-4卫星能够提供0.3 m分辨率的高清晰地面图像。 近年来，随着我国空间技术的快速发展，特别是高分辨率对地观测系统重大专项的实施，我国的卫星遥感技术也迈入了亚米级时代，高分2号卫星（GF-2）全色谱段星下点空间分辨率达到0.8 m。

上海陆家嘴高分辨率图像 GF-2号卫星0.8 m全色与3.2 m多光谱融合结果 商业化高分图像的多领域应用 农业 法国SPOT-5 2.5 m融合图像已经被应用于农作物种植面积的小区域精细抽样调查，基于空间排列结构特征分析，可以实现人工种植园中冬小麦、水稻和棉花等种植区域的提取。 城市规划管理 GF-2图像可准确地识别城市街道、行道绿地、公园、建筑物、甚至车辆数量信息。 海岸带调查 应用美国WorldView-2高分数据，大幅提高了海岸线提取的精度，实现了围填海状况监测。 灾情评估 高分图像可以实现滑坡和洪水淹没区快速提取、建筑物毁坏等监测，还可利用如美国IKONOS高分影像生成立体像对地震灾害前后房屋做精准的损毁状况评估。 军事国防 高分图像可以精确识别敌方的人员与装备，包括装备的型号、数量、调动等重要信息。

高分辨率遥感图像融合方法的比较正式

包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月

摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；

多光谱和全色图像研究背景及意义

1、 研究背景及意义 遥感影像具有成像区域面积大（一幅图像可以包括的地表的面积可达几十*几十平方公里，甚至上百），在外太空可以不受天气影像，成像快速等特点，在工农业生产、军事侦察打击，地球资源普查等方面有着重要应用。一般遥感卫星上具有一个全色传感器，可以对大范围的光谱进行光谱响应，形成全色图像。全色图像是灰色图像，具有高的空间分辨率，但是因为只有一个光谱带，因此光谱分辨率较低，不能确定地物的类型，对地物类型识别极为不利。为了弥补全色图像的不足，卫星上一般同时搭载一个多光谱传感器（常见的有红、绿、蓝、近红外、远红外光谱带等）。由于物理器件的限制，多光谱传感器具有高的光谱分辨率，但是空间分辨率较低。多光谱和全色图像融合就是结合全色图像具有高的空间分辨率，多光谱图像具有高的光谱分辨率的优点，合成具有全色的空间分辨率和多光谱图像的光谱分辨率的融合图像。 2、 研究现状 早期多光谱和全色图像的融合方法有比率法(brovey 方法)和成分替换法（HIS 方法、PCA 方法等），后来随着多尺度分析工具的出现，出现了多尺度图像融合(高通滤波，小波变换，contourlet 变换，NSCT 等变换的多尺度图像融合方法)，最近有基于变分方程能量函数最优解的图像融合和基于稀疏表示的图像融合以及两类方法的结合(如HIS 和多尺度分析的结合)的融合方法。 比率方法图像融合的一般化模型是： i i P F MS S ↑= 其中Fi 融合图像的第i 带，P 是全色图像，S 是合成图像，MSi 是上采样后的第i 带多光谱图像。其中合成图像S 是关键，早期是通过多光谱带的平均得到合成图像S ，后来通过多光 谱图像的加权平均得到，现在是通过求最小化差异函数2min P S -P P 得到。该方法得到的

多光谱与全色图像融合方法解析

多光谱与全色图像融合方法 为使多光谱与高空间分辨率全色图像的融合效果在努力保持光谱信息的同时尽可能提高其空间分辨率,论文主要对多光谱与全色图像融合算法进行了深入研究,通过大量的融合实验得到了一系列有价值的结论,完成了一定的创新性工作,具体的工作内容如下:在多分辨率分析的特征匹配基础上,提出了一种基于Mallat小波变换与空间投影结合的图像配准算法。该算法采用投影匹配原理将二维数据变为一维进行匹配计算,降低了配准所需要的时间。另外,采用逐层细化的分层搜索策略可减少匹配误差从而提高配准精度。在综合分析àtrous小波变换和Curvelet变换的优点基础上,提出了一种基于àtrous-Curvelet变换的融合算法。分解后的系数依据所在高,低频层的不同特点,采取多重加权规则进行融合。该算法能在保留多光谱图像光谱信息的基础上,有效地提高融合图像的空间分辨率。针对遥感图像影像分辨率低的问题,提出了一种基于区域模糊推理的NSCT域融合算法。该算法有效地克服了传统融合方法中存在的融合图像模糊,抗噪能力差的缺点。针对传统脉冲耦合神经网络(PCNN)模型参数无法自动设定的难题,结合lαβ彩色空间转换,提出了一种基于双通道自适应PCNN的图像融合算法。该算法充分考虑到像素间的相关性及噪声突变的影响,融合效果优于多尺度分析方法。 同主题文章 [1]. 万宁,吴飞. 基于ICA的全色影像和多光谱影像融合算法' [J]. 计算机工程. 2006.(07) [2]. 陈蔓丽,陈木生,狄红卫. 基于小波变换的多光谱图像和全色图像配准算法' [J]. 暨南大学学报. 2006.(03) [3]. 于浩,张晓萍,杨勤科,崔健,李锐. 基于双树复小波的遥感图像融合' [J]. 遥感信息. 2008.(05) [4]. 张易凡,何明一. 基于局部空间线性恢复模型的多光谱与全色图像融合算法' [J]. 西北工业大学学报. 2008.(01) [5]. 王霖郁,李坤波,黄丽莲. 基于色调一致性改进的图像融合最速下降法' [J]. 应用科技. 2010.(03) [6]. 杨明辉,任维春. 法国地理院SPOT图像应用研究的进展' [J]. 遥感信息. 1988.(02) [7].

高分辨率下文字字体、图像、界面布局的解决方案

高分辨率下文字字体、图像、界面布局的解决方案 作者\来源：刘大鹏发布时间：2006年01月19日 为什么要保证我们的软件产品或应用程序中的文本、图像和字体、布局等问题呢，因为我们用户的终端显示设备通常型号和设置各异，如最近出现的16×9，低于8”的等最新款式移动手提电脑，我们的应用程序和软件产品通常会在这样的终端变得面目全非，而这显然给用户的使用带来了严重的问题，直接导致的问题如：操作易用性Usability、功能可接近性Accessibility、文本可读性Readability 等，而这样的问题并非不可逾越，要解决如何让我们的应用程序在高分辨率的显示下仍然保持正常可视，重点需要解决四个方面的问题文本和字体、图像（图形、图标和鼠标指针）、版面设置和重绘等。 前言 所有的应用程序都可以工作在高分辨率下显示吗？答案当然是否定的。现在比较标准的计算机显示器都已经可以支持显示大概96像素点/英寸的分辨率了，而且越来越多的应用程序都可以运行在这种分辨率下，但是却仍然面临分辨率日益增长的带来的危险。现在，我们可以轻松的买到一台133-DPI显示分辨率的笔记本电脑，甚至还有170DPI的，也许几年以后200-DPI的显示分辨率已经随处可见了，著名的工业杂志DisplaySearch曾经预言在2002年底有40%的膝上电脑已经超过100-DPI的屏幕分辨率了，而且这个数字还在增长。 例图 1.各种常见分辨率下字体外观 现在大多数的应用程序要想显示正常都依赖于分辨率，我们有些应用程序如果没有高分辨率的支持将会变得非常丑陋并且导致用户易用性降低，与此同时越来越多的用户使用了大字体。但是遗憾的是当分辨率在130-DPI和200-DPI的时候是

高分辨率遥感卫星影像图购买参数介绍

卫星数据方案

一、光学卫星介绍 1.分辨率优于0.5米的光学卫星

（1）WorldView-3卫星 WorldView-3卫星是美国GigitalGlobe公司于2014年8月发射并开始运行的一颗遥感卫星，它是第一颗多负载、超高光谱、高分率的商业卫星，最高可提供0.31米全色分辨率、1.24米多光谱分辨率，此外WorldView-3大大提高了卫星的光谱分辨率，在WorldView-2的八波段多光谱的基础上加入了3.7m分辨率的短波红外波段，并且首次在高分辨率卫星中使用了CAVIS波段用于大气校正。 WorldView-3卫星平均回访时间不到1天，每天可采集多达68万平方公里的数据。以下是WorldView-3卫星的部分技术参数。

WorldView-2在2009年发射，该卫星的运行轨道高度770km。能够提供0.5米的分辨率的全色和1.8米分辨率的多光谱影像。星载多光谱传感器不仅具有4个标准波段（红、绿、蓝和近红外1），还将包括4个新的波段（海岸监测、黄、红波段的边缘和近红外2）。增加的波段信息，为用户提供进行精确变化检测和制图的能力。

B．WorldView-2卫星拍摄能力分析 WorldView-2卫星是全球第一批使用了控制力矩陀螺（CMGs）的商业卫星。这项高性能技术可以提供多达10倍以上的加速度的姿态控制操作，从而可以更精确的瞄准和扫描目标。卫星的旋转速度可从60秒减少至9秒，覆盖面积达300公里。所以，WorldView-2卫星能够更快速、更准确的从一个目标转向另一个目标，同时也能进行多个目标地点的拍摄。卫星具有更灵活的运转、更高容量更快回访、更精确的拍摄、多波段高清晰影像四个特点： ●更灵活的运转 WorldView-2卫星能非常灵活运转，它在太空中的角色就像一个神奇的画笔，能灵活的前后扫描、拍摄大面积的区域，能在单次操作中完成多频谱影像的扫描。WorldView-2卫星独有的大容量系统，能达到每日采集一百万平方公里的数据采集量。而卫星集群可以保证每日近二百万平方公里的数据采集量。WorldView-2卫星无与伦比的灵活性能在1.1天内二次访问同一地点。如果算上卫星集群，甚至能实现在一天之内二次访问同一地点。由此可以为用户提供同一地点，同一天内的高清晰商业卫星集群影像。 ●更高容量、更快回访 WorldView-2卫星能非常灵活运转，它在太空中的角色就像一个神奇的画笔，能灵活的前后扫描、拍摄大面积的区域，能在单次操作中完成多频谱影像的扫描。WorldView-2卫星独有的大容量系统，能达到每日采集一百万平方公里的数据采集量。而卫星集群可以保证每

彩色分辨率检测图(介绍)

彩色分辨率检测图 1.创作目的： 当今时代，平板电视机得到普及，这种电视机的屏幕足夠大(40吋以上)，分辨率足夠高(4K分辨率3840×2160)，有着和电脑显示器同样的接口(USB、HDMI接口)，价格也降到足夠的低，能否用这种电视机代替电脑行业中所需要的高分辨率大屏幕显示器呢?容我细细说来：伩息系统最要紧的是保真！对于电脑显示器而言，其屏幕的输出应该精准地显示其输入的伩息，按照像素的坐标位置显示输入的RGB色度值。通常，电脑的显示器可以做到这点，其实也必须做到这一点。 对于电视机而言，理应也是如此，然而，受制于诸多因素，电视机的显示器往往做不到这一点。从标清电视开始，为了和黑白电视兼容和压缩传输的伩息，与电脑显示器不同，彩色电视不是按照RGB三基色方式传输伩息，而是按照YUV亮度和色差分量方式传输伩息，而亮度伩息佔据传输频道的大部分带宽（对于PAL制电视约为6M带宽），色差伩息被压缩到很小的带宽（约为1.3M带宽）；以后发展到数字电视，仍然是亮度伩息优先于色差伩息，亮度伩息的採样频率往往要高于色差伩息的採样频率；这样就造成了电视机的亮度伩息比较精准，色度伩息有所失真。 由于“人眼对黑白图像的细节有较高的分辨力，对彩色图像的细节分辦力较低”，因此图像大面积用彩色伩息来渲染塗布，而轮廓细节由亮度伩息来勾勒描绘。基于这种解释，对于无时不在跃动变化的视频伩息，人们不会也不可能紧盯每秒几十帧图像中的每一帧图像的每一瞬间的任何位置的微小像素的RGB色彩失真，从而可以宽容接受这些失真；然而对于电脑显示器而言，长久静止不动显示文字图表等几何式样的规整伩息，某个位置微小的颜色失真，便是与众不同，能清楚地被感知。 通常电视机的检验规范规定检验电视机的清晰度，其方法是输入黑白楔形线束的检测图，人眼观察屏幕上线束可分辨处的清晰度数值。这种检测方法的检测对象是亮度伩息，也可以说，能夠检测亮度伩息的精准显示，但和色度伩息不搭界，无絲毫关系，不能检测屏幕上某个像素点显示的RGB色度值是否和输入的伩息精准一致。 本人不反对把已经通过清晰度检验规范的电视机，做为合格的电视机产品，在市场上销售。我们无须苛求电视机必须达到精准显示输入的RGB色度伩息，这是对电脑显示器的要求；但是如果把不能精准显示输入的RGB色度伩息的电视机拿来就当作电脑显示器用，则不是无知就是自欺欺人了。 当今已有某些品牌型号的电视机能夠精准显示输入的RGB色度信息，可以作为电脑显示器用；估计这将成为一个趋势，在不远的将来，会有更多的电视机的显示器能够达到电脑显示器的要求。 基于这些情况，我们需要有一种检测方法，在给定的分辨率下，用于检测显示器某个像素点的输出显示，是否和输入伩息的RGB原始伩息精准一致，从而可以做电脑显示器用。为此目的，本人设计制作了“彩色分辨率检测图”。

面向对象的高分辨率遥感影像分类

二○一一届毕业设计 面向对象的高分辨率遥感影像分类Object-oriented Classification of high Resolution Remote Sensing images 学院：地质工程与测绘学院 专业：遥感科学与技术 姓名： 学号： 指导教师： 完成时间：2011年6月17日 二〇一一年七月

摘要 高空间分辨率遥感影像使得在较小的空间尺度上观察地表细节变化，进行大比例尺遥感制图，以及监测人为活动对环境的影响成为可能。随着高分辨率影像的应用越来越普及，迫切要求人们对高分辨率遥感信息提取进行研究，以满足高分辨率影像信息不断增长的应用和研究需要 高分辨率遥感影像光谱信息有限，空间信息丰富，地物的尺寸、形状及相邻地物间的关系都得到很好的反映。面向对象的分类方法与传统的基于像素的分类相比，不仅仅是依靠光谱信息，而且还充分利用影像的空间信息，分类时也克服了基于像元的逐点分类无法对相同语义特征的像素集合进行识别的缺点，是一种目前最适合于高分辨率遥感影像的分类方法。 本文采用面向对象的分类方法对高分辨率影像进行分类，该方法首先对影像进行多尺度分割获得同质区域对象，在此基础上利用模糊分类思想对分割后的对象进行分类。该方法不仅充分利用了高分辨率影像的空间信息，还将基于像素的分类提升到了基于对象的分类。 多尺度分割采用的是区域生长合并算法，通过对尺度阈值、光谱因子及形状因子等参数的控制，可以获得不同尺度下有意义的对象。分割后的对象不仅包含了原始的光谱信息，还可以提供大量辅助特征，如纹理、形状、拓扑等特征。综合利用这些特征以及模糊分类的思想，使得高分辨率影像分类在减少分类不确定性的同时，还提高了分类的精度。 最后将面向对象分类结果与传统的基于像素分类结果进行对比分析，发现其分类精度要明显高于传统法，且具有较强的抗噪声的功能，分类所得的地物结果相对较为完整，具有更丰富的语义信息，更加符合客观现实情形。 关键词：高分辨率遥感影像，面向对象的分类，影像分割，多尺度，最近邻分类

史上最全的高分辨率卫星介绍)

史上最全的高分辨率卫星介绍[转帖] Worldview-I ―WorldView‖卫星系统 Digitalglobe的下一代商业成像卫星系统由两颗(WorldView-I和WorldView-II)卫星组成，其中WorldView-I于2007年7月发射，WorldView-II于2008年发射。 WorldView-I运行在高度450公里、倾角980、周期93.4min的太阳同步轨道上，平均重访周期为1.7天，星载大容量全色成像系统每天能够拍摄多达50万平方公里的0.5米分辨率图像。卫星还将具备现代化的地理定位精度能力和极佳的响应能力，能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。 WorldView-II卫星预计2009年－2010年发射,运行在770km高的太阳同步轨道上，能够提供0.5米全色图像和1.8米分辨率的多光谱图像。该卫星使Digitalglobe公司能够为世界各地的商业用户提供满足其需要的高性能图像产品。星载多光谱遥感器不仅将具有4个业内标准谱段（红、绿、蓝、近红外），还将包括四个额外（海岸、黄、红边和近红外2）。多样性的谱段将为用户提供进行精确变化检测和制图的能力，由于WorldView卫星对指令的响应速度更快，因此图像的周转时间（从下达成像指令到接收到图像所需的时间）仅为几个小时而不是几天 WorldView-I设计指标 Radarsat-2卫星介绍

Radarsat-2卫星于2007年12月14日在哈萨克斯坦的拜科努尔航天发射基地成功发射，是目前世界上最先进的商业卫星。1995年11月发射的加拿大雷达卫星（Radarsat）是一个兼顾商用及科学试验用途的雷达系统，其主要探测目标为海冰，同时还考虑到陆地成像，以便应用于农业、地质等领域。该系统有5种波束工作模式，即：（1）标准波束模式，入射角20°～49°，成像宽度100公里，距离及方位分辨率为25米x28米；（2）宽辐射波束，入射角20°～40°，成像宽度及空间分辨率分别为150公里和28米x35米；（3）高分辨率波束，三种参数依此为37°～48°，45公里及10米x10米；（4）扫描雷达波束，该模式具有对全球快速成像能力，成像宽度大（300公里或500公里），分辨率较低（50米x50米或100米x100米），入射角为20°～49°；（5）试验波束，该模式最大特点为入射角大，且变化幅度小49°～59°，成像宽度及分辨率分别为75公里及28米x 30米。与其他星载SAR系统比较，Radarsat SAR有以下三个特点：（1）具有45公里，75公里，100公里，150公里，300公里和500公里的不同辐射宽度成像能力；（2）分别为11.6MHz，17.3MHz, 30.0 MHz雷达带宽的选择性操作使距离分辨率可调；（3）较强的数据处理能力。 作为Radarat-1的后续星，Radarsat-2除延续了Radarsat -1的拍摄能力和成像模式外，还增加了3米分辨率超精细模式和8米全极化模式，并且可以根据指令在左视和右视之间切换，由此不仅缩短了重访周期，还增加了立体成像的能力。此外，Radarsat-2可以提供11种波束模式及大容量的固态记录仪等，并将用户提交编程的时限缩短到4-12小时，这些都使R-2的运行更加灵活和便捷。Radarsat -1号和2号双星互补，加上雷达全天候全天时的主动成像特点，可以在一定程度上缓解卫星数据源不足的问题，并推动雷达数据在国内各个领域的广泛应用和发展。 General Spacecraft Information 卫星说明 Synthetic Aperture Radar 合成孔径雷达（SAR ） Launch weight 重量： 2200 kg 2200公斤 Design lifetime 设计寿命: 7 years 7年 SAR antenna dimensions 合成孔径雷达天线尺寸: 15m x 1.5m 15米x 1.5米 Solar arrays (each) 太阳能电池阵列（每个）: 3.73mx 1.8m 3.73mx 1.8m Bus dimensions ： 3.7mx 1.36m 3.7mx 1.36m Radar Instrument Characteristics 雷达仪器特点 Frequency Band 频段： C-Band (5.405 C波段（5.405千兆赫） Bandwidth 带宽： 100 MHz 100兆赫