---
title: "合成孔徑雷達（SAR）"
slug: sar
language: zh-TW
source: https://aiterms.tw/terms/sar
updated_at: 2026-06-22
tags: [遙測, 雷達影像, 地球觀測, AI 應用, 衛星資料]
ipas_term: false
---

# 合成孔徑雷達（SAR）

一種利用雷達信號合成高解析度影像的遙測技術，可穿透雲層與夜間作業，廣泛應用於 AI 地球觀測任務。

## 完整說明

合成孔徑雷達（Synthetic Aperture Radar，SAR）是一種主動式微波遙測技術，透過記錄雷達信號的相位與振幅，並利用飛行器移動形成「合成孔徑」的原理，合成出等效於大型天線孔徑的高解析度雷達影像。相較於光學衛星，SAR 不受天候、雲層與光照條件限制，在 AI 結合地球觀測的應用中扮演關鍵角色，包括農業監測、災害評估、海洋目標偵測與城市變化偵測。

## 常見問題

### SAR 影像與光學衛星影像相比，有哪些優勢和限制？

SAR 的核心優勢是全天候、全天時作業能力。光學衛星影像在有雲層覆蓋時完全無法拍攝，而熱帶地區常年多雲，且光學衛星只能在白天作業。SAR 利用微波信號，不受這些限制。此外，SAR 的不同波段和極化組合能夠感知物體的幾何結構與介電特性，對農作物含水量、土壤濕度、海冰類型等光學影像難以感知的物理特性特別敏感。限制方面，SAR 影像的解讀難度遠高於光學影像，斑點噪聲使影像視覺上「粒粒感」明顯，非專業人員不易直觀理解。SAR 影像的語意解釋也更複雜，同一物體在不同入射角、不同極化模式下的外觀差異很大，這增加了 AI 模型訓練的難度。

### AI 模型處理 SAR 影像有哪些特殊的技術挑戰？

AI 模型處理 SAR 影像面臨幾個光學影像處理中不常見的挑戰。首先是斑點噪聲（Speckle Noise）問題，SAR 影像因相干疊加產生的顆粒狀噪聲，導致同質區域內出現明暗不均的紋理，這對基於邊緣和紋理的特徵提取造成干擾，需要在預處理階段進行去斑點（Despeckling）或在模型設計中加入對斑點的魯棒性。其次是幾何畸變問題，SAR 使用斜距（Slant Range）成像，山地地形會產生疊掩（Layover）和陰影（Shadow）效應，使得地形解釋複雜化。第三是標注資料稀缺，高品質的 SAR 影像標注需要遙測專業知識，公開標注資料集數量遠少於光學影像資料集，這限制了監督式學習方法的應用，推動了自監督預訓練在 SAR 領域的研究。

### SAR 在 AI 結合遙測的學術研究中，目前最活躍的方向是什麼？

目前 SAR 結合 AI 研究最活躍的幾個方向包括：一是基礎模型（Foundation Model）在 SAR 上的應用，研究者嘗試將視覺基礎模型（如 SAM、ViT）遷移到 SAR 影像域，透過預訓練或少量微調使模型具備 SAR 影像理解能力；二是多模態融合，將 SAR 與光學影像、數位高程模型（DEM）等異質資料融合，利用各類傳感器的互補優勢提升地物分類、目標偵測的準確率；三是變化偵測（Change Detection），利用不同時期的 SAR 影像對，訓練 AI 模型自動識別地表的顯著變化，應用於災害後評估與非法建設監控；四是去斑點深度學習，以端對端的深度神經網路替代傳統濾波器進行 SAR 去斑點處理，在保留細節的同時有效抑制斑點噪聲。

---

來源：https://aiterms.tw/terms/sar
快查頁：https://aiterms.tw/terms/sar
最後更新：2026/06/22
深度解說：https://aiterms.tw/learning/what-is-sar