GEE代码实例教程详解：洪水灾害监测_sentinel1 洪灾监测 gee

简介

在本篇博客中，我们将使用Google Earth Engine (GEE) 进行洪水灾害监测。通过分析Sentinel-1雷达数据，我们可以识别特定时间段内的洪水变化情况。

背景知识

Sentinel-1数据集

Sentinel-1是欧洲空间局提供的雷达卫星数据集，它能够提供连续的地表监测，即使在云层覆盖的情况下也能获取数据。

洪水监测

洪水监测是评估洪水灾害影响和进行灾害管理的重要手段。利用雷达数据的后向散射变化可以识别洪水事件。

完整代码

// 定义研究区域的坐标点
var cor = [
  [54.07394733345745, 36.81321992370517],
  [54.79904498970745, 36.81321992370517],
  [54.79904498970745, 37.45259869689526],
  [54.07394733345745, 37.45259869689526],
  [54.07394733345745, 36.81321992370517]
];

// 创建多边形区域
var roi = ee.Geometry.Polygon(cor);

// 将地图中心设置为研究区域
Map.centerObject(roi);

// 定义时间范围
var year_start = '2019';
var year_end = '2020';

// 定义去斑函数
function speckel(img) {
  return img.focalMedian(100, 'square', 'meters')
    .copyProperties(img, img.propertyNames());
}

// 获取2019年3月的Sentinel-1数据
var after = ee.ImageCollection("COPERNICUS/S1_GRD")
  .filterBounds(roi)
  .filterDate(year_start, year_end)
  .filter(ee.Filter.calendarRange(3, 3, 'month'))
  .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
  .filter(ee.Filter.eq('instrumentMode', 'IW'))
  .select('VV')
  .map(speckel)
  .min();

// 将“之后”的图像添加到地图上
Map.addLayer(after.clip(roi), [], 'after', false);

// 获取2019年2月的Sentinel-1数据
var before = ee.ImageCollection("COPERNICUS/S1_GRD")
  .filterBounds(roi)
  .filterDate(year_start, year_end)
  .filter(ee.Filter.calendarRange(2, 2, 'month'))
  .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
  .filter(ee.Filter.eq('instrumentMode', 'IW'))
  .select('VV')
  .map(speckel)
  .min();

// 将“之前”的图像添加到地图上
Map.addLayer(before.clip(roi), [], 'before', false);

// 计算洪水变化情况
var change = before.subtract(after).rename('flood');

// 将洪水变化图像添加到地图上
Map.addLayer(change.clip(roi), [], 'flood', false);

// 打印洪水变化直方图
print(
  ui.Chart.image.histogram(change, roi, 30)
);

// 应用阈值来识别洪水区域
Map.addLayer(change.gt(7).clip(roi), [], 'flood_thr', false);

// 定义洪水阈值
var flood_thr = change.gt(7);
var flood_mask = flood_thr.updateMask(flood_thr);
var flood_area = flood_mask.multiply(ee.Image.pixelArea().divide(1e6));

// 计算洪水区域面积
var area_sum = flood_area.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: roi,
  scale: 100
}).get('flood');

// 打印洪水区域面积
print(ee.Number(area_sum).round());
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81

代码详解

1. 定义研究区域

创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。

2. 定义去斑函数

定义speckel函数，使用局部中值滤波去除Sentinel-1图像的斑点噪声。

3. 获取Sentinel-1数据

获取“之前”和“之后”的Sentinel-1数据，分别对应洪水发生前后的时间段。

4. 计算洪水变化情况

通过“之前”和“之后”的图像相减，计算洪水变化情况。

5. 可视化洪水变化

将洪水变化图像添加到地图上，并打印直方图。

6. 应用阈值识别洪水区域

使用阈值gt(7)来识别洪水区域，并将结果添加到地图上。

7. 计算洪水区域面积

计算洪水区域的总面积，并打印结果。

结论

本教程展示了如何使用GEE和Sentinel-1雷达数据进行洪水灾害监测。通过计算洪水前后的雷达后向散射差异，我们可以识别洪水区域并估算洪水面积。

进一步探索

GEE提供了丰富的工具和方法来进行环境和灾害监测分析。在后续的教程中，我们将继续探索GEE在不同领域的应用。