当前位置: 首页 > news >正文

GEE训练教程:Sentinel-2卫星影像揭秘飓风奥蒂斯破坏力 - 指南

使用卫星影像分析飓风奥蒂斯前后的地表变化

本文将介绍如何使用Google Earth Engine (GEE) 平台和Sentinel-2卫星数据,分析墨西哥飓风"奥蒂斯"前后的地表变化情况。

研究区域与数据介绍

首先定义研究区域几何范围,这里选择了墨西哥格雷罗州附近的一个矩形区域:

// 定义研究区域几何范围(墨西哥格雷罗州附近)
var geometry = ee.Geometry.Polygon(
[[[-99.9312342446273, 16.957035420547705],
[-99.9312342446273, 16.78159018501058],
[-99.7974256508773, 16.78159018501058],
[-99.7974256508773, 16.957035420547705]]]);

接下来加载Sentinel-2卫星影像数据,并应用多个过滤器:

// 加载Sentinel-2地表反射率数据
var dataset = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED")
.filterBounds(geometry) // 按研究区域筛选
.filterDate("2023-09-01", "2023-11-05") // 选择时间范围
.filterMetadata('CLOUDY_PIXEL_PERCENTAGE', 'less_than', 10) // 筛选云量低于10%的图像
// 打印数据集信息,查看可用图像
print(dataset)

选择飓风前后的影像

选择飓风"奥蒂斯"发生前后的两幅影像进行对比分析:

// 选择飓风前的影像(2023年9月8日)
var imagenAntes = ee.Image("COPERNICUS/S2_SR_HARMONIZED/20230908T165849_20230908T171347_T14QMD")
.clip(geometry) // 裁剪至研究区域
.multiply(0.0001) // 应用缩放因子(Sentinel-2数据需要乘以0.0001转换为反射率)
// 选择感兴趣的波段(蓝、绿、红、红边和近红外)
var bandasAntes = imagenAntes.select(["B2", "B3", "B4", "B5", "B6"])
// 选择飓风后的影像(2023年11月2日)
var imagenDespues = ee.Image("COPERNICUS/S2_SR_HARMONIZED/20231102T170451_20231102T171357_T14QMD")
.clip(geometry) // 裁剪至研究区域
.multiply(0.0001) // 应用缩放因子
// 选择与之前相同的波段(注意顺序调整以适应可视化需求)
var bandasDespues = imagenDespues.select(['B4', 'B3', 'B2', 'B6', 'B5'])

可视化设置与结果显示

设置可视化参数并展示结果:

// 设置RGB可视化波段组合(真彩色:红、绿、蓝)
var seleccionBandas = ["B4", "B3", "B2"]
// 配置可视化参数
var vis = {
min: 0, // 最小反射率值
max: 0.5, // 最大反射率值
gamma: 1.5, // 伽马校正值
bands: seleccionBandas // 使用的波段
}
// 在地图上展示结果
Map.centerObject(geometry, 12) // 以研究区域为中心,缩放级别12
Map.addLayer(geometry, {color: 'blue'
}, 'AOI');
// 添加研究区域边界
Map.addLayer(imagenAntes, vis, "飓风前影像", 1) // 添加飓风前影像
Map.addLayer(imagenDespues, vis, '飓风后影像', 1) // 添加飓风后影像

技术要点说明

  1. 数据选择:使用Sentinel-2地表反射率数据(S2_SR_HARMONIZED),该数据已经过大气校正

  2. 云过滤:通过CLOUDY_PIXEL_PERCENTAGE元数据筛选云量低于10%的影像,确保图像质量

  3. 数据预处理

    • 使用.clip(geometry)将影像裁剪至研究区域
    • 使用.multiply(0.0001)将DN值转换为反射率(Sentinel-2数据的标准转换)
  4. 波段选择

    • B2: 蓝波段 (490nm)
    • B3: 绿波段 (560nm)
    • B4: 红波段 (665nm)
    • B5: 红边波段1 (705nm)
    • B6: 红边波段2 (740nm)
  5. 可视化:使用真彩色合成(B4、B3、B2)展示影像,使图像更接近人眼看到的自然色彩

应用价值

这种分析方法可用于:

通过对比飓风前后的卫星影像,研究人员和应急管理机构可以快速了解灾害影响范围,为灾后救援和重建工作提供重要参考。
在这里插入图片描述
在这里插入图片描述

http://www.jsqmd.com/news/871/

相关文章:

  • 设置Redis在CentOS7上的自启动配置
  • 挂载配置文件以Docker启动Redis服务
  • abc418d
  • Chapter 6 Joining Images
  • 动态主机配置协议(DHCP)中的中继机制及其配置
  • DDD - 概念复习
  • 进一步理解自适应卡尔曼滤波(AKF) - 教程
  • CSP-J1S1_2025
  • 完整教程:基于Spring Boot植物销售管理系统的设计与实现
  • ​​Final Cut Pro 11.0 for Mac 剪视频安装教程|DMG文件安装步骤详解​(附安装包)
  • Vdd Vcc
  • 实用指南:物联网赋能24H共享书屋:智能化借阅管理的完整解决方案!
  • 基于ThinkPHP实现动态ZIP压缩包的生成
  • 使用Java实现用户的注册和登录流程
  • Windows安装Kafka(kafka_2.12-3.9.1),配置Kafka,以及遇到的困难解决方案
  • 准备工作之动态内存分配[基于郝斌课程]
  • 2025.6第一套六级听力生词
  • CSP-S 2025游记
  • Chapter 5 Wrap Perspective
  • atof() - 字符串转double类型
  • 完整教程:还在为第三方包 bug 头疼?patch-package 让你轻松打补丁!
  • Kubernetes(k8s)高可用性集群的构建
  • 深入解析:解密llama.cpp:从Prompt到Response的完整技术流程剖析
  • 在CentOS环境下升级GCC编译器
  • 详细介绍:深圳比斯特|电池组PACK自动化生产线厂家概述
  • Chapter 4 Shapes and Texts
  • 手动清除Ubuntu系统中的内存缓存
  • Twitter舆情裂变链:指纹云手机跨账号协同机制提升互动率200% - 教程
  • 2025年9月底总结
  • 技术文章