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：

• 评估飓风对地表造成的破坏程度
• 监测植被覆盖变化
• 分析洪水淹没范围
• 评估灾后恢复进程

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。