通過衛星影像來看看這次西昌山火

2020年3月30日15時,西昌市瀘山發生森林火災,火勢蔓延迅速,危及西昌市區。隨之而來的便是讓人心痛的消息,31日凌晨19名撲火英雄遇難。看了相關報道之後,不禁讓我聯想到當時遇難的場景,小編在大二的時候也參加過一起救火,靠近烈火時面部燒痛的感覺難以忍受,後面的話語便不多說。

在所有人感到心痛之餘,也蒐集查看了當時的情況,但是對山火的嚴重程度不得而知,於是想到衛星數據,想通過衛星數據來看看這次山火的嚴重性。通過空閒時間的蒐集對比,決定選用哨兵2數據進行分析。

小編經常用的衛星數據也就Landsat8的,對哨兵2數據用的也少,但Landsat8衛星的重訪週期爲16天,哨兵2的爲10天,A星和B星結合起來也就5天,數據比較充足,況且波段融合後的影像精度可達10m,比Landsat8 15m的好,於是選用哨兵2衛星的數據進行西昌山火的過火區研究。
哨兵2波段介紹
下面我分享一下具體的分析過程

1、數據獲取
哨兵2數據的獲取也有好多途徑,而小編這裏推薦從哥白尼數據中心(Copernicus Open Access Hub)去獲取,具體操作這裏就不介紹了,網上很多。
哥白尼數據中心在這裏插入圖片描述小編下載的是3月25日A星L1C級和4月9日B星L1C級衛星數據,這裏爲啥強調L1C級產品,因爲哨兵2衛星數據提供L1C和L2A級產品,L1C級進行了幾何精校正而沒有進行大氣校正和輻射定標,L2A是L1C進行上述操作後的產品。但這裏沒直接用L2A的,網上流傳L2A的有問題,只能自己來造了。
![哨兵2產品類型](https://img-blog.csdnimg.cn/20200601131043274.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0NjU1NzAx,size_16,color_FFFFFF,t_70

2、數據預處理
對哨兵L1C級數據進行大氣校正和輻射定標的軟件也有很多,網上查了說2016年12月6號以後的數據在ENVI5.4中可以打開,之前的在5.3中可以打開,剛好我的5.3,沒戲了。於是利用歐空局的SNAP進行數據預處理,利用Sen2Cor插件進行大氣校正和輻射定標,Sen2Cor可以在SNAP中直接安裝,也可以下載個單機版的,在命令行執行,具體的安裝方法不說了。附帶下載地址:http://step.esa.int/main/third-party-plugins-2/sen2cor/
(1) 大氣校正和輻射定標
小編用的SNAP中的Sen2Cor插件進行的,操作很簡單,這裏注意一點Resolution選擇10,如下圖:
大氣校正和輻射定標大氣校正和輻射定標
(2) 重採樣
這裏的重採樣呢就是將對應的波段數據重採樣爲想要的精度,當然我們希望將60m和20m分辨率的波段重採樣爲10m的,哨兵數據的可見光波段都是10m的,一步操作就能完成重採樣,如下圖所示有兩種方法:
重採樣方法一
重採樣方法二重採樣方法二
最後看看重採樣後的結果,精度很高。
在這裏插入圖片描述
(3)選擇波段
哨兵2數據經過大氣校正後多了好多波段,比如氣溶膠厚度雲檢測啊等等,但這裏不需要那麼多,所以可以選取需要的波段進行保存,然後進行後續處理,小編試了一下全部輸出要20GB左右,還是選擇常用的波段輸出。
波段選擇波段選擇

3、過火區提取
將波段提取後的結果保存爲TIFF後,小編選用ArcGIS Pro進行過火區提取,ArcGIS Pro對影像處理功能也很強大,對於大範圍的影像數據,進行波段運算等相關操作時只需一眨眼功夫就可以看到結果,相比其他軟件佔很大優勢。

對於過火區的提取,小編經過查找相關論文後選擇了三種方法進行提取和對比,下面說一下具體的提取方法,由於篇幅,這不是寫論文,我只進行簡單介紹。

在進行過火區提取前,手動繪製了瀘山的區域,在Pro中進行瀘山區域的影響裁剪工作,方便後面的提取。
裁剪瀘山片區
假彩色(843)合成山火前後對比,假彩色合成植被凸顯爲紅色
在這裏插入圖片描述

(1)歸一化植被指數(NDVI)法

NDVI = (NIR - R)/(NIR + R)
dNDVI = NDVI1 - NDVI2

小編對山火前和山火後的數據進行NDVI計算,用山火前的減去山火後的NDVI,從中提取過火區,然後利用閾值法對dNDVI進行處理,從而提取過火區。Pro中的相關操作如下圖:
NDVI計算dNDVI計算閾值分割
(2)歸一化火燒指數法(NBR)

NBR = (NIR - SWIR)/(NIR + SWIR)
dNBR = NBR1 - NBR2

NBR是基於近紅外和短波紅外波段構建的植被指數,利用過火區光譜反射率在短波紅外波段上升和在近紅外波段下降的特徵,將過火區與其他地物分離。計算過程和上面的一樣,只不過波段計算時需要自定義,如下圖:
NBR計算
(3)過火區識別指數(BAI)法

BAI=1/((0.1-R)(0.1-R)+(0.06-NIR)(0.06-NIR))
dBAI = BAI1 - BAI2

BAI基於地物像元值與參考光譜值的距離,近紅外和紅光波段反射率的參考值分別爲0.06和0.10,強調過火區的木炭信號,計算步驟和NBR的相同。

4、結果對比
首先看一下dNDVI、dNBR、dBAI的計算結果,從結果看出他們都能較好的提取過火區,而dNBR計算後的結果更容易區分過火區。
在這裏插入圖片描述接下來是閾值分割後的結果,對於閾值分割,其閾值的選取尤爲重要,小編對具體的山火區域不太瞭解,所以閾值選取也會造成誤差,不過此處僅爲研究。下圖爲閾值分割結果:
在這裏插入圖片描述
對閾值分割後的結果過,會出現很多細小零散的區域,這裏小編採用的是形態學算子進行剔除細小圖斑,Pro中沒找到,於是在ArcMap中進行形態學處理,這裏採用的是閉運算,在矢量化模塊中進行處理,如下圖:
在這裏插入圖片描述
閉運算前後對比

最後呢利用Pro中的柵格轉矢量將閉運算後的數 據轉換爲矢量數據,用字段計算器計算其面積,獲取過火區的面積,此處沒考慮地形。過火區及其面積如下圖所示:
在這裏插入圖片描述
小編有話

整個過火區的提取大概有兩週時間,都是抽時間研究,因爲提取後發現與官方發的有點出入,所以一直猶豫,同時在尋找可驗證的地方,下面爲官方發佈的:
在這裏插入圖片描述這是自己提取後的:
在這裏插入圖片描述左上角差距倒不大,在右下角差距很大,離南海鄉政府很近的區域,所以小編找了很久驗證是否提取有誤,找了右下角區域處的一座山,臥雲山,如下圖:
在這裏插入圖片描述
然後查找了一下山火期間這座山有沒有相關報道,同時對比官方的過火區,官方發佈的是31日發佈的,山火還沒結束,進一步說明提取結果具有可信度。
在這裏插入圖片描述
從提取的過火區可以看到,瀘山整座山差不多都遭遇了火災,可怕至極,要是沒有勇敢的消防英雄,火勢的蔓延細思極恐。而在生活中,無論在山區還是城區,絕大多數人都會關注每天的天氣預報,而對火險預警方面的關注還不夠,面對接二連三的火災發生,個人意識是當中最爲關鍵的因素,同時對孩子的相關教導也是極爲關鍵。

在研究期間,我也翻閱了好多資料查找火勢預測的模型及系統,也有好多這種模擬系統,在我們大學開發課程中就有,但實際有沒有用到實際現場中,寥寥無幾吧。很多遇難者都是被火勢包圍,如果預先能模擬火勢,是不是會減少傷亡?科技在發展,只希望以後會在更好的保護保護人的情況下向各方面發展進步。

最後向所有英雄致敬!
在這裏插入圖片描述

PS:後面僅是個人的一些見解。

在這裏插入圖片描述

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章