通过卫星影像来看看这次西昌山火

2020年3月30日15时,西昌市泸山发生森林火灾,火势蔓延迅速,危及西昌市区。随之而来的便是让人心痛的消息,31日凌晨19名扑火英雄遇难。看了相关报道之后,不禁让我联想到当时遇难的场景,小编在大二的时候也参加过一起救火,靠近烈火时面部烧痛的感觉难以忍受,后面的话语便不多说。

在所有人感到心痛之余,也搜集查看了当时的情况,但是对山火的严重程度不得而知,于是想到卫星数据,想通过卫星数据来看看这次山火的严重性。通过空闲时间的搜集对比,决定选用哨兵2数据进行分析。

小编经常用的卫星数据也就Landsat8的,对哨兵2数据用的也少,但Landsat8卫星的重访周期为16天,哨兵2的为10天,A星和B星结合起来也就5天,数据比较充足,况且波段融合后的影像精度可达10m,比Landsat8 15m的好,于是选用哨兵2卫星的数据进行西昌山火的过火区研究。
哨兵2波段介绍
下面我分享一下具体的分析过程

1、数据获取
哨兵2数据的获取也有好多途径,而小编这里推荐从哥白尼数据中心(Copernicus Open Access Hub)去获取,具体操作这里就不介绍了,网上很多。
哥白尼数据中心在这里插入图片描述小编下载的是3月25日A星L1C级和4月9日B星L1C级卫星数据,这里为啥强调L1C级产品,因为哨兵2卫星数据提供L1C和L2A级产品,L1C级进行了几何精校正而没有进行大气校正和辐射定标,L2A是L1C进行上述操作后的产品。但这里没直接用L2A的,网上流传L2A的有问题,只能自己来造了。
![哨兵2产品类型](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、数据预处理
对哨兵L1C级数据进行大气校正和辐射定标的软件也有很多,网上查了说2016年12月6号以后的数据在ENVI5.4中可以打开,之前的在5.3中可以打开,刚好我的5.3,没戏了。于是利用欧空局的SNAP进行数据预处理,利用Sen2Cor插件进行大气校正和辐射定标,Sen2Cor可以在SNAP中直接安装,也可以下载个单机版的,在命令行执行,具体的安装方法不说了。附带下载地址:http://step.esa.int/main/third-party-plugins-2/sen2cor/
(1) 大气校正和辐射定标
小编用的SNAP中的Sen2Cor插件进行的,操作很简单,这里注意一点Resolution选择10,如下图:
大气校正和辐射定标大气校正和辐射定标
(2) 重采样
这里的重采样呢就是将对应的波段数据重采样为想要的精度,当然我们希望将60m和20m分辨率的波段重采样为10m的,哨兵数据的可见光波段都是10m的,一步操作就能完成重采样,如下图所示有两种方法:
重采样方法一
重采样方法二重采样方法二
最后看看重采样后的结果,精度很高。
在这里插入图片描述
(3)选择波段
哨兵2数据经过大气校正后多了好多波段,比如气溶胶厚度云检测啊等等,但这里不需要那么多,所以可以选取需要的波段进行保存,然后进行后续处理,小编试了一下全部输出要20GB左右,还是选择常用的波段输出。
波段选择波段选择

3、过火区提取
将波段提取后的结果保存为TIFF后,小编选用ArcGIS Pro进行过火区提取,ArcGIS Pro对影像处理功能也很强大,对于大范围的影像数据,进行波段运算等相关操作时只需一眨眼功夫就可以看到结果,相比其他软件占很大优势。

对于过火区的提取,小编经过查找相关论文后选择了三种方法进行提取和对比,下面说一下具体的提取方法,由于篇幅,这不是写论文,我只进行简单介绍。

在进行过火区提取前,手动绘制了泸山的区域,在Pro中进行泸山区域的影响裁剪工作,方便后面的提取。
裁剪泸山片区
假彩色(843)合成山火前后对比,假彩色合成植被凸显为红色
在这里插入图片描述

(1)归一化植被指数(NDVI)法

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

小编对山火前和山火后的数据进行NDVI计算,用山火前的减去山火后的NDVI,从中提取过火区,然后利用阈值法对dNDVI进行处理,从而提取过火区。Pro中的相关操作如下图:
NDVI计算dNDVI计算阈值分割
(2)归一化火烧指数法(NBR)

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

NBR是基于近红外和短波红外波段构建的植被指数,利用过火区光谱反射率在短波红外波段上升和在近红外波段下降的特征,将过火区与其他地物分离。计算过程和上面的一样,只不过波段计算时需要自定义,如下图:
NBR计算
(3)过火区识别指数(BAI)法

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

BAI基于地物像元值与参考光谱值的距离,近红外和红光波段反射率的参考值分别为0.06和0.10,强调过火区的木炭信号,计算步骤和NBR的相同。

4、结果对比
首先看一下dNDVI、dNBR、dBAI的计算结果,从结果看出他们都能较好的提取过火区,而dNBR计算后的结果更容易区分过火区。
在这里插入图片描述接下来是阈值分割后的结果,对于阈值分割,其阈值的选取尤为重要,小编对具体的山火区域不太了解,所以阈值选取也会造成误差,不过此处仅为研究。下图为阈值分割结果:
在这里插入图片描述
对阈值分割后的结果过,会出现很多细小零散的区域,这里小编采用的是形态学算子进行剔除细小图斑,Pro中没找到,于是在ArcMap中进行形态学处理,这里采用的是闭运算,在矢量化模块中进行处理,如下图:
在这里插入图片描述
闭运算前后对比

最后呢利用Pro中的栅格转矢量将闭运算后的数 据转换为矢量数据,用字段计算器计算其面积,获取过火区的面积,此处没考虑地形。过火区及其面积如下图所示:
在这里插入图片描述
小编有话

整个过火区的提取大概有两周时间,都是抽时间研究,因为提取后发现与官方发的有点出入,所以一直犹豫,同时在寻找可验证的地方,下面为官方发布的:
在这里插入图片描述这是自己提取后的:
在这里插入图片描述左上角差距倒不大,在右下角差距很大,离南海乡政府很近的区域,所以小编找了很久验证是否提取有误,找了右下角区域处的一座山,卧云山,如下图:
在这里插入图片描述
然后查找了一下山火期间这座山有没有相关报道,同时对比官方的过火区,官方发布的是31日发布的,山火还没结束,进一步说明提取结果具有可信度。
在这里插入图片描述
从提取的过火区可以看到,泸山整座山差不多都遭遇了火灾,可怕至极,要是没有勇敢的消防英雄,火势的蔓延细思极恐。而在生活中,无论在山区还是城区,绝大多数人都会关注每天的天气预报,而对火险预警方面的关注还不够,面对接二连三的火灾发生,个人意识是当中最为关键的因素,同时对孩子的相关教导也是极为关键。

在研究期间,我也翻阅了好多资料查找火势预测的模型及系统,也有好多这种模拟系统,在我们大学开发课程中就有,但实际有没有用到实际现场中,寥寥无几吧。很多遇难者都是被火势包围,如果预先能模拟火势,是不是会减少伤亡?科技在发展,只希望以后会在更好的保护保护人的情况下向各方面发展进步。

最后向所有英雄致敬!
在这里插入图片描述

PS:后面仅是个人的一些见解。

在这里插入图片描述

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