注:本文是对一篇很棒的英语教程的翻译,原文地址在这里:传送门

下面是正文:

我很久没做遥感工作了,现在想要重新拾起这份工作。遥感是对GIS的一个很好的补充,很久以来我一直在寻找,想要通过一个案例研究来做一个简短的教程。2018年4月14日至15日在考艾岛发生的洪水便是一个利用遥感技术绘制洪水地图的好例子。

背景:

考艾岛被称为花园岛并不是没有原因的——它是地球上雨水最多的地方之一。2018年4月14日至15日,一次前所未有的暴雨导致考艾岛发生了严重洪水和一系列山体滑坡。据国家气象局记录,4月14日至15日24小时内,哈纳雷地区的降雨量为27.52英寸(685毫米)。洪水过后,考艾岛宣布进入紧急状态。

有关这次洪水事件的更多信息如下:http://floodlist.com/america/usa/record-rainfall-floods-hawaii0april-2018

工作流程/要求

以下是本教程的工作流程计划和要求:

1.下载Sentinel-1数据(需要注册)

2.下载并安装SNAP软件

3.预处理-数据校正和散斑滤波

4.确定淹水区域-阈值分类(二值化,无监督分类)

5.后处理-数据的几何校正(应用地图投影)

6.在GIS中查看产生的洪水区域(例如QGIS、Google Earth或ArcGIS,假设您已经有GIS软件)

第一步:下载哨兵一号数据

对洪水区域的评估可以使用雷达数据,例如由欧洲宇航局提供的哨兵一号合成孔径雷达(SAR)图像。对于这个案例,我使用了哨兵一号的一级GRD数据,这种数据已经经过了基本的预处理。更多关于哨兵计划,产品和使用的资料可以在Sentinel Online Website找到。通过哥白尼开放获取中心,可以访问到哨兵任务的卫星数据。虽然这些数据可以被免费使用,但是你仍然需要在下载数据前进行注册和登录。

前往 Copernicus Open Access Hub:

1.免费注册并登陆;

2.在地图上,找到Hawaiian群岛,然后移动到Kauai岛;

3.使用多边形工具,然后在岛屿上画出感兴趣的区域(这里选择了岛的北部);

4.点击高级搜索菜单(在左上方),然后使用如下的搜索选项:

Sensing Period: From = 4/15/2018, To = 4/15/2018

Mission Sentinel-1: Product Type = GRD

注:在指定的日期只为考艾岛拍摄了1张图像,因此无需包含其他参数

5.点击搜索按钮

6.根据感兴趣的领域的搜索标准,应该只有1个结果。

注意可用的图像是哨兵一号使用C波段(SAR-C)使用干涉宽(IW)模式采集的一级GRD图,该模式下允许在分辨率为10米(5x20米)的250公里段上获取图像。

第二步,下载并安装SNAP

SNAP是一个由欧洲宇航局开发的用于处理哨兵卫星数据的应用。你需要根据你的电脑下载正确版本的软件。我在使用Windows 64bit版的哨兵工具箱。

Go to: http://step.esa.int/main/download/  

第三步:查看图像并创建子集

安装SNAP应用之后,你可以使用它打开并查看此前下载的哨兵一号图像。SNAP应用可以直接打开zip压缩包而不需要你事先解压。

·在SNAP软件中点击>> Open Product >> S1A_IW_GRDH_1SDV_20180415.zip (此前下载的文件) (译注:可以换成自己感兴趣的其他文件)>> Open

·左侧的Product Explorer面板展示了哨兵数据的有关信息和元数据。你可以右键单击任何文件/项目以获取上下文菜单,以查看与该项目相关的属性。

·在Bands文件夹下,你可以看到不同的极化方式(VV + VH 或 HH + HV),这里有两个波段(Amplitude振幅和Intensity强度)。强度带是一个虚带,是振幅的平方。若要要查看一个波段的图像,可以双击它,在左侧面板中将会显示这幅图像(译注:也许是右侧?)。双击Intensity_VV波段以查看——这是我们要使用的波段。

注:尽管任何极化方式/波段都可以用于分析洪水情况,但一些研究表明,在使用Sentinel‐1数据描述受灾情况时,VV极化具有轻微的优势。这篇文章,"Multi‐temporal synthetic aperture radar flood mapping using change detection"提供了一个很好的使用不同的极化方式来监测洪水的对比。

为了创建包含这座岛屿一部分的子集,首先放大到您想要的子集的区域范围——在本案例下,选择Hanelei镇所在的岛屿北部。

·点开Raster >> Subset以创建子集

·在指定产品子集窗口中,感兴趣的区域的坐标应该已经根据刚才放大的地图范围填写了。点击“OK”以创建子集

新创建的子集图片应该会在Product Explorer面板展示出来,如下图所示:

第四步:预处理——校准和斑点过滤

这里的预处理校准和斑点过滤实在上面第三步完成的基础上进行的。SAR图像中的像素值与所拍摄场景的雷达后向散射系数有关——校准所做的是将像素值从传感器记录的数字值转化为后向散射系数值——实质上是是后向散射系数的校准值。而斑点过滤则只是为了减少图像中的噪声,以获得更高质量的图像。

·校准工具 :Radar >> Radiometric >> Calibrate

·在校准窗口中:

I/O参数选项卡:源 = 你在步骤3中生成的子集图像;目标产品 = 你想要的输出文件

处理参数选项卡:Polarizations选择VV;勾选Output sigma0 band,点击Run

运行完毕后关闭校准窗口

产生的输出文件会显示在Product Explorer面板上

校准工具会生成一张带有后向散射系数的新图像

·斑点过滤工具:前往Radar>> Speckle Filtering >> Single Product Speckle Filter

·在Single Product Speckle Filter窗口中:

I/O Parameters标签:source = 在前一步中已经校准过后的图像;target product =你要输出的文件

Processing Parameters 标签: Source Bands = Sigma0_VV; Filter = Lee; Filter size = 3x3 ,点击“Run”

完成后关闭窗口

产生的输出文件会显示在Product Explorer面板上

第五步:确定洪水范围(被水覆盖的区域)

使用滤波后向散射系数的直方图并应用阈值,可以将含水像素从非水像素中分离出来。我认为这是一种无监督分类的形式——你应用一个阈值,让软件决定什么是水,什么不是。完成第一步之后,你也可以使用监督分类方法(本教程中没有介绍)

·要查看直方图:首先确保您正在查看过滤后的sigma0 VV图像。在左侧面板(Product Explorer下面),选择Color Manipulation标签

·在颜色操作选项卡中有一个直方图,显示一个或多个峰值。低值的后向散射峰值对应于水而高值则对应于非水。你需要使用阈值来分割这两种像素。即:将直方图切换为对数显示模式,使用阈值滑块查看不同的阈值——本例中我使用的阈值为1.28E-2。

·确定一个恰当的阈值后,下一步是创建一个新图像——一个确定水(1 =真或255 =白)和非水(0 =假或0 =黑)的二值图像。要做到这一点,需要使用光栅数学计算。

进入Raster>> Band Math.

在Band Maths窗口:输入一个名称,取消选中Virtual复选框(如果你想保存到磁盘)

单击Edit Expression:然后在弹出的窗口中输入255*(sigma0_VV< 1.28E-2)。这个表达式对于小于阈值的像素值将返回1或true,对于高于阈值的像素值将返回0或false,然后乘以255以得到二进制黑白图像

单击OK运行

·一幅新创建的水面图像将会被添加到你的产品中。实例如下图:注意因为考艾岛被海洋包围,所以很难确定陆地上的洪水区域。我想一个快速的解决方案是将图像剪辑到海岸线上,这样海洋就被视为“被淹没”的区域。(译注:这一段有点混乱)

第六步:预处理——几何校准

下载的哨兵一号图像位于传感器的几何位置,这意味着它没有地理坐标,所以如果你想在GIS中查看额外的数据,你需要应用一个坐标系统。

·进入Radar >> Geometric >> Terrain Correction >> Range-Doppler Terrain Correction

·在Range-Doppler Terrain Correction校正窗口。

I/O参数选项卡:源=过滤后的图像,然后根据需要输入其他参数或使用默认值

处理参数选项卡:source bands = Water; DEM = use your own or the default SRTM 3Sec(自动下载),需要互联网连接;如果需要,改变其他参数或使用默认值

点击RUN,完成后关闭窗口

注意:如果你保存为BEAM-DIMAP格式,输出的图像将是*. Img格式(见下面的可选步骤7)

·一幅新创建的图像将会在Product Explorer面板显示出来。在里面双击band文件夹来打开。下图是示例:

可选步骤七:导出为GIS或Google Earth中可用的格式

在本步骤中,你应该能够在GIS软件使用输出结果——上一个步骤中默认的输出格式是*.img格式。如果你想把它导出为其他格式或在谷歌地球中查看,你也可以这样做。

·前往File Menu >> Export >> Other >> View as Google Earth KMZ   或者

·前往File Menu >> Export >>选择一种导出模式

下面是一个在QGIS 3.0中查看洪水图像的例子。在QGIS中,只需添加您的*.img或导出的图像,并使用图层的属性来改变图像的颜色和透明度。洪水区域在图像中显示为红色。(译注:这一步并不是很明了)

评估结果准确性(略)

The Dartmouth Flood Observatory at the University of Colorado (previously at Dartmouth College) have mapped the maximum observed extent of the flooding on Kauai - see DFO Flood Event 4601 USA (Kauai, Hawaii). This can be used to assess how well your results are. The snapshots below show the comparison between the more accurate DFO Observed Flooding and the tutorial result. I would say that tutorial result is not bad given that no refinement was applied to the methodology other than using the SNAP geoprocessing defaults. A more accurate result could have been attained by using different thresholds, and doing some post-editing or processing to further refine the flooded areas such as supervised classification to weed out false positives (wrong classification of water).  Also keep in mind that no other supplement data were used except the Sentinel-1 data. Anyway, the point of this tutorial was just to get you thinking about remote sensing application.


“好久不见,Handler One”