本文希望找到清晰的卫星图像来演示一种区分淹没区和非淹没区的简单方法。幸运的是，Sentinel-2 在 4 月 7 日（洪水前事件）和 17 日（洪水后事件）拍摄了两张图像，迪拜上空大部分没有云。这些图像激发了我写一篇关于使用卫星图像检测洪水事件的故事的兴趣。
在这篇文章中，我们首先使用 Python 脚本下载迪拜被洪水淹没的位置的 Sentinel-2 图像。然后，我们将使用 rasterio 包读取图像并使用近红外和绿光波段计算归一化水差指数 (NDWI)。然后，我们将绘制洪水前和洪水后图像的 NDWI 直方图。比较这些直方图将揭示洪水前图像中的干燥区域如何转变为洪水后图像中的潮湿区域。最后，我们将使用从直方图分析中提取的阈值来分离淹没像素并绘制淹没区域。
目录
- 🌅简介
- 💾下载 Sentinel-2 图像
- ⚙️剪切和堆叠多光谱波段
- 📐NDWI的计算
- 📊 NDWI 直方图
- 🗺️洪水区域的可视化
- 📄 结论
🌅简介
从空中监测洪水是一项相当大的挑战，但它带来了很多好处。主要挑战是，大多数洪水事件发生在多云的天空下，这是由强降雨和河流和运河泛滥引起的。这种云层通常使得很难在可见光和红外波段获得清晰的图像。
然而，准确的洪水检测为机构和保险公司带来了许多好处。准确识别洪水区域可以确定疏散计划的优先顺序。保险公司还可以评估洪水风险，为其业务策略提供信息并确定保险费成本。
虽然由于 SAR 能够穿透云层，使用 SAR（合成孔径雷达）图像检测洪水通常更容易，但可见光和近红外图像可提供更多细节。
在这篇文章中，我们将了解迪拜最近发生的洪水事件，并使用 Sentinel-2 图像来识别洪水区域。如果您有兴趣学习如何在迪拜机场洪水等事件期间检测和监控洪水区域，这篇文章适合您！
💾 下载 Sentinel-2 图像
在这篇文章中，我们将下载两张在迪拜洪水泛滥地点拍摄的 Sentinel-2 图像：一张是在洪水事件发生前评估洪水事件发生前的情况，另一张是在 4 月 17 日洪水事件期间拍摄。
以下是我用于将这两个图像下载到两个不同文件夹（Pre_flood 和 Post_flood）中的信息：
洪水前图像信息：
卫星= “SENTINEL-2”
级别= “S2MSI2A”
aoi_point = ”点(54.942601 24.918222)”
开始日期= “2024年4月6日”
结束日期= “2024年4月8日”
产品 ID：“ S2A_MSIL2A_20240407T064621_N0510_R020_T40RBN ”
洪水后图像信息：
卫星= “SENTINEL-2”
级别= “S2MSI2A”