PIE-Engine使用哨兵1影像提取洪水范围

1 背景

洪涝灾害是突发事件，具有持续时间短、危害性大等特征。基于卫星遥感技术，人们可实现快速、准确的洪涝淹没范围提取，直观地显示其空间分布及其动态变化和发展规律，从而使得其在洪涝灾害监测中发挥着越来越重要的作用。

光学传感器，如MODIS、Landsat TM等均被用于提取洪水淹没范围。但是洪灾发生时，天气往往多云多雨，光学传感器波段不能穿透云层，因此无法获取有效地面信息。

星载合成孔径雷达（SAR）具有全天候、全天时的工作能力和宽覆盖的优势，不受云、雨、雾的影响，可在夜间工作，尤其适合洪涝淹没范围监测。

2021年7月17日–23日，河南省遭遇历史罕见特大暴雨，全省平均过程降雨量223毫米，有285个站超过500毫米；有20个国家级气象站日降水量突破建站以来历史极值，其中，郑州、新密、嵩山站均超其历史日极值1倍以上，郑州气象观测站最大小时降雨量（20日16–17时，201.9毫米）突破我国大陆有记录以来小时降雨量历史极值。多条河流发生超警以上洪水，郑州、新乡、鹤壁等多地遭受特大暴雨洪涝灾害，受灾范围广、灾害损失重、社会关注度高。灾害造成全省16市150个县（市、区）1478.6万人受灾，因灾死亡失踪398人，紧急转移安置149万人；倒塌房屋3.9万间，严重损坏17.1万间，一般损坏61.6万间；农作物受灾面积873.5千公顷；直接经济损失1200.6亿元。（https://www.mem.gov.cn/xw/yjglbgzdt/202201/t20220123_407199.shtml）

2 Sentinel-1影像

Sentinel-1由Ａ、B两颗同轨的极轨卫星组成的星座，是欧空局“哥白尼计划”的地球观测卫星系列之一，其中Sentinel-1A 于2014年4月发射升空，单颗星轨道周期为12d，两颗星常规重复周期为6d，最快重访时间为1-3d。搭载一台5.404GHz的C波段合成孔径雷达，最大覆盖幅宽为400km，包含4种成像模式：SM（Stripmap）、IW（InterferometricWide swath）、EW（Extra-Wideswath）和WV（Wave）模式，其中 SM、IW、EW模式分为单极化（HH/VV）和双极化（HH+HV/VV+VH）成像，WV模式为单极化（HH/VV）成像。其中，IW模式的影像为Sentinel-1的主要拍摄数据，由３个条带拼接而成，采用了TOPSAR成像技术，具有空间分辨率高和幅宽大的特征。影像的地距分辨率为20m*22m，覆盖幅宽为375km。

3 影像处理平台

影像处理使用航天宏图自主研发的PIE-Engine 云服务平台（https://engine.piesat.cn/engine/home）。
PIE-Engine是一个集实时分布式计算、交互式分析和数据可视化为一体的在线遥感云计算开放平台，主要面向遥感科研工作人员、教育工作者、工程技术人员以及相关行业用户。它基于云计算技术，汇集遥感数据资源和大规模算力资源，通过在线的按需实时计算方式，大幅降低遥感科研人员和遥感工程人员的时间成本和资源成本。用户仅需要通过基础的编程就能完成从遥感数据准备到分布式计算的全过程，这使广大遥感技术人员更加专注于遥感理论模型和应用方法的研究，在更短的时间产生更大的科研价值和工程价值。

4 提取方法

SAR影像的洪水淹没范围监测，主要基于影像记录的地表的微波后向回波的强弱不同，进行洪水淹没范围识别和提取。

由地表目标的微波散射特性可知，不同的地表类型雷达回波强度由雷达参数（波长、极化方式、视角）、地物形状、复介电常数与粗糙度决定。对于特定的SAR系统，雷达参数是特定的，地表目标的雷达回波强度主要受复介电常数、形状和粗糙度的影响。利用SAR图像分析开放性水体散射机理时，一般主要考虑地表的粗糙度对雷达回波强度的影响。相对雷达波波长，非水体表面粗糙，为漫反射，后向回波强，图像部分成亮色；水体表面平滑，为镜面反射，后向散射强度弱，图像部分成暗色。

我们用阈值法提取淹没范围。PIE-Engine Studio的代码如下。https://engine.piesat.cn/engine-share/shareCode.html?id=8bf0fbadc6584ebdb17501ce94ad2679。


//掩膜边缘无效值
function maskEdge(image) {
  var mask = image.gte(-30.0);
  return image.updateMask(mask);
}
//将影像数据转为DB值
function toDB(img) {
  return pie.Image(img).log10().multiply(10.0);
}

//加载洪水发生后影像
var s1Img = pie.ImageCollection("S1/L1C/GRD")
              .filterDate("2021-07-21", "2021-7-31")
              .filterBounds(roi)
              .select(["vv"])
              .map(maskEdge)
              .map(toDB).mosaic()


//加载洪水发生前影像
var s1ImgBefore = pie.ImageCollection("S1/L1C/GRD")
              .filterDate("2021-07-01", "2021-7-18")
              .filterBounds(roi)
              .select(["vv"])
              .map(maskEdge)
              .map(toDB).mosaic()

// 提取水体
var water_after = s1Img.lt(-6) .focal_min(5).focal_max(5) ;
var water_before = s1ImgBefore.lt(-7) .focal_min(5).focal_max(5)  ;
// 水体可视化
Map.addLayer(water_after.updateMask(water_after.eq(1)),{ min: 1, max: 1, palette: '0000bb'}, "water_after")
Map.addLayer(water_before.updateMask(water_before.eq(1)),{ min: 1, max: 1, palette: '00ff88'}, "water_before")

Map.addLayer(s1Img.select("vv"), {min:-15, max:5}, "vv_after");
Map.addLayer(s1ImgBefore.select("vv"), {min:-15, max:5}, "vv_before");

5 结果

洪水发生前的Sentinel-1影像

洪水发生后的Sentinel-1影像

水体提取结果

局部图
局部放大图

6 参考文献

[1]孙亚勇,黄诗峰,李纪人,李小涛,马建威,曲伟.Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用[J].遥感技术与应用,2017,32(02):282-288.