基于 GEE 平台用 Sentinel-1 SAR 数据实现山区潜在滑坡检测

目录

1 前言

2 核心原理剖析

2.1 Sentinel-1 数据特性

2.2 滑坡检测原理

3 数据处理全流程

3.1 步骤拆解

3.2 关键环节说明

4 结果解读与分析

4.1 直方图分析

4.2 滑坡区域提取结果

4.3 面积统计结果

5 应用扩展与注意事项

5.1 应用扩展

5.2 注意事项

6 代码详细解析

6.1 研究区定义部分

6.2 Sentinel-1 数据获取函数

6.3 年度均值影像计算

6.4 差分运算准备

6.5 后向散射变化计算

6.6 直方图可视化

6.7 滑坡区域提取

6.8 滑坡面积计算

6.9 可视化参数设置

6.10 地图图层展示

6.11 结果导出

7 完整代码

8 运行结果

9 总结

---

1 前言

在山区地质灾害监测工作中，天气条件常常成为阻碍。光学遥感技术会受云层、雾气等因素干扰，难以稳定获取地表信息，而合成孔径雷达（SAR）凭借独特优势，完美解决了这一难题。它通过主动发射微波并接收回波信号，能够不受天气和光照影响，实现全天候、全天时的穿透云层成像，在滑坡监测、洪水分析、地形变化监测等领域发挥着不可替代的作用。

本文将以实际案例为依托，详细讲解如何在 Google Earth Engine（GEE）平台上，运用 Sentinel-1 SAR VV 极化数据开展山区滑坡检测工作。整个案例基于 “年度均值合成 + 差分检测” 的核心思路，最终还会绘制出滑坡易发区，为相关地质灾害监测工作提供参考。

2 核心原理剖析

2.1 Sentinel-1 数据特性

Sentinel-1 卫星搭载的是 C 波段合成孔径雷达（SAR），其波长约为 5.6cm，这一波长特性使其在对地观测中能较好地平衡分辨率与穿透能力。

该卫星具备 VV 和 VH 两种极化方式，其中 VV 极化对地表物体的形变反应更为敏感，当地表发生滑坡等地质变化时，VV 极化数据能更清晰地捕捉到相关信息，因此非常适合用于地质灾害分析工作。

此外，Sentinel-1 数据最大的优势在于不受天气和光照条件的限制。无论是阴雨天气还是夜间，它都能稳定地获取地表时序数据，为长时间序列的滑坡监测提供了可靠的数据支撑。

2.2 滑坡检测原理

滑坡发生前后，地表的植被覆盖和土壤结构会遭到严重破坏。这种破坏会直接导致雷达后向散射强度发生显著下降，这是因为植被的减少和土壤结构的改变会影响微波的反射特性。

基于这一现象，我们可以采用多时相影像差分的方法来检测滑坡。具体来说，就是用后一年的 SAR 影像数据减去前一年的 SAR 影像数据，通过这种差分运算，能够清晰地捕捉到地表后向散射强度发生显著变化的区域，这些区域很可能就是滑坡发生的区域。

为了更精准地提取潜在滑坡区域，还需要结合阈值判别法。在大量实践和研究的基础上，通常将后向散射强度下降超过 2dB（即差分结果小于 - 2dB）作为判别标准，当差分结果满足这一条件时，对应的区域就被认定为潜在滑坡区域。

3 数据处理全流程

3.1 步骤拆解

整个滑坡检测的数据处理流程共分为 6 个关键步骤，每个步骤环环相扣，共同构成了完整的检测体系：

1. 导入研究区 AOI：AOI（Area of Interest，感兴趣区域）是我们开展滑坡检测的具体范围。在 GEE 平台中，需要先将研究区的矢量边界数据（如 Shapefile 格式数据）导入，作为后续所有数据处理和分析的空间约束范围。
2. 获取 Sentinel-1 SAR 数据：明确需要获取的数据为 Sentinel-1 SAR 的 VV 极化数据，并且采用 IW（Interferometric Wide swath，干涉宽幅）模式。通过 GEE 平台的数据集合，根据研究区范围、指定的时间范围等条件，筛选出符合要求的 Sentinel-1 SAR 数据。
3. 计算年度均值合成影像：由于单一时相的 SAR 数据可能会受到噪声、大气干扰等因素的影响，不能很好地反映地表的长期稳定状况。因此，需要对获取到的多时相 SAR 数据按年度进行平均计算，得到年度均值合成影像，以此来削弱短期干扰因素，突出地表的长期变化趋势。
4. 进行差分运算：选取相邻两个年度的均值合成影像，用后一年的均值影像减去前一年的均值影像，得到地表后向散射变化图。这张变化图能够直观地展示出两年间地表后向散射强度的变化情况，为后续滑坡区域提取提供依据。
5. 应用阈值提取潜在滑坡区域：根据前面提到的阈值判别标准（后向散射强度下降超过 2dB），对差分得到的后向散射变化图进行阈值分割。将差分结果小于 - 2dB 的区域提取出来，这些区域就是初步判定的潜在滑坡区域。
6. 统计面积并可视化，导出结果：对提取出的潜在滑坡区域进行面积统计，将面积单位转换为平方千米（km²），以便更直观地了解滑坡的规模大小。同时，在 GEE 平台的地图界面上对研究区影像、后向散射变化图、潜在滑坡区域等进行可视化展示，让检测结果更加清晰易懂。最后，将潜在滑坡区域的影像数据导出到 Google Drive 等存储位置，方便后续的进一步分析和应用。

3.2 关键环节说明

1. 数据筛选条件：在获取 Sentinel-1 SAR 数据时，除了指定 VV 极化和 IW 模式外，还需要严格设置空间过滤和时间过滤条件。空间过滤即根据导入的研究区 AOI，只保留研究区内的数据；时间过滤则是根据研究需求，确定需要分析的时间跨度（如 2019-2020 年），只获取该时间段内的数据，以保证数据的针对性和有效性。
2. 年度均值计算意义：年度均值合成影像能够有效降低 SAR 数据中的随机噪声、大气波动等短期干扰因素的影响。例如，某一区域在某一时刻可能会因为临时的大气湍流导致后向散射强度出现异常，但通过年度均值计算，这种短期异常会被平均掉，从而更真实地反映该区域地表的正常后向散射特性，为后续的差分运算提供更可靠的基础数据。
3. 阈值确定依据：将 2dB 作为阈值并非主观随意设定，而是经过大量的实验验证和实际案例分析得出的。在不同地区、不同地形条件下的滑坡监测实践中，研究人员发现当后向散射强度下降超过 2dB 时，对应的区域与实际发生滑坡的区域吻合度最高，能够在保证较高检测准确率的同时，最大限度地减少漏检和误检的情况。

4 结果解读与分析

4.1 直方图分析

通过代码中绘制的 “滑坡变化直方图”，我们可以清晰地看到后向散射变化值的分布规律。直方图的横轴代表后向散射变化值（单位：dB），纵轴代表对应变化值的像素数量。

从直方图中可以观察到，大部分像素的后向散射变化值集中在 0 附近，这些像素对应的区域地表状况相对稳定，没有发生明显的滑坡现象。而当变化值小于 - 2dB 时，像素数量开始显著减少，这部分像素对应的区域就是后向散射强度显著下降的区域，也就是我们重点关注的潜在滑坡区域。直方图的分布情况进一步验证了将 - 2dB 作为滑坡判别阈值的合理性，能够有效区分滑坡区域与非滑坡区域。

4.2 滑坡区域提取结果

在 GEE 平台的地图界面上，潜在滑坡区域以黄色显示，这些黄色区域就是我们通过数据处理和阈值筛选提取出来的滑坡易发区和已发生滑坡的区域。

通过与实地调查数据或高分辨率光学影像（在天气条件允许的情况下）进行对比，可以发现这些黄色区域与实际的滑坡区域具有较高的吻合度。例如，在某山区的检测结果中，黄色区域准确对应了当地已知的滑坡灾害点，同时还发现了一些此前未被发现的小型潜在滑坡区域，为地质灾害隐患排查提供了重要线索。

4.3 面积统计结果

代码运行后，在 GEE 平台的控制台会输出 “Estimated Landslide Area (km²):” 以及对应的数值，该数值就是研究区内潜在滑坡区域的总面积。

面积统计结果能够帮助我们直观地了解研究区滑坡灾害的总体规模。例如，若统计结果为 8km²，说明研究区内潜在滑坡区域的总面积达到 8 平方千米，相关部门可以根据这一数据，结合研究区的人口分布、基础设施情况等，评估滑坡灾害可能造成的影响范围和损失程度，为制定防灾减灾预案提供量化依据。

5 应用扩