🌟对外介绍遥感影像时，我们经常会说多光谱的遥感数据包含肉眼看不见的信息。
这是如何实现的？今天带来一个小例子直观感受下。
🌟我们肉眼只能看到可见光区域的物体（蓝、绿、红波段）。
然而，当光线照射到物体并反射时，它还包含其他光谱区域的信息，例如红外光。红外光能够穿透浓密的气体，如烟雾，提供清晰的视野。近年来，红外传感器的开发取得了显著进展，并被广泛应用于实际中。
我们分别选取了火山喷发、山火的两张Sentinel-2影像来实现。
🔍 Sentinel-2（光谱波段）
Sentinel-2任务由欧洲航天局（ESA）开发，包括两颗卫星：Sentinel-2A和Sentinel-2B。Sentinel-2配备了多光谱仪器，能够在13个光谱波段中捕获数据，每个波段都有特定的波长范围，适用于广泛的地球观测应用。本文的例子将使用可见光区域的波段和三个红外区域的波段：
可见光波段：
蓝色（Band 2）：496.6 nm 绿色（Band 3）：560.0 nm 红色（Band 4）：664.5 nm 红外波段：
近红外（Band 8）：835.1 nm 短波红外1（Band 11）：1613.7 nm 短波红外2（Band 12）：2202.4 nm
这些波段的空间分辨率分别为10米（可见光和近红外）和20米（短波红外），足以可视化火山和野火。
🌐 影像下载及预处理
基于jupyter使用python完成影像下载，下载代码示例：
satellite = "SENTINEL-2"
level = "S2MSI1C"
aoi_point ="POINT(-22.411503 63.892295)"
start_date = "2024-02-07"
end_date = "2024-02-10"
下载图像后，裁剪每个波段的兴趣区域（AOI），分别围绕火山和野火。利用事件的坐标，创建一个缓冲多边形（火山3公里，野火10公里）来裁剪图像，还要经过相关的降尺度操作。
🌋 Sentinel-2图像可视化（火山）
在获得"火山"数据文件后，可以使用不同的波段组合来绘制图像。
具体来说，创建三个图：一个仅基于可见波段（红、绿、蓝），另一个基于可见波段和近红外波段（绿、红、近红外），第三个专注于红外区域（近红外和短波红外）。
可见光波段图像：
冰岛火山可见光图像 在可见光区域记录的图像中，我们可以看到火山周围的熔岩（黑色像素）、火山的烟柱以及一些非常小的红色区域显示活跃的熔岩。
近红外波段图像：
冰岛火山近红外图像 通过近红外波段，我们可以看到有两股活跃的熔岩流：一股向西流动，另一股向南流动。
红外波段图像：
冰岛火山红外图像 短波红外波段提供了更多信息，显示出新烧毁的区域和不活跃的熔岩。
🔥 Sentinel-2图像可视化（野火）
类似于火山的例子，我们将使用不同的波段组合来绘制野火的Sentinel-2图像。
可见光波段图像：
加州野火可见光图像 在可见光波段中，烟雾遮挡了地面的情况。
近红外波段图像：
加州野火近红外图像 在这种情况下，近红外波段未能有效穿透浓烟。
红外波段图像：
加州野火红外图像 短波红外波段能够穿透浓烟，揭示出燃烧区域。
将所有影像汇总对比，输出结果将是：
Sentinel-2有13个band，9个位于红外区域，本文只使用了红外区域的3个band来揭示烟雾下的隐藏物体，还可以探索使用其他红外波段来进行分析。
📚 通过对比可见光图像和红外波段图像，我们可以清楚地看到在不同电磁光谱中拥有传感器的重要性。
红外数据层使我们能够清晰识别和绘制活跃的熔岩流和燃烧区域，这些在RGB图像中是看不到的。
红外波段的优越穿透能力使传感器能够在烟雾遮挡的情况下检测到活跃的熔岩和火点，从而提高我们评估这些事件潜在风险的能力，并及时做出决策以减轻灾害。
欢迎交流
笔者长期从事人工智能、遥感、大模型等业务
欢迎添加微信交流
