基于GEE的多时相遥感建筑损毁评估技术解析

1. 项目概述：多时相遥感在灾后建筑损毁评估中的应用

2023年9月，希腊塞萨利地区遭遇了代号为"丹尼尔"的极端风暴袭击，这场灾害引发了该地区有记录以来最严重的洪涝灾害。洪水退去后，当地政府面临一个紧迫的技术挑战：如何快速准确地从数万栋建筑中识别出真正发生结构性损毁的房屋？传统的人工实地调查方法不仅效率低下，而且在灾后交通中断的情况下难以实施。

作为一名长期从事遥感灾害监测的技术人员，我和团队开发了一套基于Google Earth Engine（GEE）平台的三时相遥感分析方法。这套方案的核心创新在于：通过分析三个关键时间段的卫星影像变化特征，能够有效区分临时性洪水淹没与永久性建筑结构破坏。这种方法完全基于云端计算，无需下载和处理海量影像数据，从数据获取到结果生成可在24小时内完成。

技术要点：传统洪水监测通常只关注水体范围变化，而忽视了一个关键事实——被洪水浸泡过的建筑未必都会损毁，而真正坍塌的建筑在洪水退去后仍会留下明显痕迹。

1.1 技术选型依据

我们选择Sentinel-1 SAR和Sentinel-2光学卫星数据作为主要数据源，主要基于以下考量：

1. 时空分辨率匹配：

   • Sentinel-1：C波段SAR，重访周期6天（双星模式下），不受云层影响
   • Sentinel-2：10-60米多光谱，重访周期5天（双星），提供丰富的光谱信息
   • 两者配合可确保三个时相的数据时间一致性

2. 物理特征互补：

   • SAR后向散射系数（VV/VH）对建筑结构变化敏感
   • 光学数据NDVI可识别植被覆盖变化
   • 亮度指数（Brightness）反映地表反射率变化

3. GEE平台优势：

   • 直接调用预处理后的Level-1数据
   • 无需本地存储数百GB原始影像
   • 内置地形校正、辐射定标等算法
   • 可并行处理大面积区域

在实际操作中，我们发现2023年9月洪水期间云层覆盖严重，光学数据可用性大幅下降。这时SAR数据的全天候观测能力就显示出独特价值——在T2时段（洪水后），我们使用的Sentinel-1数据覆盖率达到100%，而Sentinel-2可用影像不足30%。

2. 方法论详解：三时相变化检测技术

2.1 时相选择策略

时相