这是我和我的同事Simon Darr共同撰写的两部分博客文章，请继续阅读并继续关注。Simon Darr

缩放卫星图像分析有两种风格-缩放到多个用例和缩放到数十亿像素。但你为什么一开始就利用卫星图像呢？

在过去的几年里，卫星图像的可用性发生了变化。在轨卫星的数量增加了，随着高分辨率信号源和光谱波段的可用，重新访问的次数也增加了。此外，由于较小的卫星、可重复使用的火箭以及航天工业从政府资助的项目向商业企业的普遍演变，获取卫星图像的成本有所下降。简而言之，此数据源已变得更易于访问、容量更大、对更广泛的用例更有意义。number of satellites revisits spectral bands smaller satellites reusable rockets

考虑到这一点，需要专门的工具…但他们真的是这样吗？我们当然要挑战这一点。像QGIS这样的专业工具应该在需要的时候使用，但并不像人们想象的那样频繁。此外，在发现这些见解的专家之外，他们可能会被证明是分享见解的拦路虎，而且他们不能轻松地聚合时态数据，也不能处理大量数据。QGIS

我们组合了一个模式和演示，主要利用BigQuery和Looker等商用工具来解决例如基于历史洪泛的站点生存能力问题。

基线模型

任何资产的场地生存能力都是一项具有挑战性的、多方面的努力。一个需要考虑的关键领域是洪水。确定场地的洪水倾向，或场地上可能发生洪水的地方，可能有助于改善工业资产场地的建设、运营、融资、保险和租赁。

虽然地形图有助于评估洪泛区的位置，但它们并不一定能回答这样的问题–降雨实际上积累在哪里，甚至在地面和地下持续到哪里？因此，虽然地形图对于地理空间信息(GIS)专家获得传递给施工团队和业务决策者的见解很有用，但它们的范围和用途仍然有限。相比之下，遥感在评估传统地图无法回答的问题方面可以发挥无价的作用。topographic maps remote sensing

通过卫星图像传达洪水风险理解的基线模型是给定感兴趣区域(AOI)的归一化差异水指数(NDWI)。Normalised Difference Water Index (NDWI)

NDWI是两个光谱波段的组合-绿色和近红外(NIR)-用于推断水分含量。在计算NDWI时，图像中的每个像素都在-1.0和1.0之间缩放。值越高，表示含水率越高。例如，高于0.3的值表示开阔水域(例如，通常为20米或更深的大型湖泊和海洋)，最低值可用于表示植被甚至土壤中的水分含量。bands near-infrared (NIR)

改进基线

在基线模式中，我们利用了Google维护的Google Cloud存储桶中公开可用的Sentinel2数据。对于绿色和近红外波段，这些光栅图像的分辨率是每像素10m，而重访大约每5天一次。这绝不是遥感行业的最高分辨率，也不是最高的重访率。Sentinel 2

例如，Planet可以提供相同的光谱波段，每天重访的分辨率更高，达到每像素3-5m。基线的这种改进提供了增强的价值，因为可以从该数据源获得更好的洞察力。Planet

在改善基线方面，另一个需要依靠的杠杆是校准的想法。“泛滥”的定义可以是流动的(双关语警示！)在遥感的背景下。例如，水的浑浊会影响陆地和水的边界，而洪水或暴雨造成的土壤淹水可能是一个代价高昂的问题，尽管没有严格地定义为洪水本身。考虑到这一点，迫切需要校准、倾向评分或其他指标来实现智能和自动化的站点生存过程。

这需要结合GIS、数据科学和数据工程的智慧。

超出基线

这是不言而喻的，但仍然值得一提的是，除了这一个用例之外，还有很多用例。场地生存能力可能包括诸如植被侵占评估之类的内容。此外，类似的光谱分析可能被用于农作物的监测或产量预测，甚至环境责任。此外，独立于基本光谱分析的目标检测可用于预测性维护等。如果我们选择通过非专业工具来增强数据科学家的能力，这将进一步拓宽可能性。vegetation encroachment monitoring environmental accountability object detection

此外，通过提示和提示等技术，可以将不同分辨率的数据源以菊花链形式连接在一起，从而使监控系统更加健壮。而光谱卫星数据并不是唯一的工具，SAR和其他工具提供了更重要的数据源。tip-and-cue SAR

扩展数据管道

随着遥感数据量的增长，潜在用例的数量也在增加-每个用例都有自己的细微差别和挑战。扩展到新的和多个用例越来越成为现实。此外，它还能够扩展数据管道，以最小的工作量处理数十亿像素。

第二部分，我的同事Simon Darr的后续博客文章，将讨论我们如何在Google Cloud的Cloud Build和BigQuery中处理哨兵2号卫星光栅图像，并在Looker(一个通用的、非GIS专家的商业智能工具)中可视化输出。无服务器和商用管道和工具(诸如此类)有助于处理此数据源的规模，并确保跨各种用户角色的可重用性。

详情敬请关注！

我们如何帮助您识别和实施卫星图像分析用例？让我们联系一下吧。Let’s get in touch